PENGEMBANGAN SISTEM PREDICTIVE ANALYTICS BERBASIS INTERNET OF THINGS MENGGUNAKAN LSTM SEQUENCE TO SEQUENCE PADA SISTEM PLTS OFF-GRID

Pembangkit Listrik Tenaga Surya (PLTS) off-grid di daerah tertinggal, terdepan, dan terluar (3T) memiliki tantangan tingginya waktu untuk mendeteksi gangguan akibat pemantauan yang masih bersifat berkala dan manual. Penelitian ini bertujuan mengembangkan sistem predictive analytics berbasis Internet of Things (IoT) dengan algoritma Long Short-Term Memory (LSTM) Sequence to Sequence untuk memprediksi performa dan sisa usia pakai komponen panel surya, baterai, dan inverter. Metodologi yang digunakan ialah perancangan data pipeline dari inverter dan Application Programming Interface (API) cuaca ke database, pelatihan model LSTM Seq2Seq untuk memetakan data historis menjadi proyeksi performa ke depan, dan visualisasi hasil analitik. Hasil pengujian menunjukkan arsitektur memiliki akurasi tinggi pada komponen bersiklus stabil dengan persentase Root Mean Square Error (RMSE) tegangan PV di bawah 9% dan tegangan baterai sebesar 4,48%. Walau prediksi pada inverter mengalami error yang lebih tinggi akibat volatilitas data lapangan, algoritma tetap mampu mengekstraksi pergeseran tren degradasi. Kesimpulannya, sistem ini berhasil mentransformasi data menjadi dashboard pemeliharaan preskriptif yang proaktif dalam mengestimasi waktu menuju ambang batas perbaikan, sehingga efektif mereduksi risiko unplanned downtime.