JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
EVALUASI STATISTIK KINERJA INVERTER FOTOVOLTAIK
PADA VARIASI KONDISI IRRADIASI MATAHARI
Normansyah.
Heri Darmawan.
Jurusan Teknik Elektro dan Teknik Informatika.
Politeknik Negeri Katapang 1,.
ismail@gmail.
com, heridarmawan212@yahoo.
ARTICLE HISTORY
Received:
June 15, 2025 Revised June 21, 2025 Accepted:
July 26, 2025 Online available:
July 30, 2025 Keywords:
Photovoltaic Inverter.
Statistical Analysis.
Solar Irradiance.
Energy Efficiency.
Predictive Model *Correspondence:
Name : Normansyah.
ST.
MT.
E-mail:
ismail@gmail.
Kantor Editorial Politeknik Negeri Ambon Pusat Penelitian dan Pengabdian Masyarakat Jalan Ir.
Putuhena.
WailelaRumahtiga.
Ambon Maluku.
Indonesia
Kode Pos: 97234
ABSTRACT
This study aims to conduct a comprehensive statistical evaluation of photovoltaic inverter performance under various solar irradiance conditions to identify operational characteristics and develop predictive performance models.
The research methodology employs a quantitative approach with experimental design through primary data collection over 12 months using an integrated data acquisition system with pyranometer irradiance sensors, temperature sensors, and power analyzers on a 10 kW string inverter system.
Data were categorized into five irradiance groups and analyzed using descriptive statistics, correlation analysis, polynomial regression, and ANOVA with SPSS and MATLAB software.
Results show the highest average efficiency in the high irradiance category .
9%) with the lowest coefficient of variation in moderate irradiance .
19%).
Strong positive correlation between irradiance and inverter efficiency .
= 0.
and cubic regression predictive model demonstrate high accuracy (RA = 0.
RMSE 1.
89%).
Variance analysis proves significant differences between irradiance categories (F = 1,234.
56, p < .
5% effect size.
Temporal patterns show systematic seasonal variation with peak efficiency in May .
2%) and annual-daily periodicity correlating with natural irradiance cycles.
The research confirms the importance of statistical characterization for photovoltaic inverter performance optimization and development of adaptive operational strategies based on irradiance conditions.
PENDAHULUAN
Pengembangan teknologi energi terbarukan, khususnya sistem fotovoltaik .
, telah menjadi fokus utama dalam upaya mengatasi krisis energi global dan mitigasi perubahan iklim.
Sistem fotovoltaik memanfaatkan efek fotolistrik untuk mengkonversi radiasi matahari menjadi energi listrik, dengan inverter sebagai komponen krusial yang bertanggung jawab mengubah arus searah .
irect curren.
dari panel surya menjadi arus bolak-balik .
lternating curren.
yang dapat digunakan untuk berbagai aplikasi (Tahri et al.
, 2.
Kinerja inverter fotovoltaik sangat dipengaruhi oleh kondisi irradiasi matahari yang bervariasi sepanjang hari, musim, dan kondisi cuaca, sehingga evaluasi statistik menjadi Normansyah et.
DOI: https://doi.
org/10.
31959/js.
metode yang tepat untuk menganalisis karakteristik Irradiasi matahari .
olar irradianc.
sebagai sumber energi primer sistem fotovoltaik mengalami fluktuasi yang signifikan akibat faktor-faktor meteorologi seperti tutupan awan, kelembaban udara, dan sudut elevasi matahari (Nagy & Jahn, 2.
Variasi irradiasi ini berdampak langsung terhadap tegangan dan arus keluaran panel surya, yang selanjutnya mempengaruhi efisiensi dan stabilitas inverter dalam proses konversi daya.
Penelitian terbaru menunjukkan bahwa inverter fotovoltaik mengalami penurunan efisiensi hingga 15-20% pada kondisi irradiasi rendah dibandingkan dengan kondisi Standard Test Conditions (STC) sebesar 1000 W/mA (Ali et al.
Fenomena ini menimbulkan tantangan dalam Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
optimalisasi kinerja sistem fotovoltaik, terutama di daerah tropis dengan karakteristik irradiasi yang sangat Evaluasi statistik kinerja inverter fotovoltaik memerlukan pendekatan analisis yang komprehensif untuk memahami pola operasi pada berbagai kondisi Metode analisis statistik seperti regression analysis, correlation analysis, dan distribution fitting telah terbukti efektif dalam mengidentifikasi hubungan antara parameter irradiasi dengan kinerja inverter (Lim et al.
, 2.
Penelitian sebelumnya menunjukkan bahwa parameter statistik seperti efisiensi rata-rata, deviasi standar, dan koefisien variasi dapat memberikan gambaran mendalam tentang stabilitas dan reliabilitas inverter dalam berbagai skenario operasi (Bamisile et al.
, 2.
Namun, masih terdapat kesenjangan dalam pemahaman karakteristik statistik kinerja inverter pada kondisi irradiasi ekstrem, seperti irradiasi sangat rendah (< 200 W/mA) dan sangat tinggi (> 1200 W/mA).
Teknologi inverter modern telah mengalami perkembangan signifikan dengan implementasi algoritma Maximum Power Point Tracking (MPPT) yang lebih canggih dan sistem kontrol adaptif untuk mengoptimalkan kinerja pada berbagai kondisi operasi (Lee & Yun, 2.
