IMPLEMENTASI ALGORITMA PREDIKSI INTENSITAS IRADIASI MATAHARI BERBASIS ARTIFICIAL NEURAL NETWORK DENGAN PENDEKATAN EDGE COMPUTING PADA MINI WEATHER STATION

JATI WAHYU WIBOWO, . (2026) IMPLEMENTASI ALGORITMA PREDIKSI INTENSITAS IRADIASI MATAHARI BERBASIS ARTIFICIAL NEURAL NETWORK DENGAN PENDEKATAN EDGE COMPUTING PADA MINI WEATHER STATION. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text File COVER.pdf Download (1MB)
	Text File BAB 1.pdf Download (235kB)
	Text File BAB 2.pdf Restricted to Registered users only Download (495kB) | Request a copy
	Text File BAB 3.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text File BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text File BAB 5.pdf Restricted to Registered users only Download (202kB) | Request a copy
	Text File Daftar Pustaka.pdf Download (165kB)
	Text File Lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Iradiasi matahari global merupakan parameter lingkungan yang penting dalam pemanfaatan energi surya dan monitoring kondisi lingkungan. Informasi iradiasi matahari global yang tersedia saat ini umumnya masih bersifat makro sehingga kurang merepresentasikan kondisi lokal secara spesifik. Oleh karena itu, diperlukan sistem yang mampu melakukan pengukuran dan prediksi iradiasi matahari global secara lokal dan real-time. Penelitian ini bertujuan merancang dan mengimplementasikan sistem prediksi iradiasi matahari global berbasis mini weather station sederhana, Artificial Neural Network (ANN), dan pendekatan edge computing. Sistem akuisisi data dibangun menggunakan mini weather station berbasis Internet of Things (IoT) untuk mengukur suhu udara, intensitas cahaya, dan iradiasi matahari global secara periodik. Data historis diolah sebagai data time-series menggunakan metode sliding window untuk membentuk data latih bagi model ANN. Model dilatih menggunakan data historis, termasuk data dari National Solar Radiation Database (NSRDB), kemudian diimplementasikan pada perangkat edge berbasis ESP32 untuk melakukan prediksi secara lokal. Hasil pengukuran dan prediksi ditampilkan melalui dashboard IoT sebagai sistem monitoring secara real-time. Kinerja sistem dievaluasi menggunakan metrik kesalahan seperti Mean Absolute Error (MAE) dan Root Mean Square Error (RMSE). Diharapkan sistem ini mampu memberikan informasi iradiasi matahari global yang lebih akurat dan spesifik lokasi untuk mendukung monitoring lingkungan dan pemanfaatan energi surya. ***** Global solar irradiance is an important environmental parameter for solar energy utilization and environmental monitoring. The currently available irradiance information is generally macro-scale and therefore unable to represent local conditions accurately. Hence, a system capable of measuring and predicting global solar irradiance locally and in real time is required. This study aims to design and implement a global solar irradiance prediction system based on a simple mini weather station, Artificial Neural Network (ANN), and an edge computing approach. The data acquisition system is developed using an Internet of Things (IoT)-based mini weather station to periodically measure air temperature, light intensity, and global solar irradiance. Historical data are processed as time-series using a sliding window method to construct training data for the ANN model. The model is trained using historical datasets, including data from the National Solar Radiation Database (NSRDB), and then deployed on an ESP32-based edge device to perform local prediction. The measurement and prediction results are displayed through an IoT dashboard for real-time monitoring. System performance is evaluated using error metrics such as Mean Absolute Error (MAE) and Root Mean Square Error (RMSE). This system is expected to provide more accurate and location-specific global solar irradiance information to support environmental monitoring and solar energy applications.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Nur Hanifah Yuninda, S.T., M.T. ; 2). Churnia Sari, S.T., M.T.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Energi > Energi Listrik Teknologi dan Ilmu Terapan > Teknik Elektronika Teknologi dan Ilmu Terapan > Teknik Energi Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > D IV Teknologi Rekayasa Otomasi
Depositing User:	Jati Wahyu Wibowo .
Date Deposited:	05 Aug 2026 08:40
Last Modified:	05 Aug 2026 08:40
URI:	http://repository.unj.ac.id/id/eprint/68472

Actions (login required)

View Item