APLIKASI METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI KEGAGALAN PHOTOVOLTAIC BERDASARKAN DATA MAXIMUM POWER POINT = APPLICATION OF SUPPORT VECTOR MACHINE METHOD FOR PHOTOVOLTAIC FAILURE CLASSIFICATION BASED ON MAXIMUM POWER POINT DATA

Persentase tingkat degradasi menjadi faktor utama dalam indikator keandalan daya pada photovoltaic. Untuk mengevaluasi keandalan tersebut maka dilakukan analisis kegagalan yang meliputi hotspot, bypass diode failure, dan short circuit dengan melakukan pengukuran Kurva I-V (arus-tegangan) sehingga mendapatkan data Maximum Power Point (MPP) yang merujuk pada titik operasi di mana photovoltaic menghasilkan daya maksimum. Penelitian ini bertujuan untuk mengaplikasikan metode Support Vector Machine (SVM) dengan variasi kernel seperti Linear, Polynomial, dan Gaussian yang diterapkan dalam proses multi-klasifikasi untuk penentuan kegagalan photovoltaic serta akan divalidasi dan dikombinasikan dengan metode Naïve Bayes (NB) dan K-Nearest Neighbors (KNN). Setiap metode dan kombinasi akan diterapkan proses pelatihan dan pengujian dengan megolah data MPP sebagai data latih dan data uji. Hasil penelitian menunjukkan bahwa metode Polynomial SVM memberikan tingkat akurasi dan metrik evaluasi yang sangat baik jika dibandingkan dengan metode NB dan KNN serta dengan kombinasi-kombinasi metode lainnya dalam proses multi-klasifikasi kegagalan photovoltaic. Tingkat akurasi Polynomial SVM tersebut mencapai 98,33% untuk proses pelatihan (train) dan mencapai 94,00% untuk proses pengujian (test).

Keyword : KNN, multi-klasifikasi, NB, photovoltaic, SVM, tingkat akurasi.