Dedek Ismail Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2025 id Indonesia

Theses

ABSTRAK Salah satu tantangan dalam pengembangan energi angin menjadi pembangkit listrik tenaga angin adalah bagaimana menghasilkan model prediksi kecepatan angin yang akurat. Penelitian ini bertujuan untuk membangun model prediksi kecepatan angin yang akurat dengan menerapkan algoritma long short term memory (LSTM). Dibandingkan dengan metode lainnya, algoritma LSTM memiliki keunggulan dalam menangkap pola yang kompleks pada model data deret waktu. Dataset yang digunakan pada penelitian ini terdiri atas data kecepatan angin yang diperoleh dari dataset energi terbarukan pada NASA Power sistem satelit. Data kecepatan angin tersebut dikumpulkan dari periode tahun 1981 hingga tahun 2022 setiap bulannya. Penelitian ini mencakup tahapan normalisasi data, pembagian dataset menjadi data latih dan data uji, pelatihan model prediksi menggunakan algoritma LSTM serta mengukur tingkat evaluasi model prediksi pada tahapan pengujian. Evaluasi pengujian model menggunakan instrumen RMSE, MSE, MAE dan MAPE. Hasil penelitian menunjukkan bahwa algoritma LSTM mampu menghasilkan model prediksi kecepatan angin dengan tingkat akurasi yang maksimal berdasarkan nilai RMSE, MSE, MAE dan MAPE yang dihasilkan. Kata kunci: model prediksi kecepatan angin, LSTM, RMSE, MSE, MAE, MAPE ALGORITHMS - COMPUTER PROGRAMMING 005.1 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 149071 2025-01-23 12:46:28 2025-01-31 11:41:10 machine generated