TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints61185
UR  - http://digilib.unila.ac.id/61185/
A1  - Salwa Nursalsabila, 1715031007
Y1  - 2021///
N2  - Intisari ? Prediksi beban listrik jangka pendek dilakukan untuk mengetahui
penjadwalan pembangkit pada suatu sistem pembangkit tenaga listrik. Pada
penelitian ini prediksi beban listrik jangka pendek dilakukan di Gardu Induk Metro
Lampung dengan 2 kategori yaitu dengan historis data 6 bulan dan historis data 2
tahun selama satu minggu. Untuk mengasilkan prediksi beban listrik dengan nilai
yang akurat dilakukan dengan melakukan simulasi menggunakan software Matlab.
Metode yang digunakan dalam prediksi ini adalah Artificial Neural Network
pendekatan Backpropagation dengan tipe jaringan Feed Forward
Backpropagation. Variabel yang digunakan dalam proses simulasi adalah data
historis beban listrik pada trafo 1 dan 2 Gardu Induk Metro, serta data historis
temperatur udara BMKG. Hasil prediksi beban listrik dalam penelitian ini
menunjukkan bahwa tipe jaringan Feed Forward Backpropagation dapat
digunkakan untuk memprediksi beban listrik jangka pendek pada Gardu Induk
Metro Lampung. Hasil prediksi beban listrik jangka pendek menggunakan data
historis sebanyak 6 bulan menghasilkan nilai MAPE sebesar 8.75% dan prediksi
beban listrik jangka pendek menggunakan data historis sebanyak 2 tahun
menghasilkan nilai MAPE sebesar 1.99%.

Kata kunci ? Prediksi beban listrik jangka pendek, Artificial Neural Network, Feed
Forward Backpropagation.
Abstract ? The generator scheduling in a power system is determined by
estimating short-term electrical load. Short-term electrical load forecasts elaborated
at the Metro Substation using two categories of previous data: 6 months of historical
data and 2 years of historical data in one week horizon. A simulation utilizing
Matlab software was used to obtain an accurate prediction. The Artificial Neural
Network Backpropagation method with Feed Forward Backpropagation network
type was utilized in this calculation. Historical data on electrical loads at
transformers 1 and 2 at Metro Substations, as well as historical data of daily
temperature from BMKG, were included in the simulation process. The Feed
Forward Backpropagation network type can be utilized to estimate the short-term
electrical load at the Lampung Metro Substation, based on the results of this study's
electrical load prediction. The MAPE value for short-term power load predictions
using 6 months of historical data was 8.75%, and the MAPE value for short-term
electricity load predictions using 2 years of historical data was 1.99%.

Keywords ? Short-term load forecast, Artificial Neural Network, Feed Forward
Backpropagation.
PB  - FAKULTAS TEKNIK
TI  - PREDIKSI BEBAN LISTRIK JANGKA PENDEK DENGAN
PENDEKATAN BACKPROPAGATION PADA GARDU INDUK METRO
AV  - restricted
ER  -