Prediksi Kecepatan Angin Untuk Mengetahui Sumber Energi Alternatif Menggunakan Regresi ANN (Studi Kasus: Provinsi Aceh Tahun 2022)

  • Aulia Rahman
  • Ipin Sugiyarto
  • Umi Faddillah
  • Bibit - Sudarsono Universitas Bina Sarana Informatika

Abstract

Ada banyak sumber energi yang digunakan sebagai sumber tenaga listrik, salah satunya yaitu tenaga angin. Sumber data yang diambil dari dataset BMKG di Kabupaten Aceh Besar dari Januari 2018 sampai Desember 2021. Penelitian ini dilakukan untuk memprediksi kecepatan angin sebagai sumber energi alternatif di Provinsi Aceh menggunakan regresi ANN. Pengolahan data dilakukan dengan testing epoch dari nilai Rs dan MSE, lalu memprediksi kecepatan angin dalam format excel dan diformulasikan dengan rumus untuk menghitung daya yang dihasilkan sebagai output energi angin untuk menggerakan turbin. Hasil penelitian ini menunjukkan dalam satu tahun, rata-rata angin berhembus sebesar 3.911602 m/s dan hasil daya listrik menunjukkan angka tertinggi terjadi dihari ke 190 dengan total maksimal 853.3333 watt. Kecepatan angin berpengaruh terhadap sumber energi alternatif. Di Provinsi Aceh kurang memiliki potensi bila dikembangkan menjadi daerah Pembangkit Listrik Tenaga Angin, oleh karena itu Provinsi Aceh dapat memanfaatkan energi lain sebagai sumber energi listrik alternatif.

References

Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Mohamed, N. A., & Arshad, H. (2018). State-of-the-art in artificial neural network applications: A survey. Heliyon, 4(11), e00938.
Abiodun, O. I. (2019). Comprehensive Review of Artificial Neural Network Applications to Pattern Recognition. IEEE Access, Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Umar, A. M., Linus, O. U., Arshad, H., Kazaure, A. A., Gana, U., & Kiru, M. U. (2019). Comprehensive Review of Artificial Neural Network Applications to Pattern Recognition. IEEE Access, 7(February .
Bermejo, J. F. (2019). A review of the use of artificial neural network models for energy and reliability prediction. A study of the solar PV, hydraulic and wind energy sources. IEEE Transactions on Neural Networks, 3-20.
Bilgili, M. (2010). Comparative analysis of regression and artificial neural network models for wind speed prediction. Meteorology and Atmospheric Physics, 61-72.
Fadhli, F., & Syahputra, I. (2019). Identifikasi Potensi Pembangkit Listrik Tenaga Hybrid (PLTH) Angin dan Surya di Kabupaten Aceh Besar. Jurnal Teknik Sipil Unaya, 5(2), 87-95.
Giebel, S. M. (2013). Simulation and prediction of wind speeds: Aneural network for weibull. Journal of the Iranian Statistical Society, 293-320.
Kılıç, F. (2022). Forecasting the Electricity Capacity and Electricity Generation Values of Wind &Solar Energy with Artificial Neural Networks Approach: The Case of Germany. Applied Artificial Intelligence, 3-18.
Kusumodestoni, R. H. (2015). Prediksi kecepatan angin dengan model neural network. Prediksi, 7.
Saputra, H. (2022). Analisa Potensi Energi Angin Di Pantai Lhong Kabupaten Aceh Besar Menggunakan Distribusi Weibull. VOCATECH: Vocational Education and Technology Journal, 4(1), 56-64.
Sary, R., Syuhada, A., & Zulfadli, T. (2022). Analysis of Wind Energy Potential as A Hybrid Power Plant in Banda Aceh and Surrounding Areas. Jurnal Polimesin, 20(1), 36-41.
Vamsidhar, E. (2010). Prediction of Rainfall Using Backpropagation Neural Network Model. International Journal on Computer Science and Engineering, 1119-1121.
Zhang, W. W. (2021). Robust superhydrophobicity: mechanisms and strategies. Chemical Society Reviews. Chemical Society Reviews, 246-250.
Published
2022-12-15
Abstract viewed = 88 times
PDF downloaded = 108 times