Skripsi

Peramalan fluktuasi energi tiap jam menggunakan metode bidirectional long short-term memory (BI-ISTM) / Akhmad Fanny Fadhilla

Abstrak
Permintaan energi yang terus meningkat terutama di perkotaan dan daerah padat penduduk telah mendorong perlunya pendekatan yang lebih cerdas dan efisien dalam pengelolaan sumber daya energi. Salah satu tantangan utama dalam manajemen energi adalah fluktuasi permintaan dan produksi energi. Untuk mengatasi tantangan ini diperlukan peramalan yang akurat dan cermat terhadap fluktuasi energi tiap jam. Salah satu metode yang telah terbukti efektif dalam peramalan deret waktu adalah menggunakan deep learning. Tahapan penelitian menggunakan metodologi data mining CRISP-DM sebagai pemecah masalah yang umum untuk bisnis dan penelitian. Skenario yang diujikan pada penelitian yaitu menggunakan 5 skenario pemilihan atribut yang didasarkan pada nilai korelasi berdasarkan atribut target dan 2 skenario normalisasi. Kemudian model deep learning yang digunakan yaitu Bi-LSTM dengan hyperparameter tuning grid search. Evaluasi pengukuran kinerja dilakukan dengan MAPE RMSE dan R2. Berdasarkan pengujian yang dilakukan didapatkan hasil bahwa model Bi-LSTM menghasilkan MAPE terbaik sebesar 7.7256%. RMSE sebesar 0.1234. serta R2 sebesar 0.6151 pada normalisasi min-max. Sedangkan hasil pada normalisasi z-score lebih rendah dengan nilai MAPE terbaik yang dihasilkan yaitu 10.5525%. RMSE sebesar 0.7627. dan R2 sebesar 0.4186.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2023.

Deskripsi Fisik

xiii, 37 hlm. : ilus.

Bahasa

Indonesia

No Reg

4558/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. TEKNIK ENERGI - FLUKTUASI - SISTEM PERAMALAN
2. TEKNIK INFORMATIKA - ALGORITMA KOMPUTER
3. ENERGY ENGINEERING - FLUCTUATION - FORECASTING SYSTEM

Pembimbing

1. Aji Prasetya Wibawa, S.T., M.Mt., Ph.D

Lampiran Berkas