PREDIKSI POTENSI ENERGI LISTRIK BERDASARKAN IRADIASI DAN KECEPATAN ANGIN DI SAPE BIMA
DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION
SKRIPSI
Sebagai Persyaratan Guna Meraih Gelar Sarjana Teknik Elektro Universitas Muhammadiyah Malang
Disusun Oleh : MUHAMMAD ADHAR
201710130311174
PROGRAM STUDI TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2022
ii
iii
iv
v
ABSTRAK
Pertumbuhan ekonomi yang terus meningkat menyebabkan kondisi listrik di indonesia semakin lama akan semakin banyak memerlukan energi listrik yang lebih besar untuk memenuhi permintaan konsumen dan menghidari pemadaman listrik secara bergilir. Tugas akhir ini membahas tentang prediksi potensi energi listrik di kabupaten bima dengan metode jaringan syaraf tiruan. Terdapat dua tipe simulasi akan dilakukan dalam penelitian ini. Pertama, simulasi intensitas radiasi matahari menggunakan variabel cuaca yang berdampak pada intensitas radiasi matahari dan yang kedua simulasi kecepatan angin yang memutar turbin dengan menggunakan variabel cuaca yang berkaitan dengan kecepatan angin. Kedua tipe tersebut menggunakan jaringan syaraf tiruan (JST) untuk melakukan prediksi. Metode simulasi jaringan syaraf tiruan ini menjadi acuan sebagai perencanaan untuk menganalisis energi listrik dengan tahap prediksi. Pada penelitian, dari data intensitas radiasi matahari menghasilkan enegri listrik tenaga surya dengan asumsi 1Kw dengan daya keluarab rata-rata sebesar 456,517 Watt, dan rata-rata daya yang masuk pada panel sebesar 3.501,104 Watt dan hasil dari turbin kecepatan angin dengan rata-rata sebesar 52,927 Watt. Karena kecepatan angin yang terlalu rendah maka kemungkinan kecil untuk melakukan pembangunan PLTB di daerah sape Kata Kunci : PLTS, PLTB, Matlab, Jaringan Syaraf Tiruan Backpropagation, Prediksi
vi ABSTRACT
Economic growth continues to increase causing the condition of electricity in Indonesia to increasingly require greater electrical energy to meet consumer demand and avoid rotating blackouts. This final project discusses the prediction of the potential of electrical energy in the district of Bima with the artificial neural network method. There are two types of simulation will be carried out in this study.
First, simulation of the intensity of solar radiation using weather variables that have an impact on the intensity of solar radiation and secondly simulating wind speed that rotates turbines using weather variables related to wind speed. Both types use artificial neural networks (ANN) to make predictions. This artificial neural network simulation method becomes a reference as a plan to analyze electrical energy with a prediction stage. In the study, from the data on the intensity of solar radiation, it produces solar electricity with the assumption of 1Kw with an average output power of 456,517 Watt, and the average power input to the panel is 3,501.104 Watt and the results of the wind turbine speed with an average of 52,927 Watts. Because the wind speed is too low, there is little possibility to build a PLTB in the Sape area.
Keywords : PLTS, PLTB, Matlab, Artificial Neural Network Backpropagation, Prediction
vii
LEMBAR PERSEMBAHAN
Puji syukur saya panjatkan kepada Allah SWT, atas segala rahmat serta Hidayatnya, shalawat serta salam tidak lupa tercurahkan kepada nabiyullah Rasulullah Muhammad SAW, atas kehendak dan karunianya, sehingga penulis dapat menyelesaikan skripsi ini dengan judul “Prediksi Potensi Energi Listrik Berdasarkan Iradiasi Dan Kecepatan Angin Di Sape Bima Dengan Metode Jaringan Syaraf Tiruan Backpropagation”. Dimana skripsi ini disusun sebagai salah satu persyaratan untuk memperoleh gelar strata 1 Sarjana Teknik Elektro Universitas Muhammadiyah Malang. Dalam penelitian dan penyusunan skripsi ini, penulis banyak dibantu, dibimbing. Dan didukung oleh berbagai pihak. Oleh karena itu penulis mengucapkan banyak-banyak terima kasih kepada :
1. Allah SWT yang selalu memberikan kemudahan, kelancaran dan petunjuk dalam mengerjakan skripsi ini.
2. Nabi Muhammad SAW yang telah memperantai agama islam ini sehingga saya bisa menetapi agama yang benar ini.
3. Bapak Machmud Effendy, S.T., M.Eng. dan Bapak Novendra Setyawan, S.T., M.T yang telah membimbing saya selama pengerjaan skripsi ini.
