<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="1708997">
 <titleInfo>
  <title>PREDIKSI BEBAN LISTRIK PENYULANG SG 06 RNUNIT LAYANAN PELANGGAN (ULP) MEUREUDU MENGGUNAKAN MODEL ARSITEKTUR GATED RECURRENT UNIT</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Analdi Muttaqin</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Prog. Magister Teknik Elektro Unsyiah</publisher>
   <dateIssued>2026</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
&#13;
Pertumbuhan kebutuhan listrik dan kompleksitas jaringan distribusi menuntut PLN untuk memiliki prediksi beban yang akurat guna menjaga keandalan sistem. Tantangan ini terlihat jelas pada Penyulang SG 06 ULP Meureudu yang memiliki pola beban sangat fluktuatif, perbedaan signifikan antara beban rata-rata dan beban puncak, serta nilai load factor yang relatif rendah. Kondisi tersebut menjadikan prediksi beban konvensional kurang efektif, sehingga diperlukan model yang mampu menangkap pola temporal secara tepat. Penelitian ini membangun model short-term load forecasting berbasis arsitektur Gated Recurrent Unit (GRU) dengan memanfaatkan fitur waktu sebagai satu-satunya variabel input. Proses penelitian meliputi pengumpulan data historis, pra-pemrosesan, pembentukan time-series window, pelatihan model, dan evaluasi menggunakan RMSE, MAE, dan MAPE. Hasil penelitian menunjukkan bahwa model GRU mampu memberikan prediksi beban harian yang lebih stabil dan akurat dibandingkan pendekatan dasar. Hal ini ditandai dengan Hasil penelitian menunjukkan bahwa model GRU mampu memberikan prediksi beban harian yang lebih stabil dan akurat dibandingkan pendekatan ARIMA. Hal ini ditandai dengan nilai MAE 231,74 kVA milik GRU berbanding dengan 548,29 kVA milik ARIMA. &#13;
&#13;
Kata kunci: Prediksi beban listrik, GRU, Short-Term Load Forecasting, Jaringan distribusi 20 kV, Penyulang SG 06. &#13;
&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>1708997</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-01-20 15:38:14</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-01-21 09:23:31</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>