Perpustakaan Digital ITB

Prediksi output daya pada pembangkit listrik tenaga uap (PLTU) menjadi tantangan karena dipengaruhi oleh fluktuasi beban dan karakteristik thermal inertia yang menimbulkan hubungan temporal antarvariabel operasional. Kondisi tersebut membuat pendekatan berbasis pengalaman operator belum mampu merepresentasikan pola perubahan daya secara optimal. Penelitian ini bertujuan mengembangkan dan membandingkan model prediksi output daya menggunakan data primer sensor operasional PLTU Adipala selama dua tahun dengan interval satu jam, serta mengidentifikasi variabel sensor yang paling berpengaruh terhadap prediksi daya. Penelitian membandingkan lima model, yaitu ARIMA, XGBoost, LSTM, CNN-GRU, dan Transformer, pada skema prediksi multi-step dengan horizon 12 jam. Tahapan penelitian meliputi preprocessing berlapis yang mencakup deteksi anomali, validasi berbasis batasan fisik dan termodinamika, imputasi data, seleksi fitur, cyclical encoding, serta validasi temporal. Kinerja model dievaluasi menggunakan MAE, RMSE, dan R², kemudian divalidasi melalui Diebold–Mariano Test dan Wilcoxon Signed-Rank Test pada skema multi-seed. Hasil penelitian menunjukkan bahwa LSTM memberikan performa terbaik dengan RMSE sebesar 33,879 MW dan R² sebesar 0,737, atau menurunkan RMSE sebesar 13,51% dibandingkan XGBoost sebagai baseline multivariat. CNN-GRU menghasilkan akurasi yang hampir setara dengan performa yang lebih stabil antar-seed. Analisis feature importance dan SHAP mengidentifikasi feedwater temperature sebagai variabel yang paling berpengaruh terhadap output daya, diikuti main steam pressure, auxiliary power, dan air preheater outlet flue gas temperature. Penelitian ini berkontribusi melalui pemanfaatan data primer sensor operasional PLTU Indonesia, pengembangan kerangka preprocessing berbasis validasi fisik pembangkit, serta evaluasi model menggunakan pengujian multi-seed dan uji signifikansi statistik.