Prediksi Tegangan Catu Daya Automatic Rain Gauge berdasarkan Seasonality Algoritma Prophet

ERICH PUTRA RAMDHANI, HAPSORO AGUNG NUGROHO

Sari


ABSTRAK

Automatic Rain Gauge (ARG) adalah sebuah alat yang digunakan untuk melakukan pemantauan dan mengukur curah hujan pada suatu daerah dengan satuan waktu secara otomatis. ARG mampu merekam data curah hujan secara kontinu selama 24 jam. Salah satu elemen kunci dari ARG adalah komponen catu daya. Jika terjadi gangguan pada komponen ini, hal tersebut dapat menghambat proses pengamatan curah hujan yang dijalankan oleh BMKG. Penelitian ini dilakukan untuk meminimalisir terjadinya permasalahan pada catu daya dengan merancang model untuk memprediksi tegangan catu daya ARG dengan memanfaatkan data hasil monitoring menggunakan sensor INA219. Proses prediksi dilakukan dengan menggunakan parameter seasonality daily true, seasonality weekly false, dan seasonality false dan seasonality mode additive dimana diperoleh nilai MAE sebesar 0.21 dan MAPE sebesar 1.67%.

Kata kunci: curah hujan, automatic rain gauge, prediksi, tegangan

 

ABSTRACT

The Automatic Rain Gauge (ARG) is a device utilized to automatically monitor and measure rainfall in a specific area over time intervals. ARG is capable of continuously recording rainfall data for 24 hours. A key element of the ARG is its power supply component. If there is a disruption to this component, it can hinder the process of rainfall observation. Carried out by BMKG. This research is conducted to minimize issues with the power supply by designing a model to predict the voltage of the ARG's power supply using data obtained from monitoring using the INA219 sensor. The prediction process is carried out using parameters such as daily seasonality true, weekly seasonality false, and yearly seasonality false and additive seasonality mode. The obtained MAE value is 0.21 and the MAPE value is 1.67%.

Keywords: rainfall, automatic rain gauge, predict, voltage


Kata Kunci


curah hujan; automatic rain gauge; prediksi; tegangan

Teks Lengkap:

PDF

Referensi


Ajr, E. Q., & Dwirani, F. (2019). Menentukan Stasiun Hujan Dan Curah Hujan Dengan Metode Polygon Thiessen Daerah Kabupaten Lebak. Jurnalis, 2(2), 139–146.

Arsyad, B. M., Sofwan, A., & Nugroho, A. (2019). Perancangan Sistem Kontrol Over/Under Voltage Relay Berbasis Mikrokontroler Pada Saluran Tegangan 220Vac. Transmisi, 21(1), 25. https://doi.org/10.14710/transmisi.21.1.25-32

Azmi, U., Hadi, Z. N., & Soraya, S. (2020). ARDL METHOD: Forecasting Data Curah Hujan Harian NTB. Jurnal Varian, 3(2), 73–82. https://doi.org/10.30812/varian.v3i2.627

Faradiba. (2020). Buku Materi Pembelajaran Metode Pengukuran Fisika. Buku Materi Pembelajaran Metode Pengukuran Fisika, 1–223.

Firmansyah, R. A., Suheta, T., & Sutopo, K. (2016). Perancangan dan Pembuatan Alat Proteksi Terhadap Gangguan Tegangan Lebih Berbasis Mikrokontroler. Prosiding Seminar Nasional Sains dan Teknologi Terapan, (pp. 103–110).

Gustriansyah, R. (2017). Analisis Metode Single Exponential Smoothing Dengan Brown Exponential Smoothing Pada Studi Kasus Memprediksi Kuantiti Penjualan Produk Farmasidi Apotek. Seminar Nasional Teknologi Informasi Dan Multimedia, (7–12).

Hajjah, A., & Marlim, Y. N. (2021). Analisis Error Terhadap Peramalan Data Penjualan. Techno.Com, 20(1), 1–9. https://doi.org/10.33633/tc.v20i1.4054

Hakim, A. L., & Dewi, R. (2021). Automatic Rain Detection System Based on Digital Images of CCTV Cameras Using Convolutional Neural Network Method. IOP Conference Series: Earth and Environmental Science, 893(1).

Hudiyanti, C. V., Bachtiar, F. A., & Setiawan, B. D. (2019). Perbandingan Double Moving Average dan Double Exponential Smoothing untuk Peramalan Jumlah Kedatangan Wisatawan Mancanegara di Bandara Ngurah Rai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3), 2667–2672.