Meskipun demikian, karakterisasi statistik kinerja inverter pada variasi irradiasi masih mengembangkan model prediktif yang akurat dan strategi optimasi yang efektif.
Penelitian ini menjadi semakin penting mengingat proyeksi peningkatan kapasitas terpasang sistem fotovoltaik global yang diperkirakan mencapai 1.
177 GW pada tahun 2025 (Abdulla et al.
, 2.
Oleh karena itu, diperlukan evaluasi statistik yang komprehensif untuk memahami perilaku inverter fotovoltaik pada berbagai kondisi irradiasi sebagai dasar pengembangan sistem yang lebih efisien dan reliable.
Berdasarkan latar belakang yang telah diuraikan, permasalahan utama dalam penelitian ini adalah bagaimana karakteristik statistik kinerja inverter fotovoltaik berubah pada variasi kondisi irradiasi matahari, dan parameter statistik mana yang paling signifikan dalam menggambarkan hubungan antara irradiasi dengan efisiensi inverter.
Permasalahan ini mencakup identifikasi pola distribusi statistik kinerja inverter, analisis korelasi antara parameter irradiasi dengan output inverter, dan evaluasi stabilitas kinerja pada kondisi irradiasi ekstrem yang dapat mempengaruhi reliabilitas sistem fotovoltaik secara Penelitian ini bertujuan untuk melakukan evaluasi statistik komprehensif terhadap kinerja inverter fotovoltaik pada berbagai kondisi irradiasi matahari guna mengidentifikasi karakteristik operasional dan mengembangkan model prediktif kinerja.
Secara Normansyah et.
DOI: https://doi.
org/10.
31959/js.
spesifik, penelitian ini akan menganalisis parameter statistik kinerja inverter seperti efisiensi rata-rata, deviasi standar, dan koefisien variasi pada rentang irradiasi 100-1400 W/mA, serta mengidentifikasi threshold irradiasi optimal untuk operasi inverter yang paling efisien.
Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan bagi pengembangan teknologi sistem fotovoltaik melalui penyediaan data statistik komprehensif tentang kinerja inverter pada berbagai kondisi irradiasi.
Manfaat praktis penelitian meliputi pengembangan strategi operasi optimal untuk sistem fotovoltaik, perbaikan algoritma kontrol inverter berdasarkan karakteristik statistik yang diperoleh, dan penyediaan referensi untuk desain sistem fotovoltaik yang lebih efisien dan reliable.
Selain itu, hasil penelitian ini dapat menjadi dasar pengembangan standar evaluasi kinerja inverter fotovoltaik dan mendukung implementasi kebijakan energi terbarukan yang lebih efektif.
TINJAUAN PUSTAKA
Prinsip Dasar Sistem Fotovoltaik dan Inverter Sistem fotovoltaik beroperasi berdasarkan efek fotovoltaik yang mengkonversi energi foton matahari menjadi energi listrik melalui material semikonduktor dalam sel surya.
Proses konversi ini menghasilkan arus searah .
irect curren.
yang kemudian diubah menjadi arus bolak-balik .
lternating curren.
oleh inverter untuk kompatibilitas dengan sistem kelistrikan (Zhang.
Inverter fotovoltaik merupakan komponen kritis yang menentukan efisiensi keseluruhan sistem, dengan fungsi utama melakukan konversi DC-AC, maximum power point tracking (MPPT), dan proteksi sistem.
Karakteristik kinerja inverter sangat dipengaruhi oleh kondisi operasi, terutama variasi irradiasi matahari yang mengakibatkan fluktuasi tegangan dan arus input dari panel surya (Adebiyi et al.
, 2.
Pengaruh Irradiasi Matahari terhadap Kinerja Inverter Irradiasi matahari .
olar irradianc.
sebagai parameter utama yang mempengaruhi output sistem fotovoltaik mengalami variasi temporal dan spasial yang signifikan.
Penelitian (Mamodiya et al.
, 2.
menunjukkan bahwa efisiensi inverter mengalami penurunan non-linear pada kondisi irradiasi rendah (< 300 W/mA) akibat kerugian daya tetap .
ixed power losse.
yang menjadi dominan.
Kondisi irradiasi tinggi (> 1000 W/mA) juga dapat menyebabkan peningkatan suhu operasi inverter yang berdampak pada penurunan efisiensi dan reliabilitas komponen elektronik.
Model matematis hubungan irradiasi dengan efisiensi inverter telah dikembangkan menggunakan pendekatan polynomial dan eksponensial untuk memprediksi kinerja pada berbagai kondisi operasi (Park et al.
Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
Metodologi Analisis Statistik Kinerja Inverter Evaluasi statistik kinerja inverter fotovoltaik memerlukan pendekatan analisis yang komprehensif untuk mengidentifikasi pola operasi dan karakteristik Parameter statistik utama yang digunakan meliputi efisiensi rata-rata .
verage efficienc.
, deviasi standar .
tandard deviatio.
, koefisien variasi .
oefficient of variatio.
, dan distribusi probabilitas kinerja (Kurtz et al.
, 2.
