Kebutuhan energi listrik semakin meningkat dengan maraknya konversi penggunaan bahan bakar fossil menuju ke bahan bakar terbarukan yakni listrik yang ditandai dengan mulai banyak bermunculan perlengkapan rumah tangga dan transportasi menggunakan listrik. Energi listrik dapat diperoleh dari pembangkit listrik baik yang masih menggunakan bahan bakar fossil maupun pembangkit dengan energi terbarukan, dengan menipisnya bahan bakar fosil lebih mengutamakan penggunaan energy terbarukan. Solar PV merupakan salah satu modul yang dapat membangkitkan energi dari cahaya matahari menjadi energi listrik. Energi listrik yang dihasilkan oleh Solar PV tidak stabil karena perubahan cahaya matahari baik dikarenakan cuaca maupun kondisi langit yang tertutup awan. Permasalahan tersebut tentunya dapat menjadi pertimbangan dalam penggunaan Solar PV, sehingga dibutuhkan suatu metode optimalisasi pada Solar PV. Pada proyek akhir ini mengusung judul “Maximum Power Point Tracking pada Solar PV Menggunakan Metode Recurrent Neural Network RNN”. RNN (Recurrent Neural Network) merupakan metode yang meniru jaringan syaraf manusia dalam mengolah beberapa kondisi dan memberikan solusi dari data referensi yang ada. Metode RNN yang digunakan adalah unsupervised learning dengan menggunakan data tegangan open circuit (Voc) dan arus short circuit (Isc) sebagai data input untuk menghasilkan output Duty Cycle yang digunakan untuk penyulutan pada MOSFET. Adapun output dari MPPT yang dihasilkan pada saat iradiasi 500 W/dengan nilai daya maksimum yang didapatkan yaitu 99.83 W, 89.39 W, 76.10 W, dan 64.61 W dengan nilai akurasi rata - rata 90%