Update Artikelilmiah: 28678

INDRA SAMPURNA

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Peningkatan jumlah konsumsi energi listrik di Indonesia setiap tahunnya selalu mengalami kenaikan yang signifikan. Akibatnya, PT. PLN (Persero) harus dapat memperkirakan kapasitas pembangkit listrik yang dibutuhkan di Indonesia untuk jangka waktu beberapa tahun ke depan. Oleh karena itu di butuhkan prediksi atau peramalan konsumsi listrik yang tepat untuk menjaga keterediaan energi listrik. Softcomputing dapat digunakan sebagai teknik pendekatan alternatif untuk prediksi beban litrik. Metode yang digunakan salah satunya adalah metode Adaptive Neuro Fuzzy Inference System (ANFIS). ANFIS merupakan metode yang berdasarkan pada sistem inferensi fuzzy yang dilatih menggunakan algoritma pembelajaran yang diturunkan dari sistem jaringan saraf tiruan. Tujuan dari penelitian ini adalah membuat sistem yang dapat meramalkan konsumsi energi listrik menggunakan metode ANFIS dengan memanfaatkan data historis beban listrik dari PT. PLN UP3 Purwokerto untuk area kabupaten Banyumas. Metode ANFIS ini melalui beberapa tahap meliputi pengambilan data, pengolahan data, perancangan sistem ANFIS, pelatihan ANFIS, uji validasi, dan terakhir analisa hasil. Arsitektur ANFIS yang digunakan pada penelitian ini menggunakan beberapa variasi inputan untuk rata-rata beban mingguan, 2 mingguan, serta bulanan dengan variasi teknik pada pembentukan fuzzy inference system (FIS) menggunakan penalaran secara monoton dan fuzzy subtractive clustering (FSC). Berdasarkan hasil penelitian, metode ANFIS dapat digunakan sebagai peramalan konsumsi energi listrik. Nilai error yang dihasilkan pelatihan 0.0059094 dan pengujian sebesar 6.9387, dengan hasil uji validasi MAPE sebesar 5.881416441%.

Abtrak (Bhs. Inggris)

Increasing the amount of electricity consumption in Indonesia every year always experiences a significant increase. As a result, PT. PLN (Persero) must be able to estimate the capacity of power plants needed in Indonesia for the next few years. Therefore we need a prediction or forecasting the right electricity consumption to maintain the availability of electrical energy. Softcomputing can be used as an alternative approach to the prediction of electric loads. One of the methods used is the Adaptive Neuro Fuzzy Inference System (ANFIS). ANFIS is a method based on a fuzzy inference system that is trained using a learning algorithm derived from an artificial neural network system. The purpose of this study is to create a system that can predict electricity consumption using the Adaptive Neuro Fuzzy Inference System (ANFIS) method by utilizing historical data on electrical loads from PT. PLN UP3 Purwokerto for the Banyumas district area. This ANFIS method goes through the stages of data collection, data processing, ANFIS system design, ANFIS training, validation testing, and finally the analysis of results. ANFIS architecture used in this study uses several input variations for the average load weekly, biweekly, and monthly with a variety of techniques in the formation of fuzzy inference systems (FIS) using monotonous reasoning and fuzzy subtractive clustering (FSC). Based on the results of research, the ANFIS method can be used as a forecast of electrical energy consumption. The result error value generated by the training is 0.0059094 and testing is 6.9387, with the results of the MAPE validation test of 5.881416441%

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman