Memuat
Memuat
Ramal beban listrik 24 jam ke depan dengan LSTM: data beban per jam dan suhu, fitur kalender, hari libur & lag, baseline naive, Ridge, dan SARIMA, model LSTM PyTorch, lalu optimasi arsitektur dan hyperparameter dengan algoritma genetika, dievaluasi sepanjang setahun data uji.
Geser untuk melihat kurikulum dan hasil setiap modul.
MAPE uji LSTM hasil algoritma genetika
MAPE baseline terbaik (regresi Ridge)
Jam data beban & suhu (2015–2019)
Horizon ramalan sekali jalan
Enam modul berurutan mengikuti alur penelitian peramalan beban listrik sungguhan, setiap modul menghasilkan kode yang berjalan dan grafik yang siap dipakai di laporan.
Pola harian, mingguan, musiman, dan pengaruh suhu.
Fitur kalender sin-cos, hari libur, suhu, lag 168, dan jendela deret waktu.
Naive mingguan, regresi Ridge, dan SARIMA sebagai pembanding.
Model LSTM PyTorch dengan early stopping.
Mencari jumlah lapisan, unit, dropout, dan learning rate terbaik.
MAPE/RMSE, galat per jam & bulan, dan hari tersulit diramal.
Video 6–11 menit per modul, lengkap dengan PDF panduan. Modul 1 bisa ditonton gratis.
Kerangka penelitian peramalan beban listrik lengkap: metode pembanding, metode usulan, eksperimen, dan evaluasi siap bab 4.
Kode PyTorch yang rapi dan mudah diganti data, parameter, atau metodenya untuk publikasi.
Memahami cara kerja peramalan beban listrik dari teori sampai implementasi yang bisa dicoba sendiri.
Praktik PyTorch pada studi kasus nyata, bukan sekadar contoh mainan.
Kami membantu implementasi model, eksperimen, evaluasi, dan penulisan hasil untuk skripsi, tesis, maupun publikasi.
Lihat Jasa Riset Peramalan Beban ListrikYa. Alurnya mengikuti penelitian sungguhan: metode pembanding, metode usulan, eksperimen, evaluasi, dan analisis hasil yang bisa langsung menjadi kerangka bab 3 dan bab 4.
Open Power System Data (ENTSO-E) dan Open-Meteo, lisensi CC BY 4.0. Data yang dipakai disertakan di file project sehingga hasilnya bisa diulang.
Ya. Pelanggan Kelas Premium dan pembeli kelas mendapat zip berisi dataset dan seluruh source code dari keenam modul, diunduh lewat link aman dari halaman kelas.
Dasar Python, Python 3.10+, dan VS Code. Library yang dipakai: torch pandas scikit-learn statsmodels holidays matplotlib.
Ada. Modul 1 bisa ditonton gratis di halaman kelas; modul berikutnya untuk pelanggan Kelas Premium atau pembeli kelas.
Ya, tersedia kelas live online dan jasa pendampingan riset peramalan beban listrik untuk skripsi, tesis, maupun publikasi.
Konsultasikan topik penelitian Anda, kami bantu pilihkan paket belajar yang paling sesuai.
Konsultasi Gratis