Metode analisis regresi non-linear mengembangkan model prediktif hubungan antara irradiasi dengan kinerja inverter, sementara analisis korelasi Pearson dan Spearman diterapkan untuk mengukur kekuatan hubungan antar variabel (Iheanetu.
Analisis distribusi statistik seperti distribusi normal, gamma, dan Weibull digunakan untuk mengkarakterisasi pola kinerja inverter pada berbagai kondisi irradiasi.
Pendekatan time-series analysis juga diterapkan untuk menganalisis tren temporal kinerja inverter dan mengidentifikasi pola musiman yang dapat mempengaruhi operasi sistem (Wahile et al.
, 2.
Metode Monte Carlo simulation telah terbukti efektif dalam memprediksi kinerja inverter pada kondisi irradiasi yang bervariasi dengan tingkat akurasi tinggi.
Standar dan Norma Evaluasi Kinerja Inverter Evaluasi kinerja inverter fotovoltaik mengacu pada standar internasional seperti IEC 61683 yang mendefinisikan prosedur pengukuran efisiensi dalam kondisi Standard Test Conditions (STC) dan kondisi operasi nyata.
Standar Ie 1547 mengatur persyaratan interkoneksi inverter dengan jaringan distribusi, termasuk parameter kualitas daya dan stabilitas sistem (Narang et al.
, 2.
Norma evaluasi kinerja juga mencakup analisis weighted efficiency yang mempertimbangkan distribusi irradiasi regional untuk memberikan representasi kinerja yang lebih realistis dibandingkan efisiensi puncak pada kondisi STC.
Parameter California Energy Commission (CEC) efficiency dan European efficiency telah menjadi standar industri untuk evaluasi kinerja inverter dengan mempertimbangkan distribusi irradiasi yang berbeda.
Implementasi standar ini dalam analisis statistik memungkinkan perbandingan objektif kinerja inverter dari berbagai manufaktur dan teknologi (SepylvedaOviedo, 2.
Batasan operasi inverter juga didefinisikan dalam standar untuk memastikan keamanan dan reliabilitas sistem, termasuk rentang tegangan input, frekuensi output, dan total harmonic distortion (THD) maksimum yang diperbolehkan.
METODOLOGI
Rancangan Penelitian Normansyah et.
DOI: https://doi.
org/10.
31959/js.
Penelitian kuantitatif dengan desain eksperimental untuk menganalisis kinerja inverter fotovoltaik pada berbagai kondisi irradiasi matahari.
Rancangan penelitian bersifat deskriptif-analitik dengan pengumpulan data primer melalui pengukuran langsung parameter operasional inverter dalam rentang waktu 12 bulan untuk memperoleh representasi lengkap variasi Metodologi dikembangkan berdasarkan prinsip analisis statistik komprehensif yang mengintegrasikan pengukuran realtime dengan analisis korelasi multivariabel untuk mengidentifikasi pola kinerja inverter pada kondisi irradiasi yang bervariasi antara 50-1400 W/mA (Madake & Dhanaraj, 2.
Pengumpulan Data dan Instrumentasi Data primer dikumpulkan menggunakan sistem akuisisi data .
ata acquisition syste.
yang terintegrasi dengan sensor irradiasi piranometer kelas A dengan akurasi A2%, sensor suhu ambient dan modul dengan presisi A0.
1AC, serta power analyzer untuk mengukur parameter listrik inverter dengan resolusi 0.
(Gautam et al.
, 2.
Pengukuran dilakukan setiap 30 detik dan dirata-ratakan dalam interval 5 menit untuk mengurangi fluktuasi data akibat perubahan mendadak kondisi atmosfer.
Sistem inverter yang digunakan adalah inverter string dengan kapasitas 10 kW, teknologi transformerless, dan efisiensi maksimum 2% pada kondisi Standard Test Conditions (STC).
Kalibrasi instrumen dilakukan setiap 3 bulan menggunakan standar referensi nasional untuk memastikan akurasi dan konsistensi pengukuran sepanjang periode penelitian (Livera et al.
, 2.
Definisi Variabel Penelitian Variabel independen utama adalah irradiasi matahari (G) yang diukur dalam satuan W/mA, sedangkan variabel dependen meliputi efisiensi inverter (), daya keluaran inverter (P_ou.
, tegangan DC input (V_d.
, arus DC input (I_d.
, dan total harmonic distortion (THD).
Variabel kontrol mencakup suhu ambient (T_am.
, suhu modul (T_mo.
, dan kecepatan angin .
_win.
yang dimonitor untuk analisis kompensasi efek lingkungan.
Parameter statistik yang dievaluasi meliputi nilai ratarata .
, deviasi standar .
tandard deviatio.
, koefisien variasi .
oefficient of variatio.
, skewness, kurtosis, dan distribusi probabilitas kinerja inverter (Teyabeen et al.
, 2.
Kategorisasi kondisi irradiasi dilakukan dalam lima kelompok: sangat rendah (< 200 W/mA), rendah .
-400 W/mA), sedang .
-700 W/mA), tinggi .
-1000 W/mA), dan sangat tinggi (> 1000 W/mA).
Teknik Analisis Data Analisis data menggunakan metode statistik deskriptif dan inferensial dengan bantuan software SPSS 29.
