Dennis, Elisa Gumelar (2018) Studi Perbandingan Peramalan Kebutuhan Energi Listrik Indonesia Menggunakan Metode Artificial Neural Network (ANN) dan Adaptive Neuro Fuzzy Inference System (ANFIS). Sarjana thesis, Universitas Brawijaya.
Abstract
Energi listrik adalah kebutuhan primer. Hal ini terjadi karena listrik sudah menjadi bagian penting dalam berbagai aspek kehidupan manusia, diantaranya aspek teknologi, ekonomi, sosial, dan budaya. Peramalan dibutuhkan untuk mengetahui kesiapan pembangkit dan seluruh peralatan penunjang dalam memenuhi kebutuhan serta keseimbangan supply dan demand. Terdapat banyak metode yang dapat digunakan untuk melakukan peramalan, namun saat ini metode yang berkembang adalah metode Artificial Intelligence atau Sistem cerdas. Metode yang digunakan pada penelitian ini adalah Jaringan Saraf Tiruan (JST) dan Adaptive Neuro Fuzzy Inference System (ANFIS), dengan membandingkan output sebagai parameter keakuratan dalam melakukan peramalan. Dua metode ini dibentuk dan dilatih menggunakan data ekonometrik seperti jumlah penduduk dan pertumbuhan ekonomi. Data diperoleh dari RUPTL PLN 2018-2027. Data statistik tahun 2008-2017 digunakan sebagai input dalam melakukan peramalan tahun 2018-2027. Keakuratan peramalan kedua metode ini dievaluasi menggunakan MAE dan RMSE. Dari hasil percobaan yang telah dilakukan, metode JST menghasilkan MAE sebesar 0,4779 TWh, RMSE sebesar 0,6068 TWh, dan error rata-rata per tahun sebesar 0,1482%. Sedangkan metode ANFIS menghasilkan MAE sebesar 19,3614 TWh, RMSE sebesar 26,6287 TWh, dan error rata-rata per tahun sebesar 5,2206%.
English Abstract
Electricity is a primary need. It reaches every aspect of life such as technology, economy, social and culture. Forecasting is need to foresee the capability of the power plant and all supporting devices in completing the electricity demand and to keep the supply and demand at balance. There are various forecasting methods, but nowadays the artificial intelligence method is developing rapidly. This paper presents electric load forecast using Adaptive Neuro Fuzzy Inference System (ANFIS) and Artificial Neural Network (ANN), by comparing the outcomes as the forecasting accuracy. The two techniques were developed and trained using econometric data such as population and economic growth. The data used for this paper was obtained from RUPTL PLN 2018-2027. 2008-2017 statistic data is used as input to forecast for year 2018-2027. The forecasting accuracy of these models were evaluated using MAE and RMSE. From the simulation conducted, the ANN resulted MAE of 0,4779 TWh, RMSE of 0,6068 TWh, and average error per year of 0,1482. While the ANFIS resulted MAE of 19,3614, RMSE of 26,6287, and average error per year of 5,2206%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2018/1043/051811700 |
| Uncontrolled Keywords: | Peramalan Kebutuhan Energi Listrik, Sistem Cerdas, Jaringan Saraf Tiruan, ANFIS. Electric load forecast, Artificial Intelligence, Artificial Neural Network, ANFIS. |
| Subjects: | 300 Social sciences > 333 Economics of land and energy > 333.7 Land, recreational and wilderness areas, energy > 333.79 Energy > 333.793 Secondary from of energy > 333.793 2 Electrical energy |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 13 Jun 2019 01:35 |
| Last Modified: | 16 Mar 2022 04:18 |
| URI: | http://repository.ub.ac.id/id/eprint/162661 |
Preview |
Text
Elisa Gumelar Dennis.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |