Perpustakaan Digital ITB

Kerusakan sensor angin sering diakibatkan oleh kerusakan transduser, komponen internal serta perkabelan. Ketidaktersediaan data kecepatan angin menjadi masalah yang krusial, misalkan jaringan anemometer terpasang di bandara. Penelitian ini berupaya mengembangkan metode estimasi kecepatan angin berbasis cooperative sensing dan Temporal Convolutional Network (TCN), serta mengkoreksinya secara spasial. Cooperative sensing terdiri dari sensor, model, algoritma estimasi dan besaran output. Sensor meliputi 4 anemometer yang terpasang di Bandara Internasional Juanda Surabaya yaitu SB3, SB4, SB5 dan SB6. Dataset merupakan data kecepatan angin per menit periode 1 Januari 2022-24 Desember 2023. Hyperparameter TCN teroptimal meliputi panjang filter (Nf) 32 dan faktor dilatasi d=[1,2,4]. Hasil penelitian menunjukkan anemometer target SB4 dan SB5 dapat diestimasi secara bergantian berdasarkan input data anemometer terdekat dan data historis anemometer. Koreksi spasial mampu memperbaiki performa akurasi estimasi kecepatan angin dengan koefisien korelasi meningkat dari 0,87 ke 0,88 baik untuk target SB4 maupun SB5. RMSE menurun dari 0,86 m/s ke 0,83 m/s untuk SB4 serta 0,90 m/s ke 0,88 m/s untuk SB5. MAE menurun dari 0,60 m/s ke 0,58 m/s untuk SB4 serta 0,64 m/s ke 0,62 m/s untuk SB5. Secara keseluruhan, performa metode estimasi terkoreksi masih memenuhi persyaratan WMO dengan RMSE<5 m/s dan MAE<3m/s. Kata kunci: estimasi, kecepatan angin, Temporal Convolutional Network