Optimisasi Peramalan Beban Jangka Pendek Untuk Hari Libur Nasional Menggunakan Interval Type-2 Fuzzy Inference System Big Bang-Big Crunch Algorithm (Studi Kasus : Sistem Kelistrikan Kalimantan Selatan Dan Tengah)

Ramadhani, Akhmad (2015) Optimisasi Peramalan Beban Jangka Pendek Untuk Hari Libur Nasional Menggunakan Interval Type-2 Fuzzy Inference System Big Bang-Big Crunch Algorithm (Studi Kasus : Sistem Kelistrikan Kalimantan Selatan Dan Tengah). Masters thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2213201001-undergraduate-theses.pdf - Published Version

Download (4MB) | Preview
[img]
Preview
Text
2213201001-presentation.pdf - Published Version

Download (1MB) | Preview

Abstract

Secara umum, kelistrikan pada tiap daerah atau tempat tertentu memiliki perbedaan karakteristik beban, hal ini tergantung pada prilaku (behavior) beban tempat tersebut. Pada penelitian ini, sistem kelistrikan di Kalimantan Selatan dan Tengah dijadikan sebagai studi kasus peramalan beban jangka pendek untuk 14 hari libur nasional. Fuzzy Logic merupakan salah satu metode dalam peramalan beban jangka pendek, pada penelitian ini menggunakan Interval Type-2 Fuzzy Inference System (IT2FIS) karena memiliki flexibilitas yang tinggi sehingga dapat dikembangkan menggunakan metode lain (hybrid). Big Bang-Big Crunch Algorithm merupakan metode baru yang digunakan untuk mengoptimisasi footprint of uncertainty (FOU) membership function dari Interval Type-2 Fuzzy Inference System (IT2FIS) tersebut. Big Bang-Big Crunch Algorithm merupakan metode optimisasi yang low computation cost dan memiliki kecepatan konvergen yang tinggi. Optimisasi FOU dari Interval Type-2 Fuzzy Inference System menggunakan Big Bang-Big Crunch Algorithm diaplikasikan untuk peramalan beban jangka pendek pada hari libur nasional studi kasus sistem kelistrikan Kalimantan Selatan dan Tengah. iv Hasil perhitungan error menggunakan metode IT2FIS-BBBC, menunjukkan nilai Main Absolute Percentage Error (MAPE) lebih kecil dibandingkan dengan metode sebelumnya menggunakan IT2FIS. Metode peramalan tersebut memiliki MAPE terendah pada tahun 2008 sebesar 0,524%, sedangkan MAPE tertinggi pada tahun 2011 yaitu sebesar 1,312%. ========== Generally, electricity in each region or a specific place has different load characteristics. In this study, the electrical system in South and Central Kalimantan is used as the case study of short-term load forecasting for 14-days of national holidays. Fuzzy Logic is the one of the methods in the short-term load forecasting. This study uses the Interval Type-2 Fuzzy Inference System (IT2FIS) because of it is high flexibility, hence it can be combined with other methods (hybrid). Big Bang-Big Crunch Algorithm is a new method that is used to optimize footprint of uncertainty (FOU) membership function of Interval Type-2 Fuzzy Inference System (IT2FIS). Big Bang-Big Crunch Algorithm is an optimization method, which has low computation cost and high convergencing speed. FOU optimization of Interval Type- 2 Fuzzy Inference System (IT2FIS) using the Big Bang-Big Crunch Algorithm has been applicated to short-term load forecasting on national holidays on South and Central Kalimantan. The result of calculation error using IT2FIS-BBBC method shows that the Main Absolute Percentage Error (MAPE) is smaller than the previous method using IT2FIS. Application of short term load forecasting using this method obtains the lowest MAPE in 2008 is 0,524%, and the highest MAPE in 2011 is 1,312%.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Peramalan Beban Jangka Pendek; Interval Type-2 Fuzzy Inference System; Big Bang-Big Crunch Algoritm; Main Absolute Percentage Error (MAPE); Short Term Load Forecasting; Interval Type-2 Fuzzy Inference System
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK201 Electric Power Transmission
Divisions: Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User: - Davi Wah
Date Deposited: 11 Mar 2019 09:27
Last Modified: 11 Mar 2019 09:27
URI: http://repository.its.ac.id/id/eprint/62470

Actions (login required)

View Item View Item