MUHAMMAD KAMIL JUHRA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2025 id Indonesia

Skripsi

Penggunaan sistem fotovoltaik (PV) berbasis Maximum Power Point Tracking dengan Artificial Neural Network (MPPT-ANN) memiliki potensi besar dalam meningkatkan efisiensi konversi energi matahari menjadi listrik, terutama di daerah dengan kondisi lingkungan yang variatif. Penelitian ini bertujuan untuk merancang dan menguji kinerja sistem MPPT-ANN dalam menjaga titik daya maksimum (MPP) pada panel surya di bawah berbagai kondisi iradian, suhu, dan beban listrik. Pengujian dilakukan melalui simulasi menggunakan data eksperimen dari berbagai variasi iradian mulai dari 1000 W/m² hingga 300 W/m², suhu berkisar dari 35°C sampai 23°C, serta beban 20Ω, 30Ω, dan 40Ω. Hasil simulasi menunjukkan bahwa sistem MPPT-ANN mampu melacak MPP secara cepat dan akurat dengan tingkat efisiensi pelacakan mencapai puncaknya sebesar 97,91%, sedangkan tanpa pengendalian MPPT efisiensi hanya berkisar sekitar 23% hingga 59%. Sistem MPPT berbasis ANN mampu beradaptasi secara langsung terhadap perubahan kondisi lingkungan yang dinamis, dengan waktu respon yang cukup singkat, sehingga daya keluaran panel surya selalu mendekati daya maksimum yang ideal. Analisis terhadap tingkat osilasi dan kestabilan sistem menunjukkan bahwa metode ini mampu mengurangi fluktuasi daya yang tidak diinginkan, bahkan saat kondisi iradian dan suhu berubah secara ekstrem. Selain itu, pengujian menunjukkan bahwa sistem mampu menghasilkan daya tertinggi sebesar 97,82 W pada iradian 1000 W/m², dengan pola respon yang konsisten dan stabil. Hasil ini menegaskan bahwa implementasi sistem MPPT-ANN sangat potensial untuk diaplikasikan dalam pengembangan sistem energi surya yang efisien dan adaptif, khususnya di daerah dengan kondisi lingkungan yang tidak menentu. Penggunaan teknologi ini diharapkan mampu meningkatkan potensi energi matahari secara signifikan dan mendukung pengembangan energi terbarukan secara berkelanjutan. Kata kunci: Maximum Power Point Tracking (MPPT), PLTS, Artificial Neural Network (ANN), Beban bervariasi, Efisiensi Energi. SOLAR ENERGY - ENGINEERING NEURAL NETWORKS (COMPUTER SCIENCE) PHOTOVOLTAIC GENERATION 621.312 44 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1705955 2025-10-30 14:22:05 2025-11-13 15:38:51 machine generated