Model Jaringan Syaraf Tiruan untuk Variabel tidak Pasti pada Kontrol Putaran Kincir Angin

Zulfian Azmi; Ishak Ishak

doi:10.30812/matrik.v21i1.1194

Zulfian Azmi
Ishak Ishak STMIK Triguna Dharma

DOI: https://doi.org/10.30812/matrik.v21i1.1194

Keywords: Kontrol, Kincir Angin, JST, Variabel Tidak Pasti, Tekanan Udara

Abstract

Pemanfaatan sumber energi angin memberikan keuntungan dalam hal ramah lingkungan, menjadi sumber energi yang bisa diandalkan. Pemanfaatan kincir angin di dalam penggunaannya dibutuhkan kontrol agar penggunaannya dapat efisien. untuk putaran kincir angin. Dalam penelitian ini diimplementasikan pada model Jaringan Saraf Tiruan untuk Variabel Tidak Pasti yang diharapkan dapat memberikan solusi dalam menyelesaikan permasalahan terkait kincir angin. Pemanfatan kincir angain ini sebagai solusi dari pemanfaatan energi baru terbarukan, dari dampak emisi gas berbahaya dari sumber bahan bakar fosil. Serta Penggunaan minyak bumi, batu bara dan sumber energi fosil lainnya yang semakin lama semakin berkurang. Selanjuitnya model Jaringan Saraf Tiruan untuk Variabel Tidak Pasti ini menggunakan teknik probabilitas, derajat keanggotaan, fungsi logika OR, linear programing dan jarak euclidean untuk mengurangi proses pembelajaran. Pada penelitian terkait kontrol kincir angin ini menggunakan variabel tekanan udara, penyinaran matahari dan suhu untuk menentukan apakah kincir angin bergerak atau tidak. Akhirnya penelitian ini dengan model Jaringan Saraf Tiruan untuk Variabel Tidak Pasti ini diharapkan kedepan dapat menghasilkan sistem kontrol putaran kincir angin cerdas yang dapat digunakan untuk memprediksi terkait kontrol putaran kincir angin dengan data input yang bebeda.

Downloads

Download data is not yet available.

References

[1] V. L. Narayanan and R. Ramakrishnan, “Pitch Control of a Digital Hydraulics Pitch System for Wind Turbine Based on Neuro-Fuzzy Digital Pitch Controller”, Int. J. Renew. Energy Res., vol. 11, no. 1, pp. 417–425, 2021.
[2] M. Urrahmi, N. E. Putri, P. Pada, P. Kota, and P. Tahun, “Implementasi Pengembangan Energi Baru Terbarukan Pembangkit Listrik Tenaga Mikro Hidro (Pltmh) Oleh Dinas Energi dan Sumber Daya Mineral Provinsi Sumatera Barat di Solok Selatan”, vol. 2, no. 2, pp. 9–17, 2020.
[3] M. Saputra, “Kajian Literatur Sudu Turbin Angin Untuk Skala Kecepatan Angin Rendah”, Dosen Tek. Mesin - Univ. Teuku Umar - Meulaboh, vol. 2, no. 1, pp. 74–83, 2016.
[4] J.Wignesh and S. C. A, “Design and fabrication of vertical axis wind mill with solar system”, Mater. Today Proc.,may 2019, vol. 21, no., p.10-14,2020 [Online]. Available: https://www.sciencedirect.com/science/article/pii/S2214785319311526.
[5] S. Widyanto, S. Wisnugroho, and M. Agus, “Pemanfaatan Tenaga Angin Sebagai Pelapis Energi Surya pada Pembangkit Listrik Tenaga Hibrid di Pulau Wangi-Wangi”, Semin. Nas. Sain dan Teknol, Oktober 2018, pp. 1–12, 2018.
[6] S. Hernowo, “Rancang bangun turbin angin sumbu horizontal sederhana dengan panjang sudut 1 meter sigit hernowo”, J. Voering, vol. 5, no. 1, pp. 15–21, 2020.
[7] Z. Azmi and V. Yasin, Pengantar Sistem pakar dan Metode. Mitra Media Wacana, 2017.
[8] Z. Azmi and V. Yasin, Pengantar jaringan saraf tiruan ( introduction to artificial neural network). Mitra Media Wacana, 2021.
[9] Z. Azmi and H. Mawengkang, “Perceptron Genetic to Recognize Openning Strategy Ruy Lopez”, IOP Conf. Ser. Mater. Sci. Eng., Agustus 2017.vol. 300, no. 1, 2018.
[10] H. Kukreja, “An introduction to artificial neural networks,” Hardw. Archit. Deep Learn"., no. 5, pp. 3–26, 2020.
[11] Z. Azmi, E. B. N. BN, H. Mawengkang, and M. Zarlis, “Neuron Model for Input Uncertainty”, J. Telemat. dan Informatics, vol. 6, no., pp. 166–172, 2018.
[12] Z.- Azmi, M. K. M. Nasution, H. Mawengkang, and M. Zarlis, “Uncertainty Ontology for Module Rules Formation Waterwheel Control,” Sci. J. Informatics, vol. 5, no. 1, p. 66, 2018.
[13] Sugiyono, Metode penelitian pendidikan:(pendekatan kuantitatif, kualitatif dan R & D, Bandung CV. Alfabeta: CV. Alfabeta, 2008.
[14] Z. Azmi, “Model Jaringan Saraf Tiruan Untuk Variabel Tidak Pasti,” Medan, 2020.
[15] Z. Azmi, M. Zarlis, and H. Mawengkang, “Uncertain Input Selection Model For Neuron,” JATIT, vol. 97, no. 21, p. 2982, 2019.
[16] H. P Dida, S. Suparman, and D. Widhiyanuriyawan, “Pemetaan Potensi Energi Angin di Perairan Indonesia Berdasarkan Data Satelit QuikScat dan WindSat”, J. Rekayasa Mesin, vol. 7, no. 2, pp. 95–101, 2016.
[17] A. & H. Pujiastuti, “Sistem Perhitungan Lama Penyinaran Matahari ( Studi Kasus : ST . Klimatologi Barongan )”, Jur. Ilmu Komputer, FMIPA UGM, vol. 5, 2016.
[18] S. Arsyad, "Ilmu Iklim dan Pengairan", Jakarta: CV. Yasaguna, 1983.