Seiring
meningkatnya kebutuhan energi listrik, energi terbarukan seperti Pembangkit
Listrik Tenaga Surya (PLTS) menjadi solusi utama dalam transisi energi. Namun,
efisiensi daya keluaran panel surya sangat dipengaruhi oleh suhu dan intensitas
cahaya matahari yang berfluktuasi, menyebabkan ketidakseimbangan daya. Oleh
karena itu, diperlukan sistem Maximum Power Point Tracker (MPPT) untuk
menjaga daya keluaran tetap optimal. Penelitian ini merancang dan membangun
MPPT berbasis kontrol PID (Proportional-Integral-Derivative) yang
bertujuan untuk mengoptimalkan efisiensi daya panel surya serta menjaga suhu
baterai tetap terjaga untuk meminimalisir pengurangan masa pakai baterai. Penelitian
ini menggunakan metode eksperimen dan simulasi dalam perancangan MPPT dengan
teknik Buck Converter, yang dikontrol menggunakan Arduino Mega 2560
sebagai pengendali utama. Algoritma PID diterapkan untuk mengontrol Duty
Cycle dengan tujuan menstabilkan arus pengisian ke baterai VRLA 12V. Proses
tuning PID dilakukan menggunakan metode Ziegler-Nichols untuk
mendapatkan parameter terbaik dalam mempertahankan daya maksimum. Sistem monitoring
jarak jauh juga dikembangkan dengan menggunakan modul ESP01, serta pencatatan
data dilakukan dengan SD Card Module. Hasil pengujian menunjukkan bahwa
penerapan MPPT dengan kontrol PID berhasil meningkatkan efisiensi daya yang
dihasilkan oleh panel surya. Pada pengujian performa, konfigurasi PID dengan
parameter Kp = 30.00 x 10-4, Ki = 419.58 x 10-4, dan
Kd = 0.53 x 10-6
menghasilkan efisiensi daya sebesar 17,94?ngan daya rata-rata 50,25 Watt
pada kondisi iradiasi matahari 763 W/m². Dibandingkan dengan metode lain
seperti PID PD dan PI, konfigurasi ini menunjukkan waktu stabilisasi yang lebih
cepat dan overshoot yang lebih rendah, sehingga meningkatkan kestabilan
pengisian daya. Dapat disimpulkan bahwa MPPT dengan kontrol PID mampu
mengoptimalkan kinerja PLTS dengan menyesuaikan Duty Cycle sesuai
kondisi lingkungan. Data logger yang diterapkan juga memberikan rekaman
performa yang berguna dalam analisis efisiensi sistem. Penelitian ini dapat
dikembangkan lebih lanjut dengan menerapkan metode kecerdasan buatan seperti Fuzzy
Logic atau Machine Learning untuk meningkatkan respons adaptif
terhadap perubahan kondisi lingkungan yang lebih dinamis.
