Prediksi Konsumsi Energi Listrik Dengan Metode Lstm di Kabupaten Jember

Abstract

Studi ini mengeksplorasi pentingnya memprediksi permintaan listrik untuk memenuhi peningkatan kebutuhan populasi global yang terus meningkat. Ini menekankan perlunya sistem yang andal dan hemat biaya untuk mengatasi tantangan ini. Metode Long Short-Term Memory (LSTM) digunakan untuk memprediksi konsumsi listrik hingga 3 tahun ke depan, berdasarkan data historis. Hasil menunjukkan bahwa metode LSTM mengungguli teknik lain, seperti Arima dan Prophet, mencapai skor R2 0,9714 dan MSE 0,0005. Studi ini mengidentifikasi parameter kunci, seperti volume data, jumlah lapisan, dan ukuran windowing, yang mengoptimalkan akurasi prediksi metode LSTM. Temuan menunjukkan bahwa menggunakan lebih dari 5.000 titik data input dengan 2 lapisan dan ukuran windowing 90 menghasilkan hasil terbaik. Penelitian tersebut menyoroti pentingnya peramalan beban listrik yang akurat untuk mengoptimalkan penggunaan dan mencegah pemadaman listrik. Pada akhirnya, metode LSTM terbukti menjadi alat yang efektif untuk memprediksi konsumsi listrik dan merencanakan sumber energi untuk masa depan.