Semoga Allah SWT membalas semua jasa kebaikan bapak sekalian.
4. Bapak/Ibu Dekan Fakultas Teknik Universitas Muhammadiyah Malang 5. Bapak Khusnul Hidayat, S.T., M.T selaku Ketua Jurusan Teknik Elektro
Fakultas Teknik Universitas Muhammadiya Malang.
6. Seluruh Bapak/Ibu Dosen Jurusan Teknik Elektro Universitas Muhammadiyah Malang yang telah memberikan ilmu dengan senang hati.
7. Untuk Bapak dan Ibu, terima kasih atas kasih sayang yang berlimpah dari mulai saya lahir, hingga saya sudah sebesar ini, terima kasih juga atas do’a yang tiada tara.
8. Untuk kakak dan adik saya terima kasih doa yang telah diberikan dan selalu menyemangati terus menerus tiada henti.
9. Terima kasih juga kepada Rekan-rekan dan sahabat yang telah membantu dan menyemangati untuk pengerjaan skripsi ini.
viii
KATA PENGANTAR
Dengan memanjatkan puji syukur kehadirat Allah SWT. Atas limpahan rahmat dan hidayah-NYA sehingga peneliti dapat menyelesaikan tugas akhir yang berjudul :
“ PREDIKSI POTENSI ENERGI LISTRIK BERDASARKAN IRADIASI DAN KECEPATAN ANGIN DI SAPE BIMA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROAGATION ” Di dalam tulisan ini disajikan pokok-pokok bahasan yang meliputi
Peneliti menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu peneliti mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan kedepan.
Malang, 19 November 2022
Muhammad Adhar
ix
DAFTAR ISI
HALAMAN JUDUL ...i
LEMBAR PERSETUJUAN ...ii
LEMBAR PENGESAHAN ...iii
LEMBAR PERNYATAAN ... iv
ABSTRAK ...v
ABSTRACK ...vi
LEMBAR PERSEMBAHAN ...vii
KATA PENGANTAR ...viii
DAFTAR ISI ...ix
DAFTAR TABEL ...xii
DAFTAR GAMBAR ...xiii
BAB I PENDAHULUAN ...1
1.1 Latar Belakang ...1
1.2 Rumusan Masalah ...4
1.3 Tujuan ...4
1.4 Batasan Masalah ...4
1.5 Manfaat Penelitian ...4
BAB II LANDASAN TEORI ...5
2.1 Panel Surya ...5
2.2 Turbin Angin ...6
2.2 Konversi Iradiasi Matahari Menjadi Dan Kecepatan Angin Menjadi Daya ...7
2.3.1 Konversi Iradiasi Matahari Menjadi Daya ...7
2.3.2 Konversi Kecepatan Angin ...8
2.3.3 Cara Kerja Jaringan Syaraf Tiruan Meramalkan Daya ...9
2.4 Jaringan Syaraf Tiruan ...9
2.4.1 Definisi Jaringan Syaraf Tiruan ...9
2.4.2 Arsitektur Jaringan Syaraf Tiruan ...10
2.4.3 Jaringan Syaraf Tiruan Backpropagation ...10
2.4.3.1 Fungsi. Aktivasi. Backpropagation ...11
x
2.4.3.2 Fase Maju (Feedforward) ...12
2.4.3.3 Fase Balik (Backpropagation) ...13
2.4.3.4 Fase Modifikasi Bobot (Adjustment)...14
2.5 Nilai MSE ...14
2.6 Software Matlab R2019b ...15
BAB III PERANCANGAN SISTEM ...16
3.1 Pengumpulan Data ...17
3.2 Pengolahan data ...18
3.3 Perancangan ...20
3.4 Simulasi Jaringan Syaraf Tiruan ...21
3.5 Normalisasi Data ...21
3.6 Denormalisasi ...22
3.7 Konversi Intensitas Radiasi Matahari Dan Kecepatan Angin Menjadi Potensi Daya Keluaran. ...22
3.7.1 Pembangkit Listrik Tenaga Surya ...22
3.7.2 Pembangkit Listrik Tenaga Angin/Bayu ...23
BAB IV IMPLEMENTASI DAN PEMBAHASAN ...25
