BERITASEMARANG.ID – Tim dosen muda Fakultas Sains dan Matematika (FSM) Universitas Diponegoro (Undip) berhasil mengembangkan riset prediksi beban listrik jangka pendek (Short-Term Load Forecasting/STLF) berbasis kecerdasan buatan (AI). Inovasi ini dirancang untuk mendukung efisiensi energi dan transisi menuju sistem kelistrikan masa depan (smart grid) yang berkelanjutan.
Riset yang digawangi oleh Henri Tantyoko, M.Kom. dan Satriawan Rasyid Purnama, M.Cs., serta melibatkan lima mahasiswa FSM Undip ini, sukses membuahkan dua publikasi jurnal internasional ASSET dan satu publikasi konferensi ICDXA periode 2025–2026.
Henri Tantyoko menjelaskan bahwa akurasi prediksi beban listrik sangat krusial dalam operasional harian, mulai dari penjadwalan pembangkit hingga efisiensi biaya operasional. Terlebih, tantangan smart grid saat ini kian kompleks akibat fluktuasi sumber energi terbarukan (seperti surya dan angin) serta pola konsumsi masyarakat yang dinamis.
”Semakin akurat prediksi beban listrik, semakin efisien pula pengelolaan energi dan biaya operasional yang dapat dicapai,” ujar Henri dalam keterangan tertulisnya, Selasa (7/7/2026).
Untuk mengatasi tantangan tersebut, tim Undip mengombinasikan metode Variational Mode Decomposition (VMD) dan Long Short-Term Memory (LSTM). Metode VMD berfungsi menguraikan sinyal konsumsi listrik yang rumit menjadi komponen sederhana, yang kemudian dipelajari secara mendalam oleh model LSTM untuk mengenali pola konsumsi dari waktu ke waktu.
Dengan mengolah data konsumsi listrik rumah tangga selama satu tahun, sistem ini terbukti mampu menurunkan tingkat kesalahan prediksi secara signifikan. Ke depan, model AI yang dikembangkan ini akan terus disempurnakan agar lebih ringan dan adaptif, sehingga siap diintegrasikan secara nyata ke dalam sistem kelistrikan modern Indonesia.
Komentar