Electronic Theses and Dissertation

Kebutuhan energi listrik di Kabupaten Pidie terus meningkat seiring dengan
pertumbuhan penduduk dan bertambahnya aktivitas rumah tangga, bisnis, industri, sosial
dan pemerintahan. menimbulkan tantangan dalam penyusunan perencanaan energi yang
akurat. Namun, pola konsumsi listrik di Kabupaten Pidie tidak selalu stabil. Faktor
eksternal seperti perubahan musim, kondisi iklim, serta pola aktivitas masyarakat sering
kali memengaruhi tingkat penggunaan energi. Kompleksitas faktor-faktor tersebut
menjadikan prediksi konsumsi energi listrik sebagai tantangan tersendiri. Metode
berbasis statistik kerap kali tidak mampu menangkap hubungan nonlinier dan kompleks
antar variabel konsumsi energi, sehingga akurasi prediksi menjadi rendah. Permasalahan
ini mendorong perlunya penerapan metode kecerdasan artifisial yang lebih adaptif dan
presisi. Penelitian ini bertujuan mengembangkan dan mengevaluasi model prediksi
konsumsi energi berbasis algoritma Random Forest yang dioptimalkan melalui Grid
Search untuk menentukan parameter terbaik dan divalidasi menggunakan Cross
Validation agar performa model tetap konsisten pada berbagai kondisi data. Model yang
diusulkan diharapkan mampu menghasilkan prediksi yang stabil, akurat, serta mampu
menyesuaikan diri terhadap variasi pola konsumsi energi, sehingga dapat digunakan
sebagai dasar perencanaan energi listrik kabupaten Pidie yang lebih efisien, andal, dan
berkelanjutan.
Kata kunci: Model Prediksi, konsumsi energi, Random Forest, Grid Search, Cross
Validation

Electricity demand in Pidie Regency continues to increase in line with population growth and increased household, business, industrial, social, and government activities. This poses challenges in developing accurate energy plans. However, electricity consumption patterns in Pidie Regency are not always stable. External factors such as seasonal changes, climatic conditions, and community activity patterns often affect energy usage levels. The complexity of these factors makes predicting electricity consumption a challenge in itself. Statistical-based methods are often unable to capture the nonlinear and complex relationships between energy consumption variables, resulting in low prediction accuracy. This problem necessitates the application of more adaptive and precise artificial intelligence methods. This study aims to develop and evaluate an energy consumption prediction model based on the Random Forest algorithm, which is optimized through Grid Search to determine the best parameters and validated using Cross Validation to ensure that the model's performance remains consistent under various data conditions. The proposed model is expected to produce stable, accurate predictions and be able to adapt to variations in energy consumption patterns, so that it can be used as a basis for more efficient, reliable, and sustainable electricity planning in Pidie Regency. Keywords: Energy consumption prediction model, Random Forest, Grid Search, Cross Validation