Text
SKRIPSI IMPLEMENTASI MACHINE LEARNING DALAM MERAMALKAN DAYA GUNA MAKSIMUM PLTA
INTISARI
Pembangkit listrik tenaga air (PLTA) merupakan sumber daya listrik yang berkembang pesat, tetapi efisiensinya masih dapat ditingkatkan. Implementasi machine learning (ML) dalam meramalkan daya guna maksimum PLTA dapat membantu meningkatkan efisiensi pembangkit listrik. Penelitian ini merancang sistem machine learning yang akan diterapkan untuk peramalan daya guna maksimum PLTA dengan menggunakan 3 parameter data yaitu curah hujan, debit inflow, dan debit outflow dirancang sistem machine learning dengan algoritma Recurrent Neural Network Long Short Term Memory (RNN-LSTM) LSTM merupakan modifikasi dari RNN yang mampu memprediksi data berdasarkan informasi lampau yang disimpan dalam waktu lama sekaligus menghapus informasi yang sudah tidak relevan. Data yang digunakan pada penelitian ini masing-masing 730 data dari rentang waktu 1 Januari 2020-31 Desember 2022. Didapat nilai MSE model curah hujan 0.0233 dan MSE pada test data 0.0574. Pada data inflow didapat nilai MSE pada training data 0.0174 dan MSE pada test data 0.0514. Sedangkan pada data outflow MSE model bernilai 0.310 dan MSE pada test data 0.0265. Hasil ramalan ketiga model tadi didapatkan bahwa pada bulan Mei dan November 2023 PLTA Kedungombo kemungkinan besar akan mengalami daya guna maksimumnya.
Kata Kunci - Daya guna maksimum, LSTM, Machine learning, PLTA
92-UN57.U1-STE-X-2024 | ELEKTRO NAG I 2024 | Ruang Skripsi (TEKNIK ELEKTRO) | Tersedia namun tidak untuk dipinjamkan - No Loan |
Tidak tersedia versi lain