Ikhsan Sudarma Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Theses

Kebutuhan energi listrik di Kota Jantho menunjukkan kecenderungan meningkat seiring dengan pertumbuhan penduduk serta intensifikasi aktivitas ekonomi. Kondisi tersebut menuntut adanya perencanaan dan pengelolaan pasokan listrik yang andal agar kontinuitas pelayanan tetap terjaga. Dalam konteks ini, salah satu tantangan utama yang dihadapi adalah melakukan prediksi beban listrik jangka pendek secara akurat, mengingat pola konsumsi energi dipengaruhi oleh dinamika waktu, seperti perbedaan jam dan hari, serta faktor eksternal yang turut memengaruhi fluktuasi beban listrik. Penelitian ini mengusulkan model prakiraan beban listrik jangka pendek berbasis integrasi Recurrent Neural Network (RNN) dengan arsitektur Long Short-Term Memory (LSTM) dan algoritma Gradient Boosting Machine (GBM). Arsitektur LSTM mampu menangkap dependensi temporal jangka pendek dan panjang melalui mekanisme memory cell, sehingga lebih stabil dibandingkan RNN konvensional. Model LSTM digunakan sebagai model dasar dengan jendela input 24 jam untuk mempelajari pola historis beban listrik, sedangkan GBM berperan sebagai korektor residu untuk memperbaiki kesalahan prediksi yang bersifat nonlinier. Data penelitian berupa data historis beban listrik Kota Jantho selama satu tahun, dilengkapi variabel cuaca dan kalender. Evaluasi kinerja dilakukan menggunakan MAE, RMSE, dan R². Hasil pengujian menunjukkan bahwa model LSTM tunggal menghasilkan MAE 196,33 kWh, RMSE 306,89 kWh, dan R² 0,884, sedangkan model hibrida LSTM–GBM meningkatkan performa secara signifikan dengan MAE 119,29 kWh, RMSE 174,23 kWh, dan R² 0,978. Dengan demikian, integrasi LSTM dan GBM terbukti efektif meningkatkan akurasi dan keandalan prediksi beban listrik jangka pendek sekaligus menjadi rekomendasi praktis bagi PLN dan pemerintah daerah dalam mengantisipasi beban puncak serta mendukung perencanaan operasi sistem tenaga listrik di Kota Jantho. Kata kunci: Prediksi, Beban Listrik, LSTM, GBM, Kota Jantho 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708883 2026-01-20 12:14:13 2026-01-20 14:44:39 machine generated