IMPLEMENTASI LONG SHORT-TERM MEMORY DALAM PERAMALAN PERMINTAAN AIR BERSIH DI KOTA PONTIANAK

Abstract

Peramalan permintaan air bersih di Kota Pontianak menjadi tantangan yang semakin kompleks seiring dengan pesatnya pertumbuhan populasi dan variabilitas faktor iklim yang mempengaruhi pola konsumsi. PDAM Tirta Khatulistiwa, sebagai penyedia utama air bersih, memerlukan pendekatan yang lebih tepat guna untuk merencanakan volume produksi air agar dapat mengatasi fluktuasi permintaan secara optimal. Penelitian ini mengaplikasikan metode Long Short-Term Memory (LSTM), sebuah algoritma machine learning yang efektif dalam memproses data deret waktu dengan ketergantungan jangka panjang. Data historis dari tahun 2019 hingga 2024 yang mencakup pemakaian air pelanggan, suhu maksimum dan minimum, pasang maksimum dan minimum, dan jumlah pelanggan digunakan untuk mengidentifikasi pola-pola dalam permintaan air bersih. Hasil penelitian menunjukkan bahwa model LSTM dapat meramalkan permintaan air dengan akurasi baik. Nilai MAPE untuk data latih dan uji berturut-turut mencapai 2,04% dan 1,54%, menempatkan model ini dalam kategori peramalan yang baik. Analisis lebih lanjut menunjukkan bahwa LSTM mampu mendeteksi pola musiman dan tren jangka panjang. Penerapan model ini diharapkan memberikan dampak signifikan dalam pengelolaan pasokan air bersih, dengan menyediakan informasi yang lebih akurat bagi PDAM untuk menyusun strategi produksi yang lebih responsif terhadap perubahan kebutuhan air. Kata Kunci: LSTM, Peramalan, Permintaan Air, Machine Learning