Perpustakaan Digital ITB

PLTA Bakaru, dengan kapasitas 2x63 MW, merupakan salah satu penyedia energi utama di Sulawesi Selatan dan Barat. Namun, pengelolaan operasi dan pemeliharaan saat ini masih menghadapi tantangan karena metode peramalan inflow yang digunakan hanya mengandalkan rata-rata historis lima tahunan. Metode tersebut kurang responsif terhadap perubahan musiman dan cuaca ekstrem, sehingga dapat mengurangi efisiensi produksi dan keandalan sistem. Penelitian ini bertujuan mengembangkan metode peramalan inflow yang lebih akurat dengan menggunakan pendekatan Seasonal Autoregressive Integrated Moving Average with Exogenous Regressors (SARIMAX) yang mengintegrasikan data curah hujan sebagai variabel eksogen, serta membandingkannya dengan model machine learning Long Short-Term Memory (LSTM). Data yang digunakan meliputi catatan historis inflow harian di PLTA Bakaru dan curah hujan dari DAS Mamasa. Evaluasi model dilakukan dengan menggunakan metrik Root Mean Square Error (RMSE) dan R-squared. Hasil penelitian menunjukkan bahwa model SARIMAX dengan curah hujan sebagai variabel eksogen memiliki kinerja terbaik dengan RMSE 0,261 m³/s dan R-squared 0,716, lebih baik dibandingkan dengan SARIMAX tanpa curah hujan (R-squared 0,682) dan LSTM (R-squared 0,629). Hasil peramalan ini diimplementasikan untuk perencanaan operasi dan pemeliharaan PLTA Bakaru. Perencanaan berbasis model SARIMAX menunjukkan peningkatan efisiensi dibandingkan pendekatan eksisting yang mengandalkan rata-rata historis, sehingga mampu mengurangi risiko operasional dan mengoptimalkan produksi listrik. Penelitian ini memberikan kontribusi signifikan dalam pengelolaan sumber daya air melalui pendekatan yang lebih adaptif terhadap kondisi hidrologi dan cuaca, serta mendukung transisi energi terbarukan di Indonesia.