Penerapan Support Vector Regression untuk Prediksi Kenaikan Pressure Drop sebagai Usulan Pemeliharaan Gas Scrubber di PLTG ELB Batam

Abstract

Peningkatan kebutuhan energi listrik di Batam menuntut keandalan tinggi pada sistem pembangkit, khususnya PLTG 2×35 MW PT Energi Listrik Batam (ELB). Salah satu permasalahan operasional utama adalah kenaikan pressure drop (ΔP) pada Gas Scrubber (V-201) dan Fuel Gas filter(F-301 A/B) yang menyebabkan penurunan tekanan bahan bakar, peningkatan Specific Fuel Consumption (SFC), serta derating turbin. Penelitian ini menganalisis pola kenaikan pressure drop (ΔP) pada Gas Scrubber (V-201) dan Fuel Gas Filter (F-301 A/B) di PT Energi Listrik Batam. Data operasional harian diolah menggunakan metode Support Vector Regression (SVR) dengan Kernel Linear. Hasil penelitian menunjukkan model SVR memiliki akurasi yang sangat tinggi dengan nilai R²sebesar 0,9956, MAE sebesar 0,0022 bar, dan RMSE sebesar 0,0026 bar. Model memproyeksikan ambang batas alarm (0,5 bar) akan tercapai pada 8-22 Agustus 2026, sedangkan batas kritis (1,0 bar) diproyeksikan terjadi pada 13-27 Januari 2028. Implementasi model ini meningkatkan efisiensi operasional, menurunkan frekuensi downtime, dan mendukung penerapan predictive maintenance pada sistem bahan bakar gas pembangkit listrik.