PREDIKSI PADA POLA OPERASI PLTA MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (STUDI KASUS: PLTA IR. PM. NOOR)
Total View This Week0
Total View This Week0
Institusion
Universitas Islam Kalimantan M A B Banjarmasin
Author
Wibowo, Yoggy Aji
Subject
Q Science (General)
Datestamp
2026-07-10 02:55:04
Abstract :
PLTA Ir. PM. Noor merupakan satu-satunya pembangkit listrik tenaga air di Kalimantan Selatan, sehingga pengaturan pola operasinya menjadi krusial. Pola operasi PLTA dipengaruhi oleh ketersediaan air waduk yang berfluktuasi mengikuti kondisi cuaca, sehingga operator memerlukan alat bantu untuk merencanakan operasi turbin secara lebih terukur. Penelitian ini membangun model prediksi produksi listrik harian menggunakan metode Long Short-Term Memory (LSTM) dengan studi kasus PLTA Ir. PM. Noor. Dataset berupa data sekunder Laporan Operasi Harian periode 2018–2023 sejumlah 2.191 baris, terdiri dari variabel Tinggi Muka Air, Produksi listrik, dan Input Air. Arsitektur LSTM dua lapisan diuji dengan Split Validation rasio 60:40, 70:30, dan 80:20 serta K-Fold Cross Validation K=1 hingga K=10. Evaluasi menggunakan empat metrik, yaitu MAPE, MSE, RMSE, dan R-Square. Hasil terbaik diperoleh pada rasio 80:20 dengan MAPE 5,51%, RMSE 24,95, dan R-Square 0,989, yang termasuk dalam kategori akurasi kuat. Model selanjutnya diimplementasikan ke dalam aplikasi desktop yang melakukan forecast tujuh hari ke depan dengan algoritma recursive multi-step. Aplikasi memberikan rekomendasi jumlah turbin berdasarkan kategori beban dan analisis kebutuhan air, sehingga membantu operator menyusun perencanaan operasi harian yang lebih akurat dan efisien.
PLTA Ir. PM. Noor merupakan satu-satunya pembangkit listrik tenaga air di Kalimantan Selatan, sehingga pengaturan pola operasinya menjadi krusial. Pola operasi PLTA dipengaruhi oleh ketersediaan air waduk yang berfluktuasi mengikuti kondisi cuaca, sehingga operator memerlukan alat bantu untuk merencanakan operasi turbin secara lebih terukur. Penelitian ini membangun model prediksi produksi listrik harian menggunakan metode Long Short-Term Memory (LSTM) dengan studi kasus PLTA Ir. PM. Noor. Dataset berupa data sekunder Laporan Operasi Harian periode 2018–2023 sejumlah 2.191 baris, terdiri dari variabel Tinggi Muka Air, Produksi listrik, dan Input Air. Arsitektur LSTM dua lapisan diuji dengan Split Validation rasio 60:40, 70:30, dan 80:20 serta K-Fold Cross Validation K=1 hingga K=10. Evaluasi menggunakan empat metrik, yaitu MAPE, MSE, RMSE, dan R-Square. Hasil terbaik diperoleh pada rasio 80:20 dengan MAPE 5,51%, RMSE 24,95, dan R-Square 0,989, yang termasuk dalam kategori akurasi kuat. Model selanjutnya diimplementasikan ke dalam aplikasi desktop yang melakukan forecast tujuh hari ke depan dengan algoritma recursive multi-step. Aplikasi memberikan rekomendasi jumlah turbin berdasarkan kategori beban dan analisis kebutuhan air, sehingga membantu operator menyusun perencanaan operasi harian yang lebih akurat dan efisien.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
