Detail Cantuman Kembali
peramalan daya panel surya pada stasiun pengisian menggunakan model recurrent neural network (RNN) berbasis long short-term memory (LSTM)
- Bagikan:
Energi surya merupakan salah satu sumber daya terbarukan yang menjanjikan, namun karakteristik daya keluarannya yang bersifat fluktuatif (intermittent) menghadirkan tantangan dalam pengelolaannya, khususnya pada sistem seperti stasiun pengisian daya kendaraan listrik. Untuk mengatasi hal tersebut, diperlukan sistem prediksi daya yang akurat guna menjamin kestabilan pasokan dan efisiensi distribusi. Penelitian ini bertujuan untuk menerapkan model Recurrent Neural Network (RNN) dengan arsitektur Long Short-Term Memory (LSTM) dalam memprediksi daya keluaran panel surya per jam berdasarkan data historis. Model dirancang tanpa mempertimbangkan faktor eksternal seperti cuaca, suhu, atau radiasi, melainkan hanya menggunakan data daya aktual yang dikumpulkan dengan interval 1 jam dari sistem pemantauan PLTS. Hasil penelitian menunjukkan bahwa model LSTM mampu mengenali pola temporal pada data historis dan menghasilkan prediksi daya per jam dengan akurasi yang baik, berdasarkan evaluasi menggunakan metrik Mean Squared Error (MSE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R²). Prediksi ini memungkinkan operator stasiun pengisian daya untuk mengelola distribusi daya secara lebih efisien dan responsif. Dengan demikian, penelitian ini berkontribusi pada pengembangan sistem pengelolaan energi surya yang lebih adaptif, andal, dan mendukung transisi energi bersih di Indonesia.
David Ardiansyah - Personal Name
Dr. Istiyo Winarno, S.T., M.T. - Personal Name
Dr. Iradiratu Diah P.K., S.T., M.T. - Personal Name
Dr. Istiyo Winarno, S.T., M.T. - Personal Name
Dr. Iradiratu Diah P.K., S.T., M.T. - Personal Name
623.25.21 Dav p
NONE
Text
Indonesia
Fakultas Teknik dan Ilmu Kelautan, Universitas Hang Tuah
2025
Surabaya
xii, 70 p. : ill. ; 29 cm.
Skripsi
LOADING LIST...
LOADING LIST...