Model Prediksi Deep Learning dengan Pendekatan Feedforward Neural Network

Abstract

Penelitian ini bertujuan untuk menerapkan model deep learning, khususnya Feedforward Neural Network (FNN), dalam meramalkan nilai irradiance berdasarkan data waktu. Solar irradiance sangat penting dalam pengembangan sistem energi terbarukan seperti panel surya untuk meningkatkan efisiensi sistem tenaga surya dan mengoptimalkan perencanaan sumber daya energi. Penggunaan model ini diharapkan dapat memberikan prediksi yang lebih akurat dan handal, sehingga mendukung pengambilan keputusan dalam pengelolaan energi terbarukan secara berkelanjutan. Untuk meningkatkan akurasi prediksi, penelitian ini menerapkan teknik preprocessing data yang mencakup penghapusan nilai hilang dan normalisasi menggunakan MinMaxScaler guna meningkatkan stabilitas pelatihan model. Model FNN yang diusulkan terdiri dari beberapa lapisan tersembunyi dengan aktivasi non-linear untuk menangkap pola kompleks dalam data, serta lapisan output untuk menghasilkan prediksi akhir. Pelatihan model dilakukan menggunakan algoritma optimasi seperti Adam, dengan fungsi aktivasi ReLU untuk meningkatkan konvergensi. Evaluasi model dilakukan menggunakan metrik RMSE, MSE, MAE, dan R-squared (R²) sebagai indikator utama keakuratan model dalam peramalan irradiance. Hasil evaluasi menunjukkan bahwa model ini mampu memberikan prediksi yang akurat terhadap pola irradiance, dengan nilai RMSE dan MAE yang rendah serta R² mendekati satu, menandakan kinerja yang sangat baik dalam menangkap dinamika data.