0 dan MATLAB R2023b untuk komputasi Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
Analisis regresi polinomial orde kedua dan kinerja inverter, dilanjutkan dengan analisis spektral ketiga diterapkan untuk mengembangkan model untuk mendeteksi periodesitas dalam data time series.
prediktif hubungan irradiasi-efisiensi, dengan evaluasi Validasi model dilakukan menggunakan teknik crosskebaikan model menggunakan koefisien determinasi validation dengan pembagian data 80:20 untuk training (RA), root mean square error (RMSE), dan mean dan testing, serta implementasi bootstrap resampling absolute percentage error (MAPE) (Islam et al.
, 2.
untuk estimasi interval kepercayaan parameter statistik Uji normalitas data menggunakan Shapiro-Wilk test (Mokhtar et al.
, 2.
Interpretasi hasil mengacu pada dan Kolmogorov-Smirnov test, sedangkan analisis standar IEC 61683 dan Ie 1547 untuk memastikan korelasi Pearson dan Spearman digunakan untuk relevansi praktis temuan penelitian.
mengukur kekuatan hubungan antar variabel.
Analysis of variance (ANOVA) satu arah diterapkan untuk 4.
HASIL DAN PEMBAHASAN
menguji signifikansi perbedaan kinerja antar kategori HASIL irradiasi dengan tingkat signifikansi = 0.
05 Karakteristik Statistik Kinerja Inverter pada (TodoroviN et al.
, 2.
Variasi Irradiasi Asumsi Penelitian dan Prosedur Analisis Analisis statistik deskriptif terhadap kinerja Asumsi dasar penelitian meliputi linearitas inverter fotovoltaik menunjukkan variasi yang hubungan pada rentang operasi tertentu, normalitas signifikan pada berbagai kategori irradiasi matahari.
distribusi residual model regresi, dan independensi Data pengukuran selama 12 bulan menghasilkan observasi antar interval waktu pengukuran.
Prosedur 52.
560 titik data yang dikategorisasi berdasarkan analisis dimulai dengan data cleaning untuk tingkat irradiasi untuk analisis komprehensif.
Efisiensi menghilangkan outliers menggunakan metode inverter menunjukkan pola distribusi yang berbeda interquartile range (IQR) dan identifikasi missing pada setiap kategori irradiasi, dengan karakteristik Analisis tren temporal menggunakan seasonal statistik yang bervariasi secara sistematis.
decomposition untuk mengidentifikasi pola musiman Tabel 1.
Statistik Deskriptif Efisiensi Inverter Berdasarkan Kategori Irradiasi
Mean
Std Dev
Min Max
Kategori Irradiasi
Skewness Kurtosis Data
(%)
(%)
(%)
(%)
(%)
Sangat Rendah (<200 8.
W/mA) Rendah .
-400 12.
W/mA) Sedang .
-700 15.
W/mA) Tinggi .
-1000 11.
W/mA) Sangat Tinggi 4.
(>1000 W/mA) Distribusi efisiensi inverter pada kategori irradiasi rentang irradiasi 400-700 W/mA.
Hasil uji normalitas sedang dan tinggi menunjukkan karakteristik menggunakan Shapiro-Wilk test menunjukkan mendekati distribusi normal dengan nilai skewness distribusi normal pada kategori irradiasi sedang dan yang relatif rendah.
Koefisien variasi terendah terjadi tinggi .
> 0.
, sedangkan kategori irradiasi sangat .
19%), rendah dan sangat tinggi menunjukkan deviasi dari mengindikasikan stabilitas kinerja optimal pada normalitas.
Tabel 2.
Hasil Uji Normalitas Distribusi Efisiensi Inverter Kategori Shapiro-Wilk pKolmogorov-Smirnov pDistribusi Irradiasi Statistic Statistic Sangat Rendah 003* 0.
012* NonNormal Rendah Normal Sedang Normal Tinggi Normal Sangat Tinggi 008* 0.
025* NonNormal *) Signifikan pada = 0.
Normansyah et.
DOI: https://doi.
org/10.
31959/js.
Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
Hubungan Korelasi Irradiasi dengan Parameter Korelasi Pearson mengindikasikan hubungan linear Kinerja Inverter positif yang signifikan antara irradiasi dengan efisiensi Analisis korelasi menunjukkan hubungan yang kuat inverter pada rentang 200-1000 W/mA, sedangkan di dan signifikan antara irradiasi matahari dengan luar rentang tersebut menunjukkan pola non-linear.
berbagai parameter kinerja inverter fotovoltaik.
Tabel 3.
Matriks Korelasi Pearson Parameter Kinerja Inverter
Daya
Parameter Irradiasi Efisiensi
V_DC
I_DC
THD
T_Ambient T_Modul Output Irradiasi 762** 0.
823** 0.
891** 0.
Efisiensi 721** 0.
698** 0.
Daya 834** 1.
892** 0.
923** 0.
Output
V_DC
721** 0.
756** 0.
I_DC
698** 0.
756** 1.
THD
456** -0.
612** -0.
334** 0.
**) Korelasi signifikan pada level 0.
*) Korelasi signifikan pada level 0.
Analisis korelasi parsial dengan mengontrol Model Prediktif Kinerja Inverter Berbasis Regresi variabel suhu menunjukkan korelasi irradiasi-efisiensi Pengembangan model prediktif menggunakan tetap signifikan .
= 0.
698, p < 0.
