Cover Image

Analisis Perbandingan Peramalan Beban Listrik Menggunakan Recurrent Neural Network (RNN) dan Vector Autoregressive Model (VAR)

Main Author: Putera, R. P. Ravie O. Mucheyz
Format: Thesis NonPeerReviewed
Terbitan: , 2019
Subjects:
621.39 Computer engineering
Online Access: http://repository.ub.ac.id/171075/
ctrlnum 171075
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/171075/</relation><title>Analisis Perbandingan Peramalan Beban Listrik Menggunakan Recurrent Neural Network (RNN) dan Vector Autoregressive Model (VAR)</title><creator>Putera, R. P. Ravie O. Mucheyz</creator><subject>621.39 Computer engineering</subject><description>Energi Listrik berperan penting dalam kehidupan manusia modern dalam menjalankan aktivitas-aktivitasnya. Pihak penyedia energi listrik diharuskan untuk menjamin ketersediaan listrik yang kontinyu dan memadai. Kebutuhan akan energi listrik yang tidak menentu dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan Artificial Intelligence salah satu jenisnya adalah Recurrent Neural Network (RNN) memiliki akurasi peramalan yang cukup baik. Metode peramalan konvensional dengan Vector Autoregressive (VAR) digunakan sebagai pembanding dari metode RNN. Penelitian ini melakukan perbandingan peramalan beban listrik jangka pendek Kota Malang menggunakan RNN dan VAR. Pemodelan untuk pada arsitektur RNN dan VAR dilakukan untuk mendapatkan hasil peramalan yang akurat.&#xD; RNN dilatih menggunakan data beban listrik tiap jam dan data cuaca tiap jam Kota Malang periode 1 Januari 2018 &#x2013; 31 Desember 2018. RNN yang telah dilatih kemudian digunakan untuk melakukan peramalan beban listrik pada periode 1 Januari 2019 &#x2013; 31 Januari 2019. Hasil peramalan menggunakan RNN dibandingkan dengan data aktual beban listrik untuk mendapatkan nilai RMSE dan MAE dari RNN sebagai alat peramalan. Pada VAR, parameter &#x2013; parameter dari persamaannya diestimasi menggunakan data beban listrik tiap jam dan data cuaca tiap jam Kota Malang periode 1 Januari 2018 &#x2013; 31 Desember 2018. Parameter &#x2013; parameter VAR yang telah didapat kemudian digunakan untuk melakukan peramalan beban listrik pada periode 1 Januari 2019 &#x2013; 31 Januari 2019. Hasil peramalan menggunakan VAR dibandingkan dengan data aktual beban listrik untuk mendapatkan nilai RMSE dan MAE dari VAR sebagai alat peramalan.&#xD; Hasil penelitian menunjukkan: 1). Jumlah hidden unit yang optimal untuk melakukan peramalan beban listrik jangka pendek dengan metode RNN adalah sejumlah 175 hidden unit; 2). Hasil peramalan beban listrik dengan metode RNN memiliki nilai RMSE terkecil sebesar 11,13 MW dan nilai MAE terkecil sebesar 8,03 MW dengan rata-rata beban listrik sebesar 120,91 MW; 3). Nilai lag optimal yang digunakan untuk peramalan beban listrik jangka pendek dengan pemodelan VAR adalah sebesar 25; 4). Hasil peramalan beban listrik dengan metode VAR Kota Malang memiliki nilai RMSE terkecil sebesar 15,57 MW dan nilai MAE terkecil sebesar 12,95 MW dengan rata-rata beban listrik sebesar 120,91 MW; 5). Metode RNN memiliki kemampuan peramalan beban listrik jangka pendek Kota Malang yang lebih baik dibandingkan metode VAR.</description><date>2019-07-29</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Putera, R. P. Ravie O. Mucheyz (2019) Analisis Perbandingan Peramalan Beban Listrik Menggunakan Recurrent Neural Network (RNN) dan Vector Autoregressive Model (VAR). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FT/2019/671/051905402</relation><recordID>171075</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Putera, R. P. Ravie O. Mucheyz
title Analisis Perbandingan Peramalan Beban Listrik Menggunakan Recurrent Neural Network (RNN) dan Vector Autoregressive Model (VAR)
publishDate 2019
topic 621.39 Computer engineering
url http://repository.ub.ac.id/171075/
contents Energi Listrik berperan penting dalam kehidupan manusia modern dalam menjalankan aktivitas-aktivitasnya. Pihak penyedia energi listrik diharuskan untuk menjamin ketersediaan listrik yang kontinyu dan memadai. Kebutuhan akan energi listrik yang tidak menentu dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan Artificial Intelligence salah satu jenisnya adalah Recurrent Neural Network (RNN) memiliki akurasi peramalan yang cukup baik. Metode peramalan konvensional dengan Vector Autoregressive (VAR) digunakan sebagai pembanding dari metode RNN. Penelitian ini melakukan perbandingan peramalan beban listrik jangka pendek Kota Malang menggunakan RNN dan VAR. Pemodelan untuk pada arsitektur RNN dan VAR dilakukan untuk mendapatkan hasil peramalan yang akurat. RNN dilatih menggunakan data beban listrik tiap jam dan data cuaca tiap jam Kota Malang periode 1 Januari 2018 – 31 Desember 2018. RNN yang telah dilatih kemudian digunakan untuk melakukan peramalan beban listrik pada periode 1 Januari 2019 – 31 Januari 2019. Hasil peramalan menggunakan RNN dibandingkan dengan data aktual beban listrik untuk mendapatkan nilai RMSE dan MAE dari RNN sebagai alat peramalan. Pada VAR, parameter – parameter dari persamaannya diestimasi menggunakan data beban listrik tiap jam dan data cuaca tiap jam Kota Malang periode 1 Januari 2018 – 31 Desember 2018. Parameter – parameter VAR yang telah didapat kemudian digunakan untuk melakukan peramalan beban listrik pada periode 1 Januari 2019 – 31 Januari 2019. Hasil peramalan menggunakan VAR dibandingkan dengan data aktual beban listrik untuk mendapatkan nilai RMSE dan MAE dari VAR sebagai alat peramalan. Hasil penelitian menunjukkan: 1). Jumlah hidden unit yang optimal untuk melakukan peramalan beban listrik jangka pendek dengan metode RNN adalah sejumlah 175 hidden unit; 2). Hasil peramalan beban listrik dengan metode RNN memiliki nilai RMSE terkecil sebesar 11,13 MW dan nilai MAE terkecil sebesar 8,03 MW dengan rata-rata beban listrik sebesar 120,91 MW; 3). Nilai lag optimal yang digunakan untuk peramalan beban listrik jangka pendek dengan pemodelan VAR adalah sebesar 25; 4). Hasil peramalan beban listrik dengan metode VAR Kota Malang memiliki nilai RMSE terkecil sebesar 15,57 MW dan nilai MAE terkecil sebesar 12,95 MW dengan rata-rata beban listrik sebesar 120,91 MW; 5). Metode RNN memiliki kemampuan peramalan beban listrik jangka pendek Kota Malang yang lebih baik dibandingkan metode VAR.
id IOS4666.171075
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-28T06:55:07Z
last_indexed 2021-10-28T06:55:07Z
recordtype dc
_version_ 1751454121922134016
score 17.538404

Lihat Juga