Analisis Kinerja Boiler Pada PLTU Ombilin Berdasarkan Variabel Operasional Menggunakan Model Machine Learning Random Forest

Devky Meinaldi Fernanda (Universitas Negeri Padang)
Arwizet Arwizet (Universitas Negeri Padang)
Yolli Fernanda (Universitas Negeri Padang)
Andre Kurniawan (Universitas Negeri Padang)

Journal of Innovative and Creativity
Vol. 5 No. 2 (2025)

Penelitian ini mengembangkan model prediksi beban PLTU menggunakan algoritma Random Forest dengan proses tuning hyperparameter melalui grid search untuk memperoleh konfigurasi optimal, yaitu n_estimators 200, max_depth 30, min_samples_split 10, dan min_samples_leaf 2. Model dilatih dan diuji menggunakan data historis dan data eksternal sebanyak 4.149 sampel, menghasilkan performa prediksi yang sangat baik dengan nilai MAE sebesar 0,6517, RMSE 1,4305, dan R-squared 0,9650. Hasil visualisasi scatter plot menunjukkan prediksi yang akurat dengan sebagian besar titik dekat garis ideal. Model ini membuktikan kemampuan generalisasi dan reliabilitas yang tinggi dalam memprediksi beban PLTU, sehingga dapat digunakan efektif dalam monitoring dan pengelolaan operasional pembangkit listrik.