Prediksi Kebutuhan Energi Listrik Lima Tahun ke Depan di Kabupaten Jember Menggunakan LSTM dan GRU
Tahun 2026 · Penulis: Sari Mumtahanah Sani
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/13234
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Kebutuhan energi listrik di Kabupaten Jember terus meningkat seiring pertumbuhan jumlah pelanggan, kapasitas daya tersambung, dan aktivitas ekonomi daerah. Perencanaan pasokan listrik jangka panjang oleh PLN dan pemerintah daerah memerlukan prediksi kebutuhan energi listrik yang akurat sebagai dasar pengambilan keputusan investasi infrastruktur. Karakteristik konsumsi listrik yang nonlinear, musiman, dan dipengaruhi berbagai faktor eksternal seperti pertumbuhan ekonomi dan iklim menjadikan forecasting jangka panjang (5 tahun ke depan) sebagai tantangan tersendiri. Penelitian ini bertujuan mengukur dan membandingkan performa dua arsitektur deep learning, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), dalam memprediksi kebutuhan energi listrik di Kabupaten Jember, menentukan tingkat akurasi prediksi yang dihasilkan, serta mengidentifikasi kombinasi fitur dan model yang paling unggul di antara keduanya. Penelitian menggunakan data sekunder deret waktu bulanan periode Januari 2015 hingga Juni 2025 dari UP3 PLN Jember, BPS Kabupaten Jember, dan Pos Meteorologi Jember, meliputi konsumsi listrik, daya tersambung, Produk Domestik Regional Bruto (PDRB), dan suhu rata-rata. Data PDRB triwulanan didisagregasi menjadi bulanan menggunakan metode Denton-Cholette (DC), dilanjutkan penanganan missing value, deteksi outlier, dan standarisasi Robust Scaler. Delapan kombinasi variabel (VC1-VC8) dibentuk dari kombinasi ketiga variabel eksogen tersebut bersama konsumsi listrik sebagai target. Setiap kombinasi dioptimasi menggunakan random search hyperparameter tuning dengan skema 24-fold walkforward validation (WFV) horizon satu bulan, menghasilkan 160 trial random search. Model terbaik tiap kombinasi variabel dipilih melalui ranking RMSE dan refinement threshold 2% dengan MAE sebagai tie breaker, kemudian dievaluasi pada test set 24-fold WFV serta digunakan untuk forecasting 60 bulan ke depan, dengan variabel kovariat diproyeksikan menggunakan Linear Regression, STL Extrapolation, dan Seasonal Naive.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,798
Tahun 2026 · Penulis: Ikmal Maulana Muhammad
Pengembangan Model Penentuan Produksi Padi Berbasis Data Indeks Vegetasi dan Data Iklim Menggunakan Algoritma Random Forest
Kabupaten Jember, salah satu pusat produksi padi utama di Jawa Timur, terus menghadapi fluktuasi produksi yang didorong oleh tumbuhan dan faktor iklim. Metode pengumpulan data konvensional, seperti bentuk survei Statistik Agricultural dan pendekatan perkiraan
- Cosine 0,788
Tahun 2024 · Penulis: Rafi Rosyadi
Peramalan Harga Komoditas Pangan di Kabupaten Jember Dengan Support Vector Regression (SVR)
Komoditas pangan merupakan kebutuhan dasar yang berguna untuk meningkatkan hidup manusia. Harga komoditas pangan di Indonesia selalu berfluktuasi, salah satunya pada harga beras. Beras menjadi salah satu pangan utama dan menjadi penyumbang terbesar dalam laju
- Cosine 0,786
Tahun 2025 · Penulis: Fadli Ibrahim
Analisis Peramalan Beban Jaringan Distribusi Listrik dengan Metode Moving Average pada Penyulang Jember Kota
Permintaan energi listrik yang terus meningkat di wilayah Jember menuntut adanya strategi perencanaan distribusi yang akurat dan efisien. Penelitian ini bertujuan untuk menganalisis peramalan beban jaringan distribusi listrik pada Penyulang Jember Kota menggun