Ismunarti, D. H., Zainuri, M., Sugianto, D. N., & Saputra, S. W. (2020). Pengujian Reliabilitas Instrumen Terhadap Variabel Kontinu Untuk Pengukuran Konsentrasi Klorofil- A Perairan. Buletin Oseanografi Marina, 9(1), 1–8. https://doi.org/10.14710/buloma.v9i1.23924

Istiana, T., Mardyansyah, R. Y., & Dharmawan, G. . B. (2020). Kajian Pemanfaatan IoT Berbasis LPWAN Untuk Jaringan Akuisisi Data ARG. Elektron : Jurnal Ilmiah, 12(1), 1–6. https://doi.org/10.30630/eji.12.1.155

Lista, M., Irawan, M. I., Matematika, J., Matematika, F., & Alam, P. (2014). Perbandingan Metode Fuzzy Time Series Cheng dan Metode Box-Jenkins untuk memprediksi IHSG. 3(2).

Mosavi, N. S., Freitas, F., Pires, R., Rodrigues, C., Silva, I., Santos, M., & Novais, P. (2022). Intelligent energy management using data mining techniques at Bosch Car Multimedia Portugal facilities. Procedia Computer Science, 201(C), (pp. 503–510).

Nasser, A., Mansoori, A., Ahmed, F., Ajami, A., & Mousa, M. A. (2022). A Hybrid Time-Series PV Power Forecasting Model Implementing Facebook Prophet and Neural Prophet Algorithms.

Nugroho, H. A., Pratama, R. H., Suharni, S., Sutanto, A. T., & Hariyanto, H. (2019). Diseminasi Informasi Peringatan Dini Tanah Longsor Berbasis Teknologi Internet of Things. 335–339. https://doi.org/10.5614/sniko.2018.38

Oisy, N. (2019). L Earning G Raph N Eural N Etworks. Iclr, 1, 1–5.

Putri, T. A., Supriyanto, & Hikmat, Y. P. (2022). Pengaruh Kenaikan Tegangan Pada Penyulang Generator Unit 4 PLTP Kamojang Akibat Pelepasan Beban Menggunakan Software ETAP 12.6. 0. Prosiding The 13th Industrial Research Workshop and National Seminar, (pp. 13–14).

Rafi, A. M., Bima Tri Ariyanto, Hairatunisa, & Agus Tri Susanto. (2018). Rancang Bangun Prototype Jaringan Automatic Rain Gauge (ARG) Berbasis Website. Prosiding Seminar Bumi Dan Atmosfer Stmkg 2018, (pp. 72–80).

Rifai, G. (2021). Sistem Pakar Troubleshooting Automatic Rain Gauge (Arg) Menggunakan Metode Dempster Shafer Dengan Tampilan Berbasis Web. February, 6.

Robial, S. M. (2018). Perbandingan Model Statistik pada Analisis Metode Peramalan Time Series (Studi Kasus: PT. Telekomunikasi Indonesia, Tbk Kandatel Sukabumi). Jurnal Ilmiah SANTIKA, 8(2), 1–17.

Setiawan, M. D. A. (2021). Rancang Bangun Sistem Predictive Maintenance Motor AC (Alternating Current) pada Peralatan High Volume Air Sampler (HVAS) Menggunakan Machine Learning. 130.

Taylor, S. J., & Letham, B. (2017). Business Time Series Forecasting at Scale. PeerJ Preprints 5:e3190v2, 35(8), 48–90.

Tian, J., Xiong, R., Shen, W., & Lu, J. (2022). Data-driven battery degradation prediction: Forecasting voltage-capacity curves using one-cycle data. EcoMat, 4(5), 1–12. https://doi.org/10.1002/eom2.12213

Triyanto, A., & Syaepudin, W. (2023). Perancangan Sistem Monitoring Tegangan Baterai 110 VDC Berbasis Bylnk Pada Gardu Induk. JTEIN: Jurnal Teknik Elektro Indonesia, 4(1), 353–363.

Widarsono, K., Jauhari, M., & Dzuhuri, A. L. (2019). Relay protection of over voltage, under voltage and unbalance voltage magnitude based on visual basic using Arduino Mega. Seminar Master, 4(1), 39–48.




DOI: https://doi.org/10.26760/elkomika.v12i1.80

Refbacks

  • Saat ini tidak ada refbacks.


_______________________________________________________________________________________________________________________

ISSN (cetak) : 2338-8323 | ISSN (elektronik) : 2459-9638

diterbitkan oleh :

Teknik Elektro Institut Teknologi Nasional Bandung

Alamat : Gedung 20 Jl. PHH. Mustofa 23 Bandung 40124

Kontak : Tel. 7272215 (ext. 206) Fax. 7202892

Surat Elektronik : jte.itenas@itenas.ac.id________________________________________________________________________________________________________________________

Statistik Pengunjung

Free counters!

Web Analytics Made Easy - StatCounter

Lihat Statistik Jurnal

Jurnal ini terlisensi oleh Creative Commons Attribution-ShareAlike 4.0 International License.

Creative Commons License