Estimasi Kecepatan Angin pada Anemometer Menggunakan Internet of Things dan Attention Layer Neural Networks dan Particle Swarm Optimization[HHN]

Abstract

Abstrak

Estimasi kecepatan angin yang akurat dan real-time sangat penting dalam berbagai aplikasi, seperti pemantauan cuaca dan pengelolaan sumber energi terbarukan. Namun, metode konvensional dalam pengukuran kecepatan angin seringkali menghadapi keterbatasan dalam hal akurasi dan efisiensi. Penelitian ini bertujuan untuk mengembangkan sistem estimasi kecepatan angin berbasis Internet of Things (IoT) yang diintegrasikan dengan Attention Layer Neural Networks, yang dioptimalkan menggunakan Particle Swarm Optimization (PSO). 

Pendekatan IoT memungkinkan pengumpulan dan pengiriman data kecepatan angin secara efisien, sementara Attention Layer Neural Networks digunakan untuk meningkatkan performa prediksi dengan menyoroti informasi yang relevan dalam data yang diolah. Untuk lebih meningkatkan akurasi dan efisiensi, PSO diterapkan dalam proses optimisasi model neural networks guna menghindari jebakan minima lokal dan mempercepat proses pelatihan. 

Hasil yang diharapkan dari penelitian ini mencakup peningkatan akurasi estimasi kecepatan angin dibandingkan dengan metode tradisional dan efisiensi sistem secara keseluruhan. Dengan implementasi teknologi ini, sistem prediksi dapat digunakan dalam aplikasi dunia nyata yang membutuhkan pengambilan keputusan yang cepat dan data yang andal. 

Penelitian ini berkontribusi pada pengembangan solusi cerdas berbasis IoT dan kecerdasan buatan dalam bidang meteorologi, serta memperluas pemahaman tentang penggunaan PSO dalam optimisasi model neural networks.