Prediction of Solar Radiation Using The Long Short Term Memory Method

  • Muhammad Rezza Universitas Tanjungpura Pontianak
  • Muhammad Ismail Yusuf Universitas Tanjungpura Pontianak
  • Redi Ratiandi Yacoub Universitas Tanjungpura Pontianak
Keywords: Database, Information System, Electronics

Abstract

Penelitian ini memfokuskan pada optimalisasi pemanfaatan energi matahari di Kalimantan Barat, sebuah wilayah yang kaya akan sumber daya matahari, dengan total pembangkit listrik tenaga surya (PLTS) mencapai 1.58 MW. Untuk memprediksi potensi energi matahari, penelitian menggunakan metode jaringan syaraf tiruan Long Short-Term Memory (LSTM) dengan data yang diperoleh dari data logger yang merekam keluaran panel surya selama 57 hari dengan interval 1-2 detik, menghasilkan 4.294.273 data. Dalam pengolahan data, 80% digunakan untuk pelatihan dan sisanya untuk pengujian model LSTM. Model LSTM yang digunakan terdiri dari 2 layer LSTM, masing-masing dengan 50 node LSTM. Evaluasi model dilakukan menggunakan metrik Mean Square Error (MSE), Root Mean Square Error (RMSE), Mean Absolute Error (MAE), dan R-squared (R2). Hasil pengujian menunjukkan bahwa model dengan epoch 10 memiliki nilai evaluasi yang lebih baik, dengan MSE sebesar 0.04444, RMSE sebesar 0.00456, MAE sebesar 0.06753, dan R2 sebesar 0.99961, menunjukkan performa prediksi energi matahari yang sangat akurat dan efisien.

Published
2024-04-26
Section
Articles