PEMODELAN TIME SERIES UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN ALGORITMA LSTM DAN BIDIRECTIONAL LSTM
Insyiraah Oxaichiko Arissinta, 4111417011 (2022) PEMODELAN TIME SERIES UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN ALGORITMA LSTM DAN BIDIRECTIONAL LSTM. Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.
PDF (skripsi)
Restricted to Repository staff only Download (3MB) | Request a copy |
Abstract
Peramalan beban listrik jangka pendek merupakan faktor terpenting pada suatu proses pengoperasian serta perencanaan sistem tenaga listrik. Peramalan beban listrik dilakukan agar penyediaan dan permintaan listrik dapat seimbang. Oleh karena itu memprediksi permintaan beban listrik agar permintaan energi listrik konsumen dan pengalokasian energi listrik perusahaan listrik sesuai setiap saat. Penelitian ini bertujuan untuk membangun model time series, membandingkan keakuratan model, serta melakukan peramalan beban listrik jangka pendek dengan menggunakan beberapa varian LSTM. Metode pemodelan beban listrik jangka pendek yang digunakan dalam penelitian ini adalah metode Vanilla LSTM, Stacked LSTM, Bidirectional LSTM, dan CNN LSTM. Untuk mengetahui keakuratan serta menilai kinerja dari beberapa varian model LSTM tersebut dilakukan secara kuantitatif yakni dengan menghitung Mean Square Error (MSE), Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa nilai terkecil dari hasil perhitungan metriks dari masing-masing varian metode LSTM dimiliki oleh metode Bidirectional LSTM, yakni nilai MSE train sebesar 0.0034 dan nilai MSE test sebesar 0.004, nilai MAE train sebesar 0.0615 dan nilai MAE test sebesar 0.0681, nilai RMSE train sebesar 0.0993 dan nilai RMSE test sebesar 0.1071. Sehingga hasil penelitian ini menunjukkan bahwa model dengan kinerja terbaik dalam peramalan beban listrik jangka pendek adalah model Bidirectional LSTM. Hasil peramalan beban listrik jangka pendek dengan menggunakan metode Bidirectional LSTM sudah cukup baik dibandingkan dengan hasil peramalan dengan menggunakan Vanilla LSTM, Stacked LSTM, dan CNN. Adapun data hasil prediksi 7 hari ke depan beban listrik jangka pendek dengan menggunakan metode Bidirectional LSTM secara runtut adalah sebagai berikut 2.9183, 3.0705, 3.0798, 3.0655, 3.0609, 3.0750, dan 2.9736.
Item Type: | Thesis (Under Graduates) |
---|---|
Uncontrolled Keywords: | Time Series, Beban Listrik, LSTM, Bidirectional LSTM. |
Subjects: | Q Science > QA Mathematics |
Fakultas: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1 |
Depositing User: | Setyarini UPT Perpus |
Date Deposited: | 25 Mar 2024 03:53 |
Last Modified: | 25 Mar 2024 03:53 |
URI: | http://lib.unnes.ac.id/id/eprint/62269 |
Actions (login required)
View Item |