PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE THETA

Pembangunan dan perkembangan dunia terhadap kebutuhan energi listrik
terbarukan semakin meningkat, sehingga peramalan beban listrik memiliki peran
penting dalam menjaga keandalan dan pasokan energi. Metode peramalan menjadi
hal yang diperlukan dalam peramalan beban listrik keakuratan metode peramalan
dianggap kritis dan metode peramalan beban yang akurat dan presisi dapat
membantu penghematan biaya bagi utilitas. Penelitian ini menggunakan dua data
yang berbeda, yaitu data pertama dari London dan data kedua dari Paris. Pada data
London, metode theta menghasilkan evaluasi terbaik pada tanggal 9-16 dengan
MAE sebesar 0.113, MSE sebesar 0.021, dan MAPE sebesar 9.129%. Sementara
itu, data Paris digunakan untuk membandingkan metode theta dengan metode
machine learning lainnya, seperti CNN (MSE 0.150, MAE 0.258, MAPE 0.176),
LSTM (MSE 0.098, MAE 0.182, MAPE 0.160), BDLSTM (MSE 0.082, MAE
0.174, MAPE 0.164), CNN-LSTM (MSE 0.129, MAE 0.223, MAPE 0.158), dan
CNN-M-BDLSTM (MSE 0.097, MAE 0.191, MAPE 0.148). Metode theta pada
data Paris menghasilkan MSE 0.038, MAE 0.192, dan MAPE 4.062,
membuktikan bahwa metode theta mampu bersaing dengan metode machine
learning lainnya, terutama dengan nilai MSE yang paling rendah.
Kata Kunci : Peramalan Beban Listrik Jangka Pendek, Metode Theta, Evaluasi
Matrik