Perpustakaan Digital ITB

Penjualan energi listrik di wilayah DKI Jakarta menunjukkan pola yang kompleks dan dipengaruhi oleh berbagai faktor, seperti pertumbuhan ekonomi, kondisi cuaca, dan aktivitas masyarakat. Dalam perencanaan dan pengelolaan energi, prediksi penjualan yang akurat dan andal menjadi aspek penting demi tercapainya pelayanan yang berkualitas, biaya yang efisien, dan stabilitas pasokan. Penelitian ini bertujuan mengembangkan model prediksi penjualan energi listrik menggunakan pendekatan pembelajaran mesin, yaitu Long Short-Term Memory (LSTM), Support Vector Regression (SVR), dan Random Forest, beserta model hybrid yang dibentuk melalui metode stacking dengan Ridge Regressor. Metodologi yang diterapkan menggunakan kerangka SEMMA (Sample, Explore, Modify, Model, Assess) dan melibatkan proses interpolasi (cubic spline) dan normalisasi (Standard Scaler) demi menyelaraskan dan membersihkan data multivariat. Analisis Pearson dan ANOVA F-test juga diterapkan untuk memilih dan mengurangi multikolinearitas pada fitur. Hasil penelitian dapat dimanfaatkan sebagai acuan bagi PT PLN (Persero) UID Jakarta Raya untuk menyusun perencanaan distribusi energi, penguatan infrastruktur, dan perumusan keputusan bisnis berdasarkan prediksi yang lebih dapat diandalkan. Dengan pendekatan hybrid, perusahaan dapat lebih matang mengantisipasi kebutuhan energi, mengoptimalkan operasi, dan menjaga kualitas pelayanan kepada masyarakat.