PREDIKSI KECEPATAN ANGIN MENGGUNAKAN ALGORITMASUPPORT VECTOR MACHINE

Muhammad Rais Wathani(1*), Zaenuddin Zaenuddin(2)

(1) Fakultas Teknologi Informasi Universitas Islam Kalimantan
(2) Fakultas Teknologi Informasi Universitas Islam Kalimantan
(*) Corresponding Author

Sari


Tidak bisa dipungkiri bahwa kecepatan angin sangat berpengaruh pada banyak hal.
Diantaranya pada bidang perhubungan, telekomunikasi,pariwisata, pertanian, bahkan,
dibidang lain yang tidak kalah pentingnya, yaitu pembuatan energi sumber daya alam yang banyak dikembangkan secara signifikan di seluruh dunia saat ini yaitu dengan menggunakan sumber energi angin. Energi angin dapat memproduksi energi listrik secara besar-besaran, sehingga energi ini tak kalah kompetitifnya dengan sumber energi lain. Selain itu, Angin merupakan sumber energi yang bebas polusi dan ekonomis. Energi angin juga berdampak aman pada lingkungan karena sesuai dengan proses produksinya energi ini tidak memancarkan gas polusi. Banyak nilai positif yang dihasilkan pada energi angin yang diproduksi menjadi energi listrik saat ini, maka pertumbuhan pembangkit listrik tenaga angin pun mulai banyak dikembangkan. Selain bermanfaat, kecepatan angin juga dapat menimbulkan masalah, angin yang sering menimbulkan kerusakan menurut kriteria kecepatan, antara lain seperti angin puting beliungdanangin. Melihat kebutuhan akan pentingnya prediksi untuk kecepatan angin, khususnya mengelolaan sumber daya energi angin dan untuk menghindari bahaya kerusakan yang ditimbulkan oleh kecepatan angin, maka mengharuskan penggunaan model-model khusus untuk dapat memprediksi kecepatan angin baik kecepatan angin jangka pendek maupun kecepatan angin jangka panjang.Support Vector Machine(SVM) adalah salah satu algoritma komputasi yang dapat digunakan untuk melakukan prediksi. Dari hasil penelitian yang dilakukan dari tahap awal hingga pengujian, disimpulkanbahwaAlgoritmaSVMmemberikannilai RMSE (Root Mean Squared Error) sebesar 2.791, yaitu suatu nilai yang cukup baik untuk melakukan prediksi kecepatan angin, sehingga mampu memberikansolusi untuk menghitung berapa besaran kecepatan angin beberapa tahun yang akan datang, khususnya untuk pengelolaan sumber daya energi angin dan untuk menghindari bahaya kerusakan yang ditimbulkan oleh kecepatan angin.


Teks Lengkap:

PDF

Referensi


JetStream : An Online School For Weather, 2008, "The Sea Breeze, National Weather Service”.

A. J. Deppe, W. a. Gallus, and E. S. Takle, Feb. 2012, “A WRF Ensemble for Improved Wind Speed Forecasts at Turbine Height,” Weather Forecast., vol. 28, no. 1, p.120604134554002,

S. M. Giebel, M. Rainer, and N. S. Aydın, “Simulation and Prediction of Wind Speeds : A Neural Network for Weibull,” vol. 12, no. 2, pp. 293–319, 2013.

R. Hadapiningradja Kusumodestoni, Akhmad Khanif Zyen, 2015, “Prediksi Kecepatan Angin Menggunakan Model Neural Network Untuk Menghetahui Besar Daya Listrik Yang Dihasilkan”.

Syarifah Diana Permai, 2013, “Pemodelan Kecepatan Angin Rata-Rata Di Sumenep Menggunakan Mixture Of Anfis”.

Siti Nurhayati, 2015, “Prediksi Mahasiswa Drop Out Menggunakan Metode Support Vector Machine”.

Totok Triswanto, 2013, “Komparasi Pemodelan Data Menggunakan Support Vector Machine dan Neural Network Untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa”.

C. & Hall, 2009, “The Top Ten Algorithms in Data Mining”.

X. F. Lipo Wang, “Data Mining with Computational Intelligence”.




DOI: http://dx.doi.org/10.31602/ppdu.v0i1.8104

Refbacks

  • Saat ini tidak ada refbacks.