PEMANFAATAN CONVOLUTIONAL NEURAL NETWORK YOLOV8 UNTUK DETEKSI KONDISI PERMUKAAN PANEL SURYA MULTIKELAS

Authors

  • Muhammad Choirul Anwar Universitas Nusantara PGRI Kediri Indonesia
  • Julian Sahertian Universitas Nusantara PGRI Kediri Indonesia
  • Ratih Kumalasari Niswatin Universitas Nusantara PGRI Kediri Indonesia

DOI:

https://doi.org/10.29407/9vp76z21

Abstract

Panel surya merupakan salah satu sumber energi terbarukan yang banyak digunakan untuk memenuhi kebutuhan energi listrik. Namun, kinerja panel surya dapat mengalami penurunan akibat adanya debu, kotoran burung, daun, maupun kerusakan fisik pada permukaan panel. Proses inspeksi yang masih dilakukan secara manual membutuhkan waktu yang relatif lama dan berpotensi menimbulkan kesalahan identifikasi. Penelitian ini bertujuan menganalisis kinerja model Convolutional Neural Network berbasis YOLOv8 dalam mendeteksi berbagai kondisi permukaan panel surya secara otomatis. Dataset yang digunakan berjumlah 6.218 citra yang terdiri dari tujuh kelas yaitu Bird Drop, Defective, Dust, Non Defective, Physical Damage, Snow, dan Leaf. Model dilatih menggunakan YOLOv8n selama 100 epoch dengan ukuran citra 640×640 piksel. Hasil penelitian menunjukkan model memperoleh Precision sebesar 73,06%, Recall sebesar 64,46%, mAP50 sebesar 68,13%, dan mAP50-95 sebesar 44,71%. Hasil tersebut menunjukkan bahwa YOLOv8 mampu melakukan deteksi multikelas pada citra panel surya dengan performa yang cukup baik dan berpotensi diterapkan pada sistem monitoring panel surya secara otomatis.

Keywords:

Convolutional neural network, deteksi objek, panel surya, computer vision, YOLOv8

##plugins.themes.default.displayStats.downloads##

##plugins.themes.default.displayStats.noStats##

References

[1] S. Utami dan A. Daud, "Pengaruh Temperatur Panel Surya terhadap Efisiensi Panel Surya:

Sistem Monitoring Menggunakan Internet of Things (IoT)," Jurnal Teknik Energi, vol. 11, no.

1, pp. 95–104, 2021, doi: 10.35313/energi.v11i1.2437.

[2] P. H. Ilra, A. Faisal, dan R. Juliangga, "Analisis Kinerja Panel Surya Akibat Akumulasi Debu

pada Permukaan Modul Fotovoltaik," Jurnal Komputer Teknologi Informasi Sistem Komputer

(JUKTISI), vol. 5, no. 1, 2025, doi: 10.62712/juktisi.v5i1.897.

[3] N. Afiyat dan M. Muhtaromin, "Sistem Kontrol dan Monitoring Berbasis IoT pada Off-Grid

Hybrid Power System PLTS-PLN," Nusantara Journal of Computers and Its Applications, vol.

10, no. 1, 2025, doi: 10.36564/njca.v10i1.404.

[4] S. P. Mursid, "Rancang Bangun Sistem Kontrol Manajemen Energi Pada PLT Surya Dengan

IoT," Jurnal Teknik Energi, vol. 13, no. 1, 2024, doi: 10.35313/energi.v13i1.6272.

[5] H. Abdillah, T. Asrori, M. A. Baihaqi, D. H. T. Prasetyo, dan A. Muhammad, ”Sistem

Monitoring dan Manajemen Energi pada Pembangkit Hybrid PLTS, PLTB, dan PLN Berbasis

Internet of Things,” JASIEK (Jurnal Aplikasi Sains, Informasi, Elektronika dan Komputer),

vol. 5, no. 2, 2023, doi: 10.26905/jasiek.v5i2.10920.

[6] F. N. Fauzan, S. Utami, dan M. R. B. Pratama, "Monitoring Sistem Kelistrikan Tiga Fasa

Berbasis IoT dengan Sensor ACS712 dan ZMPT101B," Jurnal Teknik Energi, vol. 13, no. 1,

2024, doi: 10.35313/energi.v13i1.5246.

[7] Widayanti dan A. Fajarrohman, "Perancangan dan Implementasi Sistem Pemantauan Cuaca

Berbasis IoT dengan Tampilan Blynk dan Panel Surya," Sunan Kalijaga Journal of Physics,

vol. 6, no. 2, 2024, doi: 10.14421/physics.v6i2.5209.

[8] S. Haryudo dan R. Ramadhani, "Analisis Pengaruh Perubahan Intensitas Cahaya terhadap

Efektivitas Panel Surya Berbasis IoT ESP32," Jurnal Ilmiah Wahana Pendidikan, vol. 10, no.

24, 2024, doi: 10.5281/zenodo.14574077.

[9] J. Jawati, Z. Zainuddin, dan S. Sahibu, "Monitoring dan Kendali Fokus Pergerakan Panel Surya

Menggunakan Algoritma Dual-Axis Tracking Berbasis IoT," Jurnal Teknologi Elektro, vol. 17,

no. 1, 2026, doi: 10.22441/jte.2026.v17i1.005.

[10] A. A. Putra dan D. Saefudin, "Penerapan IoT untuk Monitoring Konsumsi Energi pada

Greenhouse," Jurnal Teknik Elektro Terapan, vol. 8, no. 2, pp. 101–108, 2023.

Downloads

Published

2026-07-20

Issue

Vol. 10 No. 2 (2026): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2026

Section

Articles

License

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  1. Copyright on any article is retained by the author(s).
  2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
  3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
  5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License

How to Cite

PEMANFAATAN CONVOLUTIONAL NEURAL NETWORK YOLOV8 UNTUK DETEKSI KONDISI PERMUKAAN PANEL SURYA MULTIKELAS. (2026). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 10(2), 1546-1551. https://doi.org/10.29407/9vp76z21