Putri, Yuan Octavia Dwiki (2018) Studi prakiraan beban listrik menggunakan metode artificial neural network / Yuan Octavia Dwiki Putri. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
RINGKASAN Putri Yuan Octavia Dwiki. 2018. Studi Prakiraan Beban Listrik Menggunakan Metode Artificial Neural Network. Skripsi. Jurusan Teknik Elektro. Fakultas Teknik. Universitas Negeri Malang. Kata Kunci prakiraan beban listrik artificial neural network ANN backpropagation Kebutuhan masyarakat akan energi listrik terus mengalami peningkatan dari tahun ke tahun. Menyikapi hal tersebut diperlukan suatu prakiraan beban listrik sebagai salah satu pertimbangan penyusunan rencana operasi tahunan agar pihak penyedia listrik (supply) dapat memenuhi kebutuhan konsumen listrik (demand) dengan tepat ukuran dan bermanfaat sebagai pertimbangan perencanaan kebutuhan bahan bakar maupun anggaran tahunan. Banyak metode yang bisa digunakan untuk prakiraan beban listrik. Pada penelitian ini dilakukan prakiraan beban listrik jangka panjang menggunakan metode Artificial Neural Network (ANN) dengan penerapan algoritma backpropagation pada studi kasus distribusi energi listrik Area Mojokerto. Prakiraan yang dilakukan merupakan prakiraan berbasis kausal jadi ada hubungan sebab akibat anatara variabel satu dengan lainnya. Pada penelitian ini digunakan 8 variabel dimana untuk variabel dependent berupa beban listrik sedangkan untuk variabel independent digunakan 7 variabel yaitu jumlah penduduk PDRB jumlah pelanggan sektor rumah tangga jumlah pelanggan sektor industri jumlah pelanggan sektor usaha jumlah pelanggan sektor sosial dan susut distribusi. Variabel-variabel akan disusun dalam bentuk matrik untuk menghasilkan pola pembebanan yang dipengaruhi oleh beberapa faktor eksternal. Selanjutnya matrik akan diolah dengan menggunakan metode ANN-backpropagation dan dicari model kuantitatif terbaik yang memiliki nilai MAPE pengujian terhadap pelatihan terendah. Tingkat akurasi dari penerapan metode ANN-backpropagation sebagai metode prakiraan beban listrik pada studi kasus penelitian ini diketahui dari nilai MAPE pengujian terhadap pelatihan tersebut. Metode penelitian yang digunakan adalah metode kuantitatif analisis data sekunder. Data acuan yang digunakan diperoleh dari PT. PLN (Persero) Distribusi Jawa Timur Area Pengatur Distribusi untuk data beban PT. PLN (Persero) Area Mojokerto untuk data pelanggan dan susut distribusi Badan Pusat Statistik (BPS) Kabupaten/Kota untuk data jumlah penduduk dan PDRB. Data yang digunakan seluruhnya merupakan data historis dari tahun 2000 s.d. 2017. Berdasarkan hasil percobaan beberapa arsitektur ANN untuk studi prakiraan beban listrik pada sistem distribusi energi listrik area Mojokerto diperoleh hasil MAPE pengujian terbaik sebesar 0.512% yang berarti memiliki tingkat akurasi tinggi. Hal ini berarti metode ANN dengan algoritma backpropagation dapat diterapkan sebagai metode prakiraan beban listrik untuk studi kasus pada distribusi energi listrik Area Mojokerto. Model ANN-backpropagation terbaik pada penelitian ini adalah variasi bobot dan bias awal diatur secara manual dengan modifikasi menggunakan algoritma inisialisasi Nguyen Widrow jaringan memiliki 2 hidden layer dengan penyusunan 5 neuron pada hidden layer 1 dan 15 neuron pada hidden layer 2 nilai learning rate dan momentum berturut-turut adalah 0.9 dan 0.1. Berdasarkan arsitektur jaringan ANN terbaik prakiraan beban listrik distribusi area Mojokerto pada tahun 2018 sampai dengan 2030 cenderung mengalami kenaikan dari tahun ke tahun meskipun ada penurunan sebesar 0.157% dari tahun 2027 ke tahun 2028. Hasil prakiraan terendah ada pada tahun 2018 dengan hasil 312.7489 MW dan beban tertinggi ada pada tahun 2030 dengan hasil 383.5597 MW. Hasil prakiraan beban listrik Area Mojokerto dari tahun 2018 sampai dengan 2030 mengalami kenaikan sebesar 22.641% dengan kenaikan rata-rata 1.728% per tahunnya.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Elektro |
| Depositing User: | library UM |
| Date Deposited: | 30 Nov 2018 04:29 |
| Last Modified: | 09 Sep 2018 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/48001 |
Actions (login required)
 |
View Item |