Perpustakaan Digital ITB

Dalam rangka mengoptimalkan operasional PLTA di Unit Pembangkitan Sulawesi PLN, studi ini mengusulkan penggunaan metode berbasis data untuk melakukan analisa produksi listrik dengan mempertimbangkan data cuaca. Menggunakan data historis dari periode Januari 2014 hingga Desember 2023, indikator yang berkaitan produksi listrik PLTA diekstraksi menggunakan algoritma machine learning. Penggabungan antara data produksi listrik, data bendungan PLTA, suhu dan curah hujan memungkinkan prediksi nilai produksi listrik PLTA sebagai model output. Data yang diolah berasal dari PLTA di Sulawesi, website Accuweather dan website NOAA menghasilkan hasil prediksi efektivitas metode yang diusulkan melalui uji validitas model dan perbandingan dengan metode lain yang serupa. Metode yang digunakan terdiri dari algoritma SARIMAX, Random Forest Regressor, Support Vector Regression, dan Extreme Gradient Boosting memanfaatkan data dari produksi listrik PLTA, data bendungan PLTA, data cuaca, dan 4 indikator ENSO. Hasil mengatakan bahwa penggabungan sumber data yang beragam dan tetap memiliki korelasi yang cukup signifikan dengan variabel target dapat meningkatkan akurasi prediksi, dengan satu algoritma yang memiliki performa terbaik. Lalu setiap model diaplikasikan untuk melakukan prediksi terhadap dataset baru di luar dataset yang digunakan untuk membuat model. Hasil penelitian ini menandakan bahwa efektivitas machine learning dalam memprediksi produksi PLTA dapat menjadi pertimbangan strategis manajemen PLN dalam mengelola pengoperasian PLTA yang terinterkoneksi secara sistem ketenagalistrikan. Pendekatan terstruktur ini sejalan dengan tujuan organisasi, memudahkan pengambilan keputusan rencana operasi PLTA.