Prediksi Beban Listrik Jangka Pendek Berbasis Algoritma Feedforward Backpropagation Dengn Mempertimbangkan Variasi Tipe Hari

Abstrak

Perkembangan teknologi komputasi yang sudah mengarah kepada teknologi soft computing mendorong para peneliti untuk mencoba mencari suatu metode alternatif untuk memprediksi beban listrik berbasis kecerdasan buatan (yang populer dan banyak digunakan: Adaptive Neural Network / Jaringan Syaraf Tiruan). Prediksi beban listrik jangka pendek memegang peranan yang sangat penting bagi efisiensi energi listrik. Untuk itu akan dilakukan prediksi beban listrik jangka pendek untuk 3 tipe hari yaitu hari kerja, hari libur akhir pekan, dan hari libur nasional dengan metode Jaringan Syaraf Tiruan (JST) menggunakan algoritma feedforward backpropagation, dan data yang digunakan adalah data aktual sepanjang tahun 2013 dan tahun 2014. Software pendukung untuk merancang program digunakan Matlab. Untuk mendapatkan hasil optimal, dilakukan optimasi pada aspek jumlah input pembelajaran, learning rate, dan fungsi aktivasi. Hasil penelitian membuktikan bahwa algoritma JST (Jaringan Syaraf Tiruan) sangat handal dalam memprediksi beban listrik jangka pendek jika dibandingkan dengan metode Time Series dan prediksi yang dilakukan PLN, baik dalam tipe hari kerja, hari libur akhir pekan, dan hari libur nasional.

Kata kunci: Peramalan, JST, Beban listrik