Electronic Theses and Dissertation

Abstrak- Pemanfaatan energi surya sebagai salah satu sumber energi terbarukan sangat penting untuk mendukung transisi menuju sistem energi yang ramah lingkungan dan berkelanjutan. Salah satu tantangan utama dalam pengaplikasiannya adalah belum optimalnya penyerapan dan penyaluran daya akibat perubahan suhu yang menyebabkan naik tidak konstannya nilai tegangan dan arus yang didapat. Titik daya maksimum pada modul surya cenderung berubah-ubah, sehingga diperlukan metode pelacakan yang adaptif dan akurat agar daya listrik yang dihasilkan dapat dimanfaatkan secara maksimal.
Penelitian ini bertujuan untuk melakukan evaluasi kinerja prototipe sistem Maximum Power Point Tracking (MPPT) pada modul surya berbasis Artificial Neural Network (ANN) melalui pengujian langsung di lapangan. Sistem ANN dipilih karena kemampuannya dalam memodelkan hubungan antara tegangan, arus, dan suhu lingkungan dengan daya maksimum yang dapat dicapai, serta adaptabilitasnya dalam menghadapi perubahan kondisi operasi secara real-time. Pada prototipe ini, jaringan ANN digunakan untuk memprediksi nilai optimal tegangan dan arus yang memberikan output daya terbesar, yang selanjutnya diimplementasikan melalui pengaturan duty cycle pada rangkaian boost converter guna mengoptimalkan penyaluran daya ke beban.
Rangkaian boost converter digunakan sebagai pengatur dan penyesuai tegangan agar sesuai dengan kebutuhan sistem. Data yang digunakan untuk pelatihan dan pengujian model ANN diambil dari simulasi menggunakan google colaboratory dan website NASA POWER yang merepresentasikan situasi aktual di lapangan. Verifikasi sistem dilakukan dengan mengamati kinerja prototipe MPPT berbasis ANN dengan ANN dapat diimplementasikan atau tidak
Hasil verifikasi menunjukkan bahwa prototipe MPPT berbasis ANN mampu meningkatkan efisiensi penyaluran daya ke beban, serta mampu beradaptasi dengan baik terhadap perubahan nilai tegangan, arus dan suhu secara real-time. Temuan ini memperkuat potensi implementasi ANN sebagai solusi praktis untuk optimalisasi sistem energi surya di lapangan, serta memberikan kontribusi pada pengembangan teknologi energi terbarukan yang lebih efisien dan adaptif di masa mendatang.

Kata kunci: Maximum Power Point Tracking (MPPT), Artificial Neural Network (ANN), Modul Surya, Boost Converter, Energi Terbarukan

Abstract- The use of solar energy as a renewable energy source is very important to support the transition to an environmentally friendly and sustainable energy system. One of the main challenges in its application is the suboptimal absorption and distribution of power due to temperature changes that cause an increase in the inconsistent voltage and current values ​​obtained. The maximum power point on solar modules tends to change, so an adaptive and accurate tracking method is needed so that the electrical power generated can be utilized optimally. This study aims to evaluate the performance of the Maximum Power Point Tracking (MPPT) system prototype on solar modules based on Artificial Neural Network (ANN) through direct testing in the field. The ANN system was chosen because of its ability to model the relationship between voltage, current, and ambient temperature with the maximum power that can be achieved, as well as its adaptability in dealing with changes in operating conditions in real-time. In this prototype, the ANN network is used to predict the optimal voltage and current values ​​that provide the greatest power output, which is then implemented through duty cycle settings on the boost converter circuit to optimize power distribution to the load. The boost converter circuit is used as a regulator and voltage adjuster to suit system needs. The data used for training and testing the ANN model was taken from simulations using Google Collaboratory and the NASA POWER website that represent actual situations in the field. System verification was carried out by observing the performance of the ANN-based MPPT prototype with ANN being implemented or not The verification results show that the ANN-based MPPT prototype is able to increase the efficiency of power distribution to the load, and is able to adapt well to changes in voltage, current and temperature values ​​in real time. These findings strengthen the potential for implementing ANN as a practical solution for optimizing solar energy systems in the field, as well as contributing to the development of more efficient and adaptive renewable energy technologies in the future. Keywords: Maximum Power Point Tracking (MPPT), Artificial Neural Network (ANN), Solar Module, Boost Converter, Renewable Energy