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.