Kemajuan teknologi kecerdasan buatan telah menghadirkan solusi baru dalam berbagai sektor, termasuk energi. Penerapan metode AI kini mulai difokuskan pada efisiensi sistem distribusi tenaga listrik sebagai respons terhadap meningkatnya konsumsi energi nasional. Pertumbuhan industri, urbanisasi, dan digitalisasi mendorong sistem distribusi listrik bekerja dalam kondisi yang semakin dinamis sehingga menuntut keandalan dan adaptivitas yang tinggi.
Salah satu tantangan besar dalam sistem distribusi adalah jatuh tegangan yaitu penurunan tegangan yang terjadi antara sumber dan beban. Kondisi ini dapat menurunkan efisiensi energi, merusak peralatan, serta memicu gangguan operasional pada instalasi yang sensitif seperti fasilitas komersial, industri, dan pelayanan publik. Karena itu, diperlukan pendekatan prediktif berbasis data yang mampu memberikan estimasi akurat terhadap kondisi sistem agar pengambilan keputusan teknis dapat dilakukan secara tepat waktu.
Model kecerdasan buatan berbasis Jaringan Saraf Tiruan (JST) dikembangkan menggunakan algoritma backpropagation untuk memprediksi jatuh tegangan pada sistem distribusi tenaga listrik. Input model mencakup parameter teknis seperti tegangan, arus, panjang dan diameter kabel, hambatan jenis, reaktansi, serta faktor daya. Proses pelatihan dilakukan melalui simulasi menggunakan perangkat lunak MATLAB R2024b.
Hasil pengujian menunjukkan akurasi tinggi, tercermin dari nilai Mean Square Error (MSE), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE) yang mendekati 0. Selain itu, nilai Mean Absolute Percentage Error (MAPE) sebesar 1,887% pada data uji menunjukkan kesalahan yang relatif kecil. Kemampuan model dalam mengenali pola kompleks antar variabel input dan menyesuaikan terhadap variasi kondisi sistem membuktikan efektivitas algoritma ini sebagai alat bantu analisis prediktif.
Pengembangan sistem prediksi ini memberikan kontribusi terhadap Tujuan Pembangunan Berkelanjutan (SDGs), khususnya SDG 7 yaitu energi bersih dan terjangkau yang menekankan pentingnya akses terhadap energi yang andal, berkelanjutan, dan efisien. Penerapan metode ini juga mendukung SDG 9 yaitu industri, inovasi, dan infrastruktur melalui optimalisasi sistem infrastruktur energi berbasis teknologi digital.
Oleh: Putra Muhammad Rizki Agung [21/474837/SV/19048]
Pembimbing: Ir. Ma’un Budiyanto, S.T., M.T., IPU