Article Per Year (5 Year)
p-Index From 2021 - 2026
3.578
P-Index
This Author published in this journals
All Journal Jurnal Teknik Komputer AMIK BSI Informatics for Educators and Professional : Journal of Informatics Jurnal Teknik Informatika STMIK Antar Bangsa Jurnal Infortech Jurnal PETISI (Pendidikan Teknologi Informasi) Akrab Juara : Jurnal Ilmu-ilmu Sosial Journal of Students‘ Research in Computer Science (JSRCS) Computer Science (CO-SCIENCE) IMTechno: Journal of Industrial Management and Technology Indonesian Journal of Networking and Security - IJNS Digital Transformation Technology (Digitech) Innovative: Journal Of Social Science Research Journal of Innovative and Creativity Jurnal PETISI (Pendidikan Teknologi Informasi) Jurnal Infortech
Rian Septian Anwar
Universitas Bina Sarana Informatika
Humanities Biochemistry, Genetics & Molecular Biology Chemistry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 31 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 31 Documents
Search

 1   2   3   4 
Long Short-Term Memory untuk Prediksi Beban Listrik Jangka Pendek pada Lini Produksi Manufaktur Martias Martias; sri watmah; Rian Septian Anwar
IMTechno: Journal of Industrial Management and Technology Vol. 7 No. 2 (2026): Vol. 7 No 2 (2026) : Juli 2026
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/imtechno.v7i2.13268

Abstract

Pengelolaan energi listrik pada lini produksi merupakan faktor penting dalam efisiensi biaya operasional dan keberlanjutan industri manufaktur. Beban listrik lini produksi bersifat nonlinier dan fluktuatif karena dipengaruhi pola operasi sif, jadwal produksi, dan perilaku mesin, sehingga sulit diprediksi menggunakan metode statistik konvensional. Penelitian ini menerapkan model deep learning Long Short-Term Memory (LSTM) untuk peramalan beban listrik jangka pendek satu jam ke depan. Data yang digunakan adalah dataset publik ElectricityLoadDiagrams (Trindade, 2015) dari UCI Machine Learning Repository versi agregasi per jam yang memuat 321 pelanggan selama 2012-2014; satu pelanggan dengan profil industri dan autokorelasi harian tinggi (0,984) dipilih sebagai representasi beban lini produksi. Data diproses melalui pembersihan, standardisasi Z-score, penambahan fitur kalender, dan pembentukan sliding window 24 jam. Model LSTM dilatih menggunakan algoritma Adam dan dibandingkan dengan ARIMA serta Multilayer Perceptron (MLP). Hasil pengujian pada 3.946 titik data menunjukkan model LSTM memberikan akurasi terbaik dengan MAPE 6,83%, lebih rendah dibanding ARIMA (7,31%) dan MLP (10,07%), serta koefisien korelasi 0,99 terhadap data aktual. Temuan ini menunjukkan LSTM mampu menangkap ketergantungan temporal beban listrik sehingga dapat mendukung perencanaan produksi, penjadwalan beban, dan efisiensi energi dalam manajemen industri.
Co-Authors A Ahmad Fauzi Ahmad Fauzi Ahmad Fauzi STMIK Nusa Mandiri Albert Riyandi Alfian Armawan Sandi, Tommy Andry Maulana Anggi Setiawan Dermawan, Raihan Ali Putra Eka Kusuma Pratama Entin Sutinah, Entin Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Firmansyah Fitri Latifah, Fitri Hanggoro Aji Al Kautsar Ilham Nur Leksono Kristine Harefa Universitas Bina Sarana Informatika Martias Martias Martini Martini Mugi Raharjo Mugi Raharjo Muhammad Farhan Fadhila Musriatun Napiah Nani Agustina Novita Indriyani Nur Leksono, Ilham Rachmat Adi Purnama Riyandi, Albert Rizqy Abdillah Rusady Rusady Sari Dewi Sari Masshitah Sri Watmah Sujiliani Heristian syahrul, muhammad Tommi Alfian Armawan Sandi Tommy Alfian Armawan Sandi Yuslina Gultom Universitas Bina Sarana Informatika