Peramalan Jangka Sangat Pendek Daya Listrik PLTS On Grid Rumah Tinggal Menggunakan Metode Recurrent Neural Network Long Short Term Memory (RNN-LSTM) Berdasarkan Data Meteorologi

Krisna Taufik Brilliansyah (Universitas Negeri Surabaya)
Unit Three Kartini (Universitas Negeri Surabaya)

Jurnal Teknik Elektro (JTE)
Vol 12 No 1 (2023): JANUARI 2023

Pembangkit Listrik Tenaga Surya yang terhubung dengan jaringan PLN atau on grid dalam rumah tinggal berfungsi sebagai cadangan energi atau bahkan menjadi energi utama listrik pada rumah tinggal. Produksi daya listrik PLTS ini dipengaruhi oleh data meteorologi. Permalan daya pembangkitan listrik PLTS on grid berguna untuk mengetahui daya listrik yang diproduksi. Pada penelitian ini menggunakan metode peramalan Recurrent Neural Network Long Short Term Memory. Tujuan penelitian ini adalah untuk memanfaatkan data meteorologi dan model peramalan RNN-LSTM untuk memprediksi daya listrik dalam jangka sangat pendek. Hasil dari penelitian ini model peramalan pada data uji sudah cukup mengikuti pola daya listrik aktual dan menunjukan nilai akurasi peramalan MSE 0,0139 dan MAPE 31,87%. Dapat disimpulkan bahwa metode RNN-LSTM memiliki intrepetasi peramalan dengan predikat layak. Kata Kunci: PLTS on grid, Peramalan, RNN-LSTM.