Algoritma Long Short Term Memory Untuk Peramalan Kecepatan Angin Wilayah Surabaya Dan Sekitarnya

Abstract

Konsumsi energi fosil dalam pemenuhan kebutuhan listrik yang semakin meningkat mengakibatkan banyak negara memanfaatkan energi alternatif untuk mengembangkan beberapa pembangkit listrik, salah satunya yaitu PLTB. Pembangkit ini akan mengkonversi energi angin menjadi energi listrik menggunakan turbin angin. Jika kecepatan angin meningkat, maka energi yang dihasilkan juga akan meningkat. Surabaya merupakan kota besar yang mayoritas daerahnya berada di dalam dataran rendah, namun masih terdapat daerah pesisir yang memiliki kecepatan angin lebih besar, sehingga pada daerah ini perlu dilakukan peramalan untuk mengetahui kondisi angin ke depan. Salah satu algoritma yang sering digunakan untuk peramalan adalah LSTM. Algoritma ini memiliki memory cell untuk menyimpan informasi dalam jangka waktu yang lama. Komponen LSTM berupa forget gate, input gate, dan output gate yang berfungsi untuk mengontrol aliran informasi dalam jangka waktu yang berbeda. Penelitian dengan algoritma LSTM ini memiliki data sebanyak 1.464 yang akan dibagi menjadi data training dan data testing dengan perbandingan 90% : 10% dan 80% : 20%. Parameter-parameter yang digunakan meliputi timesteps (7, 14, 21, 31), batch size (8, 16, 32), epoch (50, 100, 150), dan neuron (64), yang kemudian akan dievaluasi menggunakan RMSE dan MAPE. Kombinasi parameter dengan nilai RMSE dan MAPE terkecil yaitu menggunakan input dari jumlah langkah waktu sebelumnya (timesteps) sebesar 31 atau 𝑡 − 31, nilai epoch sebesar 150, batch size sebesar 32, dan neurons sebesar 64, dengan splitting data sebesar 90% : 10%. Kombinasi tersebut dapat dikatakan sebagai parameter terbaik dengan nilai RMSE dan MAPE terkecil, yaitu sebesar 2,57 dan 46,69%. Berdasarkan hasil parameter yang telah diperoleh, dilanjutkan peramalan selama 10 hari ke depan, yaitu sebanyak 120 data dari tanggal 01 Desember 2023 hingga 10 Desember 2023. Grafik hasil peramalan tersebut cenderung berfluktuasi secara stasioner tanpa menunjukkan adanya tren kenaikan atau penurunan