4.1 Lingkungan. Implementasi. ...25
4.1.1 Lingkungan. Perangkat. Keras ...25
4.1.2 Lingkungan. Perangkat. Lunak ...25
4.2 Jaringan Syaraf Tiruan Backpropagation ...25
4.2.1 Intensitas Radiasi Matahari ...26
4.2.1.1 Pelatihan ...26
4.2.1.2 Pengujian ...31
4.2.1.3 Prediksi ...33
4.2.2 Kecepatan Angin ...34
4.2.2.1 Pelatihan ...34
4.2.2.2 Pengujian ...38
4.2.2.3 Prediksi ...39
4.3 Konversi Iradiasi Matahari Dan Kecepatan Angin Menjadi Daya Keluaran ...41
4.3.1 Intensitas Radiasi Matahari ...41
xi
4.3.2 Kecepatan Angin ...43
BAB V PENUTUP ...45
5.1 Kesimpulan ...45
5.2 Saran ...45
DAFTAR PUSTAKA ...46
LAMPIRAN ...48
xii
DAFTAR TABEL
Table 3.1 Data Kecepatan Angin ... 18
Tabel 3.2 Data Intensitas Radiasi Matahari ... 18
Table 3.3 Memberi Pola Data Training ... 19
Tabel 3.4 Membuat Pola Data Testing ... 20
Tabel 3.5 Parameter Konversi Tenaga Surya ... 23
Table 4.1 Data Intensitas Radiasi Matahari Normalisasi ... 26
Table 4.2 Data Training Bulan Januari 2012 Sampai Desember 2018 ... 27
Table 4.3 Hasil Pelatihan Jaringan Syaraf Tiruan Iradiasi Matahari ... 27
Tabel 4.4 Testing/Pengujian Intensitas Radiasi Matahari ... 31
Tabel 4.5 Hasil Pengujian JST Iradiasi Matahari ... 32
Table 4.6 Hasil Prediksi Intensitas Radiasi Matahari ... 33
Tabel 4.7 Perbandingan Data Asli Dan Hasil Prediksi ... 34
Tabel 4.8 Data Kecepatan Ang in Normalisasi ... 35
Tabel 4.9 Hasil Pelatihan JST Kecepatan Angin ... 37
Tabel 4.10 Hasil Pengujian JST Kecepatan Angin ... 39
Table 4.11 Perbandingan Hasil Asli dan Hasil Prediksi ... 40
Table 4.12 Hasil Pengukuran Tahun 2022 ... 42
Table 4.13 Hasil Daya Keluaran Yang Dihasilkan Kecepatan Angin ... 43
xiii
DAFTAR GAMBAR
Gambar 2.1 Pembangkit Listrik Tenaga Surya ... 5
Gambar 2.2 Turbin Angin Horizontal Dan Vertical ... 6
Gambar 2.3 Pembangkit Listrik Tenaga Angin ... 7
Gambar 2.4 Arsitektur Jaringan Syaraf Tiruan Backpropagation ... 10
Gambar 2.5 Kurva Sigmoid Biner. ... 11
Gambar 2.6 Fungsi Aktivasi Sigmoid Bipolar ... 11
Gambar 2.7 Software Matlab R2019b ... 15
Gambar 3.1 Diagram Alir Penelitian ... 16
Gambar 3.2 Diagram Blok ... 17
Gambar 3.3 Pembagian Dataset ... 19
Gambar 3.4 Source Code Normalisasi Data ... 22
Gambar 4.1 Tampilan Neural Network Pelatihan Jst ... 29
Gambar 4.2 Hasil Pelatihan Radiasi Matahari ... 30
Gambar 4.3 Hasil Regression Pelatihan Radiasi Matahari ... 30
Gambar 4.4 Grafik Hasil Pengujian Intensitas Radiasi Matahari ... 33
Gambar 4.5 Keluaran Jst Prediksi Iradiasi Matahari ... 34
Gambar 4.6 Grafik Keluaran Jst Pelatihan ... 36
Gambar 4.7 Regression Jst Kecepatan Angina ... 36
Gambar 4.8 Keluaran Grafik Pengujian Kecepatan Angin ... 39
Gambar 4.9 Grafik Prediksi Kecepatan Angin ... 40
46
DAFTAR PUSTAKA
[1] A. I. Ramadhan, E. Diniardi, and S. H. Mukti, “Analisis Desain Sistem Pembangkit Listrik Tenaga Surya Kapasitas 50 WP,” Teknik, vol. 37, no. 2, p. 59, 2016, doi: 10.14710/teknik.v37i2.9011.
