Prediksi Permintaan Daya Listrik Menggunakan Metode Long Short-Term Memory
Tahun 2026 · Penulis: Alfiana Ratmeila
Faculty of Mathematics and Natural Sciences, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Prediksi Permintaan Daya Listrik Menggunakan Metode Long Short-Term Memory
Permintaan listrik berubah seiring waktu, membuat prediksi yang akurat penting untuk perencanaan energi yang efektif dan manajemen. Penelitian ini menggunakan metode Long Short Term Memory (LSTM) untuk memprediksi permintaan listrik di Singapura berdasarkan data seri waktu, di mana data diproses dengan membentuk urutan masukan dengan sejumlah langkah waktu tertentu sehingga model dapat mempelajari pola dari nilai permintaan masa lalu sebelum pelatihan. Penuturan hyperparameter dilakukan menggunakan SearchCV Acakized bersama dengan beberapa skema pemisahan data, dan hasil menunjukkan bahwa kinerja model terbaik diperoleh menggunakan 80% pelatihan dan 20% pengujian data split dengan Adam optimizer. Model kinerja dievaluasi menggunakan Error Persentasi Absol (MAPE) dan koefisien penentuan (R square), dimana model LSTM optimal mencapai nilai 0.3223% dan sebuah R-kuarkuar dari 0.9966 pada data pengujian, menunjukkan sangat tinggi akurasi prediksi dan kuat antara cocok dengan permintaan listrik yang diprediksi dan aktual. Secara keseluruhan, temuan ini mengkonfirmasi bahwa metode LSTM dengan 80:20 data split dan Adam optimisizer efektif untuk meramalkan permintaan listrik di Singapura.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,794
Tahun 2026 · Penulis: Syafril Mustaqim
Peramalan Beban Listrik Jangka Pendek Menggunakan Metode Autoregressive Integrated Moving Average (Studi Kasus: PT PLN ULP Lumajang)
Kebutuhan energi listrik yang terus meningkat menuntut perusahaan penyedia tenaga listrik untuk melakukan perencanaan operasi sistem secara tepat dan efisien. Salah satu upaya yang dapat dilakukan adalah melalui peramalan beban listrik untuk memperkirakan kebu
- Cosine 0,740
Tahun 2026 · Penulis: Ferdilla Ayza Melani
Rancang Bangun Multi-Tray Load Cell Untuk Prediksi Kadar Air Pada Pengering Biji Kopi Berbasis Deep Learning
Penelitian ini merancang sistem multi-tray load cell yang terintegrasi dengan pengering biji kopi untuk memantau perubahan berat pada empat tray secara berkelanjutan, serta mengembangkan model deep learning untuk memprediksi Kelembaban Relatif (RH) sebagai ind
- Cosine 0,736
Tahun 2024 · Penulis: Rahillailia Khoirunnisa
Algoritma Long Short Term Memory Untuk Peramalan Kecepatan Angin Wilayah Surabaya Dan Sekitarnya
Konsumsi energi fosil dalam pemenuhan kebutuhan listrik yang semakin meningkat mengakibatkan banyak negara memanfaatkan energi alternatif untuk mengembangkan beberapa pembangkit listrik, salah satunya yaitu PLTB. Pembangkit ini akan mengkonversi energi angin m