Peramalan Potensi Energi Surya di Indonesia Berbasis Data Meteorologi Menggunakan Model Facebook Prophet
Keywords:
Energi Surya, Facebook Prophet, Peramalan Time-Series, BMKG, variasi spasialAbstract
Indonesia, sebagai negara tropis di garis khatulistiwa, memiliki potensi energi surya melimpah dengan variasi spasial yang tinggi. Tantangan utama pengembangan Pembangkit Listrik Tenaga Surya (PLTS) adalah sifat intermiten yang dipengaruhi pola musim dan kualitas data meteorologi. Penelitian ini membangun model peramalan potensi energi surya menggunakan algoritma Facebook Prophet berbasis data lama penyinaran matahari harian dari BMKG. Hasil menunjukkan disparitas potensi energi antarprovinsi, dengan wilayah timur (NTT, NTB) mencapai >5 kWh/hari (sistem 3 kWp) dan wilayah barat (Kalimantan) di bawah 4 kWh/hari. Model mampu mengidentifikasi pola musiman, namun evaluasi pada studi kasus Banten menunjukkan akurasi terbatas dengan RMSE 0,577 kWh dan R2 negatif (-0,7815), mengindikasikan perlunya optimasi parameter dan penanganan data lebih lanjut. Temuan ini memberikan dasar bagi pengembangan kebijakan energi surya yang terdiferensiasi sesuai karakteristik wilayah.
References
Badan Meteorologi, Klimatologi, dan Geofisika (BMKG). (2025, 28 November). BMKG Perkuat Energi Surya Nasional Melalui Platform Data Iklim SILENTERA. https://www.bmkg.go.id/berita/utama/bmkg-perkuat-energi-surya-nasional-melalui-platform-data-iklim-silentera
Bahauddin, A., Darmawan, A., Ihsani, S., & Izdihar, N. (2021). Peramalan Utilitas Listrik dan Gas menggunakan Bahasa Pemrograman Python dan FBProphet. Journal Industrial Servicess, 6(2), 93-98. http://dx.doi.org/10.36055/62002
Facebook. (2023). Seasonality, Holiday Effects, and Regressors. Prophet Documentation. https://facebook.github.io/prophet/docs/seasonality,_holiday_effects,_and_regressors.html
FTMM UNAIR. (2024). Tantangan dan solusi integrasi energi surya ke jaringan listrik. Universitas Airlangga. https://ftmm.unair.ac.id/berita/tantangan-dan-solusi-integrasi-energi-surya-ke-jaringan-listrik
Haris, S. P. G., Devi, R. V., Thanikanti, S. B., & Kumar, N. M. (2024). A Review of Solar Forecasting Techniques and the Role of Artificial Intelligence. Solar, 4(1), 5–34. https://doi.org/10.3390/solar4010002
Jaiswal, A. (2025). An End-to-End Guide on Time Series Forecasting Using FbProphet. Analytics Vidhya. https://www.analyticsvidhya.com/blog/2022/04/an-end-to-end-guide-on-time-series-forecasting-using-fbprophet/
Kementerian Energi dan Sumber Daya Mineral (ESDM). (2021). Rencana Usaha Penyediaan Tenaga Listrik (RUPTL) PT PLN (Persero) 2021-2030. PT Perusahaan Listrik Negara (Persero).
Putri, D.N.N., et al. (2025). Techno-Economic of Rooftop Solar Power Plants for Residential Customer in Indonesia. Jurnal Teknik Elektro, 16(2), 45-51. https://doi.org/10.15294/jte.v16i2.14514
Raharjo, A. B., Ardianto, A., & Purwitasari, D. (2022). Random Forest Regression Untuk Prediksi Produksi Daya Pembangkit Listrik Tenaga Surya. Briliant: Jurnal Riset dan Konseptual, 7(4). https://doi.org/10.28926/briliant.v7i4.1036
Shah, A., Al-Farsi, A., & Chandio, S. (2025). Solar Energy Forecasting Framework Using Prophet Based Machine Learning Model: An Opportunity to Explore Solar Energy Potential in Muscat Oman. Energies, 18(1), 205. https://doi.org/10.3390/en18010205
Wijaya, R. P. (2024). Implementasi Algoritma Facebook Prophet Model dalam Memprediksi Penggunaan Daya Listrik Harian. Skripsi Sarjana, Universitas Multimedia Nusantara. https://kc.umn.ac.id/id/eprint/33744
Yusvida, R., Windarko, N. A., & Setiawardhana, S. (2025). Evaluasi Kinerja Model Arima dalam Peramalan Konsumsi Energi Gedung Bertingkat. Briliant: Jurnal Riset dan Konseptual, 10(3). https://doi.org/10.28926/briliant.v10i3.1967
