ANALISIS PERBANDINGAN PRAKIRAAN KECEPATAN ANGIN MENGGUNAKAN METODE RNN DAN MULTIVARIATE ARIMAX
| Main Authors: | Utomo, Muhammad Rizky Wira; Jurusan Teknik Elektro Fakultas Teknik, Universitas Brawijaya Jl. MT. Haryono 167 Malang, Jawa Timur, Suyono, Hadi; Jurusan Teknik Elektro Fakultas Teknik, Universitas Brawijaya Jl. MT. Haryono 167 Malang, Jawa Timur, Hasanah, Rini Nur; Jurusan Teknik Elektro Fakultas Teknik, Universitas Brawijaya Jl. MT. Haryono 167 Malang, Jawa Timur |
|---|---|
| Format: | application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Jurnal Mahasiswa TEUB
, 2021
|
| Online Access: |
http://elektro.studentjournal.ub.ac.id/index.php/teub/article/view/1596 |
Daftar Isi:
- ABSTRAKBesarnya daya listrik yang mampu dihasilkan oleh pembangkit listrik tenaga bayu (PLTB) bergantungpada besarnya kecepatan angin yang digunakan. Namun, kecepatan angin sendiri bersifat acak, intermiten dancenderung tidak pasti. Kondisi seperti ini akan membawa dampak signifikan ke jaringan dan kesulitan padapengiriman daya. Maka dari itu, prediksi dari kecepatan angin yang akurat dan presisi sangat penting untuk memastikan kestabilan operasi PLTB. Prediksi tersebut dapat dilakukan dengan menggunakan metode artificialintelligence maupun metode konvensional. Pada penelitian ini metode artificial intelligence, Recurrent NeuralNetwork (RNN) digunakan dan dibandingkan dengan metode Auto Regressive Integrated Moving Average withExogenous Variable (ARIMAX). Hasil penelitian menunjukan: 1) Arsitektur RNN untuk melakukan prakiraankecepatan angin dengan optimal adalah dengan pembagian data training 75% dan data testing 25% dengan 75Hidden Neuron 2) Hasil peramalan kecepatan angin di Malang menggunakan metode RNN memiliki nilai MAEterkecil sebesar 0,2516 m/s dan nilai RMSE sebesar 0,3232 m/s, sedangkan hasil peramalan menggunakan metode Multivariate ARIMAX memiliki nilai MAE 0,7027 m/s dan nilai RMSE sebesar 0,8864 m/s. 3) Hasilperamalan kecepatan angin di Basel menggunakan metode RNN memiliki nilai MAE terkecil sebesar 1,0052m/s dan nilai RMSE sebesar 1,3016 m/s, sedangkan hasil peramalan menggunakan metode MultivariateARIMAX memiliki nilai MAE 1,5527 m/s dan nilai RMSE sebesar 2,0532 m/s. Hal ini menunjukkan bahwametode RNN lebih akurat dan optimal daripada metode Multivariate ARIMAX.Kata kunci: Prakiraan, Peramalan, Kecepatan angin, RNN, Multivariate ARIMAXABSTRACTThe amount of wind power generated by Wind Power Plant depends on the wind speed that the system use.However, the wind speed itself is intermitten, random and inconsistent. This will bring significant impact anddifficulties in power dispatching. Therefore, an accurate and precision wind speed prediction is required tosecure the stability of the power plant. Wind speed predictions can be made using artificial Intelligence methodsor statistical conventional methods. In this research, artificial Intelligence method, Recurrent Neural Network(RNN) will be used and be compared with Multivariate Auto Regressive Integrated Moving Average withExogenous Variable (ARIMAX) method. The result of the research shows that : 1) The optimal RNN architecture for forecasting was using 75% training data and 25% testing data with 75 Hidden Neuron 2) )Forecasting result in Malang with RNN method has MAE 0,2516 m/s and RMSE 0,3232 m/s, whereasforecasting with Multivariate ARIMAX has MAE value 0,7027 m/s and RMSE 0,8864 m/s. 3) Forecasting resultin Basel with RNN has MAE 1,0052 m/s and RMSE 1,3016 m/s whereas forecasting with Multivariate ARIMAXhas MAE 1,5527 m/s and RMSE 2,0532 m/s. This concludes that RNN method is more accurate and optimalthan Multivariate ARIMAX method.Keywords: forecasting, wind speed, RNN, Multivariate ARIMA