Solar Power Plant is an alternative power supply. One of the problems with solar power plant is that there is no continuous and automatic monitoring of the generating system and also a short battery life because it is not controlled in charging and using it. This study produces a real-time and automatic monitoring and management system that can monitor the performance of solar panels, batteries, and electricity usage by users, and can regulate the battery by disconnecting the charging when the battery voltage reaches the maximum threshold and disconnects usage when the battery voltage reaches the threshold minimum. Data transmission from the monitoring to the server is carried out by the microcontroller through a Wi-Fi module ESP8266 using 802.11b communication protocol. Monitoring data will be displayed on Web monitoring and will be processed using the K-Means Clustering algorithm to classify the power produced by solar panels to assist in the performance analysis of solar panels. The test results show that the overall monitoring and management devices function and the level of accuracy of data testing using the K-Means Clustering algorithm produces a Root Mean Square Error (RMSE) value of 0.2888.

Pembangkit Listrik Tenaga Surya (PLTS) merupakan alternatif penyediaan tenaga listrik. Salah satu permasalahan pada PLTS adalah tidak terpantaunya sistem pembangkit secara kontinyu dan otomatis dan juga pendeknya masa pakai baterai karena tidak dikontrol dalam pengisian dan pemakaiannya. Penelitian ini menghasilkan sistem monitoring dan manajemen secara real time dan otomat yang dapat memantau kinerja panel surya, baterai, dan pemakaian listrik oleh pemakai, serta dapat mengatur baterai dengan memutus pengisian ketika tegangan baterai mencapai batas ambang maksimum dan memutuskan pemakaian ketika tegangan baterai mencapai batas ambang minimum. Pengiriman data hasil pemantauan ke server dilakukan oleh mikrokontroler melalui sebuah modul Wi-Fi ESP8266 menggunakan protocol komunikasi 802.11b. Data hasil pemantauan akan ditampilkan pada Web monitoring dan akan diolah menggunakan algoritma K-Means Clustering untuk mengelompokkan daya yang dihasilkan panel surya untuk membantu dalam analisa kinerja panel surya. Hasil pengujian menunjukkan bahwa keseluruhan perangkat monitoring dan manajemen berfungsi dan tingkat akurasi pengujian
data dengan menggunakan algoritma K-Means Clustering menghasilkan nilai Root Mean Square Error (RMSE) sebesar 0.2888.