PREDIKSI BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ARIMAX DAN ARTIFICIAL NEURAL NETWORK BACKPROPAGATION DI GARDU INDUK METRO

Dwi Agus, Riyanto (2022) PREDIKSI BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ARIMAX DAN ARTIFICIAL NEURAL NETWORK BACKPROPAGATION DI GARDU INDUK METRO. Masters thesis, Universitas Lampung.

[img]
Preview
File PDF
Abstrak Tesis_Dwiagus.pdf

Download (357Kb) | Preview
[img] File PDF
Tesis_Dwi Agus Riyanto_1825031002_MTE_2022.pdf
Restricted to Hanya staf

Download (5Mb)
[img] File PDF
Tesis_ Tanpa Bab IV.pdf
Restricted to Hanya staf

Download (3899Kb)

Abstrak

Kebutuhan listrik yang selalu meningkat baik domestik, komersil maupun industri membutuhkan pelayanan yang baik dan berkualitas, peningkatan kebutuhan listrik banyak dipengaruhi oleh meningkatnya populasi penduduk, perkembangan sektor industri, dan pola hidup masyarakat. Perubahan temperatur udara panas juga mempengaruhi pola masyarakat untuk menggunakan Air Conditioner (AC) sebagai alat pendingin ruangan. Kebutuhan listrik tersebut harus didukung dengan prediksi beban yang tepat dan penjadwalan pembangkitan yang sesuai dengan kebutuhan. Penelitian ini melakukan prediksi beban listrik jangka pendek menggunakan metode Autoregressive Integrated Moving Average with Exogenous Variable (ARIMAX) dan Artificial Neural Network (ANN) Backpropagation di Gardu Induk Metro serta membandingkan efektifitas dari dua metode tersebut. Data yang digunakan berupa data historis beban listrik dan temperatur udara selama periode 6 bulan dan 2 tahun untuk mendapatkan hasil prediksi pada satu minggu terakhir. Berdasarkan hasil prediksi beban listrik jangka pendek menggunakan data historis selama 2 tahun dengan metode ARIMAX menghasilkan nilai MAPE sebesar 7,1%, Sedangkan menggunakan metode ANN Backpropagation MAPE sebesar 1,8 %. Dengan data historis 2 tahun Metode ANN Backpropagation lebih akurat dibandingkan dengan metode ARIMAX, semakin banyak data historis yang digunakan metode ANN akan semakin baik. Prediksi beban listrik jangka pendek dengan data historis 6 bulan menggunakan metode ARIMAX menghasilkan MAPE sebesar 13,6% sedangkan menggunakan metode ANN Backpropagation menghasilkan MAPE 9,1 %, metode ARIMAX sangat tergantung pada besarnya deviasi data historis, semakin besar deviasi data akan semakin besar tingkat kesalahan prediksi. Kata Kunci - Prediksi Beban Listrik, ARIMAX, ANN, Backpropagation, MAPE

Jenis Karya Akhir: Tesis (Masters)
Subyek: 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi: Fakultas Teknik > Prodi Magister Teknik Elektro
Pengguna Deposit: 2203656328 . Digilib
Date Deposited: 23 Jun 2022 04:03
Terakhir diubah: 23 Jun 2022 04:03
URI: http://digilib.unila.ac.id/id/eprint/63631

Actions (login required)

Lihat Karya Akhir Lihat Karya Akhir