Deskripsi
Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem prediksi kecepatan angin dengan memanfaatkan teknologi Internet of Things (IoT). Dalam sistem ini, data kecepatan angin dikumpulkan secara langsung dan otomatis menggunakan sensor anemometer yang terhubung ke NodeMCU ESP8266. Perangkat ini mengirimkan data secara real-time ke Google Sheets untuk dianalisis lebih lanjut. Model prediksi yang digunakan dalam penelitian ini menggunakan Attention Layer Neural Networks, yang mampu menangkap pola penting dari data historis. Untuk mengoptimalkan kinerja model, digunakan metode Particle Swarm Optimization (PSO) dalam penyesuaian parameter, sehingga akurasi model dapat ditingkatkan meskipun data yang digunakan bersifat fluktuatif. Evaluasi terhadap performa model dilakukan dengan beberapa metrik utama, seperti Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Coefficient of Determination (R). Hasil pengujian menunjukkan bahwa sistem ini mampu memberikan hasil prediksi yang sangat baik dengan tingkat akurasi yang tinggi. Secara keseluruhan, penelitian ini menunjukkan bahwa integrasi antara IoT, Attention Layer Neural Networks, dan metode Particle Swarm Optimization (PSO) memberikan kontribusi nyata dalam membangun sistem prediksi kecepatan angin yang cerdas, efisien, dan adaptif.
