Energi surya merupakan salah satu sumber energi baru terbarukan yang banyak dimanfaatkan melalui sistem photovoltaic. Namun, kinerja sistem photovoltaic sangat dipengaruhi oleh perubahan iradiasi matahari dan fenomena partial shading yang menyebabkan munculnya beberapa titik daya maksimum pada kurva Power–Voltage (P–V). Kondisi tersebut mengakibatkan metode Maximum Power Point Tracking (MPPT) konvensional cenderung terjebak pada titik maksimum lokal sehingga daya keluaran sistem tidak dapat dimaksimalkan. Sebagai solusi terhadap permasalahan tersebut, proyek akhir ini mengusulkan algoritma Modified Harris Hawk Optimization (MHHO) berbasis pola perburuan kooperatif sebagai metode MPPT metaheuristik. Penelitian ini bertujuan untuk meningkatkan akurasi pelacakan Global Maximum Power Point (GMPP), khususnya pada kondisi partial shading. Algoritma MHHO dikembangkan dengan mengintegrasikan dynamic exploration factor untuk memperluas kemampuan pencarian serta random walk strategy guna mempercepat konvergensi sekaligus menjaga keseimbangan antara eksplorasi dan eksploitasi sehingga mampu menghindari jebakan titik maksimum lokal pada kurva P–V yang memiliki banyak puncak. Algoritma MHHO diimplementasikan pada Cuk Converter yang terhubung dengan tiga panel surya untuk proses pengisian baterai sebagai sumber daya beban pompa air DC melalui pengaturan duty cycle secara real-time. Berdasarkan hasil pengujian pada berbagai kondisi iradiasi, metode MHHO memperoleh rata-rata akurasi pelacakan sebesar 99.12% dengan rata-rata waktu pelacakan 14.97 detik, lebih baik dibandingkan metode HHO yang memperoleh rata-rata akurasi 98.07% dengan waktu pelacakan 15.01 detik, serta metode PSO dengan rata-rata akurasi 97.26% dan waktu pelacakan 16.91 detik. Hasil tersebut menunjukkan bahwa algoritma MHHO mampu meningkatkan akurasi pelacakan sekaligus mempercepat proses konvergensi dalam menentukan GMPP pada kondisi partial shading.