JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2021

(1)

STUDI PERAMALAN BEBAN PUNCAK WILAYAH MAKASSAR MENGGUNAKAN METODE

ARTIFICIAL NEURAL NETWORK

SKRIPSI

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik Elektro

Disusun Oleh:

Alfandi Rahmad 201610130311020

JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH MALANG

2021

(2)

ii

(3)

iii

(4)

iv

(5)

v

ABSTRAK

Peramalan beban wilayah perkotaan berguna untuk mengintegrasikan sumber energi terdistribusi yang ramah lingkungan dengan pembangkit listrik.

Informasi tersebut akan membantu dalam memperlakukan pembangkit listrik distrik seperti pembangkit listrik virtual untuk koordinasi yang efektif dengan pembangkit listrik berkapasitas tinggi. Sebagai acuan dalam satu konsep sebuah perencanaan, baik dalam perencanaan dibidang operasi maupun dalam perencanaan hal peningkatan energi listrik, salah satu hal yang paling tergolong penting ialah melakukan monitoring (forecasting) dengan tepat agar mengetahui seberapa banyak tenaga listrik yang diaktifkan dalam satu kurun waktu tertentu (Supranto. J,1981).

Monitoring ialah suatu kegiatan atau usaha untuk memperkirakan bagaimana keadaan sistem di waktu yang akan datang berdasarkan dengan parameter waktu sebelumnya. Tujuan dari penelitian ini ialah untuk mengetahui besar beban puncak pada 4 bulan yang akan datang, diperoleh dari simulasi monitoring beban dengan menggunakan metode Artificial Neural Network dan juga untuk mengetahui akurasi dari hasil monitoring menggunakan metode Artificial Neural Network dengan menggunakan perhitungan MSE dan nilai error. Metode perhitungan ANN diterapkan untuk memprediksi besarnya beban puncak wilayah Makassar. Data yang digunakan ialah data beban puncak wilayah Makassar bulan Januari hingga Desember 2016. Metode perhitungan ini menghasilkan MSE Training sebesar 0.049, menggunakan metode perhitungan TRAINGD dengan adaptasi pelatihan LEARNGD 5 neuron. Menemukan hasil prediksi puncak beban listrik Januari s.d April 2017 sebesar 976,92MW; 951,92MW;949,96MW; dan 1011,57MW.

Kata Kunci: Peramalan ANN, Beban Puncak

(6)

vi

ABSTRACT

Urban load monitoring is useful for integrating environmentally friendly distributed energy sources with power plants. The information will help treat district power plants like virtual power stations for effective coordination with high capacity power plants. As a reference in planning, both in planning in operations and in planning for the development of electricity, one of the most important things is to carry out proper monitoring (forecasting) in order to find out the electricity needs in a certain period of time (Supranto. J, 1981). Monitoring is an activity or effort to estimate how the system will be in the future based on the previous time parameters. The purpose of this study is to determine the peak load in the next 4 months, obtained from the load monitoring simulation using the Artificial Neural Network method and also to determine the accuracy of the monitoring results using the Artificial Neural Network method using MSE calculations and the error value.

ANN calculation method is applied to predict the magnitude the peak of load in the Makassar area. Data used is the peak load data for the Makassar region from January to December 2016. This calculation method produces an MSE Training of 0.049, using the TRAINGD calculation method with 5 neuron LEARNGD training adaptations. Find the results of the peak electricity load predictions from January to April 2017 of 976,92MW; 951,92MW;949,96MW; dan 1011,57MW.

