Peramalan Daya Listrik Jangka Sangat Pendek pada Pembangkit Fotovoltaik (PV) Menggunakan Metode Deep Learning-Long Short Term Memory (LSTM)

Abstract

Pembangkit listrik fotovoltaik (PV) menjadi salah satu solusi untuk mengatasi masalah kelangkaan energi dan mengurangi emisi gas rumah kaca. Metode prediksi untuk meramalkan daya output pada pembangkit PV secara akurat telah menjadi alat penting untuk memecahkan perencanaan PV dan masalah pemodelan, yang dapat mengurangi dampak negatif pada seluruh sistem tenaga dan meningkatkan stabilitas sistem. Tujuan dari penggunaan metode Deep Learning - LSTM dalam peramalan daya listrik batas waktu sangat pendek pada pembangkit fotovoltaik (PV) adalah untuk memperoleh informasi mengenai hasil peramalan daya listrik dalam waktu 2 jam setelahnya. Hasil penelitian ini menunjukkan pada percobaan pertama dengan nilai epoch 50 mendapatkan hasil akurasi peramalan pada Mean Squared Error (MSE) terbilang 0,0253. Pada percobaan kedua dengan nilai epoch 100 mendapatkan hasil akurasi peramalan sebesar 0,0210. Pada percobaan ketiga dengan nilai epoch 150 mendapatkan hasil akurasi peramalan sebesar 0,0190. Dapat disimpulkan bahwasannya semakin besar nilai epoch hasil akurasi peramalan semakin baik dan metode Deep Learning-LSTM ini cocok digunakan untuk memprediksi daya listrik pada pembangkit fotovoltaik karena dengan menggunakan metode ini bisa mendapatkan hasil akurasi peramalan yang kecil.

Kata kunci : Peramalan, Daya Listrik, Akurasi, Deep Learning, Long Short Term Memory (LSTM)