<![CDATA[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]]>
Copyrights © 2026
