ZULFIKAR, MUHAMMAD (2025) PREDIKSI JANGKA PANJANG SOLAR IRRADIANCE PADA PERMUKAAN PULAU JAWA MENGGUNAKAN ENSEMBLE LEARNING. Undergraduate thesis, Universitas Islam Sultan Agung.

[thumbnail of Teknik Informatika_32602100092_fullpdf.pdf] Text
Teknik Informatika_32602100092_fullpdf.pdf
| Download (2MB)
[thumbnail of Teknik Informatika_32602100092_pernyataan_publikasi.pdf] Text
Teknik Informatika_32602100092_pernyataan_publikasi.pdf
Restricted to Registered users only
| Download (80kB)

Abstract

Energi surya menjadi solusi strategis untuk memenuhi permintaan energi di Pulau Jawa, namun pemanfaatannya terkendala oleh variabilitas radiasi matahari. Penelitian ini bertujuan mengembangkan model prediksi jangka panjang radiasi surya yang akurat menggunakan pendekatan ensemble learning. Data yang digunakan adalah data historis dari tahun 1984 hingga 2024 yang bersumber dari NASA POWER. Penelitian ini mengimplementasikan tiga pendekatan: Bagging dengan base model Decision Tree, Boosting menggunakan XGBoost, dan sebuah model gabungan dengan metode Weighted Average. Model dievaluasi menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan R² Score. Hasil penelitian menunjukkan bahwa model gabungan, yang memberikan bobot 0.9 pada prediksi XGBoost dan 0.1 pada Bagging, secara konsisten menunjukkan performa paling unggul. Hal ini membuktikan bahwa kombinasi model dengan pembobotan yang tepat mampu meningkatkan akurasi prediksi secara signifikan. Hasil prediksi ini dapat mendukung perencanaan dan pengembangan infrastruktur energi surya yang lebih efisien dan berkelanjutan di Pulau Jawa.

Kata Kunci : Prediksi Radiasi Surya, Ensemble Learning, Bagging, XGBoost, Pulau Jawa

Dosen Pembimbing: Alifah, Suryani | UNSPECIFIED
Item Type: Thesis (Undergraduate)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Mahasiswa FTI - Skripsi Teknik Informatika
Depositing User: Pustakawan 4 UNISSULA
Date Deposited: 18 Nov 2025 06:12
URI: https://repository.unissula.ac.id/id/eprint/42090

Actions (login required)

View Item View Item