AIRAAIRA
Journal of Information Systems and Technology ResearchJournal of Information Systems and Technology ResearchPeramalan kecepatan angin memiliki peran penting dalam berbagai sektor, termasuk manajemen energi terbarukan dan persiapan bencana untuk cuaca ekstrem. Model prediksi yang akurat diperlukan untuk mendukung proses pengambilan keputusan, terutama di daerah dengan pola musim dinamis. Studi ini membandingkan kinerja tiga model prediksi deret waktu, Long Short-Term Memory (LSTM), Temporal Convolutional Network (TCN), dan Radial Basis Function Neural Network (RBFNN) untuk memprediksi kecepatan angin harian. Dataset terdiri dari data historis kecepatan angin yang telah melalui langkah preprocessing seperti imputasi nilai hilang berbasis musim, uji stasioneritas, transformasi terawasi, normalisasi, dan tuning hyperparameter untuk mengoptimalkan kinerja model. Model dievaluasi menggunakan empat metrik regresi standar: Mean Absolute Error (MAE), Root Mean Square Error (RMSE), R-Squared (R²), dan Mean Absolute Percentage Error (MAPE). Hasil menunjukkan bahwa model TCN unggul dibandingkan yang lain, mencapai MAE 1.117, RMSE 1.524, R² 0.120, dan MAPE 20.95%. Model LSTM menduduki peringkat kedua dengan kinerja kompetitif, sementara model RBFNN menghasilkan akurasi yang konsisten tetapi sedikit lebih rendah. Temuan ini menyoroti keunggulan TCN dalam menangkap pola urutan dan musiman yang kompleks dalam data kecepatan angin. Kontribusi unik penelitian ini terletak pada integrasi preprocessing berbasis musim dengan evaluasi komparatif tiga model canggih di bawah kondisi yang berbeda, termasuk skenario cuaca ekstrem. Studi ini menjadi dasar untuk mengembangkan sistem prediksi kecepatan angin yang lebih akurat dan dapat diandalkan untuk mendukung perencanaan energi terbarukan dan meningkatkan strategi mitigasi risiko bencana.
Studi ini menunjukkan bahwa model TCN memiliki kinerja terbaik dalam memprediksi kecepatan angin harian dibandingkan LSTM dan RBFNN.Hasil penelitian menunjukkan bahwa model TCN mampu menangkap pola urutan dan musiman yang kompleks dengan akurasi tinggi.Meskipun LSTM menunjukkan kinerja kompetitif, model RBFNN menghasilkan akurasi yang lebih rendah.Temuan ini menekankan pentingnya pendekatan preprocessing berbasis musim untuk meningkatkan akurasi prediksi.Penelitian lanjutan diperlukan untuk menguji model-model ini di bawah kondisi cuaca ekstrem dan mengintegrasikan data multivariat seperti suhu dan kelembapan untuk meningkatkan akurasi prediksi.
Pertama, penelitian lanjutan dapat mengembangkan model prediksi yang lebih efektif dengan mengintegrasikan data multivariat seperti suhu dan kelembapan untuk meningkatkan akurasi. Kedua, penelitian perlu menguji kinerja model TCN, LSTM, dan RBFNN di bawah kondisi cuaca ekstrem yang berbeda untuk memahami batasan dan potensi aplikasi mereka. Ketiga, penelitian dapat mengeksplorasi penerapan model prediksi ini di wilayah dengan pola cuaca yang berbeda untuk mengevaluasi generalisasi hasil. Saran-saran ini bertujuan untuk memperluas cakupan penelitian dan meningkatkan relevansi praktis model-model yang dikembangkan.
| File size | 1.18 MB |
| Pages | 14 |
| DMCA | Report |
Related /
ARIKESIARIKESI This study aims to analyze the influence of sociodemographic characteristics and PM2. 5 exposure on ARI complaints in the aluminum factory area of PayageliThis study aims to analyze the influence of sociodemographic characteristics and PM2. 5 exposure on ARI complaints in the aluminum factory area of Payageli
AIRAAIRA Artificial Intelligence (AI) components were incorporated to enhance data analysis and support predictive decision-making. System evaluation through simulationArtificial Intelligence (AI) components were incorporated to enhance data analysis and support predictive decision-making. System evaluation through simulation
AIRAAIRA Therefore, reliable air quality monitoring systems are urgently required to provide real-time and accurate information for both communities and decision-makers.Therefore, reliable air quality monitoring systems are urgently required to provide real-time and accurate information for both communities and decision-makers.
ITHBITHB Sistem face anti-spoofing (FAS) adalah suatu sistem yang penting untuk mendeteksi apakah citra masukan adalah citra riil atau citra palsu dalam suatu sistemSistem face anti-spoofing (FAS) adalah suatu sistem yang penting untuk mendeteksi apakah citra masukan adalah citra riil atau citra palsu dalam suatu sistem
IRPIIRPI Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline.Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline.
IRPIIRPI Hasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran. Penelitian ini menunjukkanHasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran. Penelitian ini menunjukkan
IRPIIRPI 8510, menunjukkan tantangan dalam klasifikasi. Analisis heatmap mengungkapkan bahwa model berfokus pada fitur gambar tertentu tetapi tidak selalu pada8510, menunjukkan tantangan dalam klasifikasi. Analisis heatmap mengungkapkan bahwa model berfokus pada fitur gambar tertentu tetapi tidak selalu pada
BIOTROPBIOTROP Ekstrak rumput laut yang difermentasi (FSE) pada frekuensi dan konsentrasi yang berbeda secara signifikan meningkatkan pertumbuhan dan hasil kacang tanahEkstrak rumput laut yang difermentasi (FSE) pada frekuensi dan konsentrasi yang berbeda secara signifikan meningkatkan pertumbuhan dan hasil kacang tanah
Useful /
AIRAAIRA Penelitian ini bertujuan merancang dan menerapkan sistem pakar cerdas untuk diagnosis gangguan mental menggunakan metode Certainty Factor (CF). PendekatanPenelitian ini bertujuan merancang dan menerapkan sistem pakar cerdas untuk diagnosis gangguan mental menggunakan metode Certainty Factor (CF). Pendekatan
AIRAAIRA Metode ini dipilih karena kemampuannya menangkap pola data yang kompleks dengan akurasi tinggi dan persyaratan komputasi yang lebih sederhana. Hasil penelitianMetode ini dipilih karena kemampuannya menangkap pola data yang kompleks dengan akurasi tinggi dan persyaratan komputasi yang lebih sederhana. Hasil penelitian
IRPIIRPI Tujuan dari penelitian ini adalah untuk menguji perbedaan kinerja antara kedua metode tersebut dalam mengelompokkan hadis yang datanya telah lengkap. HasilTujuan dari penelitian ini adalah untuk menguji perbedaan kinerja antara kedua metode tersebut dalam mengelompokkan hadis yang datanya telah lengkap. Hasil
POLTEKKES JAYAPURAPOLTEKKES JAYAPURA Hasil uji fitokimia pada ekstrak batang kemangi menunjukkan bahwa terdapat senyawa aktif flavonoid, alkaloid, saponin dan tanin sebagai metabolit sekunderHasil uji fitokimia pada ekstrak batang kemangi menunjukkan bahwa terdapat senyawa aktif flavonoid, alkaloid, saponin dan tanin sebagai metabolit sekunder