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

Bahasa Indonesia

  • ainun aziz Universitas Merdeka Pasuruan
Abstract views: 54 , PDF downloads: 17
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. (2022). PENGGUNAAN METODE ANFIS (ADAPTIVE NEURO FUZZY INFERENCE SYSTEM) UNTUK PREDIKSI BEBAN LISTRIK JANGKA PENDEK: Bahasa Indonesia. JAMI: Jurnal Ahli Muda Indonesia, 3(1), 83-94. https://doi.org/10.46510/jami.v3i1.45
Section
Articles