ANALISIS DAN PREDIKSI TUTUPAN AWAN DI TANJUNG PINANG, MENGGUNAKAN KONSEP MACHINE LEARNING SEBAGAI PERTIMBANGAN PEMBANGUNAN PEMBANGKIT LISTRIK TENAGA SURYA = ANALYSIS AND PREDICTION OF CLOUD COVER IN TANJUNG PINANG, USING THE CONCEPT OF MACHINE LEARNING AS A CONSIDERATION SOLAR POWER PLANT DEVELOPMENT

AULIYA AMALYA RAIS. Analisis dan prediksi tutupan awan di Tanjung Pinang menggunakan konsep machine learning sebagai pertimbangan pembangunan pembangkit listrik tenaga surya (dibimbing oleh Prof. Dr. Halmar Halide, M.Sc). Latar belakang. Pembangunan energi terbarukan, khususnya pembangkit listrik tenaga surya (PLTS), sangat bergantung pada intensitas radiasi matahari yang mencapai permukaan bumi. Salah satu faktor krusial yang memengaruhi variabilitas radiasi ini adalah tutupan awan. Tanjung Pinang sebagai wilayah tropis dengan potensi energi surya tinggi, menghadapi tantangan dari dinamika atmosfer dan tutupan awan yang fluktuatif. Tujuan. Penelitian ini bertujuan untuk menganalisis hubungan antara tutupan awan dan radiasi matahari serta membangun model prediksi tutupan awan menggunakan berbagai algoritma machine learning guna memberikan dasar pertimbangan teknis dalam pengembangan PLTS di Tanjung Pinang. Metode. Metode penelitian melibatkan eksplorasi data meteorologi sekunder dari situs Metomanz untuk tahun-tahun terakhir. Data diklasifikasikan, dilakukan quality control, lalu dianalisis korelasinya menggunakan heatmap. Model prediksi dibangun menggunakan beberapa algoritma machine learning seperti Gradient Boosting, Logistic Regression, Decision Tree, Naïve Bayes, dan Simple Linear Regression, dengan evaluasi berdasarkan confusion matrix dan metrik seperti akurasi, presisi, dan F1 score. Hasil. Hasil menunjukkan bahwa terdapat korelasi negatif yang kuat antara tutupan awan dan radiasi matahari (-0,68). Model Gradient Boosting menunjukkan performa terbaik dengan akurasi 91,58%, presisi 0,90, recall 0,92, dan F1 score 0,90. Ini mengungguli model lain baik dari sisi akurasi maupun kestabilan dalam mengklasifikasikan kondisi berawan dan tidak berawan. Kesimpulan. Model prediksi tutupan awan yang dikembangkan, khususnya dengan algoritma Gradient Boosting, mampu memberikan estimasi akurat terhadap kondisi langit di Tanjung Pinang. Hal ini sangat bermanfaat sebagai acuan dalam menentukan kelayakan pembangunan PLTS di wilayah tersebut serta dapat menjadi bagian dari sistem pendukung keputusan dalam pemanfaatan energi surya di Indonesia. Selain itu, penelitian ini memperkuat relevansi integrasi meteorologi dan kecerdasan buatan dalam mendukung transisi energi bersih dan berkelanjutan. Kata Kunci: tutupan awan, machine learning, energi surya, Gradient Boosting, Tanjung Pinang