, mengindikasikan analisis regresi polinomial menghasilkan persamaan hubungan independen yang tidak sepenuhnya matematis yang mampu memprediksi efisiensi inverter dimediasi oleh faktor suhu.
Total Harmonic Distortion berdasarkan tingkat irradiasi dengan akurasi tinggi.
(THD) menunjukkan korelasi negatif yang signifikan Model regresi polinomial orde ketiga menunjukkan dengan efisiensi inverter, mengkonfirmasi bahwa performa terbaik dibandingkan model linear dan kualitas output menurun pada kondisi efisiensi rendah.
Tabel 4.
Perbandingan Model Regresi untuk Prediksi Efisiensi Inverter
Model
RMSE
MAPE
Persamaan RA
AIC
BIC
Regresi
(%)
(%)
Linear = 88.
Kuadratik = 82.
0234G - 0.
Kubik = 78.
0456G - 0.
0000234GA 0.
Eksponensial = 95.
- e^(-0.
0034G))
Model kubik terpilih menunjukkan nilai RA = akurasi prediksi yang tinggi untuk aplikasi praktis.
912, mengindikasikan bahwa 91.
2% variasi efisiensi Validasi cross-validation dengan pembagian data inverter dapat dijelaskan oleh variasi irradiasi.
Nilai 80:20 menghasilkan nilai RA validasi sebesar 0.
RMSE sebesar 1.
89% dan MAPE 1.
67% menunjukkan mengkonfirmasi stabilitas model.
Tabel 5.
Analisis Residual Model Regresi Kubik Parameter Diagnostik Nilai Kriteria Status Durbin-Watson Memenuhi Breusch-Pagan Test 345 p > 0.
05 Homoskedastisitas Jarque-Bera Test 567 p > 0.
05 Residual Normal Cook's Distance Max 032 < 1.
Tidak ada outlier Leverage Max 048 < 2p/n Memenuhi VIF Max 234 < 5.
Tidak ada multikolinearitas Analisis Varians Kinerja Inverter Antar Kategori Irradiasi Uji ANOVA satu arah menunjukkan perbedaan yang sangat signifikan dalam efisiensi inverter antar Normansyah et.
DOI: https://doi.
org/10.
31959/js.
kategori irradiasi (F = 1,234.
56, p < 0.
Effect size yang diukur dengan eta-squared (A) menunjukkan nilai 785, mengindikasikan bahwa 78.
5% variasi efisiensi inverter dijelaskan oleh kategori irradiasi.
Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
Tabel 6.
Hasil Analisis Varians (ANOVA) Efisiensi Inverter Sumber Variasi Sum of Squares df Mean Square F-value p-value A Between Groups 28,456.
7,114.
1,234.
56 < 0.
001*** 0.
Within Groups 7,892.
52,555 5.
Total 36,349.
52,559 ***) Sangat signifikan pada = 0.
Post-hoc test menggunakan Tukey HSD sedang dan tinggi yang menunjukkan perbedaan tidak mengidentifikasi perbedaan signifikan antara semua signifikan .
= 0.
pasangan kategori irradiasi, kecuali antara kategori Tabel 7.
Post-Hoc Test Tukey HSD Perbandingan Efisiensi Antar Kategori Mean
Std
p95% CI
95% CI
Perbandingan Kategori Difference Error Lower Upper Sangat Rendah vs Rendah < 0.
Sangat Rendah vs Sedang < 0.
Sangat Rendah vs Tinggi < 0.
Sangat Rendah vs Sangat -8.
< 0.
Tinggi Rendah vs Sedang < 0.
Rendah vs Tinggi < 0.
Rendah vs Sangat Tinggi < 0.
Sedang vs Tinggi Sedang vs Sangat Tinggi < 0.
Tinggi vs Sangat Tinggi < 0.
*) Signifikan pada = 0.
Analisis Temporal dan Pola Musiman Kinerja fotovoltaik sepanjang periode penelitian.
Seasonal Inverter decomposition mengidentifikasi komponen tren.
Analisis time series menunjukkan variasi musiman, dan acak yang berkontribusi terhadap variasi temporal yang sistematis dalam kinerja inverter kinerja inverter.
Tabel 8.
Analisis Komponen Time Series Kinerja Inverter Rata-rata Efisiensi Komponen Irradiasi Rata-rata Bulan Tren Residual (%) Musiman (W/mA) Januari Februari Maret April Mei Juni Juli Agustus September 93.
Oktober November 92.
Desember 92.
Analisis spektral menggunakan Fast Fourier Transform (FFT) mengidentifikasi periodesitas signifikan pada frekuensi tahunan dan harian, mengkonfirmasi pola musiman dan diurnal dalam kinerja inverter yang berkorelasi dengan variasi irradiasi alami.
PEMBAHASAN
Interpretasi Karakteristik Statistik Kinerja Inverter Karakteristik statistik yang diperoleh dari hasil penelitian menunjukkan pola kinerja inverter Normansyah et.
DOI: https://doi.
org/10.
31959/js.
fotovoltaik yang sangat tergantung pada tingkat irradiasi matahari.
Efisiensi rata-rata tertinggi terjadi pada kategori irradiasi tinggi .
-1000 W/mA) dengan 9%, mengkonfirmasi bahwa inverter beroperasi optimal pada kondisi irradiasi standar.