Keyword : Forecasting, ANN, Peak Load

(7)

vii

LEMBAR PERSEMBAHAN

Segala Puji serta rasa syukur atas kehadirat Allah Subhanahu Wa Ta’ala, serta limpahan rahmat cinta dan kasih sayang-Nya yang telah memberikan penulis kekuatan dan membekali dengan ilmu. Atas karunia serta kemudahan yang Allah berikan kepada penulis sehingga pada akhirnya Tugas Akhir yang sangat sederhana ini dapat terselesaikan. Sholawat serta salam selalu terlimpahkan kepada Rasulallah Muhammad Shalallahu ‘Alayhi Wasallam. Penulis ingin menyampaikan ungkapan rasa terimakasih yang sebesar-besarnya kepada:

1. Orang tua yang senantiasa mendo’akan dan memberi dukungan, baik materil maupun moril selama menempuh pendidikan dan penulisan tugas akhir ini. Semoga Allah membalas kebaikan mereka berdua.

2. Bapak Dr. Ir. Ermanu Azizul Hakim, MT. selaku Dosen Wali sekaligus Dosen Pembimbing I yang senantiasa membantu dan memberi pengarahan dalam pembuatan laporan ini.

3. Bapak Ir. Nurhadi, MT. selaku Dosen Pembimbing II yang juga senantiasa membantu dan memberi pengarahan dalam pembuatan laporan ini.

4. Bapak Dr.Zulfatman,ST.,M.Eng selaku Ketua Jurusan Teknik Elektro Universitas Muhammadiyah Malang.

5. Seluruh Dosen Pengajar dan Staff Pengajar Teknik Elektro Universitas Muhammadiyah Malang yang sudah berjasa dalam memberi ilmu selama pendidikan.

6. Seluruh rekan seperjuangan “Elektro 2016” yang selama ini merasakan kerasnya berproses di dalam kelas.

7. Seluruh rekan yang telah sama – sama berjuang dalam menyelesaikan skripsi bersama.

8. Rekan UKM Pramuka 01379-01380 yang telah memberikan ruang untuk berproses menjadi lebih sangat baik dalam banyak aspek kehidupan perkuliahan.

Sedikit semangat untuk para pejuang skripsi di kemudian hari nantinya, jangan pernah berputus asa teruslah berproses, hasil akan terus menantimu jika terus berproses, satu hal lagi yaitu nikmati segala prosesnya agar semuanya terasa baik – baik saja dan tanpa sadar kamu sudah memetik hasil dari segala perjuanganmu.

(8)

viii

Semoga laporan ini dapat bermanfaat dalam pengembangan ilmu jurusan Teknik Elektro Universitas Muhammadiyah Malang, khususnya bagi penulis dan pembaca.

Malang, Juni 2021

Alfandi Rahmad

(9)

ix

KATA PENGANTAR

Alhamdulillah puji syukur kehadirat Allah Subhanahu Wa Ta’ala atas segala Nikmat, Rahmat, serta Hidayahnya-Nya. Sholawat serta salam semoga senantiasa

tercurahkan kepada Rasulullah Muhammad Shalallaahu 'Alayhi Wasallam. Atas kehendak dan karunia Allah penulis dapat menyelesaikan tugas akhir yang

berjudul:

“STUDI PERAMALAN BEBAN PUNCAK WILAYAH MAKASSAR MENGGUNAKAN

ARTIFICIAL NEURAL NETWORK”

Dalam mewujudkan semua yang lebih baik, kami selalu berhadapan dengan segala macam hambatan. Tidak lain halnya dalam pembuatan Laporan Tugas Akhir ini, banyak hambatan yang harus penulis dapat lewati, tetapi berkat bantuan dari beberapa pihak akhirnya penulis dapat melampauinya dengan baik dan benar.

Penulis menyadari bahwa laporan Tugas Akhir ini masih jauh dari kata sempurna, dikarenakan terbatasnya pengetahuan dan ketrampilan yang penulis miliki. Oleh karena itu kritik dan saran yang membangun dari seluruh pihak sangat diharapkan

untuk perbaikan Tugas Akhir ini. Semoga laporan Tugas Akhir ini dapat bermanfaat bagi semua pihak.

Amin.

