Semua kelas Silabus Peramalan Beban Listrik LSTM · Episode 2 dari 6

Kelas Peramalan Beban Listrik LSTM #2: Fitur Kalender, Suhu, dan Lag; Windowing Deret Waktu

0 kali dilihat

Kelas rekayasa fitur deret waktu bahasa Indonesia: fitur kalender sinus-kosinus, hari libur, suhu, lag, normalisasi, dan windowing untuk LSTM. Episode 2 seri peramalan beban listrik LSTM.

Software: Deep Learning (PyTorch LSTM + Algoritma Genetika)
Level: Menengah
Durasi: ± 10 menit
Total seri: 53 menit · 6 video
Terbit: 25 Oktober 2026

Episode 2 dari 6 · lihat silabus

Berlangganan ▶ Tonton video praktik0 kali ditonton

Memeriksa akses...

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Lihat silabus lengkap 6 episode Lihat Kursus Peramalan Beban Listrik Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Peramalan Beban Listrik LSTM #2: Fitur Kalender, Suhu, dan Lag; Windowing Deret Waktu”.

ANFIS Metaheuristik Peramalan Deret Waktu

6 episodeAda gratis

Python · Menengah–Mahir

ANFIS Metaheuristik Peramalan Deret Waktu

6 episode video + PDF, total 59 menit. Dimulai dari: Deret Waktu Non-Linear: Dataset, Stasioneritas, dan Pola.

59 menit 13 0

Lihat kelas

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episodeAda gratis

Python · Menengah–Mahir

Deep Learning CNN-LSTM Deteksi Pneumonia

6 episode video + PDF, total 57 menit. Dimulai dari: Dataset Rontgen Dada: Memuat, Eksplorasi & Pembagian Data.

57 menit 22 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Segmentasi Tumor Otak U-Net

6 episode video + PDF, total 1 jam 10 menit. Dimulai dari: Dataset MRI Otak & Mask Tumor: Memuat, Visualisasi & Pembagian per Pasien.

1 jam 10 menit 28 0

Lihat kelas

100 episodeAda gratis

Claude · Pemula–Mahir

Claude dari Nol sampai Mahir

100 episode video + PDF, total 15 jam 1 menit. Dimulai dari: Apa Itu Claude dan Bedanya dengan ChatGPT serta Gemini.

15 jam 1 menit 62 0

Lihat kelas

50 episodeAda gratis

Agentic AI · Pemula–Menengah

Agentic AI Tanpa Coding

50 episode video + PDF, total 14 jam 29 menit. Dimulai dari: Chatbot, Otomasi, dan AI Agent: Apa Bedanya?.

14 jam 29 menit 66 0

Lihat kelas

Klasifikasi Aritmia EKG Wavelet Deep Learning

6 episodeAda gratis

Python · Menengah–Mahir

Klasifikasi Aritmia EKG Wavelet Deep Learning

6 episode video + PDF, total 56 menit. Dimulai dari: Sinyal EKG & EEG: Karakteristik dan Dataset Publik (MIT-BIH).

56 menit 2 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Transfer Learning Penyakit Daun

6 episode video + PDF, total 1 jam 5 menit. Dimulai dari: Dataset PlantVillage: Struktur Folder, Distribusi Kelas & Pembagian Data.

1 jam 5 menit 9 0

Lihat kelas

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episodeAda gratis

Python · Menengah–Mahir

Optimasi Multi-Objektif NSGA-II MOPSO Hybrid

6 episode video + PDF, total 59 menit. Dimulai dari: Optimasi Multi-Objektif: Pareto Front, Dominasi, dan Fungsi Uji ZDT/DTLZ.

59 menit 9 0

Lihat kelas

Butuh lebih dari video?

Pilihan lain dari kami untuk Python.

Belajar bareng mentor

Kursus AI & Kecerdasan Buatan terjadwal, dibimbing langsung, bersertifikat.

Kursus

Kursus Optimasi Multi-Objektif: NSGA-II, MOPSO & Algoritma Hybrid (Python)

Kursus

Kursus Klasifikasi Aritmia EKG dengan Wavelet & Deep Learning (PyTorch)

Kursus

Kursus ANFIS + PSO/GA untuk Peramalan Deret Waktu Non-Linear (Python)

Lihat semua AI & Kecerdasan Buatan →

Minta dibuatkan

Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa

Jasa Machine Learning Python — Model Prediksi, Segmentasi Pelanggan, Deteksi Fraud & Aplikasi AI

Jasa

Jasa Pembuatan Gambar AI dengan Stable Diffusion — Produksi Visual Custom Tanpa Batas

★ 4.9

Jasa

Jasa Pembuatan Gambar & Video AI dengan Leonardo AI — Visual All-in-One untuk Bisnis

★ 4.9

Lihat semua AI & Kecerdasan Buatan →

Kabari saya kalau ada kelas Python baru

Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.

Transkrip

Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.

