Deskripsi
Penelitian ini bertujuan untuk mengembangkan sistem prediksi kecepatan angin dengan memanfaatkan teknologi Internet of Things (IoT), algoritma Attention Layer Neural Networks, dan metode Surrogate Optimization. Pada penelitian ini, data kecepatan angin dikumpulkan secara real-time menggunakan perangkat IoT yang terdiri dari Anemometer dan NodeMCU ESP8266. Data yang dikumpulkan dikirimkan secara otomatis ke Google Sheets dan kemudian dianalisis menggunakan model prediksi berbasis Attention Layer Neural Networks, dengan bantuan optimasi parameter menggunakan metode Surrogate Optimization. Evaluasi akurasi model dilakukan menggunakan empat metrik utama, yaitu Mean Absolute Percentage Error (MAPE), Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Coefficient of Determination (R2). Hasil penelitian menunjukkan bahwa model prediksi yang dibangun mampu memberikan hasil yang akurat dengan nilai R2 di atas 98 pada beberapa skenario pengujian, meskipun data kecepatan angin memiliki tingkat fluktuasi yang tinggi. Kontribusi penelitian ini adalah penerapan integrasi IoT untuk pengumpulan data kecepatan angin secara real-time, pembangunan model prediksi berbasis Attention Layer Neural Networks, serta penerapan Surrogate Optimization untuk meningkatkan akurasi model dalam menghadapi fluktuasi data kecepatan angin.