Malang, 29 Juni 2021

penulis

(10)

x

DAFTAR ISI

LEMBAR JUDUL ... i

LEMBAR PERSETUJUAN ... ii

LEMBAR PENGESAHAN ... iii

LEMBAR PERNYATAAN ... iv

ABSTRAK ... v

ABSTRACT ... vi

LEMBAR PERSEMBAHAN ... vii

KATA PENGANTAR ... ix

DAFTAR ISI ... x

DAFTAR GAMBAR ... xiv

DAFTAR TABEL ... xv

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 3

1.3 Batasan Masalah ... 3

1.4 Tujuan Penelitian ... 4

1.5 Metodologi ... 4

1.6 Sistematika Penulisan ... 5

BAB II TINJAUAN PUSTAKA ... 6

2.1 Karakteristik Beban Listrik ... 6

2.2 Peramalan Beban Listrik ... 6

2.3 Artificial Neural Network ... 8

2.3.1 Algoritma Backpropagation ... 8

2.3.2 Fungsi Aktivasi ... 10

2.3.3 Fungsi Pembelajaran ... 11

2.4 MSE (Mean Squared Error) ... 13

BAB III PERANCANGAN SISTEM ... 14

3.1 Pengerjaan Tugas Akhir ... 14

3.2 Karakteristik Kelistrikan PLN SULSELRABAR ... 14

(11)

xi

3.3 Peramalan Beban Menggunakan Metode ANN Backpropagation ... 16

3.3.1 Pengumpulan Data ... 16

3.3.2 Data Masukan ... 16

3.3.3 Klasifikasi Data ... 16

3.3.4 Data Target ... 16

3.3.5 Normalisasi Data ... 17

3.3.6 Pelatihan Jaringan ... 17

3.3.7 Pengujian Jaringan ... 17

3.3.8 Denormalisasi Data ... 18

3.4 Data Peramalan Beban Puncak ... 18

3.5 Peramalan Data Historis Beban Puncak ... 24

BAB IV HASIL DAN ANALISA SISTEM . ... .25

4.1 Training/Pelatihan Jaringan ANN...25

4.2 Hasil Pelatihan Jaringan... ...25

4.2.1 Pembentukan Jaringan 1...26

4.2.1.1 Pelatihan Jaringan 1 ke-1... 27

4.2.1.6 Pelatihan Jaringan 1 ke-6 ... .29

4.2.1.7 Hasil Perhitungan Jaringan 1... .30

4.2.2 Pembentukan Jaringan 2... 31

4.2.2.1 Peltihan Jaringan 2 ke-1...32

4.2.2.2 Pelatihan Jaringan 2 ke-2...33

4.2.2.3 Pelathan Jaringan 2 ke-3...33

4.2.2.6 Hasil Perhitungan Jaringan 2 ...34

(12)

xii

4.2.3.5 Pelatihan Jaringan 3 ke-5 ...39

4.2.3.7 Hasil Perhitungan Jaringan 3...40

4.2.5 Pembentukan Jaringan 5 ...45

4.3 Peramalan Beban Puncak ...56

4.4 Perbandingan Hasil...58

(13)

xiii

BAB V PENUTUP ...60

5.1 Kesimpulan ...60

5.2 Saran...60

DAFTAR PUSTAKA ...61

(14)

xiv

DAFTAR GAMBAR

Gambar 3.1 Single Line Diagram PT. PLN Sulselrabar ... 15

Gambar 3.2 Grafik Beban Aktual ... 23

Gambar 3.3 Grafik Data Beban Normalisasi ... 24

Gambar 4.1 Pembentukan Jaringan ANN ... 26

Gambar 4.2 Parameter Pelatihan ANN ... 27

Gambar 4.3 Pembentukan Jaringan ke-2 ... 31

Gambar 4.4 Parameter Jaringan 2 ... 32

Gambar 4.5 Pembentukan Jaringan 3... 36

Gambar 4.13 Hasil Peramalan Beban Puncak Januari – Maret 2017 ... 57

(15)

