Prediksi Beban Turbin Uap Menggunakan Machine Learning Berbasis Random Forest untuk Optimalisasi Efisiensi Turbin Uap Pada PLTU Ombilin
DOI:
https://doi.org/10.31004/joecy.v5i2.2879Keywords:
Kinerja Turbin Uap, PLTU Ombilin, Artificial Intelligence, Random Forest Algorithm, Prediksi Load, Optimasi Sistem, Model Evaluation, Thermal Performance, Data Operasional, Parameter TuningAbstract
Penelitian ini mengembangkan model prediktif untuk estimasi beban turbin uap dengan mengimplementasikan teknik machine learning Random Forest dalam rangka optimasi efisiensi operasional turbin uap pada fasilitas PLTU Ombilin. Proses penelitian melibatkan akuisisi data operasional historis yang kemudian melalui tahap preprocessing menggunakan normalisasi Min-Max Scaler dan pembagian dataset dengan rasio 80:20 untuk training dan testing. Optimasi model Random Forest dilakukan melalui hyperparameter tuning untuk memperoleh konfigurasi optimal, menghasilkan performa dengan MAE 1.024, RMSE 0.987, dan R-squared 0.893 pada evaluasi testing. Hasil evaluasi mengindikasikan kemampuan model dalam menghasilkan prediksi akurat dengan generalisasi yang memadai terhadap data baru. Implementasi model ini diproyeksikan dapat berfungsi sebagai tool decision support dalam manajemen operasional pembangkit, meningkatkan thermal efficiency turbin uap, dan mendukung reduksi konsumsi fuel serta emisi greenhouse gas. Riset ini merekomendasikan eksplorasi algoritma komplementer seperti Gradient Boosting, XGBoost, dan Artificial Neural Network untuk benchmarking performa dan validasi model yang lebih komprehensif.
References
Abbas, H., Jamaluddin, J., Arif, M., & Amiruddin, A. (2020). Analisa Pembangkit Tenaga Listrik dengan Tenaga Uap di PLTU. ILTEK: Jurnal Teknologi, 15(02), 103–106. https://doi.org/10.47398/iltek.v15i02.33
Ajewole, T. O., Ojuola, B. M., Olawuyi, A. A., Momoh, O. D., & Olukayode, O. (2023). Application of Machine Learning to Prediction of Turbine Rotor Vibration in Steam Power Plant. Journal of Energy and Safety Technology (JEST), 6(2), 1–9. https://doi.org/10.11113/jest.v6.134
Andreanus, J., & Kurniawan, A. (2018). Sejarah, Teori Dasar dan Penerapan Reinforcement Learning: Sebuah Tinjauan Pustaka. Jurnal Telematika, 12(2), 113–118. https://doi.org/10.61769/telematika.v12i2.193
Ardianto, Raharjo, A. B., & Purwitasari, D. (2022). Random Forest Regression untuk Prediksi Produksi Daya Pembangkit Listrik Tenaga Surya, 7(5), 1058–1075.
Arisusanto, A., Suarna, N., & Dwilestari, G. (2023). Analisa Klasifikasi Data Harga Handphone Menggunakan Algoritma Random Forest dengan Optimize Parameter Grid. Jurnal Teknologi Ilmu Komputer, 1(2), 43–47. https://doi.org/10.56854/jtik.v1i2.51
Ashfania, G. A. M., Prahasto, T., Widodo, A., & Warsokusumo, T. (2022). Penggunaan Algoritma Random Forest untuk Klasifikasi Berbasis Kinerja Efisiensi Energi pada Sistem Pembangkit Daya. Rotasi, 24(3), 14–21.
Azis, A. R. (2024). Analisis Komparasi Algoritma Machine Learning dalam Prediksi Performa Akademik Mahasiswa: Literature Review, 4(2), 143–150.
Burlian, F., & Ghafara, A. (2013). Perancangan Ulang Heat Recovery Steam Generator dengan Sistem Dual Pressure melalui Pemanfaatan Gas Buang Sebuah Turbin Gas Berdaya 160 MW. Jurnal Rekayasa Mesin Universitas Sriwijaya, 13(1), 21–33.
Chyan, P., Arni, S., & Thayf, M. S. S. (2023). Pengantar Machine Learning. PT MIFANDI MANDIRI DIGITAL.
Desyani, N., Kristina, S., & Yosephine, V. S. (2024). Studi Awal Penerapan Reinforcement Learning pada Penyelesaian Heterogeneous Vehicle Routing Problem with Soft Time Windows, 1(10).
Fadil, M., Tambunan, A. T. P. R., Hasibuan, A. H., Elroi, M., Sinambela, Y., Situmorang, A. S., & Paundra, F. (2024). Pemeliharaan Sistem Pelumasan pada Turbin Uap di PLTU XYZ. Perwira Journal of Science & Engineering, 4(2), 58–63. https://doi.org/10.54199/pjse.v4i2.309
Faiza, I. M., Gunawan, & Andriani, W. (2022). Tinjauan Pustaka Sistematis: Penerapan Metode Machine Learning untuk Deteksi Bencana Banjir, 11(September), 59–63.
Fathurohman, A. (2021). Machine Learning untuk Pendidikan: Mengapa dan Bagaimana. Jurnal Informatika dan Teknologi Komputer (JITEK), 1(3), 57–62. https://journal.amikveteran.ac.id/index.php/jitek/article/view/306
Haeruddin, Erick, & Aripradono, H. W. (2025). Perbandingan Support Vector Machine, Random Forest Classifier, dan K-Nearest Neighbour dalam Pendeteksian Anomali pada Jaringan DDoS. 7(1), 23–33.
