Pemetaan Potensi Energi Matahari di Sulawesi Utara menggunakan Machine Learning K-Means

Abstract

Penelitian ini mengkaji potensi energi matahari di Sulawesi Utara dengan menganalisis parameter lingkungan seperti suhu, kelembaban relatif, jumlah awan, dan radiasi matahari selama periode 2018 hingga 2022. Metode machine learning K-Means digunakan untuk mengelompokkan data secara optimal, dengan penentuan jumlah klaster terbaik melalui metode siku. Penggunaan machine learning ini penting untuk menangani data yang besar dan kompleks, serta mengidentifikasi pola tersembunyi yang membantu pemetaan potensi energi matahari. Hasil analisis menunjukkan bahwa Klaster 2, yang terdiri dari wilayah dengan suhu tinggi dan radiasi matahari yang optimal, memiliki potensi terbesar untuk instalasi tenaga surya skala besar, didukung oleh infrastruktur tenaga surya yang sudah ada di wilayah pada klaster tersebut. Penelitian ini menghasilkan peta energi surya hingga tingkat desa, yang dapat digunakan untuk pengembangan energi surya di Sulawesi Utara

This study examines the solar energy potential in North Sulawesi by analyzing environmental parameters such as temperature, relative humidity, cloud cover, and solar irradiance over the period of 2018 to 2022. The machine learning K-means method was used to optimally cluster the data, with the best number of clusters determined through the elbow method. The use of machine learning is important for handling large and complex datasets, as well as identifying hidden patterns that aid in mapping solar energy potential. The analysis results show that Cluster 2, which consists of areas with high temperatures and optimal solar irradiance, has the greatest potential for large-scale solar power installations, supported by existing solar infrastructure in the region. This study produces a detailed solar energy map down to the village level, which can be used for the development of solar energy in North Sulawesi