xv

DAFTAR TABEL

Tabel 3.1 Sistem Penomoran Sistem Bus Sulselrabar ... 15

Tabel 3.2 Data Real Beban Puncak Januari – Juni 2016... 18

Tabel 3.3 Data Real Beban Puncak Juli – Desember 2016 ... 20

Tabel 3.4 Data Normalisasi Beban Puncak Januari – Juni 2016 ... 21

Tabel 3.5 Data Normalisasi Beban Puncak Juli – Desember 2016 ... 22

Tabel 4.1 Interpretasi Koefisien ... 26

Tabel 4.2 Pelatihan Jaringan 1 ... 30

Tabel 4.3 Pengujian Jaringan 1 ... 30

Tabel 4.14 Perbandingan Pengujian Jaringan ANN ... 56

Tabel 4.15 Hasil Peramalan Beban Puncak Hingga Bulan April 2017... 57

(16)

61

DAFTAR PUSTAKA

[1] C. P. Putra, M. Tuegeh, H. Tumaliang, and L. S. Patras, “Analisa Pertumbuhan Beban Terhadap Ketersediaan Energi Listrik di Sistem Kelistrikan Sulawesi Selatan,” J. Tek. Elektro Dan Komput. Unsrat, vol. 3, no. 2, pp. 19–30, 2014.

[2] V. Dehalwar, A. Kalam, M. L. Kolhe, and A. Zayegh, “Electricity load forecasting for urban area using weather forecast information,” 2016 IEEE Int. Conf. Power Renew. Energy, ICPRE 2016, pp. 355–359, 2017, doi:

10.1109/ICPRE.2016.7871231.

[3] I. A. Samuel, F. C. F, A. A. A, and A. A. Awelewa, “Medium-Term Load Forecasting Of Covenant University Using The Regression Analysis Methods,” J. Energy Technol. Policy, vol. 4, no. 4, pp. 10–17, 2014.

[4] D. Howard and B. Mark, “Neural Network Toolbox Documentation,” Neural Netw. Tool, p. 846, 2004.

[5] S. Andriyani and N. Sihombing, “Implementasi Metode Backpropagation Untuk Prediksi Harga Jual Kelapa Sawit Berdasarkan Kualitas Buah,”

Jurteksi, vol. 4, no. 2, pp. 155–164, 2018, doi: 10.33330/jurteksi.v4i2.40.

[6] M. Marhatang, M. R. Djalal, H. Nawir, and S. Sonong, “Electrical Daily Load Forecasting In Ramadhan Using Type-2 Fuzzy Logic In Sulselrabar System,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 9, no. 3, p. 146, 2018, doi:

10.24843/lkjiti.2018.v09.i03.p04.

[7] S. Kasus et al., “PREDIKSI PERSEDIAAN TERNAK SAPI POTONG,”

vol. 1, no. 2, 2014.

[8] M. Amadea, “PREDIKSI PRODUKSI DEBIT AIR MINUM PER BULAN

DENGAN METODE JARINGAN SYARAF TIRUAN

BACKPROPAGATION,” Fak. ILMU Komput. Univ. DIAN

NUSWANTORO SEMARANG, 2015.

[9] H. Halin, H. Wijaya, and R. Yusilpi, “Pengaruh Harga Jual Kaca Patri Jenis Silver Terhadap Nilai Penjualan Pada Cv. Karunia Kaca Palembang Tahun

(17)

62

2004-2015,” J. Ecoment Glob., vol. 2, no. 2, p. 49, 2017, doi:

10.35908/jeg.v2i2.251.

[10] Y. Andriani, H. Silitonga, and A. Wanto, “Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia,” Regist. J. Ilm.

Teknol. Sist. Inf., vol. 4, no. 1, p. 30, 2018, doi: 10.26594/register.v4i1.1157.

(18)

63