Perpustakaan Digital ITB

Prediksi solar irradiance jangka pendek berbasis citra langit menghadapi tantangan berupa fluktuasi GHI yang tinggi akibat dinamika awan konvektif pada iklim tropis dan keterbatasan mekanisme fusi satu tahap yang hanya mempelajari interaksi antar modalitas pada satu titik dalam jaringan. Penelitian ini mengusulkan model Multi- Stage Cross-Modal Attention Transformer untuk prediksi GHI pada horizon 30 menit, yang mengintegrasikan citra langit dan data deret waktu secara bertahap melalui mekanisme multi-stage cross-modal attention. Model dikembangkan menggunakan Informer sebagai time-series encoder dan Vision Transformer dengan optical flow Farneback sebagai image encoder, dengan penambahan fitur suhu udara dan kelembaban relatif pada jalur deret waktu. Dataset bersumber dari PLTS PLN Puslitbang Jakarta mencakup 23.869 citra langit dari perangkat ASI-16 dan data sensor AWS periode Februari 2023 hingga Januari 2024, menghasilkan 18.699 sequence. Evaluasi menggunakan metrik ME, MAE, RMSE, NRMSE, dan R² dengan NRMSE sebagai metrik utama. Sebagai pembanding, dievaluasi Baseline Transformer Multimodal Liu dkk. (2023), LSTM+CNN, InformerOnly, dan ViTOnly melalui total 28 skenario eksperimen. Hasil eksperimen menunjukkan bahwa model usulan konfigurasi 4-stage mencapai NRMSE 10,27%, RMSE 82,31 W/m², dan R² 0,799, melampaui seluruh model pembanding: Baseline Liu dkk. (2023) dengan NRMSE 10,56%, LSTM+CNN dengan NRMSE 10,59%, InformerOnly dengan NRMSE 10,37%, dan ViTOnly dengan NRMSE 18,32%. Peningkatan NRMSE relatif sebesar 2,75% dicapai dengan inference time 1,19 ms per sampel. Studi sensitivitas (sensitivity analysis) mengungkap pola U-shape pada kurva NRMSE dengan 4-stage sebagai konfigurasi optimal. Temuan tambahan menunjukkan bahwa peningkatan resolusi input citra tidak meningkatkan akurasi namun meningkatkan waktu inferensi secara signifikan.