Riza Fahlefi Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026 id Indonesia

Theses

Sistem kelistrikan Pulau Nias beroperasi sebagai isolated grid dengan karakteristik beban yang fluktuatif dan dipengaruhi oleh berbagai faktor eksternal, sehingga memerlukan prediksi beban yang akurat untuk mendukung keandalan operasi sistem. Penelitian ini bertujuan untuk mengembangkan model prediksi beban listrik jangka pendek berbasis Recurrent Neural Network (RNN) dengan arsitektur Sequence-to-Sequence (Seq2Seq) yang terintegrasi dengan variabel cuaca, serta mengevaluasi kinerja model menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE) guna menilai kelayakan penerapannya dalam konteks operasional sistem tenaga listrik. Model dikembangkan melalui tahapan pra-pemrosesan data, pembentukan sequence berbasis interval 30 menit, pelatihan model encoder–decoder LSTM, serta evaluasi kinerja menggunakan data uji terpisah. Model dikembangkan menggunakan data historis beban dan data cuaca, kemudian dilatih dengan dua skenario jumlah epoch, yaitu 50 dan 100 epoch. Hasil pengujian menunjukkan bahwa model mampu menghasilkan prediksi yang mendekati nilai aktual dan mengikuti pola fluktuasi beban secara konsisten. Evaluasi kinerja menunjukkan nilai MAE sebesar 0,3603 MW pada pelatihan 50 epoch dan meningkat menjadi lebih baik sebesar 0,2160 MW pada 100 epoch, yang mengindikasikan tingkat akurasi prediksi yang sangat baik. Dari perspektif sistem tenaga listrik, akurasi prediksi yang tinggi ini memiliki relevansi operasional yang penting, khususnya dalam mendukung perencanaan operasi pembangkit, pengelolaan beban puncak, serta pengendalian keseimbangan antara suplai dan permintaan daya pada sistem isolated grid. Selain itu, informasi prediksi beban berpotensi dimanfaatkan untuk membantu menjaga keandalan peralatan sistem, seperti transformator dan jaringan distribusi, melalui antisipasi pembebanan pada periode beban puncak. Dengan demikian, penelitian ini menunjukkan bahwa pendekatan RNN–Seq2Seq tidak hanya efektif secara statistik, tetapi juga layak dan relevan untuk diterapkan sebagai sistem pendukung pengambilan keputusan dalam pengelolaan sistem kelistrikan Pulau Nias. Kata kunci: Prediksi beban listrik jangka pendek, RNN, Sequence-to-Sequence, isolated grid, deep learning. ELECTRIC POWER - ENGINERING 621.31 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1709799 2026-01-22 13:21:59 2026-01-22 15:01:12 machine generated