Teknik Penggabungan Pembelajaran Mesin pada Pendeteksian Kegagalan-Kegagalan Sistem Panel Surya (Random Forest, Gradient Boosting dan Adaboost)

Abstract

Penelitian ini menerapkan kombinasi metode machine learning - Random Forest, Gradient Boosting, dan AdaBoost - untuk mendeteksi kegagalan sistem panel surya menggunakan data historis. Model ensemble yang dikembangkan mencapai tingkat akurasi sebesar 98,17%, dengan kinerja terbaik ditunjukkan pada Kelas 1 yang mencapai nilai sempurna (Precision, Recall, dan F1-Score = 1,0000). Sementara itu, Kelas 0 dan Kelas 2 juga menunjukkan kinerja yang sangat baik dengan nilai Precision, Recall, dan F1-Score di atas 0,96. Hasil ini membuktikan bahwa penggabungan algoritma dalam model ensemble menghasilkan akurasi deteksi yang lebih tinggi daripada menggunakan algoritma tunggal, dan dapat meningkatkan efisiensi operasional dan perawatan sistem panel surya.