Analisis Peramalan Intensitas Radiasi Matahari Menggunakan Metode Autoregressive Integrated Moving Average(ARIMA) Di Daerah Malang Jawa Timur
| Main Authors: | Nofiantoro, Dimas, : Prof. Ir. Hadi Suyono, S.T., M.T., Ph.D., IPu.,ASEAN Eng |
|---|---|
| Format: | Thesis NonPeerReviewed Lainnya |
| Bahasa: | eng |
| Terbitan: |
, 2021
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/189899/1/135060301111050%20-%20Dimas%20Nofiantoro.PDF http://repository.ub.ac.id/id/eprint/189899/ |
Daftar Isi:
- Energi matahari merupakan sumber energi alami yang memiliki banyak potensi pemanfaatan. Untuk pemanfaatan tersebut dibutuhkan data yang dapat menggambarkan ketersediaan energi matahari. Informasi ketersediaan energi matahari yang akan digunakan dalam peramalan ini adalah data dari BMKG Karangploso Kota Malang, sehingga dapat diketahui banyaknya energi matahari yang akan didapat. Pada penelitian ini dilakukan peramalan intensitas radiasi matahari. Data yang digunakan untuk meramalkan intensitas radiasi matahari adalah suhu udara, lama penyinaran matahari. Metode yang digunakan dalam penelitian ini yaitu autoregressive integrated moving average (ARIMA) dan support vector regression (SVR) sebagai metode pembanding. Perhitungan nilai kesalahan dalam penelitian ini menggunakan metode Root mean square error (RMSE). Penelitian ini, bertujuan: 1). Mengidentifikasi model ARIMA yang terbaik untuk melakukan peramalan intensitas radiasi matahari; 2) Mengetahui peramalan intensitas radiasi matahari pada Kota Malang menggunakan metode ARIMA; 3) Mengetahui peramalan intensitas radiasi matahari pada Kota Malang dengan menggunakan metode SVR; 4) Mengetahui perbandingan peramalan intensitas radiasi matahari dari metode ARIMA dan SVR dari nilai RMSE. Hasil penelitian menunjukan: 1) Pengujian data BMKG Karangploso kota Malang adalah data yang stasioner; 2) Identifikasi estimasi model arima yaitu Model ARIMA (1,0,1) , (1,0,2), (1,0,3), (1,0,4), (1,0,5),(1,0,6),(1,0,10), (1,0,11), (1,0,12), (1,0,16). Estimasi model yang memungkinkan dalam peramalan radiasi matahari terbaik untuk melakukan peramalan yaitu ARIMA (1,0,1) dan (1,0,2) karena memiliki p-value yang kurang dari 0,05 sehingga model tersebut significant dan memungkinkan untuk peramalan; 3) model terbaik antara ARIMA (1,0,1) dan ARIMA (1,0,2) dilihat dari nilai AIC dan BIC yang lebih kecil adalah ARIMA (1,0,2) dengan AIC dan BIC 4,7829 ∗ 103dan 4,8023 ∗ 103; 4) Nilai RMSE dari metode ARIMA dengan model (1,0,2) yaitu 266,96; 5) Pemrosesan data training dan testing metode SVR dengan persentase 80% menghasilkan IRM 288 dan 20 % menghasilkan 72 dari total 100 % dan IRM 360 data; 6) Hasil pemodelan SVR yang baik akan menghasilkan RMSE yang kecil pada data testing yaitu 159,4489; 7) Perbandingan metode ARIMA dan SVR berdasarkan nilai RMSE menghasilkan kesimpulan bahwa metode SVR mempunyai nilai RMSE yg lebih kecil daripada metode ARIMA yaitu 159,4489, sehingga model SVR memiliki akurasi peramalan yang lebih baik.