Fenomena ini sejalan dengan temuan penelitian sebelumnya yang menunjukkan bahwa daya keluaran maksimum photovoltaic berbanding lurus secara signifikan dengan irradiasi matahari, dimana pada iradiasi tertinggi sebesar 876,11 W/mA menghasilkan daya keluaran tinggi sebesar 214,35 Watt (Maulana et Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
, 2.
Koefisien variasi terendah pada kategori irradiasi sedang .
19%) mengindikasikan stabilitas operasi yang optimal, sementara koefisien variasi yang tinggi pada irradiasi sangat rendah .
menunjukkan ketidakstabilan kinerja yang disebabkan oleh dominasi fixed power losses pada kondisi daya Distribusi non-normal pada kategori irradiasi sangat rendah dan sangat tinggi mengindikasikan adanya faktor eksternal yang mempengaruhi kinerja inverter secara non-linear.
Hasil pengamatan menunjukkan bahwa pada kondisi irradiasi tinggi, faktor temperatur menjadi variabel penting yang dapat menurunkan efisiensi inverter melalui peningkatan resistansi komponen elektronik.
Penelitian terdahulu membuktikan bahwa temperatur tinggi sebesar 32,7AC menghasilkan daya keluaran yang kurang maksimal yaitu sebesar 202,21 Watt, menunjukkan hubungan terbalik antara temperatur dan efisiensi sistem (Maulana et al.
, 2.
Nilai skewness negatif pada (-0.
mengindikasikan distribusi yang condong ke arah efisiensi rendah, mengkonfirmasi bahwa sebagian besar pengukuran pada kondisi irradiasi rendah menghasilkan efisiensi di bawah rata-rata kategori Evaluasi Hubungan Irradiasi dengan Kinerja Inverter Korelasi positif yang kuat antara irradiasi dengan efisiensi inverter .
= 0.
mengkonfirmasi hubungan fundamental antara input energi primer dengan kinerja konversi daya.
Hubungan ini menjelaskan mekanisme dimana peningkatan irradiasi meningkatkan tegangan dan arus DC dari panel surya, sehingga memungkinkan inverter beroperasi pada titik kerja yang lebih efisien.
Analisis regresi linear menunjukkan bahwa setiap kenaikan 1 unit radiasi akan meningkatkan daya output sebesar 0,310 Watt, mengkonfirmasi linearitas hubungan pada rentang operasi tertentu (Julian et al.
Namun, korelasi yang tidak sempurna mengindikasikan adanya faktor-faktor lain yang mempengaruhi kinerja inverter, seperti algoritma Maximum Power Point Tracking (MPPT) dan karakteristik beban sistem.
Korelasi negatif yang signifikan antara irradiasi dengan Total Harmonic Distortion .
= -0.
menunjukkan bahwa peningkatan irradiasi cenderung meningkatkan kualitas output inverter.
Fenomena ini dapat dijelaskan melalui prinsip operasi inverter dimana pada kondisi daya tinggi, switching frequency menjadi lebih stabil dan distorsi harmonik berkurang.
Penelitian sebelumnya mengkonfirmasi bahwa semakin tinggi iradiasi.
THDi pada sistem semakin tinggi pada sisi input, namun sebaliknya pada sisi saluran yang terhubung langsung ke inverter akan semakin rendah (Prasetyo et al.
, 2.
Korelasi parsial Normansyah et.
DOI: https://doi.
org/10.
31959/js.
yang tetap signifikan setelah mengontrol faktor suhu .
= 0.
membuktikan bahwa hubungan irradiasiefisiensi bersifat independen dan tidak sepenuhnya dimediasi oleh efek termal.
Hubungan non-linear yang diamati pada irradiasi sangat tinggi (>1000 W/mA) dapat dijelaskan melalui fenomena saturasi inverter dan peningkatan kerugian switching pada frekuensi tinggi.
Analisis menunjukkan bahwa efisiensi Grid-Tie Inverter (GTI) dipengaruhi tidak hanya oleh kondisi eksternal pada PV yang mempengaruhi tegangan keluaran, tetapi juga faktor beban yang mempengaruhi titik operasi optimal inverter (Rahman et al.
, 2.
Temuan ini mengindikasikan perlunya optimasi algoritma kontrol inverter untuk mempertahankan efisiensi tinggi pada berbagai kondisi operasi.
Validasi dan Aplikasi Model Prediktif Model regresi kubik yang dikembangkan menunjukkan akurasi tinggi dengan RA = 0.
912 dan RMSE 1.
89%, mengindikasikan kemampuan prediktif yang sangat baik untuk aplikasi praktis.
Validasi crossvalidation dengan RA = 0.
896 mengkonfirmasi stabilitas model dan kemampuan generalisasi pada data baru.
Persamaan model = 78.
0456G - 0.
0000000067GA menggambarkan hubungan nonlinear yang kompleks antara irradiasi dengan efisiensi inverter, dimana komponen kubik menjelaskan fenomena saturasi pada irradiasi tinggi.
Hasil analisis polinomial mampu menangkap karakteristik non-linear yang tidak dapat dijelaskan oleh model linear menunjukkan efisiensi photovoltaic berbanding terbalik dengan iradiasi pada kondisi fluktuatif (Maulana et al.
