Analisis Efektivitas Inspeksi PLTS Atap Menggunakan Citra Udara dan Deep Learning Dibandingkan dengan Metode Inspeksi Konvensional
Mahasiswa Peneliti
Evan Rega Mahendra
Dosen Pembimbing:
Ahmad Agus Setiawan, S.T., M.Sc., Ph.D.
Ir. Roni Irnawan, S.T., M.Sc., Ph.D., SMIEEE.
Penelitian ini menganalisis efektivitas inspeksi Pembangkit Listrik Tenaga Surya (PLTS) atap menggunakan citra udara RGB dan algoritma deep learning dibandingkan dengan metode inspeksi konvensional berbasis pengamatan visual oleh teknisi. Studi dilakukan pada sistem PLTS atap berkapasitas sekitar 30 kWp di Gedung Smart and Green Learning Center (SGLC), Fakultas Teknik, Universitas Gadjah Mada. Citra RGB beresolusi tinggi diperoleh menggunakan drone DJI Mavic 3 pada ketinggian 15–30 meter, kemudian dianotasi dan diaugmentasi hingga 450 citra untuk melatih model YOLOv11 instance segmentation melalui platform Roboflow. Kinerja model dievaluasi menggunakan metrik mAP@50, precision, dan recall, serta dibandingkan dengan hasil inspeksi konvensional yang dilakukan oleh teknisi berdasarkan citra yang sama sebagai acuan (ground truth). Selain itu, survei persepsi teknisi (n = 5) dengan 24 butir pernyataan skala Likert digunakan untuk menilai efisiensi waktu, keselamatan kerja, kualitas dokumentasi, dan kemudahan analisis pada kedua metode. Hasil pelatihan menunjukkan bahwa model YOLOv11 mencapai mAP@50 sebesar 98,3%, precision 100%, dan recall 97%, yang mengindikasikan kemampuan deteksi panel PV normal yang sangat baik pada citra drone. Survei teknisi menunjukkan skor rata-rata keseluruhan 3,34 untuk inspeksi manual dan 4,82 untuk inspeksi otomatis, disertai pengurangan waktu inspeksi dari sekitar 95 menit menjadi sekitar 18 menit per sesi, serta persepsi peningkatan yang signifikan pada aspek keselamatan dan kualitas dokumentasi. Temuan ini menunjukkan bahwa inspeksi berbasis citra udara RGB dan deep learning berpotensi menjadi alternatif yang lebih efisien, aman, dan mudah diskalakan dibandingkan inspeksi konvensional untuk sistem PLTS atap skala kecil hingga menengah.
Kata kunci: Inspeksi Panel Surya, PLTS Atap, Citra Udara, Deep Learning