Analisis Peramalan Intensitas Radiasi Matahari Menggunakan Metode JST Elman-RNN Di Daerah Malang Jawa Timur

Hanan, Mochammad Rafi and Dr. Ir. Rini Nur Hasanah, S.T., M.Sc., IPU. and Dr. Tri Nurwati, S.T., M.T. (2022) Analisis Peramalan Intensitas Radiasi Matahari Menggunakan Metode JST Elman-RNN Di Daerah Malang Jawa Timur. Sarjana thesis, Universitas Brawijaya.

Abstract

Krisis energi dan masalah lingkungan yang terjadi saat ini membuat manusia untuk berusaha mencari sumber energi alternatif yang bersifat terbarukan dan memberikan dampak minimal terhadap lingkungan yang ditimbulkan akibat dari hasil pembakaran bahan bakar fosil yang menimbulkan polusi gas rumah kaca. Salah satunya dengan memanfaatkan energi matahari yang dapat diubah menjadi energi listrik. Mengingat besarnya potensi energi matahari sebagai sumber energi terbaharukan maka diperlukan adanya pengukuran intensitas radiasi matahari. Dengan adanya data intensitas matahari, kita dapat meramalkan intensitas matahari pada masa mendatang, salah satunya dengan metode Elman-RNN. Penelitian ini, bertujuan: 1). Mengolah data sehingga dapat dilakukan peramalan menggunakan metode Elman-RNN; 2) Mengetahui fungsi latih terbaik dari TRAINGD, TRAINGDA, TRAINGDM, TRAINGDX, dan TRAINSCG. Hasil penelitian menunjukan: 1) Pengelompokan data dengan presentase 80% data latih dan 20% data uji dan diperlukan transformasi data dengan skala (0,1); 2) Dari kelima fungsi latih tersebut, fungsi latih TRAINSCG menghasilkan total nilai MSE terkecil yaitu sebesar 7,6259705. Sehingga dalam penelitian ini fungsi latih TRAINSCG memiliki akurasi peramalan yang lebih baik khususnya untuk data intensitas radiasi matahari Bulan Januari 2017 di Kota Malang, Jawa Timur.

English Abstract

The current energy crisis and environmental problems make people try to find alternative energy sources that are renewable and have minimal impact on the environment as a result of burning fossil fuels that cause greenhouse gas pollution. One of them is by utilizing solar energy which can be converted into electrical energy. Given the huge potential of solar energy as a renewable energy source, it is necessary to measure the intensity of solar radiation. With the solar intensity data, we can predict the solar intensity in the future, one of which is the Elman-RNN method. This research aims to: 1). Processing data so that forecasting can be done using the Elman-RNN method; 2) Knowing the best training functions of TRAINGD, TRAINGDA, TRAINGDM, TRAINGDX, and TRAINSCG. The results showed: 1) Grouping of data with a percentage of 80% training data and 20% test data and required data transformation with a scale (0,1); 2) Of the five training functions, the TRAINSCG training function produces the smallest total MSE value, which is 7.6259705. So that in this study the TRAINSCG training function has better forecasting accuracy, especially for data on the intensity of solar radiation in January 2017 in Malang City, East Java.

Item Type:	Thesis (Sarjana)
Identification Number:	052307
Uncontrolled Keywords:	Peramalan, Elman, Jaringan Syaraf Tiruan, MSE, intensitas radiasi matahari-Forecasting, Elman, Recurrent Neural Network, MSE, solar radiation intensity
Divisions:	Fakultas Teknik > Teknik Elektro
Depositing User:	Unnamed user with email y13w@ub.ac.id
Date Deposited:	23 Jan 2024 06:53
Last Modified:	23 Jan 2024 06:53
URI:	http://repository.ub.ac.id/id/eprint/213392

Text (DALAM MASA EMBARGO) MOCHAMMAD RAFI HANAN.pdf Restricted to Registered users only until 31 December 2024. Download (4MB)

Actions (login required)

View Item