Optimisasi Peramalan Beban Jangka Sangat Pendek Menggunakan Interval Type-2 Fuzzy Inference System- Big Bang Big Crunch (Studi Kasus Pada Sistem Kelistrikan Jawa Bali)

Jamaaluddin, Jamaaluddin (2020) Optimisasi Peramalan Beban Jangka Sangat Pendek Menggunakan Interval Type-2 Fuzzy Inference System- Big Bang Big Crunch (Studi Kasus Pada Sistem Kelistrikan Jawa Bali). Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 07111560010006-Disertation.pdf Restricted to Repository staff only Download (13MB) | Request a copy

Abstract

Kehidupan manusia modern sangat tergantung pada energi listrik. Energi listrik diproses dari sistem pembangkit energi listrik. Pembangkitan energi listrik ini disalurkan dan didistribusikan ke seluruh konsumennya. Pembangkitan listrik ini harus diramalkan dengan baik berdasarkan dengan kebutuhan bebannya. Peramalan beban sangat dibutuhkan dalam proses pembangkitan. Hal ini berkaitan dengan permasalahan ekonomi dan ketenagakerjaan. Peramalan kebutuhan beban ini dilakukan hari ini untuk kebutuhan esok hari disebut peramalan beban jangka sangat pendek. Fuzzy Logic merupakan salah satu metode dalam peramalan beban jangka sangat pendek. Penelitian ini menggunakan Interval Type-2 Fuzzy Inference System (IT2-FIS) karena memiliki flexibilitas yang tinggi sehingga dapat dikembangkan menggunakan metode lain (hybrid). Big Bang-Big Crunch Algorithm (BBBC) merupakan metode baru yang digunakan untuk mengoptimisasi Footprint of Uncertainty (FOU) Membership Function dari IT2-FIS tersebut. BBBC merupakan metode optimisasi yang Low Computation Cost dan memiliki kecepatan konvergen yang tinggi. Optimisasi FOU dari IT2-FIS menggunakan BBBC Algorithm. Hasil perhitungan error menggunakan metode IT2-FIS-BBBC, menunjukkan nilai Mean Absolute Percentage Error (MAPE) lebih kecil dibandingkan dengan metode IT1-FIS dan IT2-FIS. Metode peramalan dengan menggunakan IT2-FIS-BBBC tersebut memiliki rata- rata MAPE pada tahun peramalan 2016 sebesar 0,27%, sedangkan pada tahun 2017 memiliki nilai rata – rata MAPE sebesar 0,42%. Maka IT2-FIS-BBBC dapat diusulkan untuk melakukan peramalan beban jangka sangat pendek.

Item Type:	Thesis (Doctoral)
Additional Information:	RDE 621.374 5 Jam o-1
Uncontrolled Keywords:	Peramalan Beban Jangka Sangat Pendek; Interval Type-2 Fuzzy Inference System; Big Bang-Big Crunch Algorithm; Mean Absolute Percentage Error (MAPE).
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1001 Production of electric energy or power T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1322.6 Electric power-plants
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis
Depositing User:	Jamaaluddin .
Date Deposited:	14 Mar 2025 02:54
Last Modified:	14 Mar 2025 02:54
URI:	http://repository.its.ac.id/id/eprint/75369

Actions (login required)

View Item