Distribusi gas kering merupakan sistem krusial dalam infrastruktur energi yang memerlukan kestabilan tekanan untuk menjaga efisiensi dan keselamatan operasional. Fluktuasi tekanan yang tidak terduga pada jaringan pipa dapat menyebabkan gangguan pasokan dan kerugian operasional. Untuk mengatasi tantangan tersebut, diperlukan model prediksi yang akurat. Penelitian ini mengimplementasikan model gated recurrent unit (GRU) untuk meramalkan tekanan gas dalam jaringan distribusi gas kering. Data yang digunakan adalah data historis tekanan gas dari satu aset distribusi dengan periode Agustus 2020 sampai Juli 2021. Dua arsitektur diuji, yaitu single-layer GRU dan multi-layer GRU, dengan optimasi hyperparameter menggunakan metode grid search.
Hasil penelitian menunjukkan bahwa model multi-layer GRU memiliki performa prediksi yang lebih baik dibanding single-layer GRU dengan nilai MAE sebesar 2,76 psig dan R2 sebesar 0,9989. Model ini berhasil mempelajari pola tekanan gas secara temporal dan menghasilkan prediksi yang mendekati nilai aktual. Temuan ini menegaskan keunggulan GRU dalam menangani data deret waktu serta pentingnya tuning hyperparameter untuk meningkatkan akurasi model.
Kata kunci: GRU, prediksi tekanan gas, jaringan distribusi gas, deep learning, grid search, time series