Pemeliharaan Prediktif Pada Panel Surya Dengan Metode Random Forest Regressor

Pemeliharaan prediktif pada panel surya sangat penting untuk memastikan kinerja optimal dan keandalan sistem. Dalam penelitian ini, metode Random Forest Regressor dan LabVIEW digunakan untuk menganalisis dan memprediksi kondisi panel surya. Perbandingan dengan regresi linier menggunakan Mean Absolute Error (MAE), Mean Squared Error (MSE), dan R-squared (R^2) menunjukkan bahwa Random Forest Regressor memberikan performa prediksi yang lebih baik pada variabel Tegangan dan Daya. Hasil eksperimen ini memberikan wawasan penting dalam pengembangan pemeliharaan prediktif pada panel surya, bertujuan meningkatkan efisiensi dan umur panjang sistem. Dari segi R^2, Random Forest menunjukkan kinerja baik pada variabel tegangan dengan nilai 0,473555, pada variabel arus dengan R^2 bernilai 0,982407, dan pada variabel daya dengan R^2 bernilair 0,987639, menegaskan tingkat akurasi yang tinggi. Hasil eksperimen menunjukkan bahwa Random Forest Regressor memberikan performa prediksi yang lebih baik dibandingkan dengan regresi linier pada variabel Tegangan dan Daya. Temuan ini memberikan pandangan penting dalam pengembangan pemeliharaan prediktif pada panel surya untuk meningkatkan efisiensi dan umur panjang sistem.