Analisis dan Prediksi Konsumsi Listrik Smart Office Berbasis IoT Terhadap Faktor Internal dan Eksternal Menggunakan Deep Learning
Abstract
Transformasi digital mendorong perusahaan di seluruh dunia untuk meningkatkan
efisiensi operasional, termasuk mengurangi konsumsi listrik di gedung perkantoran. Oleh
karena itu, kebutuhan akan monitoring dan prediksi konsumsi listrik di dalam perusahaan
menjadi hal yang sangat penting karena dapat membantu proses efisiensi dalam
meningkatkan penghematan biaya operasional. Dalam konteks ini, perusahaan yang
dilengkapi dengan sistem smart office memiliki keunggulan dalam meramalkan konsumsi
listrik karena menghasilkan data hasil ekstraksi yang dapat diolah lebih lanjut. Sehingga,
pada penelitian ini penulis membangun sistem monitoring smart office berbasis IoT pada
perkantoran konvensional. Hal ini bertujuan untuk dapat melakukan ekstraksi data konsumsi
listrik, serta data kondisi internal dan eksternal bangunan kantor. Data historis hasil ekstraksi
sensor-sensor IoT yang tertanam pada sistem monitoring smart office diolah lebih lanjut
melalui proses pre-processing, exploratory dan feature engineering. Termasuk juga
didalamnya dilakukan analisis tren konsumsi listrik harian perkantoran. Kemudian, model
prediksi dibangun dengan membandingkan implementasi arsitektur deep learning GRU dan
Bi-GRU. Hasil penelitian menunjukkan bahwa model BiGRU menghasilkan performa
prediksi yang lebih baik dibandingkan dengan GRU, meskipun memiliki kompleksitas yang
lebih tinggi. Dengan menggunakan data historis satu minggu sebelumnya, model BiGRU
dapat memprediksi konsumsi listrik satu hari ke depan dengan lebih akurat. Evaluasi model
menunjukkan bahwa BiGRU memiliki kinerja yang lebih unggul dibandingkan dengan
GRU. Hal ini terlihat dari nilai MSE, RMSE, dan MAE yang lebih rendah, serta R2 yang
lebih tinggi untuk BiGRU. Pada tahap pengujian, model BiGRU menghasilkan prediksi yang
lebih akurat, dengan MAE sebesar 0,0188 dibandingkan dengan GRU yang memiliki MAE
sebesar 0,0231. Selain itu, selisih total konsumsi listrik harian antara prediksi dan data aktual
adalah 11,76 kWh untuk BiGRU, sementara GRU memiliki selisih sebesar 23,68 kWh.
Walaupun waktu pelatihan BiGRU lebih lama, model ini tetap menjadi pilihan terbaik berkat
keakuratan prediksinya yang lebih tinggi.