Nofiantoro, Dimas and : Prof. Ir. Hadi Suyono, S.T., M.T., Ph.D., IPu.,ASEAN Eng (2021) Analisis Peramalan Intensitas Radiasi Matahari Menggunakan Metode Autoregressive Integrated Moving Average(ARIMA) Di Daerah Malang Jawa Timur. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Solar energy is a natural energy source that has many potential uses. For this utilization, data is needed that can describe the availability of solar energy. Information on the availability of solar energy that will be used in this forecast is data from BMKG Karangploso Malang City, so it can be seen how much solar energy will be obtained. In this study, the intensity of solar radiation was forecasted. The data used to predict the intensity of solar radiation is air temperature, duration of solar radiation. The methods used in this study are autoregressive integrated moving average (ARIMA) and support vector regression (SVR) as comparison methods. The calculation of the error value in this study uses the Root mean square error (RMSE) method. This research aims to: 1). Identify the best ARIMA model for forecasting solar radiation intensity; 2) Knowing the forecasting of solar radiation intensity in Malang City using ARIMA method; 3) Knowing the forecasting of solar radiation intensity in Malang City using the SVR method; 4) Knowing the comparison of forecasting the intensity of solar radiation from the ARIMA and SVR methods from the RMSE . value. The results showed: 1) Testing the BMKG Karangploso data in Malang city was stationary data; 2) Identification of arima model estimation, namely ARIMA model (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). The model estimations that allow the best solar radiation forecasting for forecasting are ARIMA (1,0,1) and (1,0,2) because they have a p-value of less than 0.05 so that the model is significant and allows for forecasting; 3) the best model between ARIMA (1,0,1) and ARIMA (1,0,2) seen from the smaller AIC and BIC values is ARIMA (1,0,2) with AIC and BIC 4,7829*〖10 ^3and 4,8023*10〗^3; 4) The RMSE value of the ARIMA method with the model (1,0,2) is 266,96; 5) Data processing for training and testing of the SVR method with a percentage of 80% yielding IRM 288 and 20% yielding 72 of the total 100% and IRM 360 data; 6) The results of a good SVR modeling will produce a small RMSE on the testing data, namely 159.4489; 7) Comparison of ARIMA and SVR methods based on RMSE values results in the conclusion that the SVR method has a smaller RMSE value than the ARIMA method, which is 159.4489, so the SVR model has better forecasting accuracy;
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0521070281 |
| Uncontrolled Keywords: | Kata kunci: Peramalan, Autoregressive Integrated Moving Average, Support Vector Regression, intensitas radiasi matahari |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.38 Electronics, communications engineering > 621.381 Electronics |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | yulia Chasanah |
| Date Deposited: | 22 Feb 2022 02:02 |
| Last Modified: | 05 Jul 2022 06:40 |
| URI: | http://repository.ub.ac.id/id/eprint/189899 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/other.png) |
Other (DALAM MASA EMBARGO)
135060301111050 - Dimas Nofiantoro.PDF Restricted to Registered users only until 31 December 2023. Download (3MB) |
Actions (login required)
 |
View Item |