Prediksi Kecepatan Angin Menggunakan Hybrid ANN-EnKF Dan Visualisasi Pada Gmaps (Studi Kasus: Stasiun Cuaca Di Sumatera Barat Tahun 2015)

Angelia, Riza Rahmah (2017) Prediksi Kecepatan Angin Menggunakan Hybrid ANN-EnKF Dan Visualisasi Pada Gmaps (Studi Kasus: Stasiun Cuaca Di Sumatera Barat Tahun 2015). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5213100036-Undergraduate_Thesis.pdf]
Preview
Text
5213100036-Undergraduate_Thesis.pdf - Published Version

Download (3MB) | Preview

Abstract

Perubahan iklim berdampak pada variabel cuaca, salah satunya adalah kecepatan angin. Angin sendiri sangat vital kegunaannya untuk kehidupan makhluk hidup, terutama kebutuhan utama penunjang aktivitas manusia. Namun, jika mencapai kisaran tertentu, angin juga dapat merugikan, seperti hancurnya lahan pertanian, terkendalanya aktivitas penerbangan, pelayaran dan lain sebagainya. Penelitian ini membahas tentang model peramalan kecepatan angin di Provinsi Sumatera Barat menggunakan metode gabungan Artificial Neural Network (ANN) dan metode statistik Ensemble Kalman Filter (EnKF). Data yang digunakan adalah data kecepatan angin yang diambil dari stasiun cuaca milik National Ocean Atmospheric (NOAA). Stasiun cuaca tersebut terletak di Bandara Internasional Minangkabau, Sumatera Barat, Indonesia. Semua pengolahan data baik pra-proses, proses hingga uji tingkat error menggunakan MATLAB, dengan hasil terbaik dari metode ANN, menjadi masukan untuk metode EnKF. Selanjutnya, hasil kombinasi dua metode tersebut,divisualisasikan menggunakan library Google Maps (GMaps) API untuk dijadikan kesimpulan akhir. Tujuan tugas akhir ini adalah mengetahui tingkat error dan mengimprovisasi metode ANN dan EnKF menjadi metode Hybrid ANN-EnKF. Kedua metode ini sangat efektif digunakan untuk data runtun waktu dan peramalan jangka pendek, karena hasil dari prediksi kecepatan angin yang dilakukan pada MATLAB menunjukkan nilai root mean square error (RMSE) yaitu 0,409 dari metode hybrid. Yang mana EnKF akan memperbaiki output ANN untuk mencari estimasi terbaik, guna membantu pengambilan keputusan dalam melakukan tindak aktivitas masyarakat yang berkaitan dengan tenaga angin.
=============================================================================================
Climate change can give impact to climate variable, such as wind speed. Wind is the important variable for our life, this is provided human activity. In other side, wind also has disavantages. It can damage the agricultural land, can be problem in flight and cruise and many more. This research discuss about the prediction of wind speed in West Sumatra Province that combine method Artifical Neural Network (ANN) and statistic method Ensemble Kalman Filter (EnKF). The data that used in this research is a wind speed that took from National Climatic Data Center (NCDC) repository, National Ocean Atmospheric Administration (NOAA) owned weather station. This weather station located in International Airport Minangkabau, West Sumatra, Indonesia. MATLAB is used to all of data processing to error testing rate, with the best result from ANN method can be input to EnKF method. Then, this result would be visualized by using Google Maps Library (Gmaps) API to be a conclusion.The objective of this final project is to find out error rate and improvise ANN and EnKF method to be Hybrid ANN-EnKF method. Both of methods are very effective to be used for data with short time prediction, because the result of wind speed prediction in MATLAB showed value of root mean square error RMSE is 0.409 by combination with hybrid method. Which EnKF will correct the output of ANN to find the best estimate to help make a decision in community activities that related from wind power.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 551.518 Ang p-1
Uncontrolled Keywords: kecepatan angin, ANN, EnKF, GMaps API, time series
Subjects: G Geography. Anthropology. Recreation > GE Environmental Sciences
T Technology > T Technology (General)
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Riza Rahmah Angelia
Date Deposited: 08 Nov 2017 02:49
Last Modified: 05 Mar 2019 06:09
URI: http://repository.its.ac.id/id/eprint/42826

Actions (login required)

View Item View Item