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 /
POLBANPOLBAN Sistem menunjukkan kelayakan fungsional untuk kategorisasi sampah real-time dan pelacakan tingkat penuhan, berkontribusi pada teknologi manajemen sampahSistem menunjukkan kelayakan fungsional untuk kategorisasi sampah real-time dan pelacakan tingkat penuhan, berkontribusi pada teknologi manajemen sampah
INDO INTELLECTUALINDO INTELLECTUAL Penelitian ini menggunakan pendekatan kualitatif dengan metode studi pustaka. Data dikumpulkan dari sumber primer dan sekunder, termasuk buku, jurnal ilmiah,Penelitian ini menggunakan pendekatan kualitatif dengan metode studi pustaka. Data dikumpulkan dari sumber primer dan sekunder, termasuk buku, jurnal ilmiah,
JURNALEDUKASIAJURNALEDUKASIA Hasil validasi menunjukkan tingkat kelayakan yang tinggi (93,33%), sementara uji efektivitas menunjukkan peningkatan signifikan pada disiplin (dari 42,95Hasil validasi menunjukkan tingkat kelayakan yang tinggi (93,33%), sementara uji efektivitas menunjukkan peningkatan signifikan pada disiplin (dari 42,95
MEDIAPUBLIKASIMEDIAPUBLIKASI Pandemi covid-19 merupakan suatu bencana yang penyebarannya sangat cepat sehingga pemerintah harus mengambil berbagai kebijakan untuk menekan angka penyebarannya.Pandemi covid-19 merupakan suatu bencana yang penyebarannya sangat cepat sehingga pemerintah harus mengambil berbagai kebijakan untuk menekan angka penyebarannya.
BIOTROPBIOTROP Based on in vitro test, the study showed that Liqcoris concentration of 15% proved effective in killing phytopathogen fungi (P < 0. 05), including FusariumBased on in vitro test, the study showed that Liqcoris concentration of 15% proved effective in killing phytopathogen fungi (P < 0. 05), including Fusarium
UNHUNH Telah sebuah dihasilkan aplikasi penghitungan sistem informasi data hasil sewa karangan bunga pada Blooming Flowers, dengan menggunakan Visual Basic 6.Telah sebuah dihasilkan aplikasi penghitungan sistem informasi data hasil sewa karangan bunga pada Blooming Flowers, dengan menggunakan Visual Basic 6.
DHARMAWACANADHARMAWACANA Penelitian ini merancang sistem pakar berbasis Android untuk mendiagnosis kerusakan printer dengan metode backward chaining agar pengguna dapat mengatasiPenelitian ini merancang sistem pakar berbasis Android untuk mendiagnosis kerusakan printer dengan metode backward chaining agar pengguna dapat mengatasi
GAWPALUGAWPALU Kemudian, hasil verifikasi menunjukkan Skema THOMPSON lebih baik dengan nilai RMSE lebih kecil dan nilai korelasi yang tinggi. Secara umum model WRF –Kemudian, hasil verifikasi menunjukkan Skema THOMPSON lebih baik dengan nilai RMSE lebih kecil dan nilai korelasi yang tinggi. Secara umum model WRF –
Useful /
UNIVEDUNIVED Penelitian ini dilatarbelakangi oleh semakin ketatnya persaingan antar startup dan pentingnya membangun kesadaran merek yang kuat, khususnya di segmenPenelitian ini dilatarbelakangi oleh semakin ketatnya persaingan antar startup dan pentingnya membangun kesadaran merek yang kuat, khususnya di segmen
PRINPRIN 1) Diambil graf tangga yang akan dilabeli, 2) Menyajikan matriks bujur sangkar dari graf tangga dengan entri-entrinya 3)Matriks bujur sangkar dari akan1) Diambil graf tangga yang akan dilabeli, 2) Menyajikan matriks bujur sangkar dari graf tangga dengan entri-entrinya 3)Matriks bujur sangkar dari akan
PRINPRIN Ini melibatkan siswa secara aktif dalam mengeksplorasi, mengamati, mencoba, dan menyelidiki menggunakan pengetahuan dan kemampuan yang mereka miliki. PemecahanIni melibatkan siswa secara aktif dalam mengeksplorasi, mengamati, mencoba, dan menyelidiki menggunakan pengetahuan dan kemampuan yang mereka miliki. Pemecahan
PRINPRIN Penelitian ini bertujuan untuk menentukan produk makanan dan minuman yang paling laris di Caffe Kopi Kito. Data mining merupakan proses penggalian informasiPenelitian ini bertujuan untuk menentukan produk makanan dan minuman yang paling laris di Caffe Kopi Kito. Data mining merupakan proses penggalian informasi