<![CDATA[Pembangkit listrik tenaga bayu (PLTB) merupakan pembangkit energi listrik yang memanfaatkan energi terbarukan yaitu energi angin. Angin adalah salah satu sumber energi dengan biaya produksi listrik terendah dan merupakan sumber daya terbesar yang tersedia di seluruh dunia. Namun sebagai negara yang berada di ekuator, potensi energi angin atau bayu di Indonesia terlalu sering berubah. Hal ini akan membuat pengaturan daya lebih kompleks. Oleh karena itu, prediksi kecepatan angin sangat penting untuk memastikan operasi pembangkit tenaga angin. Prediksi tersebut dapat dilakukan dengan menggunakan metode artificial intelligence yang berupa metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan metode konvensional Auto Regressive Integrated Moving Average (ARIMA). Hasil penelitian menunjukan: 1) Arsitektur ANFIS yang optimal untuk melakukan prakiraan kecepatan angin adalah dengan pembagian data training 85% dan data testing 15%, 2 membership function, kurva membership function Generalized Bell; 2) Hasil peramalan dengan metode ANFIS di Malang memiliki nilai MAE 2,1354 km/h dan nilai RMSE 2,6333 km/h, lebih kecil dari Basel Swiss yang memiliki nilai MAE 4,4411 km/h dan nilai RMSE 5,866 km/h; 3) Hasil peramalan dengan metode ARIMA Malang memiliki nilai MAE 2,3757 km/h dan nilai RMSE 3,0634 km/h, lebih kecil dari Basel Swiss yang memiliki nilai MAE 4,9917 km/h dan nilai RMSE 7,4367 km/h; 4) ANFIS dapat melakukan prakiraan kecepatan angin lebih baik daripada metode ARIMA untuk peramalan jangka pendek. Kata kunci: Prakiraan, Kecepatan angin, ANFIS, ARIMA, MAE, RMSE ABSTRACT Wind power plant is electric energy generator that use renewable energy that is wind energy. Wind is one of the energies sources with the lowest cost of electricity production and is the largest resource available worldwide. However, as a country at the equator, the wind potential in Indonesia changes too often. This makes power settings more complex. Therefore, wind speed prediction is very important to ensure the operation of the wind power plant. These predictions can be made using artificial intelligence methods that are Adaptive Neuro Fuzzy Inference System (ANFIS) and conventional methods of Auto Regressive Integrated Moving Average (ARIMA). The result of the research shows: 1) The optimal ANFIS architecture for forecasting was 85% training data and 15% testing data, two mf, and Generalized Bell mf curve; 2) Forecasting result with ANFIS method in Malang has MAE 2,1354 km/h RMSE 2,6333 km/h, whereas in Basel Swiss has value MAE 4,4411 km/h and RMSE 5,866 km/h.; 3) Forecasting result with ARIMA in Malang has MAE 2,8383 km/h and RMSE 3,4628 km/h whereas in Basel City has MAE 6,8367 km/h and RMSE 8,0834 km/h; 4) ANFIS will be forecast wind speed better than ARIMA for short-term forecasting. Keywords: forecasting, wind speed, ANFIS, ARIMA, MAE, RMSE]]>
