Indonesia masih sangat tergantung pada energi fosil untuk memenuhi kebutuhan energinya. Oleh karena itu, perlu diupayakan eksplorasi terhadap sumber energi terbarukan. Salah satu yang menarik perhatian adalah energi surya yang memiliki potensi besar di Indonesia. Namun, ada faktor-faktor lingkungan seperti kotoran, cuaca, dan bayangan yang dapat mempengaruhi kinerja panel surya. Penelitian ini merancang sistem deteksi anomali pada panel surya menggunakan mikrokontroler dan algoritma K-Nearest Neighbors. Tujuannya adalah mendeteksi kejadian tak terduga seperti cuaca mendung, bayangan, dan dedaunan yang menghalangi panel surya. Dengan teknologi deteksi secara real-time, kinerja panel surya bisa ditingkatkan dengan informasi kondisinya. Algoritma K-Nearest Neighbors digunakan untuk mengklasifikasikan jenis anomali berdasarkan pengukuran tegangan. Sistem pemantauan panel surya terdiri dari tiga tahap: perolehan data, pemrosesan data, dan tampilan data. Informasi tegangan dikumpulkan dari sensor pada panel surya dan diproses menggunakan algoritma K-Nearest Neighbors. Hasilnya ditampilkan melalui buzzer untuk memberikan informasi kepada pengguna. Pengujian sistem menunjukkan bahwa sensor tegangan INA219 mengukur tegangan dengan akurasi 1,14% dan sistem mampu mengklasifikasikan jenis anomali dengan akurasi 92,5% menggunakan K-Nearest Neighbors (K=3). Sistem juga dapat mendeteksi penurunan tegangan hingga threshold 19% dengan bunyi alarm buzzer. Dengan sistem ini, diharapkan kinerja dan efisiensi panel surya dapat meningkat secara signifikan.
Copyrights © 2023