Electronic Theses and Dissertation

Abstrak-Sun tracker terdiri dari dua jenis energi, yaitu energi proporsional dan energi operasional. Energi proporsional merujuk pada energi bersih yang disimpan dalam baterai, sedangkan energi operasional digunakan untuk mendukung kinerja mekanik dalam sistem pelacak matahari (sun tracker). Salah satu tantangan utama dalam sistem ini adalah tingginya konsumsi energi operasional, yang dapat menurunkan efisiensi total sistem. Penelitian ini bertujuan untuk menganalisis kinerja sistem sun tracker dua sumbu dengan menganalisis pembatasan pergerakan motor servo berdasarkan selisih pembacaan sensor LDR menggunakan nilai ambang (threshold) sebesar 50, 100, dan 150. Selain itu, penelitian ini juga menganalisis algoritma Adaptive Neuro-Fuzzy Inference System (ANFIS), yang menggabungkan keunggulan pembelajaran dari Artificial Neural Network (ANN) dan fleksibilitas logika fuzzy dalam memodelkan sistem nonlinier serta menangani data yang tidak pasti secara adaptif. Pemodelan ANFIS dilakukan dengan menguji 24 konfigurasi fungsi keanggotaan untuk menentukan struktur ANFIS yang paling optimal. Hasil analisis nilai threshold menunjukkan bahwa nilai 100 memberikan efisiensi terbaik dalam menghasilkan pergerakan serta energi proporsional. Sedangkan dalam analisis algoritma ANFIS, hasil terbaik diperoleh oleh tipe fungsi keanggotaan Generalized Bell (gbellmf) dan konfigurasi 9×9, yang menghasilkan nilai error terkecil sebesar 0,011692. Validasi model menggunakan data uji eksternal menunjukkan nilai RMSE sebesar 0,1128 dan MSE sebesar 0,0127, yang mengindikasikan akurasi prediksi yang tinggi serta kemampuan generalisasi yang baik. Penerapan kontrol ANFIS pada sistem dual-axis PV yang dianalisis dalam penelitian ini menunjukkan peningkatan efisiensi energi proporsional rata-rata sebesar 3%, dari 90% menjadi 93%. Hal ini menunjukkan efektivitas ANFIS dalam meningkatkan kinerja sistem pelacak matahari dengan menyesuaikan respons terhadap perubahan intensitas cahaya secara adaptif.

Kata kunci: terknologi pelacakan matahari, energi proporsional, algoritma ANFIS, sun tracker dual-axis, efisiensi energi.

Abstract-Sun tracker consist as two types of energy: proportional energy and operational energy. Proportional energy refers to the clean energy stored in the battery, while operational energy is used to support the mechanical performance of the sun tracking system. One of the main challenges in such systems is the high consumption of operational energy, which can reduce the overall system efficiency. This study aims to analyze the performance of a two-axis sun tracker system by analyzing the limitation of servo motor movement based on the difference in LDR sensor readings using threshold values of 50, 100, and 150. This study also investigates the algoritm of the Adaptive Neuro-Fuzzy Inference System (ANFIS), which combines the learning capability of Artificial Neural Networks (ANN) with the flexibility of fuzzy logic to model nonlinear systems and handle uncertain data adaptively. The ANFIS modeling was conducted by testing 24 configurations of membership functions to determine the most optimal structure. The results of the threshold value analysis show that a threshold value of 100 provides the best efficiency in generating proportional movement and energy. While in the analysis of the ANFIS algorithm, the best results were obtained by using the Generalized Bell (gbellmf) membership function type with a 9×9 configuration, yielding the lowest error value of 0,011692. Model validation using external test data showed an RMSE of 0,1128 and an MSE of 0,0127, indicating high predictive accuracy and good generalization capability. The implementation of ANFIS control on the analyzed dual-axis PV system demonstrated an average increase in proportional energy efficiency of 3%, from 90% to 93%. This indicates the effectiveness of ANFIS in enhancing the performance of the sun tracking system by adaptively adjusting to variations in light intensity. Keywords: solar tracking technology, proportional energy, ANFIS algorithm, dual-axis sun tracker, energy efficiency.