Pemodelan Peramalan Beban Jangka Pendek untuk Subsistem Krian Gresik Menggunakan Deep Learning LSTM-NN

Abstract

Listrik seperti sudah menjadi kebutuhan primer bagi masyarakat di zaman ini. Pihak penyedia energi listrik harus mampu memastikan distribusi energi listrik berjalan maksimal dan sesuai kebutuhan.  Sistem operasi yang baik dibutuhkan untuk menjaga performa tiap komponen sistem tenaga listrik dan sistem perencanaan yang baik dibutuhkan untuk alasan efisiensi daya bangkitan, salah satunya adalah kegiatan forecasting atau peramalan terhadap konsumsi beban. Kebaharuan penelitian ini yakni membuat sebuah pemodelan peramalan menggunakan metode Long Short Term Memory (LSTM) yaitu salah satu arsitektur pada Deep Learning untuk melakukan peramalan jangka pendek selama 1 hari ke depan pada subsistem Krian-Gresik. Dilakukan beberapa eksperimen dengan mengubah beberapa parameter diantaranya lags, epoch, dan batch yang kemudian mendapatkan hasil bahwasanya pada penelitian ini, peningkatan jumlah lags adalah yang paling mempengaruhi hasil prediksi. Kombinasi parameter terbaik untuk melakukan peramalan 1 hari ke depan adalah saat jumlah lags = 48, epoch = 250, dan batch = 256, dengan nilai akurasi  MAPE = 3.67% dan RMSE = 69.36 serta grafik hasil prediksi yang mendekati pola dari data aktual. Model mampu menghasilkan prediksi yang baik dengan membaca pola dan hubungan pada data yang melibatkan 48 langkah sebelumnya. Kata Kunci: LSTM, Deep Learning, Forecasting, Neural Network, Load.