Prakiraan Kebutuhan Energi Listrik Dengan Jaringan Saraf Tiruan (Artificial Neural Network) Metode Backpropagation Tahun 2020-2025

Diah Setyowati .

Abstract


Kebutuhan energi listrik merupakan salah satu hal utama yang diprioritaskan oleh penyedia listrik. Perlunya dilalukan perencanaan terhadap pemenuhan kebutuhan energi listrik oleh penyedia listrik setiap tahunnya. Penelitian dilakukan untuk memprediksi kebutuhan energi listrik PT PLN (Persero) UP3 Semarang tahun 2020-2025 dengan mengembangkan suatu model Jaringan Saraf Tiruan metode Backpropagation menggunakan software Matlab. Beberapa variabel yang digunakan yaitu jumlah penduduk, jumlah pelanggan, PDRB, daya tersambung, beban puncak dan total produksi energi listrik. Variabel tersebut merupakan beberapa faktor yang mempengaruhi peningkatan  kebutuhan energi listrik.Hasil penelitian menghasilkan Mean Absolute Percentage Error (MAPE) sebesar 0,4% dan Growth of Total % (GOT %) sebesar 2,7% setiap tahunnya.


Keywords


Prakiraan kebutuhan energi listrik, Jaringan Saraf Tiruan, Backpropagation, Software Matlab

Full Text:

PDF

References


Syafruddin, M., L. Hakim, dan D. Despa.2014. Metode Regresi Linier untuk Prediksi Kebutuhan Energi Listrik Jangka Panjang (Studi Kasus Provinsi Lampung). Jurnal Universitas Lampung:2

Sunardiyo, S. 2009 Studi Analisis Aliran Beban (Load Flow) Sistem Tenaga Listrik Implementasi Pada Jaringan Kelistrikan Di UNNES. Jurnal Teknik UNISFAT.

Dwisatya, R., M.R. Kirom, A. G. Abdullah. 2015. Prediksi Beban Listrik Jangka Pendek Berbasis Algoritma Feed Forward Back Propagation Dengan Mempertimbangkan Variasi Tipe Hari. E-Proceeding of Engineering 2(3).

Emidiana. 2016. Prediksi Beban Listrik Jangka Pendek Wilayah Sumbagsel Berbasis Jaringan Syaraf Tiruan. Jurnal Ampere 1(1).

Ekonomou, L., C.A. Christodoulou, dan V. Mladenov. 2016. A Short-Term Load Forecasring Method Using Artificial Neural Networks And Wavelet Analysis. International Journal of Power Systems 1:64-68.

Kochak, A. dan S. Sharma. 2015. Demand Forecasting Using Neural Network For Supply Chain Management. International Journal of Mechanical Engineering and Robotics Research 4(1): 96-104.

Ramadhan, H.A. 2018. Peramalan Kebutuhan Beban ListrikJangka Menengah Menggunakan Jaringan Syaraf Tiruan (JST) Backpropagation.

Burger, E.M. dan S.J. Moura. 2015. Gated Ensemble Learning Method For Demand-Side Electricity Load Forecasting. Energy and Buildings: 23-24.

Wang, L., Y. Zeng dan T. Chen. 2014. Backpropogation Neural network With Adaptive Differential Evolution Algorithm For Time Series Forecasting. Expert System with Applications

Yaqin, E.N, A.G. Abdullah, D. Chandra, T.A. Pratiwi, S. Adhigunarto, A.M. Shidiq, A.J. Ramadhan, R.P. Putra, A.F. Alfaridzi, M.F.A. Muttaqin dan A.B.D. Nandiyanto. 2017. Short Term Load Forecasting For Weekends In Indonesia : Comparison Of Three Methods. Annual Applied Science And Engineering Conference (AASEC).

Setiabudi, D. 2015. Sistem Informasi Peramalan Beban Listrik Jangka Panjang di Kabupaten Jember Menggunakan JST Backpropagation. SMARTICS Journal 1(1): 1-2


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.