IMPLEMENTASI DEEP LEARNING UNTUK PENDETEKSIAN SNAIL TRAILS PADA MODUL SEL SURYA = Deep Learning Implementation for Snail Trails Detection in Photovoltaic Module

Penurunan cadangan bahan bakar fosil serta antusiasme yang meningkat pada pengembangan sumber daya terbarukan telah membuat dunia mencari dan menciptakan sumber daya alternatif yang bersih dan terbarukan. Diantara sumber energi alternatif yang tersedia, energi surya diklaim sebagai pilihan utama yang dapat menggantikan sumber daya fosil untuk menghadapi tuntutan kebutuhan konsumsi daya pada saat ini karena persediaan energi surya yang tak terbatas. Namun kesadaran untuk memeriksa kondisi PV dalam dekade pemakaianya masih sangat rendah, sehingga deteksi snail trails ini diperlukan untuk mengetahui peformansi snail trails sebagai langkah awal pencegahan kerusakan yang berkelanjutan. Penelitian ini bertujuan untuk mengembangkan sistem dektesi snail trails pada citra modul fotovoltaik menggunakan metode deep learning dengan algoritma YOLO (You Only Look Once) versi ke 3. Ada beberapa proses penting yang diperlukan pada metode YOLOv3 yaitu anotasi citra, dan pelatihan data dan pengujian data. Hasil mean average precision pada simulasi pelatihan dalam mengenali dan mendeteksi objek snail trails pada modul fotovoltaik sebesar 89,29%. Nilai ini menunjukkan bahwa metode ini dapat diusulkan untuk konstribusi dalam implementasi pengembangan penelitian pendeteksian kerusakan yang efektif sejak dini pada modul panel surya.

Keywords : Photovoltaic module; Snail trails detection; Image processing; YOLOv3