Electronic Theses and Dissertation

Kebutuhan akan energi listrik di Indonesia semakin lama semakin besar karena pertumbuhan ekonomi yang terus meningkat seiring berjalannya waktu. Sesuai instruksi Presiden No. 10 Tahun 2005 dan Peraturan Presiden No. 5 Tahun 2006 mengeluarkan ketentuan dalam bentuk peraturan mengenai penghematan energi dan kebijakan penggunaan energi nasional. Oleh karena itu pada penelitian ini membahas audit energi listrik dan prediksi beban listrik pada Gedung PT. Telkom Indonesia Daerah Lhokseumawe dengan menggunakan Algoritma Artificial Neural Network (ANN). Penelitian ini bertujuan untuk menghasilkan peluang penghematan energi listrik. Selain itu dalam penelitian ini juga dilakukan prediksi beban pemakaian energi listrik sebelum dan sesudah dilakukan audit menggunakan Algoritma Artificial Neural Network (ANN). Didapatkan bahwa beban terbesar pada Gedung adalah pendingin udara (AC) sebesar 61% dari seluruh total beban yang ada pada Gedung sehingga dibutuhkan audit terhadap beban tersebut. Setelah dilakukan inspeksi lokasi, pendingin udara yang digunakan melebihi kapasitas AC yang dibutuhkan sehingga diperlukan untuk pengajuan perangkat baru sesuai kebutuhan ruangan untuk menghasilkan potensi penghematan pemakaian energi listrik pada Gedung. Berdasarkan pelatihan dan validasi jaringan syaraf yang telah dilakukan model Regresi Bilayered Neural Network (BNN) dengan 3 Layers adalah model yang paling sesuai untuk dataset yang dimiliki. Dengan nilai yang didapat RMSE sebesar 1210.7, R-Squared 1.00, MSE 1.4658e+06, MAE 901.19, Prediction Speed ~1500obs/Sec, Training Time 4.8719 Sec. Hasilnya didapatkan potensi penghematan hingga 17023 kWh/bulan atau sebesar 163327 kWh/tahun. Payback Period yang dibutuhkan untuk mengembalikan investasi yang telah dikeluarkan adalah selama 14 bulan.

Kata kunci: Audit Energi, Prediksi Beban, Peluang Hemat Energi, Model Regresi, Artificial Neural Network (ANN).

The escalating demand for electricity in Indonesia, driven by continuous economic growth, necessitates a strategic approach to energy management. In accordance with Presidential Instruction No. 10 of 2005 and Presidential Regulation No. 5 of 2006, regulations were enacted to address energy conservation and national energy usage policies. This research focuses on conducting an electricity energy audit and load prediction in the PT. Telkom Indonesia building in Lhokseumawe, utilizing the Artificial Neural Network (ANN) algorithm. The objective is to identify opportunities for electricity energy savings. Additionally, the study involves predicting electricity usage before and after the audit using the ANN algorithm. Findings reveal that the largest load in the building is attributed to air conditioning (AC), accounting for 61% of the total load. Hence, an audit on AC load is imperative. On-site inspections indicate that the AC units exceed the required capacity, warranting the proposal of appropriately sized devices to achieve potential electricity savings in the building. Based on the training and validation of the neural network, the Bilayered Neural Network (BNN) model with 3 layers is identified as the most suitable for the dataset. With RMSE at 1210.7, R-Squared at 1.00, MSE at 1.4658e+06, MAE at 901.19, Prediction Speed ~1500obs/Sec, and Training Time at 4.8719 Sec, the model demonstrates significant potential for accurate load predictions. The results indicate a potential electricity savings of up to 17023 kWh/month or 163327 kWh/year. The required payback period to recover the investment is estimated at 14 months. Keywords: Energy Audit, Load Prediction, Energy Savings Opportunities, Regression Model, Artificial Neural Network (ANN).