Tampilkan transkrip

Pembuka

Inilah hasil akhirnya, 11 fitur yang menerjemahkan waktu, hari libur, dan suhu ke dalam angka yang dipahami jaringan saraf, lalu disusun menjadi puluhan ribu jendela 168 jam untuk meramal 24 jam berikutnya. Ayo kita mulai. Halo, selamat datang di episode kedua seri peramalan beban listrik dengan LSTM. Model hanya sebaik fitur yang diberikan. Di episode lalu kita melihat beban bergantung pada jam, hari, musim, hari libur, dan suhu. Hari ini kita mengubah semua itu menjadi fitur, menormalisasinya dengan benar, dan menyusun data menjadi jendela untuk model deret waktu.

Langkah 1: Fitur kalender, libur, suhu & lag

Buat file fitur.py Jam, hari, dan bulan dikodekan dengan sinus dan kosinus, karena waktu bersifat siklus. Jam 23 seharusnya dekat dengan jam 0, padahal sebagai angka biasa keduanya berjauhan. Hari libur memakai library holidays untuk Belgia, digabung dengan Sabtu dan Minggu. Suhu diubah menjadi derajat pemanasan, yaitu seberapa jauh suhu di bawah 15 derajat. Fitur lag 168 adalah beban di jam yang sama satu minggu sebelumnya. Baris awal tanpa lag dibuang. Kelas skala menormalisasi setiap fitur dengan rata-rata dan simpangan baku data latih saja.

Langkah 2: Normalisasi & windowing

Bila statistik dihitung dari seluruh data, informasi masa depan bocor kepelatihan, sehingga hasil uji terlihat lebih bagus dari kenyataan. Fungsi siapkan menghitung fitur pada data penuh dan mencatat batas indeks latih, validasi, dan uji. Fungsi jendela mengambil 168 jam terakhir sebagai masukan dan 24 jam beban berikutnya sebagai target. Riwayat untuk jendela validasi dan uji boleh diambil dari periode sebelumnya, karena di dunia nyata data masa lalu memang tersedia.

Langkah 3: Memeriksa fitur & jendela

Buat file cek underscore fitur dot paye dan jalankan. Ada 11 fitur, dan sekitar 31 persen jam adalah hari libur atau akhir pekan. Beban ternormalisasi di data latih punya rata-rata 0 dan simpangan baku 1. Untuk pelatihan, jendela digeser 1 jam, menghasilkan hampir 26.000 contoh berbentuk 168 x 11. Untuk validasi, 1 ramalan per hari setiap pukul 00, tepat 365 jendela.

Langkah 4 Fitur selama satu minggu

Mari lihat fiturnya selama 1 minggu. Baris atas beban dan lag 168 jam yang polanya sangat mirip. Baris tengah sinus dan kosinus jam yang berulang mulus setiap hari. Baris bawah suhu dan penanda akhir pekan. Dengan fitur seperti ini, model tahu kapan sebuah jam terjadi dan dalam kondisi seperti apa.

Selesai!

Selesai. Kita sudah membuat fitur kalender siklus, hari libur, derajat pemanasan, dan lag, menormalisasi tanpa kebocoran data, serta menyusun jendela deret waktu. Di episode berikutnya kita membuat baseline, naif, regresi ridge, dan sarima. Sedang menyusun skripsi, tesis, atau riset di bidang peramalan beban listrik dan deret waktu? Cerdas inovasi digital membantu implementasi deep learning, dari eksplorasi data beban, rekayasa fitur, arima dan regresi, LSTM dengan PyTorch, sampai optimasi hyperparameter dengan algoritma genetika, serta membuka kursus deep learning dengan PyTorch. Ingin menguasai seluruh seri ini, dari data beban per jam sampai evaluasi ramalan? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, sampai jumpa di episode berikutnya. Terima kasih telah menonton,

Tanya materi kelas

Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.

Catatan saya

Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.

Tanya jawab

Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.

Belum ada pertanyaan.

Pengajar

Tim Cerdas Inovasi Digital

Pengembang software, engineer BIM & 3D, dan praktisi AI

53 kelas video1.290 episode

Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.

Lihat klien kami →

Memuat

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:46Langkah 1: Fitur kalender, libur, suhu & lag

3:02Langkah 2: Normalisasi & windowing

4:56Langkah 3: Memeriksa fitur & jendela

6:39Langkah 4 Fitur selama satu minggu

8:12Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:46Langkah 1: Fitur kalender, libur, suhu & lag

3:02Langkah 2: Normalisasi & windowing

4:56Langkah 3: Memeriksa fitur & jendela

6:39Langkah 4 Fitur selama satu minggu

8:12Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Fitur kalender, libur, suhu & lag

Langkah 2: Normalisasi & windowing

Langkah 3: Memeriksa fitur & jendela

Langkah 4 Fitur selama satu minggu

Selesai!

Pembuka

Langkah 1: Fitur kalender, libur, suhu & lag

Langkah 2: Normalisasi & windowing

Langkah 3: Memeriksa fitur & jendela

Langkah 4 Fitur selama satu minggu

Selesai!