Aplikasi Peramalan Kebutuhan Beban Listrik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS)

Erwan Ahmad Ardiansyah, Rina Mardiati, Afaf Fadhil

Sari


Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan  agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi softcomputing dapat digunakan  sebagai metode alternatif untuk prediksi beban litrik jangka pendek salah satunya dengan metode  Adaptive Neuro Fuzzy Inference System pada penelitian tugas akhir ini. Data yang di dapat untuk mendukung penelitian ini adalah data dari APD PLN JAWA BARAT yang berisikan laporan data beban puncak bulanan penyulang area gardu induk majalaya dari januari 2011 sampai desember 2014 sebagai data acuan dan data aktual januari-desember 2015. Data kemudian dilatih menggunakan metode ANFIS pada software MATLAB versi b2010. Dari data hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode regresi meliputi perbandingan anfis-aktual, regresi-aktual dan perbandingan anfis-regresi-aktual. Dari perbandingan disimpulkan bahwa data metode anfis lebih mendekati data aktual dengan rata-rata 1,4%, menunjukan prediksi ANFIS dapat menjadi referensi untuk peramalan beban listrik dimasa depan.


Kata Kunci


Peramalan Beban Listrik; ANFIS; Logika Fuzzy

Teks Lengkap:

PDF


Dilihat:
Sari 2752 kali
PDF 1339 kali

Referensi


Maulana rizki, 2012 “prediksi curah hujan dan debit menggunakan metode adaptive neuro-fuzzy inference system (ANFIS) studi kasus citarum hulu”. Tugas Akhir. Institut Teknologi Bandung. Bandung

Maju binoto, 2012, “peramalan beban listrik jangkapendek menggunakan jaringan syaraf tiruan di kabupaten karanganyar-jawa tengah”. Tugas Akhir. Universitas brawijaya. Malang

Aulia Khair, 2011, “peramalan beban listrik jangka pendek menggunakan kombinasi metode autoregresive integrated moving average (ARIMA) dengan regresi linear antara suhu dan daya listrik”. Tugas Akhir. Universitas Indonesia. Depok

sarjon defit, 2013, “perkiraan beban listrik jangka pendek menggunakan metode adaptive neuro fuzzy inference system”. Tugas Akhir. Universitas Putra Indonesia. padang

supriyono, 2006, “aplikasi logika fuzzy pada optimasi daya listrik sebagai sistem pengambil keputusan”. Tugas Akhir. Sekolah tinggi teknologi nuklir-BATAN. Yogyakarta.

Sayudha Lukita Wibisana, 2013, “Prakiraan beban listrik jangka pendek menggunakan adaptive neuro fuzzy inference system (ANFIS)”. Tugas Akhir. Universitas Islam Negeri Sunan Gunung Djati. Bandung.

Muhammad Alfarabi, 2014, “rancang bangun sistem pengenalan suara dengan metode adaptive neuro fuzzy interference system (ANFIS)”. Tugas Akhir. Universitas Islam Negeri Sunan Gunung Djati. Bandung.

Dr.Ir Prabowo Pudjo Widodo, M.S, Rahmadya Trias Handayanto, ST., M.Kom., Herlawati,S.Si., MM, M,Kom. 2013, “Penerapan data mining dengan matlab”. Buku. Rekayasa sains. Bandung.

Sri Kusumadewi, Hari Purnomo, 2010, “Aplikasi Logika Fuzzy untuk pendukung keputusan”. Buku edisi 2. Graha Ilmu. Yogyakarta.

Gafar Abdullah Ade, 2008, “short term load forcastting melalui pendekatan logika fuzzy”, Universitas Pendidikan Indonesia. Bandung.




DOI: https://doi.org/10.15575/telka.v3n1.36-48

Refbacks

  • Saat ini tidak ada refbacks.


Jurnal TELKA terindex oleh :


     moraref logo       Crossref logo        sinta logo     base logo


Onesearch logo     IPI logo      Dimensions logo




Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial-BerbagiSerupa 4.0 Internasional.