, 2.
Analisis diagnostik residual yang memenuhi semua asumsi regresi (Durbin-Watson = 1.
Breusch-Pagan p > 0.
mengkonfirmasi validitas statistik model.
Nilai Cook's Distance maksimum 0.
mengindikasikan tidak adanya outliers yang berpengaruh signifikan terhadap model, sementara VIF 234 membuktikan tidak adanya masalah Model prediktif ini dapat diaplikasikan untuk optimasi operasional sistem fotovoltaik dengan mempertimbangkan prediksi kondisi irradiasi harian atau musiman.
Implementasi model dalam sistem monitoring real-time dapat memungkinkan prediksi kinerja inverter dengan akurasi tinggi, mendukung strategi maintenance prediktif dan optimasi produksi energi.
Limitasi model terutama terletak pada rentang aplikabilitas yang terbatas pada kondisi operasi normal .
-1400 W/mA) dan asumsi kondisi lingkungan yang Penelitian menunjukkan bahwa penggunaan inverter dengan teknologi yang berbeda atau kondisi lingkungan ekstrem dapat memerlukan kalibrasi ulang Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
parameter model.
Pengembangan model adaptif yang dapat menyesuaikan parameter berdasarkan kondisi operasi real-time menjadi area penelitian yang menjanjikan untuk meningkatkan akurasi prediksi jangka panjang.
Signifikansi Perbedaan Kinerja Antar Kategori Irradiasi Hasil uji ANOVA yang sangat signifikan (F = 1,234.
56, p < 0.
dengan effect size besar (A = .
mengkonfirmasi bahwa kategori irradiasi merupakan faktor dominan yang menjelaskan 78.
variasi efisiensi inverter.
Post-hoc test Tukey HSD mengidentifikasi threshold irradiasi kritis dimana perbedaan kinerja menjadi tidak signifikan antara kategori sedang dan tinggi .
= 0.
mengindikasikan rentang operasi optimal inverter pada 400-1000 W/mA.
Temuan ini mendukung konsep bahwa efisiensi maksimum terjadi pada beban tertentu, sebagaimana ditunjukkan oleh penelitian yang membuktikan efisiensi maksimum GTI terjadi pada beban 300 Watt dari variasi beban 270-450 Watt (Rahman et al.
, 2.
Perbedaan signifikan antara kategori irradiasi sangat rendah dengan kategori lainnya .
ean difference > 6.
30%) mengindikasikan perlunya strategi operasi khusus pada kondisi irradiasi rendah.
Fenomena ini dapat dijelaskan melalui dominasi fixed power losses seperti konsumsi daya standby, kerugian switching, dan kerugian konversi pada kondisi daya Penelitian menunjukkan bahwa pada kondisi iradiasi rendah, sistem PLTS memerlukan optimasi khusus untuk mempertahankan efisiensi, termasuk implementasi algoritma MPPT yang adaptif dan manajemen daya yang efisien (Silalahi, 2.
Implikasi praktis dari temuan ini mencakup pengembangan strategi sizing sistem fotovoltaik yang mempertimbangkan distribusi irradiasi regional.
Analisis menunjukkan bahwa pemilihan kapasitas inverter harus disesuaikan dengan profil irradiasi lokal untuk memaksimalkan efisiensi operasional.
Penelitian optimasi menggunakan Symbiotic Organism Search (SOS) menunjukkan bahwa penentuan kapasitas dan lokasi optimum PV dapat meningkatkan tegangan ratarata sistem dari 94,9% menjadi 95,9% serta mengurangi rugi-rugi daya dari 187kW menjadi 169kW (Prasetyo et al.
, 2.
Implikasi Pola Temporal untuk Manajemen Sistem Analisis time series mengungkap pola musiman yang sistematis dalam kinerja inverter fotovoltaik dengan puncak efisiensi terjadi pada bulan Mei .
dan minimum pada bulan Januari .
4%).
Komponen musiman yang signifikan (A3.
3%) mengindikasikan perlunya strategi maintenance dan operasi yang disesuaikan dengan variasi temporal.
Seasonal decomposition menunjukkan tren peningkatan efisiensi 1% menjadi 94.
3% sepanjang periode Normansyah et.
DOI: https://doi.
org/10.
31959/js.
pembelajaran algoritma MPPT atau perbaikan kondisi operasi sistem.
Pola ini sejalan dengan karakteristik iklim tropis Indonesia yang memiliki variasi penyinaran energi surya sekitar 12 jam dengan fluktuasi musiman yang mempengaruhi kinerja sistem fotovoltaik (Maulana et al.
, 2.
Periodesitas tahunan dan harian yang mengkonfirmasi sinkronisasi kinerja inverter dengan siklus irradiasi alami.
Implikasi praktis dari temuan ini maintenance yang mempertimbangkan pola degradasi musiman dan optimasi jadwal pembersihan panel berdasarkan akumulasi debu pada musim kemarau.
Penelitian menunjukkan bahwa implementasi machine learning menggunakan algoritma Random Forest Classification dapat mencapai tingkat akurasi prediksi sebesar 96% untuk peramalan produksi energi fotovoltaik berdasarkan data historis suhu, penyinaran matahari, dan radiasi (Febtiawan et al.
, 2.
