Aplikasi Jaringan Saraf Tiruan untuk prakiraan Beban Listrik Se-Malang Raya

ABSTRAK

Listrik merupakan kebutuhan pokok bagi masyarakat dalam kehidupan sehari-hari. Kebutuhan konsumsi listrik yang semakin meningkat dengan kenaikan yang tidak pasti dan pengeluaran beban yang besar mempengaruhi kesiapan unit pembangkit listrik dalam memenuhi kebutuhan tersebut. Sebagai dasar dalam perencanaan, baik perencanaan operasi maupun perencanaan sistem pengembangan tenaga listrik, salah satu hal yang penting adalah prakiraan atau peramalan (forecasting) yang tepat untuk mengetahui kebutuhan tenaga listrik dalam kurun waktu tertentu. Dalam rangka memperkirakan kebutuhan beban puncak listrik, diperlukan data yang mempunyai pengaruh terhadap pola kebutuhan listrik masa lalu.

Berdasarkan deskripsi diatas maka perlu diprakirakan beban listrik dalam jangka panjang menggunakan jaringan saraf tiruan dengan algoritma backpropagation. Metode ini merupakan metode yang mampu digunakan untuk menyelesaikan masalah yang rumit dan masalah yang terdapat kaidah atau fungsi yang tidak diketahui (seperti prakiraan beban listrik). Hal ini dapat memberikan kontribusi untuk Perusahaan Listrik Negara, dalam memenuhi kebutuhan konsumen dan menjamin kelangsungan daya konsumen, sehingga pihak perusahaan listrik dapat mengetahui beban atau permintaan daya listrik dimasa mendatang.

Kelebihan sistem jaringan saraf tiruan terletak pada kemampuan pembelajaran yang dimilikinya. Dengan kemampuan tersebut pengguna tidak perlu merumuskan kembali pola dan fungsi-fungsinya dalam setiap pengguna. JST akan belajar dari pola-pola yang telah diajarkan sebelumnya. Termasuk untuk peramalan beban listrik.

Untuk mendapatkan hasil peramalan beban puncak dengan baik maka perlu dilakukan pelatihan hingga mendapatkan akurasi pelatihan maksimal dan hasil yang baik. Dari hasil pengujian diperoleh arsitektur JST yang optimal pada system prakiraan beban puncak listrik, yaitu menggunakan error rate: 0,000019; jumlah hidden layer: 100; learning rate: 0,1 dan jumlah iterasi: 43.