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.
Preview |
Text
2712100068-Undergraduate Thesis.pdf - Published Version Download (2MB) | Preview |
Preview |
Text
2712100068-paperpdf.pdf - Published Version Download (614kB) | Preview |
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: | http://repository.its.ac.id/id/eprint/70972 |
Actions (login required)
 |
View Item |