Perpustakaan Digital ITB

Penelitian ini berfokus pada peramalan jangka pendek atau harian yang dalam hal ini menggunakan studi kasus konsumsi listrik pelanggan tambak udang di PLN Sumbawa yang dipengaruhi oleh faktor cuaca iklim tropis (2 musim). Data bersumber pada data BPO, BMKG, Library Meteostat dari Januari 2019 hingga Juni 2024. Tantangan pada penelitian ini adalah data cuaca yang nonlinear, outlier, korelasi antar fitur, yang mana dapat berpotensi mengurangi akurasi peramalan. Untuk mengatasi masalah tersebut, pada penelitian ini menerapkan Teknik dekomposisi Hodrick-Prescott (HP) Filter guna mengurai data konsumsi listrik menjadi komponen yang lebih sederhana dan mudah dipahami berupa komponen tren dan siklus. Kedua komponen dijadikan fitur tambahan dan digabungkan dengan data cuaca. Kemudian dilakukan penerapan teknik Algoritma Genetika untuk melakukan seleksi untuk menemukan korelasi dan kombinasi antar fitur. Selain itu deteksi outlier menggunakan Inter Quatile Range (IQR) dan interpolate linear akan berguna agar data lebih representative untuk digunakan, dengan model yang digunakan adalah Bidrectional LSTM (BiLSTM) Hasil eksperimen menunjukkan bahwa kombinasi model BiLSTM dengan HP Filter dan Algoritma Genetika menghasilkan nilai yang lebih baik daripada model BiLSTM. Model HP-GA-BiLSTM meningkatkan nilai akurasi R² 0,21% pada pelanggan A. Pada Pelanggan B nilai akurasi R² meningkat sebanyak 1,75%. Pada Pelanggan C nilai akurasi R² meningkat sebanyak 4,06%. Pada Pelanggan D nilai akurasi R² meningkat sebanyak 4,06% sedangkan pada pelanggan E nilai akurasi R² meningkat sebanyak 2,85%. Hal ini membuktikan kombinasi HP Filter dan Algoritma Genetika efektif meningkatkan akurasi model BiLSTM dalam melakukan peramalan konsumsi listrik pelanggan tambak udang di PLN Sumbawa yang dipengaruhi oleh cuaca iklim 2 musim.