PREDIKSI KECEPATAN ANGIN BERBASIS MODEL SUPPORT VECTOR MACHINES (SVM)

Abstract

ABSTRACT

Wind is as a resource of electricity energy needs to be predicted to know an enormous of speed periodically. The decision to predict is crucial due to an amount of electricity energy by an amount of electricity needed and a good prediction is a prediction in research accurately. In application using algorithm of Support Vector Machine, it is used to predict a wind speed which uses the wind speed from Wonosari beach of Kidul Mountain, Yogyakarta, starts from 1 December 2014 at 01 o?clock until 11 December 2014 at 09 o? clock. More than 297 data is compared. Based on previous research,it was only 154 data, which consists of star attribute, high, low, end. After the process of training, learning, and then it was continued by evaluation process. The result is an inclination of data collection tends to be 154 more or less of prediction accurateness for 0576 and 0112 using data from 297 of prediction. Accurateness, more or less 0,090 is for 0612, can be concluded that by using more data collectioncan develop an accurate prediction of trend score evidenced in the first experiment by using data of 154 and the second experiment as well. By using data of 297, an accurate prediction increases 3%, it is 0,036 +/- 0,022.

Keywords: wind, prediction, Support Vector Machine.

ABSTRAK

Angin sebagai sumber energi listrik memerlukan prediksi untuk mengetahui seberapa besar kecepatan yang dihasilkan dalam jangka waktu tertentu. Keputusan untuk memprediksi sangat penting, karena prediksi dapat menghitung jumlah energi listrik yang dihasilkan oleh jumlah kebutuhan listrik dan prediksi yang baik merupakan prediksi dalam penelitian ini yang akurat. Dalam aplikasi menggunakan algoritma Support Vector Machine untuk memprediksi kecepatan angin dengan menggunakan data kecepatan angin di daerah pantai Wonosari Gunung Kidul, Yogyakarta mulai tanggal 1 Desember 2014 pukul 01.00 sampai dengan tanggal 11 Desember 2014 pukul 09.00. Sebanyak 297 lebih banyak data yang dibandingkan. Dengan penelitian sebelumnya hanya ada 154 data, berupa data yang terdiri dari atribut star, high, low, end. Setelah melalui proses pelatihan, pembelajaran, kemudian dilanjutkan proses pengujian hasilnya adalah bahwa kecenderungan kumpulan data 154 +/- ketepatan prediksi untuk 0576 dan 0112 menggunakan data dari 297 prediksi. Akurasi +/- 0,090 untuk 0612, maka dapat disimpulkan bahwa dengan menggunakan kumpulan data lebih banyak dapat meningkatkan akurasi prediksi nilai tren yang dibuktikan pada saat percobaan pertama menggunakan data sebanyak 154 dan pada percobaan kedua. Untuk menggunakan data sebanyak 297 kecenderungan akurasi prediksi meningkat sebesar 3%, yaitu 0,036 +/- 0,022.

Kata kunci: angin, prediksi, Support Vector Machine