Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Komputer, Informasi Teknologi, dan Elektro (KITEKTRO)
Septian Nuno Zildlian
Fakultas Sains dan Teknologi, Universitas Terbuka, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Spasial-Temporal Potensi Energi Angin di Wilayah Indonesia Menggunakan Model ConvLSTM Berbasis Data Reanalisis Meteorologi Septian Nuno Zildlian
Jurnal Komputer Informasi Teknologi dan Elektro Vol. 11 No. 2 (2026): August
Publisher : Departemen Teknik Elektro dan Komputer Universitas Syiah Kuala

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Energi angin merupakan salah satu sumber energi baru terbarukan (EBT) dengan potensi besar di Indonesia, namun pemanfaatannya masih terkendala oleh keterbatasan jaringan pengukuran in-situ yang tersebar tidak merata di wilayah kepulauan. Penelitian ini mengusulkan pendekatan spasial-temporal berbasis deep learning untuk memprediksi potensi densitas daya angin (wind power density) di seluruh wilayah Indonesia menggunakan data reanalisis meteorologi beresolusi grid 0,25° dengan interval waktu 6 jam selama periode Januari-Mei 2026. Data mentah berjumlah sekitar 40,8 juta baris pada enam variabel meteorologi (komponen angin 10 m dan 100 m, temperatur permukaan, serta tekanan permukaan) diproses menjadi tensor spasial berdimensi (waktu, 73, 189, 2 kanal) yang merepresentasikan wind speed dan power density pada 13.797 titik grid. Model Convolutional LSTM (ConvLSTM) tiga lapis digunakan untuk mempelajari pola spasial-temporal dan memprediksi 4 langkah waktu ke depan (24 jam) berdasarkan 8 langkah waktu historis (48 jam). Hasil pengujian pada data uji menunjukkan model mencapai RMSE 0,0780, MAE 0,0514, dan koefisien determinasi (R²) 0,524 pada skala data ternormalisasi. Analisis spasial menunjukkan Provinsi Maluku, Nusa Tenggara Timur, dan Kepulauan Bangka Belitung memiliki rata-rata densitas daya angin tertinggi secara nasional. Hasil ini menunjukkan bahwa pendekatan ConvLSTM mampu menangkap sebagian pola spasial-temporal angin di wilayah Indonesia, meskipun akurasi masih dapat ditingkatkan pada wilayah dengan variabilitas tinggi
Co-Authors