PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN JARINGAN SYARAF TIRUAN

SYUHADA, ADLINE (2019) PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN JARINGAN SYARAF TIRUAN. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 1. HAL COVER_ADLINE SYUHADA_41415120065.pdf Download (392kB) | Preview
Preview	Text (ABSTRAK) 2. ABSTRAK_ADLINE SYUHADA_41415120065.pdf Download (211kB) | Preview
	Text (BAB I) 3. BAB-1_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (222kB)
	Text (BAB II) 4. BAB-2 TA_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (764kB)
	Text (BAB III) 5. BAB-3 TA_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (348kB)
	Text (BAB IV) 6. BAB-4 TA_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (818kB)
	Text (BAB V) 7. BAB-5 TA_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (160kB)
	Text (DAFTAR PUSTAKA DAN LAMPIRAN) 8. DAFTAR PUSTAKA & LAMPIRAN_ADLINE SYUHADA_41415120065.pdf Restricted to Registered users only Download (507kB)

Abstract

Peramalan beban listrik memegang peranan yang sangat penting bagi efisiensi dan kinerja dari PLN. Berbagai jenis metode dipakai untuk mendapatkan hasil peramalan beban yang akurat agar daya yang dikirimkan sesuai dengan kebutuhan listrik dari konsumen. Skripsi ini membahas peramalan beban jangka pendek satu minggu ke depan dengan menggunakan Jaringan Syaraf Tiruan (JST). Peramalan beban jangka pendek sangat dipengaruhi oleh faktor-faktor cuaca, yang dalam hal ini menjadi masukan JST, yaitu : Suhu, Kelembaban, Tekanan udara, dan Kecepatan angin. Data yang digunakan untuk pembelajaran adalah data sebenarnya Pada April – Mei 2017. Arsitektur yang digunakan adalah Feed forward dan algoritma yang dipakai adalah algoritma backpropagation. Berdasarkan hasil didapatkan nilai MAPE terbaik sebesar 0.01 % dan untuk 10 kali running sebesar 2.76 % sehingga berada di bawah ambang kesalahan peramalan. Penelitian ini diawali dengan tahap persiapan, yaitu dengan melakukan studi literatur yang menunjang keberhasilan dari penelitian. Studi literatur yang dilakukan meliputi browsing internet, membaca jurnal, dan buku-buku terkait peramalan dan JST. Selain itu, di tahap ini juga dilakukan pencarian data yang dibutuhkan untuk melakukan penelitian, yaitu dengan melakukan pengambilan data ke PLN dan juga BMKG untuk mendapatkan data beban listrik dan data cuaca selama satu tahun sepanjang tahun 2017. Kemudian dilakukan pengujian data serta simulasi data dengan nntool pada Matlab. Setelah proses selesai maka kita akan dapatkan hasil simulasi dengan hasil yang diinginkan dan sesuai parameter yang telah diinput pada saat simulasi. Dari hasil validasi peramalan yang dilakukan, nilai MAPE dari peramalan dengan JST masih berada di bawah batas toleransi dari penyimpangan peramalan beban yaitu sebesar 5%. Dengan begitu keandalan dan nilai ekonomis dari sistem akan tetap terjaga dengan baik. Selain itu peramalan dengan menggunakan JST memiliki keuntungan dimana tidak diperlukannya bantuan dari operator yang sudah ahli dikarenakan dapat langsung menghasilkan nilai beban peramalan setelah proses pelatihan dan pengujian dijalankan

Actions (login required)

View Item