Peramalan Beban Penggunaan Energi Listrik Jangka Pendek Menggunakan Metode Adaptive Network-Fuzzy Inference System (Anfis): Studi Kasus Di Pt. Pembangkitan Jawa Bali (Pjb)

Pracita, Yukita Kurnia (2016) Peramalan Beban Penggunaan Energi Listrik Jangka Pendek Menggunakan Metode Adaptive Network-Fuzzy Inference System (Anfis): Studi Kasus Di Pt. Pembangkitan Jawa Bali (Pjb). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2712100068-Undergraduate Thesis.pdf - Published Version

Download (2MB) | Preview
[img]
Preview
Text
2712100068-paperpdf.pdf - Published Version

Download (614kB) | Preview
[img]
Preview
Text
2712100068-presentationpdf.pdf - Published Version

Download (2MB) | Preview

Abstract

Energi merupakan aspek vital dalam kehidupan manusia sehari-hari. Perkembangan sebuah negara akan dipengaruhi oleh pengelolaan energi baik dilihat dari perspektif sosial, maupun dari perspektif ekonomi. Dalam industri pengelolaan energi listrik, proses pengambilan keputusan sangat rumit untuk dilakukan karena banyak aspek dan kepentingan yang harus dipertimbangkan. Perusahaan membutuhkan perencanaan dari hari-ke-hari untuk pengoperasian pembangkit listrik yang melibatkan banyak sistem dan data yang akan digunakan. Untuk menyelesaikan permasalahan tersebut, perusahaan pengelola energi listrik memerlukan analisis pendukung untuk setiap keputusan yang dibuat, salah satunya adalah peramalan beban energi listrik yang dibutuhkan oleh masyarakat. Dalam tugas akhir ini, digunakan metode adaptive-networkbased fuzzy inference system (ANFIS) untuk meramalkan beban energi listrik dalam jangka pendek. Metode ANFIS cocok untuk digunakan dalam tugas akhir ini karena ANFIS dapat bekerja dengan baik dalam mengestimasi sistem yang tidak pasti atau samar, tidak tepat, dan acak dalam pemakaian beban tenaga listrik. Variabel yang akan digunakan adalah jumlah pemakaian beban tenaga listrik untuk seluruh area pengatur x beban (APB) di Pulau Jawa-Bali yang dikelola oleh PT. Pembangkitan Jawa Bali (PJB). Data yang digunakan adalah data penggunaan beban listrik per jam selama 3 tahun terakhir mulai tahun 2013 hingga tahun 2015. Data tersebut kemudian dibagi ke dalam data pembangun model peramalan dan data penguji model dengan pembagian 2:1 secara berurutan. Setelah model peramalan dibangun, model akan diuji kevalidannya dengan membandingkan nilai error absolutnya menggunakan mean absolute percentage error (MAPE). Alat bantu yang digunakan dalam membangun permodelan peramalan dalam tugas akhir ini adalah perangkat lunak Matlab dengan salah satu fiturnya, yaitu logika fuzzy. Pada tugas akhir ini, model peramalan berdasarkan kombinasi parameter yang berbeda dibangun untuk setiap area distribusi. Berdasarkan uji validasi, nilai MAPE pada peramalan beban listrik jangka pendek untuk area distribusi 1 sebesar 1,5472%, area distribusi 2 sebesar 2,3979%, area distribusi 3 sebesar 2,8320%, area distribusi 4 sebesar 2,7366%, dan area distribusi 5 sebesar 2,6059%. Dengan demikian dapat disimpulkan kelima model telah valid dengan tingkat akurasi yang sangat baik. Dan dari keenam parameter yang diuji coba, parameter jumlah lapisan masukan dan metode pembelajaran yang mempengaruhi tingkat akurasi model peramalan secara signifikan.========================================================================================================= Energy is a vital aspect in human live. Any development made by nations will be influenced by how those nations manage their limited energy, based on both social and economic perspectives. In the energy management industry, the process of decision making is so complicated due to a lot of unpredictable variables that need to be considered. The company of energy management needs electricity power system operating day-to-day plan that includes many systems and data. To solve that problem, the energy management company need supportive analyzes for every decision they made, for one of those is electricity load consumption forecasting. In this final project, Adaptive Neuro-based Fuzzy Inference System method is implemented to forecast short-term electricity load consumption. This method is suitable to be used in estimating uncertain, vague, unpredictable, and random electricity consumption-based system. The variable that will be used in this work is electricity load consumption from all distribution areas in Java-Bali Island under the management of PT. Pembangkitan Jawa-Bali (PJB). All variables will be processed using ANFIS method to build forecasting model. Hourly electricity load consumption data from the last 3 years, 2013 to 2015, will be provided from those 5 distribution areas. Those data then will be separated into training data (data that xii be used to build forecasting model) and testing data (data that be used to test the forecasting model) in 2:1 ratio, respectively. After building forecasting model, accuration measurement will be arranged for each model to validate it using mean absolute percentage error (MAPE). All processes in this work is using Matlab Software, especially fuzzy logic toolbox, to build forecasting model. Short-term electricity load forecasting will be produced in this work, in hope to be able to help decision making process in planning, scheduling, and operation made by PT. PJB. In this final project, forecasting model built based on different parameters combinations for every distribution area. Based on validation test that has been done, MAPE result for distribution area 1 1,5472%, for distribution area 2 2,3979%, for distribution area 3 2,8320%, for distribution area 4 2,7366%, and for distribution area 5 2,6059%. Thus in conclusion, all 5 models are valid with very good accuration rate. And for 6 parameters that have been tested, determining input and learning method parameters give the most significant accuration rate for each model.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 621.374 5 Pra p
Uncontrolled Keywords: Adaptive Network-Based Fuzzy Inference System (ANFIS); peramalan beban energi listrik; short-term load forecasting; mean absolute percentage error (MAPE)
Subjects: T Technology > T Technology (General) > T58.6 Management information systems
Divisions: Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis
Depositing User: EKO BUDI RAHARJO
Date Deposited: 03 Oct 2019 04:14
Last Modified: 03 Oct 2019 04:14
URI: https://repository.its.ac.id/id/eprint/70972

Actions (login required)

View Item View Item