Pengembangan Model Peramalan Konsumsi Energi Pada Bangunan Dengan Metode Neural Network

Abstract

Dengan semakin meningkatnya kebutuhan atas konsumsi energi listrik bangunan baik bangunan komersial maupun non-komersial, maka dibutuhkan sebuah sistem analisis energi salah satunya adalah peramalan. Peramalan memiliki manfaat dan tujuan pada perspektif berbeda, salah satunya pada bagian manajerial peramalan yang akurat akan meningkatkan kinerja operasional serta meminimalkan biaya operasional atau hal-hal yang tidak diinginkan seperti pemadaman karena over used. Karena hal tersebut, penelitian ini bertujuan untuk melakukan short-term forecasting data konsumsi energi listrik bangunan yang berasal dari 6 zona waktu berbeda dan fungsionalitas bangunan yang berbeda-beda. Selain itu, pada penelitian ini menggunakan 2 metode hybrid, yaitu metode Long Short Term Memory (LSTM) yang dikombinasikan dengan Ensemble Empiricial Mode Decomposition (EEMD) dan Wavelet Transformation (WT) yang bertujuan untuk meningkatkan akurasi hasil peramalan. Peramalan dilakukan pada data time series konsumsi energi pada 20 bangunan berbeda dengan stasioneritas dan pola konsumsi yang berbeda-beda. Berdasarkan hasil peramalan dan Independent Sample T-test menghasilkan bahwa peramalan dengan metode EEMD-LSTM memiliki tingkat akurasi yang lebih tinggi secara signifikan dibandingkan dengan metode LSTM dan WT-LSTM.