Perpustakaan Digital ITB

Konsumsi energi listrik pada bangunan gedung memiliki pola dinamis yang dipengaruhi oleh aktivitas gedung dan interaksi antar-lantai. Penelitian ini bertujuan untuk mengembangkan model prediksi konsumsi energi listrik yang akurat pada Gedung Labtek VI ITB dengan memanfaatkan integrasi data Internet of Things melalui analisis spasial-temporal. Pendekatan ini mengatasi keterbatasan model temporal yang hanya bergantung pada tren historis tanpa mempertimbangkan korelasi energi antar-lantai (spasial). Metode yang digunakan adalah model hibrida CNN-LSTM dengan teknik Dilated Convolution yang dioptimasi melalui Bayesian Optimization. Model mengintegrasikan berbagai fitur spasial dan temporal, mencakup data energi historis, suhu luar ruangan, serta fitur pembeda antar-lantai untuk menangkap dinamika gedung secara lebih efektif. Penelitian mengevaluasi dua skenario, yaitu skenario Temporal dan skenario Spasial-Temporal, dengan variasi sliding window 8 jam, 24 jam, dan 168 jam. Hasil menunjukkan bahwa skenario Spasial-Temporal secara konsisten lebih baik dari skenario Temporal di seluruh target prediksi. Peningkatan performa paling signifikan terlihat pada Lantai 1, di mana penggunaan fitur spasial berhasil meningkatkan nilai R2 dari 0,6385 menjadi 0,8912 serta menurunkan nilai RMSE dari 0,954 menjadi 0,524 pada sliding window 168 jam. Secara keseluruhan, model Spasial-Temporal terbaik dicapai pada Lantai 3 dengan nilai R2 sebesar 0,9509 dan MAPE sebesar 10,63%. Hasil ini membuktikan bahwa penambahan fitur spasial memberikan konteks gedung yang lebih lengkap bagi model untuk meningkatkan akurasi prediksi. Selain itu, analisis sliding window menunjukkan bahwa sliding window 8 jam memadai untuk lantai dengan pola konsumsi energi listrik stabil, sementara sliding window 168 jam diperlukan untuk menangkap variansi tinggi. Penelitian ini menunjukkan bahwa penggunaan analisis spasial-temporal dapat menjadi solusi efektif untuk meningkatkan kualitas prediksi konsumsi energi listrik pada gedung bertingkat, yang diharapkan dapat mendukung strategi efisiensi energi dan pengoperasian gedung yang lebih cerdas.