Perpustakaan Digital ITB

Pada masa transisi energi, diperlukan transformasi dalam integrasi pembangkit listrik bersih yang bersumber dari energi baru terbarukan (EBT). Namun, proses pembangunan sumber listrik berbasis EBT menghadapi beberapa tantangan, diantaranya adalah produksi listrik yang fluktuatif akibat berbagai faktor. Sehingga prediksi produksi listrik sangat dibutuhkan untuk mengetahui seberapa besar listrik yang dapat dihasilkan sehingga dapat diintegrasikan ke dalam sistem utama. Penelitian ini bertujuan untuk membangun model prediksi produksi listrik menggunakan berbagai metode. Dataset yang digunakan mencakup data produksi listrik selama lima tahun terakhir serta data eksternal berupa curah hujan. Pada tahap pra-proses, data produksi diolah untuk mengurangi nilai null dan noise dalam dataset menggunakan Wavelet Transform (WT). Selanjutnya, data diproses menggunakan tiga metode, yaitu Regresi Linier, Multilayer LSTM, dan LSTM Seq2Seq, untuk menentukan model terbaik. Metode evaluasi yang digunakan meliputi RMSE, R², dan MAE. Hasil penelitian menunjukkan bahwa kombinasi dataset historis produksi listrik dengan data curah hujan, melalui proses WT dan metode Multilayer LSTM, menghasilkan skor metrik dengan nilai RMSE sebesar 0.178, R² sebesar 0,973, dan MAE sebesar 0,079. Skor ini secara signifikan lebih baik dibandingkan model tanpa data curah hujan maupun metode lainnya, seperti LSTM Seq2Seq dan Regresi Linier. Kontribusi utama dari penelitian ini adalah menunjukkan bahwa kombinasi dataset historis produksi listrik dan data curah hujan dapat meningkatkan akurasi model prediksi. Selain itu, proses reduksi noise melalui WT terbukti memberikan peningkatan akurasi yang signifikan, terutama pada model Multilayer LSTM. Peningkatan skor akurasi ini terlihat pada dua dataset studi kasus, yaitu pembangkit listrik Lubuk Gadang dan Sangir Hulu. Temuan ini diharapkan dapat menjadi rujukan dalam pengembangan model prediksi produksi listrik berbasis EBT untuk mendukung integrasi energi bersih ke dalam sistem utama.