SKRIPSI DIGITAL
Rancang Bangun Aplikasi Prediksi Beban Puncak Penggunaan Listrik pada Pembangkit Listrik dengan Model Deep Learning Berbasis Web: Studi Kasus Web “Connect UP2DJTY” = Design and Development Of A Web-Based Peak Load Prediction Application For Electricity Usage At Power Plants Using Deep Learning Models: A Case Study Of The "Connect UP2DJTY" Website
PT PLN (Persero) adalah perusahaan Badan Usaha Milik Negara (BUMN) yang bertanggung jawab atas penyediaan layanan listrik nasional di Indonesia. Dalam menjalankan tugasnya, PT (PLN) Persero Unit Pelaksana Pengatur Distribusi Jateng dan DIY menghadapi tantangan dalam memprediksi beban puncak pembangkit listrik, yang bersifat time series dan nonlinear. Penelitian ini bertujuan untuk mengembangkan sistem prediksi beban puncak menggunakan metode deep learning, yaitu Gated Recurrent Unit (GRU), Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), dan hybrid LSTM-GRU.
Penelitian ini menggunakan data simulasi dari web RTE dan data prediksi dari data historis beban listrik perusahaan yang diolah melalui berbagai tahap seperti persiapan data, pembuatan model, pelatihan, dan evaluasi hasil error. Hasil penelitian menunjukkan bahwa di antara kelima metode yang digunakan, GRU dengan konfigurasi 64-unit, batch size 70, dan validation split 0,4 memiliki kinerja terbaik dengan nilai RMSE sebesar 24,87%, MSE sebesar 6,18%, dan MAE sebesar 15,05%.
Implementasi sistem prediksi ini dilakukan dalam bentuk aplikasi berbasis web yang menggunakan API dari framework Flask. Aplikasi ini memungkinkan PT PLN untuk mengelola dan memprediksi beban puncak secara lebih efektif dan efisien, sehingga dapat membantu dalam perencanaan dan pengelolaan sistem kelistrikan secara keseluruhan. Penelitian ini memberikan kontribusi praktis bagi PT PLN dalam mengoptimalkan distribusi sumber daya dan mengurangi risiko pelepasan beban yang berdampak negatif pada ekonomi nasional.
No other version available
Computer Science, Information & General Works 
Philosophy & Psychology 
Religion 
Social Sciences 
Language 
Pure Science 
Applied Sciences 
Art & Recreation 
Literature 
History & Geography