Adanya kebutuhan masyarakat atas penggunaan listrik yang terus bertambah seiring pertambahan penduduk, sehingga kinerja dan kondisi dari transformator sangat penting dan perlu diperhatikan agar transformator dapat beroprasi dengan normal sesuai dengan standar kerja. Faktor yang mempengaruhi kinerja transformator yaitu pembebanan. Dimana pembebanan yang tinggi pada transformator dapat menyebabkan susut umur transformator semakin besar serta dapat mengurangi umur kerja transformator. Untuk mengatasi adanya gangguan yang akan menghambat proses penyaluran listrik, dibutuhkan sebuah prediksi masa pakai umur transformator dengan dibantu menggunakan software Python dengan menggunakan metode Montsinger dan Long-Short Term Memory (LSTM). Berdasarkan hasil perhitungan serta analisa menggunakan metode Montsinger pembebanan mempengaruhi sisa umur dari transformator semakin besar pembebanan maka susut umur semakin besar dimana pembebanan puncak terjadi pada tanggal 10 Februari 2020 sebesar 84,09% dengan metode Montsinger susut umur sebesar 0,4236 p.u dan sisa umur 0,17 tahun. Sedangkan menggunakan metode LSTM pada beban puncak yaitu tanggal 10 Februari 2020 sebesar 84,09% hasil prediksi sisa umur sebesar 6,88 tahun. Dimana untuk menganalisis keakuratan atau error dari metode LSTM yaitu dengan menggunakan MAE sebesar 0,03 dan RMSE sebesar 0,04.

The existence of public needs for the use of electricity continues to grow along with population growth, so the performance and condition of the transformer is very important and needs to be considered so that the transformer can operate normally in accordance with working standards. Factors that affect transformer performance are loading. Where high loading on the transformer can cause shrinkage of the transformer life to get bigger and can reduce the working life of the transformer. To overcome the disturbances that will hinder the electricity distribution process, a prediction of the service life of the transformer is needed with the help of Python software using the Montsinger and LongShort Term Memory (LSTM) methods. Based on the results of calculations and analysis using the Montsinger method, loading affects the remaining life of the transformer, the greater the loading, the greater the age shrinkage where the peak loading occurred on February 10, 2020 at 84.09% with the Montsinger method, the age shrinkage was 0.4236 p.u and the remaining life was 0.17 years. Meanwhile, using the LSTM method at the peak load on February 10, 2020 at 84.09% the predicted remaining life is 6.88 years. Where to analyze the accuracy or error of the LSTM method, namely by using MAE of 0.03 and RMSE of 0.04.