SKRIPSI Jurusan Teknik Elektro - Fakultas Teknik UM, 2019

Ukuran Huruf:  Kecil  Sedang  Besar

Analisis Estimasi Daya yang Tersambung dan Energi Listrik yang Terjual Dalam Jangka Panjang Menggunakan Jaringan Syaraf Tiruan Backpropagation

Ashidieqi Roub Nizaar

Abstrak


ABSTRAK

Ashidieqi, Roub Nizaar. 2019. Analisis Estimasi Daya yang Tersambung dan Energi Listrik yang Terjual Dalam Jangka Panjang Menggunakan Jaringan Syaraf Tiruan Backpropagation. Skripsi. Jurusan Teknik Elektro. Fakultas Teknik. Universitas Negeri Malang.

Kata kunci: estimasi, daya tersambung, energi terjual, backpropagation

Tingkat kesejahteraan penduduk adalah faktor utama dalam konsumsi listrik sehari-hari. Konsumsi listrik ini dipengaruhi oleh jenis pelanggan, diantaranya rumah tangga, industri, bidang sosial, pemerintahan, dan bisnis sehingga daya yang yang dialirkan dan daya yang digunakan pun berbeda. Mengutip dari data PLN UPJ Srengat tentang daya yang tersambung pada tahun 2016 sebesar 67 MW sedangkan pada tahun 2017 sebesar 72 MW. Dalam pengoperasian sistem tenaga listrik, daya yang tersambung harus sama dengan jumlah energi yang terjual ke konsumen. Energi yang terjual dari PLN UPJ Srengat pada tahun 2016 sebesar 95.221.877 kWh sedangkan pada tahun 2017 sebesar 97.749.567 kWh. Hal ini menandakan bahwa kebutuhan listrik masyarakat Srengat tiap tahunnya terus meningkat.

Untuk dapat memenuhi kebutuhan yang terus meningkat, diperlukan keseimbangan dari sisi produksi dan konsumsi listrik sehingga konsumsi listrik selalu sama dengan tingkat produksinya. Oleh karena itu, diperlukan peranan estimasi daya tersambung dan konsumsi energi listrik jangka panjang. Estimasi ini dilakukan untuk mengetahui tingkat target daya tersambung dan konsumsi energi secara akurat sehingga dapat meningkatkan keamanan dari manajemen energi, menghemat biaya operasional, kondisi aman dari sisi produksi dan konsumsi energi listrik serta digunakan sebagai acuan Rencana Operasi oleh pihak PLN.

Model estimasi yang digunakan adalah model jaringan NARNET untuk menentukan nilai masa mendatang sebagai variabel masukan dalam proses estimasi menggunakan jaringan syaraf tiruan backpropagation. Arsitektur jaringan syaraf tiruan backpropagation dilatih hingga menemukan arsitektur terbaik yaitu jenis normalisasi yang digunakan adalah softmax scalling. Dengan data masukan 8 neuron, bobot dan bias awal menggunakan optimalisasi Nguyen Widrow 2 hidden layer dengan masing-masing 9 neuron. Pengaturan performa jaringan data keluaran ditentukan oleh peneliti dengan jumlah iterasi (epoch) maksimum 10.000 epoch dan target error yang ingin dicapai 0,00001. Pembagian data latih dan data uji dengan komposisi 70% data latih dan 30% data uji. Fungsi aktivasi yang digunakan jaringan masukan adalah kondisi default atau sigmoid biner, pada hidden layer pertama menggunakan sigmoid biner (logsig) dan pada hidden layer kedua menggunakan sigmoid bipolar (tansig). Fungsi pelatihan yang digunakan adalah fungsi pelatihan levenberg marqurdt (trainlm). Hasil perbandingan antara jaringan syaraf tiruan backpropagation dengan jaringan non-linear autoregressive neural network (NARNET) pada estimasi jangka panjang, diperoleh pengolahan yang optimal dengan menggunakan jaringan syaraf tiruan backpropagation. Hal ini dibuktikan dari nilai MAPE pada tahun 2017 pada backpropagation memiliki nilai 2,74% pada target pertama dan 0,99% pada target kedua dengan perbedaan nilai yang merata.