PENGGUNAAN METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) UNTUK PREDIKSI BEBAN LISTRIK JANGKA PENDEK

  • Ainun Aziz Universitas Merdeka Pasuruan
  • Mochammad Firman Arif Universitas Merdeka Pasuruan
  • Muslim Alamsyah Universitas Merdeka Pasuruan
https://doi.org/10.46510/jami.v3i1.45
Abstract views: 103 , PDF downloads: 54
Keywords: MATLAB, ANFIS, Beban Listrik

Abstract

Peningkatan kebutuhan listrik di masyarakat mengharuskan PT. PLN perlu melakukan perencanaan operasi dan perencanaan sistem pengembangan tenaga listrik untuk mengetahui seberapa besar daya listrik yang harus disalurkan ke konsumen agar daya listrik yang ditransmisikan tepat sasaran dan tepat ukuran. Oleh karena itu, dibuatlah metode ANFIS (Adaptive Neuro Fuzzy Inference System) pada penelitian ini.

ANFIS (Adaptive Neuro Fuzzy Inference System) adalah suatu penggabungan mekanisme sistem inferensi fuzzy yang digambarkan dalam arsitektur jaringan saraf. Dalam suatu penelitian, membutuhkan program yang dibuat menggunakan bahasa programan Matlab.

Dalam hasil Analisis prakiraan konsumsi beban listrik menggunakan software aplikasi Matlab didapatkan perbandingan kesalahan untuk pelatihan (training) yang mampu mengikuti pola beban listrik harian dengan nilai MSE 0,2938 dan nilai MAPE 4,7892% dengan kriteria MAPE <10% yang di nilai ‘sangat baik’. Sedangkan berdasarkan perbandingan pengujian (testing) dengan nilai MSE 0,4361 dan nilai MAPE 14,6062% dengan kriteria MAPE 10% - 20% yang di nilai ‘baik’ atau lebih rendah dari pelatihan.

Dengan hasil prediksi beban listrik di tanggal 18 November 2010 sampai dengan 25 November 2010, secara keseluruan baik pelatihan (training) dan pengujian (testing) dengan model metode ANFIS memiliki performansi yang baik untuk meramalkan beban listrik di masa mendatang, untuk dapat sebagai langkah antisipasi permintaan daya listrik di waktu kedepan.

Downloads

Download data is not yet available.

References

Arsyad. Lincolin, “Peramalan Bisnis Edisi Pertama”, BPFE-YOGYAKARTA, Yogyakarta, 2001.

AR, Margunadi, “Pengantar Umum Elektro Teknik“, PT Dian Rakyat, Jakarta, 1983.

Feinberg, Eugene A dan Genethliou. Dora‚ “Load Forecasting”, Stony Brook, State University of New York, 2001.
Hasan, M. Iqbal, “Pokok-pokok Materi Statistik I (Statistik Deskriptif)”, Bumi Aksara, Jakarta, 1999.
H.P.Satpathy, P.K.Dash dan Liew, AC and Rahman,S, “A Real –Time Shorth-Term Load Forecasting System Using Functional Link Network”, IEEE Transactions on Power Systems, Vol. 12, No. 2, May 1997.
Hutauruk, ”Transmisi Daya Listrik”, Erlangga, Jakarta, 1985.

Jang, JRS, Sun, dan Mizutani. E, ”Neuro-Fuzzy and Soft Computing”, Prentice Hall, London, 1993.
Kusumadewi, Sri, ”Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB & EXCEL LINK”, Graha Ilmu, Yogyakarta, 2004.

Kusumadewi, Sri, dan Sri Hartati, ”Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf”, Graha Ilmu, Yogyakarta, 2006.

Kusumadewi, Sri dan Hari Purnomo, ”Aplikasi Logika Fuzzy Untuk Pendukung Keputusan”, Graha Ilmu, Yogyakarta, 2004.

Marsudi, Djiteng, ”Operasi Sistem Tenaga Listrik”, Graha Ilmu, Yogyakarta, 2006.

Ross, Timothy J, ”Fuzzy Logic with Engineering Applications”, John Wiley & Sons Inc, Inggris, Edisi Ke-2

Widodo, TS, ”Sistem Neuro Fuzzy Untuk Pengolahan Informasi, Pemodelan, dan Kendali”, Graha Ilmu, Yogyakarta, 2005.

A. Nurlifa dan S. Kusumadewi, “Sistem Peramalan Jumlah Penjualan Menggunakan Metode Moving Average Pada Rumah Jilbab Zaky”, J. Invotek Polbeng -Seri Inform., vol.2, no. 1, pp. 18–25, 2017.

Irawan, Feriza A. “Buku Pintar Pemrograman MATLAB”. Mediakom, Yogyakarta, 2012.

Jek Siang, J. “Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan MATLAB”. Andi, Yogyakarta, 2005.

Widodo, P. P. dan Handayanto, R. T. “Penerapan Soft Computing dengan MATLAB”. Rekayasa Sains, Bandung, 2012.
Published
2022-06-30

PlumX Metrics

How to Cite
Ainun Aziz, Mochammad Firman Arif, & Muslim Alamsyah. (2022). PENGGUNAAN METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) UNTUK PREDIKSI BEBAN LISTRIK JANGKA PENDEK. JAMI: Jurnal Ahli Muda Indonesia, 3(1), 83-95. https://doi.org/10.46510/jami.v3i1.45
Issue
Vol. 3 No. 1 (2022): Juni 2022
Section
Articles

Copyright (c) 2022 ainun aziz

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:
1. Copyright on any article is retained by the author(s).
2. The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
3. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
4. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
5. The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License