RANDOM FOREST REGRESSION UNTUK PREDIKSI OUTPUT DAYA SISTEM LAMPU JALAN BERBASIS FRESNEL SOLAR CONCENTRATOR DENGAN INTEGRASI PERBANDINGAN MULTI DATA

Kohar, Muhammad Vivaldi Vikzi (2026) RANDOM FOREST REGRESSION UNTUK PREDIKSI OUTPUT DAYA SISTEM LAMPU JALAN BERBASIS FRESNEL SOLAR CONCENTRATOR DENGAN INTEGRASI PERBANDINGAN MULTI DATA. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER (2).pdf - Published Version Download (613kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (253kB)
	Text (BAB 1 PENDAHULUAN) BAB 1.pdf - Published Version Restricted to Repository staff only Download (271kB) | Request a copy
	Text (BAB 2 TINJAUAN PUSTAKA) BAB 2.pdf - Published Version Restricted to Repository staff only Download (754kB) | Request a copy
	Text (BAB 3 METODOLOGI PENELITIAN) BAB 3.pdf - Published Version Restricted to Repository staff only Download (715kB) | Request a copy
	Text (BAB 4 PEMBAHASAN) BAB 4.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB 5 KESIMPULAN) BAB 5.pdf - Published Version Restricted to Repository staff only Download (151kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (164kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Variabilitas keluaran daya pada sistem Penerangan Jalan Umum tenaga surya berbasis Fresnel Solar Concentrator (FSC) memiliki karakteristik sangat non-linier. Penelitian ini bertujuan mengevaluasi algoritma Random Forest Regression (RFR) terintegrasi mikrokontroler ESP32 untuk memprediksi output daya secara presisi. Metode yang digunakan adalah gabungan data multi-source, menggabungkan telemetri kelistrikan lokal yaitu sensor sistem dengan data meteorologi BMKG Stasiun Palembang. Data diakuisisi selama 27 hari dengan resolusi 30 menit, kemudian dioptimasi melalui Grid Search Cross-Validation (5-fold) menggunakan lag features dan feature crossing. Hasil pengujian membuktikan arsitektur fusi (Model BMKG) secara empiris mengungguli model konvensional, meningkatkan akurasi (???? 2 ) dari 0,7926 menjadi 0,8533 serta menurunkan Root Mean Square Error (RMSE) menjadi 5,2687 Watt. Analisis Feature Importance mengonfirmasi fitur "Sinergi Cuaca" sebagai penentu paling dominan sebesar 50,4%. Keberhasilan ekstrapolasi prediksi 5 hari ke depan memvalidasi keandalan algoritma ini sebagai fondasi sistem manajemen energi cerdas yang proaktif.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Random Forest Regression, Fresnel Solar Concentrator, Fusi Data, BMKG, Prediksi Daya
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	29 Aug 2026 02:12
Last Modified:	29 Aug 2026 02:12
URI:	http://eprints.polsri.ac.id/id/eprint/26001

Actions (login required)

View Item