Prediksi Pembangkitan Daya Listrik Steam Turbine Reheat-Regenerative Combine Cycle Menggunakan Artificial Neural Network
Mahasiswa Peneliti:
Muhammad Farhan Ramadhany
Dosen Pembimbing:
Ir. Joko Waluyo, M.T., Ph.D., IPM., ASEAN Eng., APEC Eng.
Ir. Noor Akhmad Setiawan, S.T., M.T., Ph.D., IPM.
Peningkatan efisiensi operasional turbin uap dalam pengaturan beban merupakan tantangan utama di sektor energi, terutama karena kompleksitas dan sifat non-linear antarparameter operasi. Pendekatan konvensional sering kali tidak mampu memodelkan hubungan tersebut secara akurat, sehingga diperlukan metode prediktif yang lebih adaptif dan presisi tinggi. Penelitian ini bertujuan mengembangkan model prediksi pembangkitan daya listrik turbin uap dengan konfigurasi reheat-regenerative combined cycle menggunakan Jaringan Syaraf Tiruan (Artificial Neural Network, ANN). Tahapan diawali dengan preprocessing data historis, termasuk penanganan data kosong dan outlier menggunakan metode K-Means Clustering dan Grubbs Test, serta feature selection berbasis Principal Component Analysis (PCA). Dalam hal ini, PCA digunakan untuk mengevaluasi kontribusi relatif setiap fitur terhadap principal components, dan dipilih 13 fitur dari 49 fitur asli berdasarkan bobot eigenvector tertinggi pada komponen-komponen yang menjelaskan 95% variasi data guna mempertahankan parameter fisis termodinamika turbin uap. Model ANN dikembangkan melalui skema grid search untuk mengevaluasi kombinasi terbaik dari algoritma pelatihan, fungsi aktivasi, serta konfigurasi hidden layer dan jumlah neuron. Hasil pengujian menunjukkan bahwa model optimal diperoleh dengan algoritma Bayesian Regularization, fungsi aktivasi tangent sigmoid, dan lima hidden layer dengan konfigurasi neuron 22–18–14–10–6. Model ini menghasilkan nilai MSE sebesar 0,00177, RMSE sebesar 0,04203, dan R² sebesar 0,9985, yang menunjukkan akurasi prediksi sangat tinggi dan potensi implementasi yang kuat dalam mendukung optimasi pembangkitan daya di PLTU Banjarsari.
Kata kunci: Pembangkitan Daya Listrik, Turbin Uap, Jaringan Syaraf Tiruan