Hendra, H. (2023). Prediksi Daya Listrik pada Pembangkit Listrik Siklus Gabungan Berdasarkan Kondisi Lingkungan Menggunakan Metode Machine Learning. Elektron: Jurnal Ilmiah, 15(November), 72–82. https://doi.org/10.30630/eji.0.0.415
Jamaludin, & Kurniawan, I. (2017). Analisis Perhitungan Daya Turbin yang Dihasilkan dan Efisiensi Turbin Uap pada Unit 1 dan Unit 2 di PT. Indonesia Power Uboh UJP Banten 3 Lontar. Motor Bakar: Jurnal Teknik Mesin, 1(2), 1–8. https://doi.org/10.31000/mbjtm.v1i2.731
Jantri, & Armelia, P. (2021). Analisa Penurunan Kinerja Kondensor pada Turbin PLTU Unit 4 di PT. PLN (Persero) Unit Pembangkitan (UPK) Belawan. Jurnal Teknologi Mesin Uda, 2(1), 27–38.
Leni, D., K., A., Sumiati, R., Adriansyah, & Haris. (2023). Prediction Modeling of Low Alloy Steel Based on Chemical Composition and Heat Treatment Using Artificial Neural Network. Jurnal Polimesin, 21(5), 54–61. https://doi.org/10.30811/jpl.v21i5.3896
Mukrimaa, S. S., Nurdyansyah, Fahyuni, E. F., Yulia Citra, A., Schulz, N. D., غسان, د., Taniredja, T., Faridli, E. Miftah, & Harmianto, S. (2021). Machine Learning Teori, Studi Kasus dan Implementasi Menggunakan Python. Jurnal Penelitian Pendidikan Guru Sekolah Dasar, 6(August), 128. https://doi.org/10.5281/zenodo.5113507
Mulyadi, D., Rusirawan, D., & I, N. (2023). Desain Pembangkit Listrik Turbin Uap Berbahan Bakar Batu Bara yang Efektif dan Ramah Lingkungan. Jurnal Tekno Insentif, 17(1), 58–68. https://doi.org/10.36787/jti.v17i1.1083
Pandia, M., Sihombing, P., Simamora, P., & Kaban, R. (2024). Kajian Literatur Multimedia Retrieval: Machine Learning untuk Pengenalan Wajah. Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), 7(1), 161–166. https://doi.org/10.55338/jikomsi.v7i1.2758
Panjaitan, A. W. R., Nainggolan, P. D., Sebayang, S., & Pardede, S. (2023). Analisis Performansi Water Tube Boiler Kapasitas 240 Ton/Jam di PLTU Sulbagut-1 Tanjung Karang. 4(1), 199–205.
Pradana, D. P., Luthfi Alghifari, M., Farhan Juna, M., & Palaguna, S. D. (2022). Klasifikasi Penyakit Jantung Menggunakan Metode Artificial Neural Network. Indonesian Journal of Data and Science, 3(2), 55–60. https://doi.org/10.56705/ijodas.v3i2.35
Putri, A., Hardiana, C. S., Novfuja, E., Siregar, F. T. P., Rahmaddeni, R., Fatma, Y., & Wahyuni, R. (2023). Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(1), 20–26. https://doi.org/10.57152/malcom.v3i1.610
Ramadhon, R. N., Ogi, A., Agung, A. P., Putra, R., Febrihartina, S. S., & Firdaus, U. (2024). Implementasi Algoritma Decision Tree untuk Klasifikasi Pelanggan Aktif atau Tidak Aktif pada Data Bank. Karimah Tauhid, 3(2), 1860–1874. https://doi.org/10.30997/karimahtauhid.v3i2.11952
Sajiwo, B., Prahasto, T., & Widodo, A. (2023). Prediksi Remaining Useful Life (RUL) pada Jet Engine sebagai Upaya Predictive Maintenance Berbasis Machine Learning. Jurnal Teknik Mesin S-1, 11(4).
Setiawan, F. G., Melkias, A. A., & Slameto. (2022). Analisis Kinerja Turbin Uap Unit 1 di Cirebon Power. Jurnal Teknik Energi, 11(2), 7–11. https://doi.org/10.35313/energi.v11i2.3517
Sidiq, A. N., & Anwar, M. (2021). Perbandingan Efisiensi Turbin Uap Kondisi Aktual Berbasis Data Komissioning Sesuai Standard ASME PTC 6. Kilat, 10(1), 190–199. https://doi.org/10.33322/kilat.v10i1.1188
Song, Y., Park, J., Suh, M. S., & Kim, C. (2024). Prediction of Full-Load Electrical Power Output of Combined Cycle Power Plant Using a Super Learner Ensemble. Applied Sciences, 14(24). https://doi.org/10.3390/app142411638
Sugeng, U. M., Setiadi, B., Hadi, V., & Sugianto. (2023). Analisis Pengaruh High Pressure Heater terhadap Turbine Heat Rate dan Pemakaian Batu Bara di PLTU 1 × 600 MW. Presisi, 25(2), 28–35. https://ejournal.istn.ac.id/index.php/presisi/article/view/1635
Syarif, M., & Afiyati. (2025). Prediksi Nilai Unburned Carbon Batubara yang Dihasilkan PLTU Menggunakan Algoritma Linear Regression, Random Forest, dan LightGBM Regression Muhyiddin. Jurnal Teknologi Informasi dan Komunikasi, 9(June), 477–484.
Syarif, Y. A. (2021). Pengaruh Laju Massa Uap terhadap Efisiensi Kerja Turbin Uap pada Pembangkit Listrik Tenaga Panas Bumi Lahendong Unit 5 di Tompaso Sulawesi Utara. (Unpublished thesis). [If thesis, add institution]
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Diki Alfarizi, Arwizet Arwizet, Refdinal Refdinal, Primawati Primawati
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
