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.