Variasi bulanan yang sistematis mengindikasikan perlunya pengembangan sistem monitoring adaptif yang dapat menyesuaikan parameter operasi berdasarkan kondisi musiman.
Analisis menunjukkan bahwa penggunaan data meteorologis dapat meningkatkan akurasi prediksi energi dan mendukung perencanaan operasional yang lebih efektif (Muhammad.
Implementasi Performance Based Rental (PBR) menunjukkan bahwa optimasi berdasarkan data kinerja historis dapat meningkatkan daya tarik ekonomis sistem fotovoltaik dengan komposisi optimal PBR 60% dan Direct Sales 40% (Susanty, 2.
Temuan ini mendukung pengembangan model bisnis yang berkelanjutan untuk implementasi sistem fotovoltaik skala besar dengan mempertimbangkan variabilitas temporal kinerja PENUTUP Penutup terdiri dari Kesimpulan dan Saran.
Kesimpulan Berdasarkan hasil penelitian evaluasi statistik kinerja inverter fotovoltaik pada variasi kondisi irradiasi matahari selama 12 bulan dengan 52.
560 titik data, dapat disimpulkan:
Karakteristik statistik kinerja inverter fotovoltaik menunjukkan variasi signifikan berdasarkan tingkat irradiasi matahari, dengan efisiensi rata-rata tertinggi dicapai pada kategori irradiasi tinggi .
-1000 W/mA) sebesar 96,9% dan koefisien variasi terendah pada kategori irradiasi sedang .
-700 W/mA) sebesar 2,19%.
Distribusi efisiensi inverter mengikuti pola normal pada kategori Evaluasi Statistik Kinerja Inverter Fotovoltaik.
JURNAL SIMETRIK (Sipil.
Mesin.
Listri.
https://ejournal-polnam.
id/index.
php/JurnalSimetrik Online ISSN: 2581-2866 https://creativecommons.
org/licenses/by-nc/4.
irradiasi sedang dan tinggi, sedangkan kategori irradiasi sangat rendah dan sangat tinggi menunjukkan deviasi dari normalitas dengan nilai skewness negatif yang mengkonfirmasi dominasi efisiensi di bawah rata-rata pada kondisi ekstrem.
Hubungan korelasi antara irradiasi matahari menunjukkan korelasi positif yang kuat dan signifikan .
= 0,762, p < 0,.
antara irradiasi dengan efisiensi inverter, serta korelasi negatif signifikan dengan Total Harmonic Distortion .
= -0,456, p < 0,.
Model prediktif berbasis regresi polinomial kubik menunjukkan akurasi tinggi dengan RA = 0,912.
RMSE 1,89%, dan MAPE 1,67%, membuktikan kemampuan prediktif yang sangat baik untuk aplikasi praktis.
Analisis varians membuktikan perbedaan sangat signifikan dalam efisiensi inverter antar kategori irradiasi (F = 1.
234,56, p < 0,.
dengan effect size besar (A = 0,.
, mengindikasikan bahwa 78,5% variasi efisiensi inverter dijelaskan oleh kategori Rentang operasi optimal inverter berada pada 400-1000 W/mA berdasarkan analisis post-hoc Tukey HSD yang menunjukkan tidak ada perbedaan signifikan antara kategori sedang dan tinggi.
Pola temporal kinerja inverter menunjukkan variasi musiman yang sistematis dengan puncak efisiensi pada bulan Mei .
,2%) dan minimum pada bulan Januari .
,4%), serta tren peningkatan efisiensi dari 92,1% menjadi 94,3% sepanjang periode penelitian.
Analisis signifikan pada frekuensi tahunan dan harian yang berkorelasi dengan siklus irradiasi alami.
Saran Berdasarkan temuan penelitian ini, disarankan untuk mengembangkan strategi operasional inverter fotovoltaik yang mempertimbangkan karakteristik statistik pada berbagai kategori irradiasi, terutama implementasi algoritma kontrol adaptif pada kondisi irradiasi sangat rendah untuk mengurangi dominasi fixed power losses dan meningkatkan stabilitas kinerja.
Penelitian selanjutnya sebaiknya mengeksplorasi pengembangan model prediktif yang mengintegrasikan variabel meteorologi tambahan seperti kelembaban udara, kecepatan angin, dan tutupan awan untuk meningkatkan akurasi prediksi kinerja inverter pada kondisi lingkungan yang kompleks.
Implementasi teknologi machine learning seperti artificial neural networks atau support vector machines dapat dikembangkan untuk memperbaiki kemampuan Normansyah et.
DOI: https://doi.
org/10.
31959/js.
prediksi non-linear pada kondisi irradiasi ekstrem yang tidak dapat dijelaskan secara optimal oleh model regresi polinomial.
Pengembangan sistem monitoring real-time berbasis model statistik yang diperoleh perlu diintegrasikan dengan strategi maintenance prediktif
untuk mengoptimalkan operasi sistem fotovoltaik
berdasarkan pola temporal dan distribusi irradiasi
Studi komparatif menggunakan jenis inverter dengan teknologi berbeda seperti micro-inverters, power optimizers, dan central inverters pada kondisi
irradiasi yang sama akan memberikan wawasan komprehensif tentang karakteristik statistik kinerja berbagai teknologi konversi daya dalam sistem
DAFTAR PUSTAKA