{"id":23221,"date":"2024-12-15T13:32:30","date_gmt":"2024-12-15T06:32:30","guid":{"rendered":"https:\/\/stei.itb.ac.id\/?page_id=23221"},"modified":"2024-12-16T08:25:26","modified_gmt":"2024-12-16T01:25:26","slug":"model-prediksi-gas-rumah-kaca","status":"publish","type":"page","link":"https:\/\/stei.itb.ac.id\/en\/prima\/model-prediksi-gas-rumah-kaca\/","title":{"rendered":"Model Prediksi Gas Rumah Kaca"},"content":{"rendered":"<div class=\"wpb-content-wrapper\"><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid kepala vc_custom_1734236300248 vc_row-has-fill\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><div class=\"container\" ><div class=\"vc_row wpb_row vc_inner vc_row-fluid\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><div class=\"vc_btn3-container vc_btn3-inline vc_do_btn\" ><button class=\"vc_general vc_btn3 vc_btn3-size-lg vc_btn3-shape-rounded vc_btn3-style-modern vc_btn3-icon-left vc_btn3-color-white\" onclick=\"history.back()\"><i class=\"vc_btn3-icon fas fa-home\"><\/i> Kembali ke Beranda<\/button><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734170418007\"><div class=\"wpb_column vc_column_container vc_col-sm-3\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p><strong>Kridanto Surendro<\/strong><br \/>\nSTE-ITB<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-3\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p><strong>Neng Ayu Herawati<\/strong><br \/>\nSTE-ITB<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-3\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-3\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\"><\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734168902943\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p><strong>Abstrak<\/strong><br \/>\nPemerintah Indonesia berkomitmen melakukan penurunan emisi Gas Rumah Kaca sebesar 29% atau setara dengan 834 juta ton CO2e pada tahun 2030. Dimana sektor energi menjadi prioritas utama penurunan emisi dengan target penurunan sebesar 314 juta ton CO2e. Salah satu metode penurunan emisi adalah melalui perdagangan karbon dan pemberlakuan skema pajak karbon di sektor perdagangan karbon pada PLTU batubara sejak tahun 2022. Beberapa penelitian emisi GRK hanya berfokus pada penghitungan emisi karbon dan belum menerapkan model prediksi. Sedangkan prediksi emisi karbon yang dilakukan oleh Zhu et al. hanya menggunakan model regresi, sehingga hasil prediksinya akan bergantung pada variabel independen yang belum dapat melakukan prediksi jangka panjang. Dalam penelitian ini akan melibatkan model prediksi emisi karbon untuk memberikan informasi bagi pengambil keputusan dalam optimasi prediksi emisi karbon.<\/p>\n<p><strong>Keyword:<\/strong> Model Prediksi, Emisi Karbon, Machine Learning<\/p>\n<p><strong>Pendahuluan<\/strong><br \/>\nDalam penelitian ini dikembangkan sebuah model prediktif menggunakan machine learning dengan menggunakan model time series dan model regresi pada sebuah Pembangkit Listrik Tenaga Uap (PLTU). Model time series digunakan dalam melakukan prediksi setiap feature atau variabel sebagai input pada model regresi untuk melakukan prediksi emisi karbon.<\/p>\n<p>Kemudian, informasi keputusan perdagangan karbon menggunakan rule-oriented decision support systems. Hasil prediksi emisi karbon digunakan untuk mendukung informasi keputusan perdagangan karbon pada periode selanjutnya. Dalam penelitian ini akan melibatkan data spesifik berdasarkan data aktivitas di PLTU dan menggunakan data dengan granularity per hari sehingga lebih akurat dan menghasilkan lebih banyak data untuk dapat meningkatkan performa model.<\/p>\n<p>Pemodelan prediksi emisi karbon akan membandingkan hasil model dengan metode linear regression dan Metode 4 atau CEMS. Data yang digunakan pada Metode CEMS yaitu data riil dari operational time setiap unit dan electricity gross. Selanjutnya, data yang digunakan pada Metode 1 terdiri dari riwayat aktivitas yang sudah dikonversi ke emisi CO2e, yaitu emisi CO2, emisi CH4, dan emisi N2O yang sudah dihitung menggunakan nilai Global Warming Potential (GWP), dan data electricity gross.<\/p>\n<p><strong>Research Methodology<\/strong><br \/>\nMetodologi yang digunakan dalam penelitian ini adalah Design Science Research Methodology (DSRM). Tahapan penelitian dalam DSRM dapat dilihat pada Gambar 1. DSRM memiliki enam tahap penelitian dimulai dari identifikasi masalah, mendefinisikan tujuan penelitian, perancangan, pembuatan, demonstrasi, evaluasi, dan komunikasi.