Implementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur

Niswatul Arifah Tindriyani(1), Agus Murnomo(2), Agus Suryanto(3),


(1) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri
(2) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri
(3) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang

Abstract

Prakiraan beban listrik merupakan salah satu cara untuk membantu perencenaan pembangkitan maupun pengeluaran energi listrik yang tepat, namun dalam penelitian yang ada masih terdapat kekurangan berupa tingkat kesalahan yang melebihi batas toleransi yang diterima pihak penyedia listrik. Prediksi beban listrik yang cepat dan akurat sangat penting untuk operasi sistem tenaga listrik yang efisien. Peningkatan konsumsi listrik daerah Ponorogo mengalami peningkatan setiap tahunnya namun tidak diimbangi dengan pemenuhan energi listrik yang mencukupi. Tujuan dari penelitian ini adalah untuk mengetahui implementasi neural network untuk melakukan prakiraan listrik pada tahun 2019 mendatang. Metode penelitian yang dilakukan adalah experiment. Berdasarkan penelitian yang telah dilakukan didapatkan hasil neural network dengan metode backpropagation mampu melakukan prakiraan konsumsi beban listrik dengan rata-rata konsumsi beban listrik setiap bulannya sebesar 265 MVA dengan tingkat kesalahan mean square error (MSE) sebesar 0,7%.

Full Text:

PDF

References

Kuncoro, H. A., & Dalimi, R.. Aplikasi Jaringan Syaraf Tiruan Untuk Peramalan Beban Tenaga Listrik Jangka Panjang Pada Sistem Kelistrikan Di Indonesia. Jurnal Teknologi, Edisi, (3), 2005

Effendi, Hansi. "Aplikasi Logika Fuzzy Untuk Peramalan Beban Listrik Jangka Pendek Menggunakan Matlab." Sainstek 12.1 (2009): 52-58.

Syafruddin, M., Lukmanul Hakim, and Dikpride Despa. "Metode Regresi Linier Untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung)." Jurnal Informatika dan Teknik Elektro Terapan 2.2, 2014.

Setiabudi, Dodi. "Sistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation." SMARTICS Journal1.1, 2015.

Rahman, Fajar Alya. Peramalan Beban Listrik Jangka Pendek Menggunakan Jaringan Syaraf Tiruan. Jakarta. FT UI, 2012

Sugiyono. Metode Penelitian Pendekatan Kuantotatif, Kualitatif dan R&D. Bandung. CV Alfabeta, 2008.

Kholis, Ikhwannul. "Analisis Variasi Parameter Backpropagation Artificial Neural Network Terhadap Pengenalan Pola Data Iris." Teknik Dan Ilmu Komputer 4.14, 2015.

Fagustina, Anis, and Sarngadi Palgunadi. "Pengaruh Fungsi Pembelajaran Terhadap Kinerja Pelatihan Jaringan Syaraf Tiruan Backpropagation Studi Kasus: Indeks Harga Saham Gabungan di Bursa Efek Indonesia." ITSmart: Jurnal Teknologi dan Informasi 3.1, 2016.

Gofur, Ade Abdul. "Sistem Peramalan Untuk Pengadaan Material Unit Injection di PT. XYZ." Komputa: Jurnal Ilmiah Komputer dan Informatika 2.2, 2015.

Fagustina, A., & Palgunadi, S. Pengaruh Fungsi Pembelajaran Terhadap Kinerja Pelatihan Jaringan Syaraf Tiruan Backpropagation Studi Kasus: Indeks Harga Saham Gabungan di Bursa Efek Indonesia. ITSmart: Jurnal Teknologi dan Informasi, 3(1), 2016.

Jumarwanto, A., Hartanto, R., & Prastiyanto, D. Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Penyakit THT di Rumah Sakit Mardi Rahayu Kudus. Jurnal Teknik Elektro, 1(1), 11, 2009.

Prasetyo, Eko. Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta. Penerbit ANDI, 2012.

Refbacks

  • There are currently no refbacks.