TY - JOUR AU - Rani Asfah AU - Unit Kartini PY - 2020/09/01 Y2 - 2024/03/28 TI - PERAMALAN RADIASI GLOBAL MATAHARI JANGKA PENDEK MENGGUNAKAN MODELTRIPLE EXPONENTIAL SMOOTHING-FEED FORWARD NEURAL NETWORK JF - JURNAL TEKNIK ELEKTRO JA - JTE VL - 9 IS - 3 SE - Vol 9 No 03 (2020): SEPTEMBER 2020 DO - 10.26740/jte.v9n3.p677-684 UR - https://ejournal.unesa.ac.id/index.php/JTE/article/view/39266 AB - Energi matahari merupakan salah satu dari sumber tenaga listrik yang tidak terbatas dan tersedia dalam jumlah besar. Matahari menghasilkan energi berupa radiasi yang mempunyai rentang panjang gelombang yang sangat besar (Tjasyono, 2004).Energi matahari memiliki pancaran radiasi matahari yang dapat digunakan sebagai energi alternatif. Pengaplikasiannya dapat berbentuk Photovoltaic. Penelitian ini membahas intensitas radiasi matahari di wilayah Unesa tepatnya pada daerah Fakultas Teknik. Penelitian ini diharapkan dapat mengetahui potensi energi matahari yang tersedia untuk digunakan dalam pemasangan Photovoltaic. Model untuk peramalan radiasi global matahari pada penelitian ini menggabungkan dari beberapa model. Pada penelitian yang telah dilakukan sebelumnya oleh Soumyabrata Dev., dkk (2018) hanya menggunakan satu model yaitu model Triple Exponential Smoothing (TES) tetapi kebaharuan pada penelitian ini ialah peramalan radiasi global matahari menggunakan dua model Triple Exponential Smoothing dan Feed Forward Neural Network serta menggunakan data meteorologi. Hasil penelitian peramalan radiasi global matahari jangka pendek denganmodelTriple Exponential Smoothing-Feed Forward Neural Network (TES-FFNN) menunjukkan bahwa tingakat keakurasian dari peramalan radiasi menggunakan modelMean Absolute Percentage Error (MAPE) sebesar 0,2012% pada model TES-FFNN dan 0,2703% pada model TES. Dapat disimpulkan bahwa nilai peramalan radiasi global matahari dengan model TES-FFNN lebih baik daripada penelitian menggunakan model Triple Exponential Smoothing (TES) dalam meramalkan radiasi global matahri selama 1 hari.Kata Kunci : Peramalan radiasi,Triple Exponential Smoothing, Feed Forward Neural Network, Mean SquaredError, Mean Absolute Percent Error ER -