ANALISIS PERBANDINGAN PRAKIRAAN KECEPATAN ANGIN MENGGUNAKAN METODE RECURRENT NEURAL NETWORK DAN MULTIVARIATE ARIMAX
| Main Author: | Rizky Wira Utomo, Muhammad |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/184623/1/Muhammad%20Rizky%20Wira%20Utomo.pdf http://repository.ub.ac.id/184623/ |
Daftar Isi:
- Besarnya daya listrik yang mampu dihasilkan oleh pembangkit listrik tenaga bayu (PLTB) bergantung pada besarnya kecepatan angin yang digunakan. Namun, kecepatan angin sendiri bersifat acak, intermiten dan cenderung tidak pasti. Kondisi seperti ini akan membawa dampak signifikan ke jaringan dan kesulitan pada pengiriman 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 artificial intelligence maupun metode konvensional. Pada penelitian ini metode artificial intelligence, Recurrent Neural Network (RNN) digunakan dan dibandingkan dengan metode Auto Regressive Integrated Moving Average with Exogenous Variable (ARIMAX). Hasil penelitian menunjukan: 1) Arsitektur RNN untuk melakukan prakiraan kecepatan angin dengan optimal adalah dengan pembagian data training 75% dan data testing 25% dengan 75 Hidden Neuron 2) Hasil peramalan kecepatan angin di Malang menggunakan metode RNN memiliki nilai MAE terkecil 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) Hasil peramalan kecepatan angin di Basel menggunakan metode RNN memiliki nilai MAE terkecil sebesar 1,0052 m/s dan nilai RMSE sebesar 1,3016 m/s, sedangkan hasil peramalan menggunakan metode Multivariate ARIMAX memiliki nilai MAE 1,5527 m/s dan nilai RMSE sebesar 2,0532 m/s. Hal ini menunjukkan bahwa metode RNN lebih akurat dan optimal daripada metode Multivariate ARIMAX.