Fauzan Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Theses

Pembangkit Listrik Tenaga Mikrohidro (PLTMH) memiliki potensi besar sebagai energi terbarukan, namun produksinya bersifat fluktuatif akibat pengaruh dinamika hidrologi dan lingkungan sehingga menyulitkan perencanaan operasional. Penelitian ini bertujuan mengembangkan model prediksi produksi energi listrik PLTMH berbasis Deep Neural Network (DNN). Model dibangun menggunakan data historis produksi energi (kWh) serta variabel cuaca berupa temperatur udara, kelembapan relatif, dan kecepatan angin. Analisis korelasi Pearson digunakan untuk mengevaluasi kontribusi variabel cuaca. Beberapa skenario diuji, meliputi variasi jendela input (12, 24, 36, dan 48 jam), penggunaan dropout 0,1, serta optimasi learning rate adaptif. Evaluasi dilakukan menggunakan RMSE, MAE, MAPE, dan R². Hasil menunjukkan bahwa konfigurasi terbaik diperoleh pada jendela input 36 jam tanpa dropout dan tanpa optimasi learning rate adaptif dengan RMSE 145,824 kWh, MAE 49,535 kWh, MAPE 4,48%, dan R² 0,975. Variabel cuaca tidak memberikan peningkatan akurasi yang signifikan. Proyeksi model menunjukkan produksi energi sebesar 31,17 GWh (2026), 35,49 GWh (2027), dan 36,23 GWh (2028). Nilai ini digunakan sebagai dasar perencanaan operasional dan estimasi alokasi biaya energi, yang diperkirakan meningkat dari Rp68,14 miliar pada 2026 menjadi Rp80,32 miliar pada 2028. Kata kunci: Prediksi energi listrik, PLTMH, Deep Neural Network, Jendela input, Variabel cuaca. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1709959 2026-01-22 17:18:50 2026-01-23 09:24:42 machine generated