Panel surya memiliki kelebihan mengubah cahaya matahari menjadi listrik yang ramah lingkungan. Namum pemanfaatan panel surya juga memiliki kelemahan terkait dengan efisiensi dalam mengkonversi energi matahari. Daya keluaran panel surya dipengaruhi oleh kondisi lingkungan yaitu irradiasi matahari dan temperatur. Pada daerah instalasi panel surya dengan area yang luas, terdapat beberapa kondisi dimana panel surya tertutup oleh awan, dedaunan, dan lain-lain. Kondisi ini menyebabkan partial shading dan penyinaran tidak seragam. Karakteristik daya keluaran panel surya dalam kondisi partial shading menunjukkan adanya beberapa puncak daya yang disebut Global Maximum Power Point (GMPP) dan Local Maximum Power Point (LMPP). Maximum Power Point Tracking (MPPT) adalah salah satu metode untuk meningkatkan effisiensi konversi energi panel surya. Metode MPPT konvensional seperti Perturb and Observe (P&O) pada kondisi partial shading dengan penyinaran tidak seragam, dapat terjebak pada LMPP dan tidak dapat mencapai GMPP. Pada penelitian ini, algoritma metaheuristik Spotted Hyena Optimizer (SHO) yang terinspirasi oleh perilaku biologis hewan diusulkan sebagai algoritma untuk MPPT, selain itu juga dilakukan beberapa modifikasi untuk meningkatkan kinerja algoritma SHO. Berdasarkan hasil pengujian eksperimen SHO-MPPT dapat melacak titik GMPP tetapi terdapat fluktuasi daya sebelum mencapai titik GMPP, sedangkan untuk algoritma SHO yang dikembangkan yaitu algoritma Improved SHO dan Improved B-SHO MPPT memiliki kinerja yang lebih baik dengan mengurangi fluktuasi daya dan waktu untuk melacak GMPP. Nilai akurasi algoritma SHO, improved SHO dan Improved B-SHO dalam melacak GMPP diatas 95%.