Studi Perbandingan Peramalan Beban Listrik Mengunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) Dan Vector Autoregressive (VAR)
| Main Author: | Ginting, Nico Gautama |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/171383/ |
Daftar Isi:
- Energi listrik merupakan suatu kebutuhan penting bagi manusia dan mengalami peningkatan dari waktu ke waktu dan tidak dapat ditentukan nilai peningkatannya secara pasti. Adanya peningkatan kebutuhan tenaga listrik maka harus disesuaikan dengan penyediaan tenaga listrik oleh PT PLN (persero). PT PLN harus mampu memenuhi kebutuhan energi listrik agar tercapai stabilitas. Apablia terjadi ketidakseimbangan maka dapat terjadi over generating atau over load. Maka dari itu dibutuhkan peramalan beban listrik untuk meramalkan beban listrik dimasa yang akan datang. Banyak metode yang dapat digunakan untuk peramalan seperti metode konvensional dan artificial intelegence. Untuk mengakomodir kedua metode tersebut pada penelitian ini metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan Vector Autoregressive (VAR) digunakan untuk meramalkan beban listrik. Pada penelitian ini variabel bebas yang digunakan berupa suhu, kelembaban, cloud cover, lama penyinaran tiap jam dan waktu (jam) dan variabel terikat berupa beban listrik tiap jam Kota Malang dalam periode Januari 2018 - Desember 2018. Pada metode ANFIS proses training dilakukan dengan jumlah data sebanyak 8760 baris data kemudian dilakukan peramalan dengan periode 1 Januari 2019 – 31 Januari 2019. Hasil dari peramalan kemudian dibandingkan dengan data aktual untuk mendapatkan nilai error RMSE dan MAE. Pada metode VAR, setiap parameter diestimasi dengan data variabel bebas dan terikat, kemudian setelah parameter VAR didapatkan dilakukan peramalan pada periode 1 Januari 2019 – 31 Januari 2019. Kemudian data hasil peramalan dibandingkan dengan data aktual untuk mendapatkan nilai error RMSE dan MAE. Hasil penelitian menunjukkan: 1) Arsitektur ANFIS yang optimal untuk meramalkan beban listrik adalah dengan membership function Triangular, jumlah membership function 2 untuk setiap input dan epoch sebanyak 100 kali; 2) Berdasarkan hasil penelitian metode ANFIS dapat meramalkan beban listrik jangka pendek di Kota Malang dengan sangat baik. Hal teresebut dapat dilihat dari kurva hasil peramalan serta nilai error yang kecil; 3) Model Vector Autoregressive yang paling optimal untuk meramalkan beban listrik adalah dengan 25 lag; 4) Berdasarkan hasil penelitian metode Vector Autoregressive dapat meramalkan beban listrik jangka pendek di Kota Malang dengan cukup baik. Hal tersebut dapat dilihat dari kurva hasil peramalan dan nilai error yang cukup kecil; 5) hasil perbandingan permalan beban listrik di Kota Malang menunjukkan bahwa metode ANFIS dapat meramalkan lebih baik dibandingkan dengan metode Vector Autoregressive.