Abstract
Penelitian ini berfokus pada prediksi tingkat karbon yang tidak terbakar di pembangkit listrik berbahan bakar batu bara untuk meningkatkan efisiensi operasional. Prediksi yang akurat terhadap karbon yang tidak terbakar sangat penting karena berdampak langsung pada efisiensi pembakaran bahan bakar dan keberlanjutan lingkungan. Penelitian ini membandingkan tiga algoritma machine learning: Linear Regression, Random Forest, dan LightGBM Regression, menggunakan metrik performa seperti Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), dan Root Mean Squared Error (RMSE). Hasil menunjukkan bahwa LightGBM Regression memiliki performa terbaik dengan MAE sebesar 0,31, MAPE sebesar 1,29, dan RMSE sebesar 0,38, mengungguli kedua model lainnya. Model ini dapat dioptimalkan lebih lanjut untuk meningkatkan akurasi prediksi, sehingga berkontribusi pada operasi pembangkit yang lebih efisien dan ramah lingkungan. Penerapan machine learning dalam penelitian ini mendukung pengambilan keputusan berbasis data di sektor energi.
Published Version
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call