skip to main content

PERAMALAN BEBAN JANGKA PENDEK SISTEM KELISTRIKAN KOTA BATU MENGGUNAKAN DEEP LEARNING LONG SHORT-TERM MEMORY

Heru Purnomo  -  Jurusan Teknik Elektro, Fakultas Teknik, Universitas Brawijaya, Indonesia
*Hadi Suyono  -  Jurusan Teknik Elektro, Fakultas Teknik, Universitas Brawijaya, Indonesia
Rini Nur Hasanah  -  Jurusan Teknik Elektro, Fakultas Teknik, Universitas Brawijaya, Indonesia
Dikirim: 7 Mei 2021; Diterbitkan: 26 Jul 2021.
Akses Terbuka Copyright (c) 2021 Transmisi under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Dalam rangka proyeksi kebutuhan listrik dimasa mendatang, maka penyedia listrik dapat melakukan peramalan terkait besarnya kebutuhan dan permintaan energi listrik. Apabila besarnya permintaan listrik tidak dilakukan peramalan, maka akan terjadi kelebihan kapasitas yang menyebabkan tidak terserapnya sumber energi yang tersedia. Berdasarkan hasil penelitian diperoleh kesimpulan bahwa model terbaik dari metode Deep Learning LSTM  yang digunakan untuk melakukan prakiraan beban konsumsi listrik jangka pendek memiliki nilai RMSE (Root Mean Square Error) yang kecil Artinya tingkat akurasi dari metode Deep Learning LSTM tersebut lebih baik daripada ARIMA, hasil tersebut menunjukkan bahwa metode Deep Learning LSTM layak digunakan untuk memprakirakan beban konsumsi listrik jangka pendek di Kota Batu.

Fulltext View|Download

Article Metrics:

Article Info
Bagian: Artikel - Teknik Tenaga Listrik
Bahasa : ID

Last update:

No citation recorded.

Last update:

No citation recorded.