Permadi, Dimas Mudya (2018) Analisis Perbandingan Prakiraan Intensitas Radiasi Matahari Menggunakan Extreme Learning Machine dan Regresi Linier Berganda. Sarjana thesis, Universitas Brawijaya.
Abstract
Pembangkit listrik tenaga surya (PLTS) merupakan pembangkit energi listrik yang memanfaatkan energi matahari. PLTS sangat bergantung pada ketersediaan radiasi matahari. Radiasi matahari tidak tersedia sepanjang hari di setiap tempat. Ketersediaan radiasi matahari yang tidak menentu dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan Artificial Intelligence yaitu Extreme Learning Machine (ELM) memiliki akurasi peramalan yang cukup baik. Metode peramalan konvensional dengan Regresi linier berganda digunakan sebagai pembanding metode ELM. Penelitian ini, bertujuan: 1). Mengetahui pemodelan ELM yang optimal untuk melakukan prakiraan intensitas radiasi matahari; 2). Mengetahui prakiraan intensitas radiasi matahari yang ada di Kota Malang dan Kota Basel dengan metode ELM; 3). Mengetahui prakiraan intensitas radiasi matahari yang ada di Kota Malang dan Kota Basel dengan metode regresi linier berganda; 4). Mengetahui perbandingan prakiraan intensitas radiasi matahari antara metode ELM dan metode regresi linier berganda; 5). Mengetahui perbandingan prakiraan jangka pendek intensitas radiasi matahari di Kota Malang dan Basel dengan metode ELM dan Regresi linier berganda. Hasil penelitian menunjukan: 1). Pemodelan yang optimal untuk peramalan ELM adalah komposisi 85%-15% dengan 60 hidden neuron; 2). Peramalan ELM Kota Malang memiliki nilai kesalahan RMSE 54,431 dan MAE 31,919, lebih kecil dibanding Kota Basel yang memiliki nilai RMSE 85,064 dan MAE 56,749; 3). Peramalan Regresi Linier Berganda Kota Malang memiliki nilai kesalahan RMSE 107,575 dan MAE 86,899, lebih kecil dibanding Kota Basel yang memiliki nilai RMSE 101,978 dan MAE 71,088; 4). ELM dapat melakukan peramalan intensitas radiasi lebih baik dibandingkan Regresi Linier Berganda untuk peramalan jangka panjang; 5). ELM dapat melakukan peramalan intensitas radiasi lebih baik dibandingkan Regresi Linier Berganda untuk peramalan jangka pendek.
English Abstract
Solar power plant is one of the electric energi resource that utilizes solar energi. Solar power plant is very dependent on the availability of solar radiation. Solar radiation is not available all day in every place. The availability of unpredictable solar radiation can be predicted by the methods that exist today. Forecasting method using Artificial Intelligence with Extreme Learning Machine (ELM) has good forecasting accuracy. The conventional forecasting method using multiple regression is used as a comparison of the ELM method. This research, aimed to : 1). know the optimal ELM modeling to predict the intensity of solar radiation; 2). know the forecast of solar radiation intensity in Malang and Basel City with ELM method; 3). know the forecast of solar radiation intensity in Malang and Basel City with multiple regression method; 4). know the comparison of solar radiation intensity forecasting between ELM and multiple regression method; 5). know the comparison of shortterm forecasts of solar radiation intensity in Malang and Basel City with ELM and Multiple Regression methods. The results showed: 1). The optimal modeling for ELM forecasting with 85% -15% composition of 60 hidden neurons; 2). ELM forecasting of Malang City has error value RMSE 54,431 and MAE 31,919, smaller than Basel City which has value of RMSE 85,064 and MAE 56,749; 3). Multiple Regression forecasting of Malang City has error value RMSE 107,575 and MAE 86,899, smaller than Basel city which has value RMSE 101,978 and MAE 71,088; 4). ELM can better forecast radiation intensity than Multiple Regression for longterm forecasting; 5). ELM can forecast radiation intensity better than Multiple Regression for short-term forecasting.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2018/300/051804170 |
| Uncontrolled Keywords: | extreme learning machine, intensitas radiasi matahari, prakiraan |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.31 Generations, modification, storage, transmission of electric power > 621.312 Generation, modification, storage |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 07 Jun 2018 02:12 |
| Last Modified: | 29 Nov 2021 03:19 |
| URI: | http://repository.ub.ac.id/id/eprint/11474 |
Preview |
Text
Lampiran.pdf Download (596kB) | Preview |
Preview |
Text
DAFTAR PUSTAKA.pdf Download (293kB) | Preview |
Preview |
Text
000.pdf Download (31kB) | Preview |
Preview |
Text
BAB IV.pdf Download (4MB) | Preview |
Preview |
Text
BAGIAN DEPAN.pdf Download (2MB) | Preview |
Preview |
Text
BAB V.pdf Download (2MB) | Preview |
Preview |
Text
00.pdf Download (31kB) | Preview |
Preview |
Text
0.pdf Download (33kB) | Preview |
Preview |
Text
BAB I.pdf Download (300kB) | Preview |
Preview |
Text
BAB II.pdf Download (2MB) | Preview |
Preview |
Text
BAB III.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |