Peramalan Beban Listrik Menggunakan Metode Jaringan Syaraf Tiruan (JST) Pada Gardu Induk Surabaya Selatan Untuk Menentukan Daya Yang Dibangkitkan

Septian Haryo Bagaskoro, Laila Nur Afifah, Wahyu Setyo Pambudi

Abstract

Peningkatan jumlah penduduk Kota Surabaya setiap tahun memberikan dampak peningkatan beban energi listrik. Gardu Induk Surabaya selatan sebagai distribusi energi listrik di beberapa daerah yang padat penduduk akan mengalami peningkatan beban energi listrik. Solusi permasalahan ini adalah dengan menambah kapasitas pembangkit agar dapat memenuhi permintaan energi listrik. Penelitian ini bertujuan untuk meramalkan daya yang akan dibangkitkan menggunakan metode jaringan saraf tiruan. Hasil penelitian ini berdasarkan simulasi yang menunjukan bahwa dari arsitektur jaringan 12-6-1, 12-12-1, 12-18-1, 12-24-1, 12-30-1 yang telah digunakan dalam tahap pelatihan, maka arsitektur jaringan terpilih adalah 12-6-1 dikarenakan memiliki nilai error terkecil sebesar 0,7%. Dari semua data terdapat beberapa data yang telah di ramalkan memiliki error yang besar sekitar 5-10%. Perbandingan data aktual tiap bulan dengan data peramalan tiap bulan memiliki error sekitar 2% ketika dilakukan peramalan menggunakan arsitektur jaringan 12-6-1. Dengan demikian,penerapan metode jaringan saraf tiruan dapat digunakan untuk meramalkan daya yang dibangkitkan dengan baik serta dapat menjadi acuan pada penelitian selanjutnya.

Keywords

Peramalan, Jaringan Saraf Tiruan, Beban Listrik

Full Text:

PDF

References

V. A. N. A. S. M. Nurfitri Imro’ah, “Model Peramalan Beban Listrik Di Kalimantan Barat Dengan Metode Fuzzy Linear Regression,” Bimaster Bul. Ilm. Mat. Stat. dan Ter., vol. 8, no. 1, pp. 91–96, 2019, doi: 10.26418/bbimst.v8i1.30556.

F. R. Rizqulloh and S. Prasetyono, “Analisa Perbandingan Peramalan Beban Listrik Jangka Pendek antara Metode Backpropagation Neural Network dengan Metode Regresi Linier,” J. Arus Elektro Indones., pp. 69–77, 2019.

M. Muhtar, N. A. Windarko, and ..., “Short Term Forecasting Beban Listrik Menggunakan Artificial Neural Network,” … Teknol. dan Kejuru., vol. 20, no. 1, pp. 13–22, 2023, [Online]. Available: https://ejournal.undiksha.ac.id/index.php/JPTK/article/view/53919

F. Alamsyah and B. Suprianto, “Peramalan Beban Listrik Harian Menggunakan Artificial Neural Network,” J. Tek. Elektro, Fak. Tek. Univ. Negeri Surabaya, vol. 10, pp. 203–209, 2021.

W. Aribowo, “Optimizing Feed Forward Backpropagation Neural Network Based on Teaching-Learning-Based Optimization Algorithm for Long-Term Electricity Forecasting,” Int. J. Intell. Eng. Syst., vol. 15, no. 1, pp. 11–20, 2022, doi: 10.22266/IJIES2022.0228.02.

E. D. Kartiningrum, “Panduan Penyusunan Studi Literatur,” Lemb. Penelit. dan Pengabdi. Masy. Politek. Kesehat. Majapahit, Mojokerto, pp. 1–9, 2015.

M. Faris, “Prediksi Beban Generator Menggunakan Jaringan Saraf Tiruan,” J. Tek. Elektro Fak. Teknol. Ind. Univ. Islam Indones. Yogyakarta, 2018.

H. Effendi, “Aplikasi Logika Fuzzy untuk Peramalan Beban Listrik Jangka Pendek Menggunakan Matlab,” Sainstek, vol. XII, no. 1, pp. 52–58, 2009, [Online]. Available: http://ejournal.unp.ac.id/index.php/sainstek/article/view/149

Refbacks

  • There are currently no refbacks.