0405056902 - Dani Rusirawan, ST., MT., Ph.D. Dosen Pembimbing 1 ARIF FAHRIZAL/612019003 Penulis

Dalam penelitian ini, akan diuraikan pemodelan karakteristik produksi energi Pembangkit Listrik Tenaga Surya (PLTS) 1000 Watt peak (Wp) dalam periode Juni 2020-Desember 2021, dengan menggunakan salah satu algoritma machine learning, yaitu Naive Bayes. Fitur yang digunakan dalam pemodelan adalah radiasi matahari, temperatur & pancaran sinar, yang dibagi menjadi lima label kelas yaitu Very low, Low, Medium, High, dan Very High. Perbandingan data latih dan uji dibagi menjadi 3 skenario, yaitu 90%:10%, 80%:20%, 75%:25%. Hasil pemodelan memperlihatkan bahwa skenario perbandingan 75%:25% memiliki nilai mean absolute error (MAE), root mean squared error (RMSE) dan mean absolute percentage error (MAPE) terkecil (dibanding skenario lain), masing-masing sebesar 0,14; 0,38; dan 6,52, yang artinya skenario ini memiliki akurasi relative lebih tinggi (dibanding skenario lain), jika dibandingkan terhadap karakteristik produksi energi referensi.