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