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734169162466 vc_row-o-content-bottom vc_row-flex\"><div class=\"wpb_column vc_column_container vc_col-sm-4\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img loading=\"lazy\" decoding=\"async\" width=\"853\" height=\"148\" src=\"https:\/\/stei.itb.ac.id\/wp-content\/uploads\/Design-Science-Research-Methodology.jpg\" class=\"vc_single_image-img attachment-full\" alt=\"\" title=\"Design Science Research Methodology\" \/><\/div><figcaption class=\"vc_figure-caption\">Gambar 1. Design Science Research Methodology<\/figcaption>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-4\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img loading=\"lazy\" decoding=\"async\" width=\"814\" height=\"963\" src=\"https:\/\/stei.itb.ac.id\/wp-content\/uploads\/Rancangan-Solusi.jpg\" class=\"vc_single_image-img attachment-full\" alt=\"\" title=\"Rancangan Solusi\" \/><\/div><figcaption class=\"vc_figure-caption\">Gambar 2. Rancangan Solusi<\/figcaption>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><div class=\"wpb_column vc_column_container vc_col-sm-4\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img loading=\"lazy\" decoding=\"async\" width=\"649\" height=\"535\" src=\"https:\/\/stei.itb.ac.id\/wp-content\/uploads\/Prediksi-Emisi-Karbon.jpg\" class=\"vc_single_image-img attachment-full\" alt=\"\" title=\"Prediksi Emisi Karbon\" \/><\/div><figcaption class=\"vc_figure-caption\">Gambar 3. Prediksi Emisi Karbon<\/figcaption>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734168902943\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p><strong>Diskusi dan Hasil<\/strong><br \/>\nBerdasarkan hasil perolehan nilai pengujian model terbaik adalah:<\/p>\n<p>a. Linear Regression:<br \/>\nLinear Regression menjadi model terbaik karena data pada unit memiliki hubungan yang linier antar fitur dan prediksi linear menjadi lebih baik.<br \/>\nKeefektifan Linear Regression menjadi best model menunjukkan bahwa data memiliki hubungan linier yang kuat sehingga memudahkan model untuk melakukan prediksi yang lebih akurat.<\/p>\n<p>b. Random Forest Regression:<br \/>\nRandom Forest Regression merupakan model terbaik pada Unit 8, hal tersebut karena karakteristik data pada Unit 8 memiliki hubungan yang lebih kompleks.<br \/>\nKeberhasilan Random Forest Regression menjadi model pada Unit 8 menunjukkan bahwa data di unit ini lebih kompleks atau non-linear sehingga Random Forest Regression dapat menangkap hubungan ini lebih baik dibandingkan dengan model lainnya.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734169162466 vc_row-o-content-bottom vc_row-flex\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div  class=\"wpb_single_image wpb_content_element vc_align_center wpb_content_element\">\n\t\t\n\t\t<figure class=\"wpb_wrapper vc_figure\">\n\t\t\t<div class=\"vc_single_image-wrapper   vc_box_border_grey\"><img loading=\"lazy\" decoding=\"async\" width=\"807\" height=\"757\" src=\"https:\/\/stei.itb.ac.id\/wp-content\/uploads\/Perbandingan-nilai-prediksi-nilai-aktual-setiap-feature.jpg\" class=\"vc_single_image-img attachment-full\" alt=\"\" title=\"Perbandingan nilai prediksi &amp; nilai aktual setiap feature\" \/><\/div><figcaption class=\"vc_figure-caption\">Gambar 4. Perbandingan nilai prediksi &amp; nilai aktual setiap feature<\/figcaption>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/div><div class=\"fullwidth\" ><div class=\"vc_row wpb_row vc_row-fluid vc_custom_1734168902943\"><div class=\"wpb_column vc_column_container vc_col-sm-12\"><div class=\"vc_column-inner\"><div class=\"wpb_wrapper\">\n\t<div class=\"wpb_text_column wpb_content_element\" >\n\t\t<div class=\"wpb_wrapper\">\n\t\t\t<p><strong>Kesimpulan<\/strong><br \/>\nPenelitian ini menghasilkan model prediktif yang dapat memberikan informasi prediksi emisi karbon, konsumsi bahan bakar batubara, dan gross electricity sebagai upaya optimasi emisi karbon, serta informasi yang dapat mendukung pengambilan keputusan dalam kegiatan perdagangan karbon. Hasil penelitian dapat digunakan sebagai informasi bagi PLTU dalam merencanakan strategi perdagangan karbon yang lebih efektif dengan mempertimbangkan faktor lingkungan dan finansial secara komprehensif.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"Kembali ke Beranda Kridanto Surendro STE-ITB Neng Ayu Herawati STE-ITB Abstrak Pemerintah Indonesia berkomitmen melakukan penurunan emisi Gas Rumah Kaca sebesar 29% atau setara dengan 834 juta ton CO2e pada [...]","protected":false},"author":1,"featured_media":0,"parent":22933,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-23221","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/pages\/23221","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/comments?post=23221"}],"version-history":[{"count":2,"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/pages\/23221\/revisions"}],"predecessor-version":[{"id":23580,"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/pages\/23221\/revisions\/23580"}],"up":[{"embeddable":true,"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/pages\/22933"}],"wp:attachment":[{"href":"https:\/\/stei.itb.ac.id\/en\/wp-json\/wp\/v2\/media?parent=23221"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}