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: | |
| Online Access: |
http://repository.ub.ac.id/171075/ |
Daftar Isi:
- 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.