RACHMA, Fitri (2025) Peramalan Kecepatan Angin di PLTB Jeneponto menggunakan Metode Long Short Term Memory (LSTM). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Download (375kB)
	PDF (Legalitas) LEGALITAS-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only Download (2MB)
	PDF (Abstrak) ABSTRAK-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Download (508kB)
	PDF (BabI) BAB-I-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only until 6 October 2026. Download (651kB)
	PDF (BabII) BAB-II-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only until 6 October 2026. Download (2MB)
	PDF (BabIII) BAB-III-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only until 6 October 2026. Download (504kB)
	PDF (BabIV) BAB-IV-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabV) BAB-V-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Download (552kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Download (417kB)
	PDF (Lampiran) LAMPIRAN-Fitri Ademia Rachma-K1B021029-Skripsi-2025.pdf Restricted to Repository staff only Download (2MB)

Abstract

Pembangkit Listrik Tenaga Bayu (PLTB) Jeneponto sering menghadapi kendala operasional karena turbin angin dinyalakan saat kecepatan angin ternyata tidak mencukupi. Hal ini menyebabkan pemborosan energi dan kerugian operasional. Untuk mengatasi masalah tersebut, penelitian ini dilakukan guna meramalkan kecepatan angin menggunakan metode Long Short-Term Memory (LSTM), serta mengetahui seberapa akurat hasil peramalan tersebut. Penelitian dilakukan menggunakan data kecepatan angin periode 2000–2024 dengan dua variabel utama, yaitu u100 dan v100. Data diolah menggunakan bahasa pemrograman Python di platform Kaggle. Model LSTM dibangun dengan empat variasi pembagian data training dan testing, yaitu 60:40, 70:30, 80:20, dan 90:10. Akurasi model diuji menggunakan nilai Root Mean Square Error (RMSE). Hasil menunjukkan bahwa RMSE terendah untuk u100 sebesar 0,0541 ditemukan pada pembagian 90:10, sedangkan untuk v100 sebesar 0,0567 pada pembagian 70:30. Model terbaik dari masing-masing variabel digunakan untuk meramalkan kecepatan angin selama 120 hari ke depan. Hasil peramalan menunjukkan bahwa kecepatan angin berada pada kisaran yang memungkinkan turbin beroperasi secara optimal, sehingga model LSTM ini dapat digunakan sebagai dasar pertimbangan dalam pengambilan keputusan operasional di PLTB Jeneponto. Karena turbin PLTB dapat beroperasi mulai dari kecepatan angin 2 m/s, hasil peramalan ini menunjukkan bahwa kondisi angin selama rentang waktu prediksi berada dalam batas operasional yang aman bagi turbin.

Actions (login required)

View Item