[2] A. Bachtiar and W. Hayyatul, “Analisis Potensi Pembangkit Listrik Tenaga Angin PT. Lentera Angin Nusantara (LAN) Ciheras,” J. Tek. Elektro ITP, vol. 7, no. 1, pp. 34–45, 2018, doi: 10.21063/jte.2018.3133706.
[3] P. P. (Electricity S. Company), “Rencana Usaha Penyediaan Tenaga Listrik (Electricity Supply Business Plan),” no. 5899, p. 59, 2016, [Online].
Available: http://www.djk.esdm.go.id/pdf/Coffee Morning/Juli 2016/Rencana Usaha Penyediaan Tenaga Listrik (RUPTL) 2016-2025 -- PLN.pdf.
[4] Muhammad Ridha Munawar, Hafidh Hasan, and Ramdhan Halid Siregar,
“Studi Prakiraan Beban Dan Potensi Pemanfaatan Pv Untuk Mengurangi Beban Puncak Di Penyulang Unsyiah Menggunakan Ann,” KITEKTRO J.
Online Tek. Elektro, vol. 2, no. 2, pp. 1–5, 2017.
[5] Jong JeK Siang, “Jaringan Syaraf Tiruan dan Pemograman Menggunakan Matlab,” Pemograman Backpropagation Dengan Matlab. Andi Yogyakarta, Yogyakarta, 2005.
[6] T. S. Hayu and R. H. Siregar, “Studi Potensi Pembangkit Listrik Tenaga Hybrid (Surya-Bayu) Di Banda Aceh Menggunakan Metode Jaringan Syaraf Tiruan,” Kitektro, vol. 3, no. 1, pp. 9–16, 2018.
[7] M. Effendy, “Ketenagalistrikan dan Energi Terbarukan PENINGKATAN EFISIENSI PEMBANGKIT LISTRIK TENAGA BAYU DENGAN METODA MAXIMUM POWER POINT TRACKING MEMAKAI DC-DC
CONVERTER BERBASIS FUZZY LOGIC EFFICIENCY
IMPROVEMENT OF WIND POWER PLANT BY MAXIMUM POWER POINT TRACKING,” vol. 13, no. 2, pp. 79–88, 2014.
[8] ULVIYANA CAHYATI, “PREDIKSI CURAH HUJAN DENGAN
MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN (JST) BACKPROPAGATION SEBAGAI PENDUKUNG KALENDER TANAM DI KABUPATEN LAMONGAN,” SKRIPSI, p. 466, 2019.
[9] Yustinus Adrian Nada, “prediksi kesehatan koperasi dengan jaringan syaraf tiruan metode backpropagation”, skripsi, 2017
[10] Fitrah Saudi Harahap, “Analisa Pengujian Prakiraan Kebutuhan Energi Listrik Wilayah Provinsi Sumatra Utara Menggunakan Metode Backpropagation Neural Network”, Skripsi, 2020.
47 [11] BPPT. Out put model MARKAL
[12] Napitupulu, R. (2017). Pengaruh Material Monokristal Dan Polikristal Terhadap Karakteristik Panel Surya 20 wp. Poliprofesi.
[13] Prasetyo, E. 2014. Data Mining Mengolah Data Menjadi Informasi menggunakan Matlab. Edisi Ke-1. Andi Offset, Yogyakarta
[14] T. Yulianti, D. Nugrahini, and E. Sutrisna, “Studi Analisis Potensi Energi Angin Sebagai Pembangkit Listrik Tenaga Angin Di Kawasan Meulaboh,”
Eval. Pengguna. obat pada ibu hamil di rumah sakit X Surakarta, vol. 10, no.
1, pp. 22–26, 2009.
[15] Heaton, J. 2008. Introduction to Neural Networks for C, Second Edition, Heaton Research, St Louis
[16] E. A. Latif, “Analisis Teknis dan Ekonomi Pembangkit Listrik Tenaga Bayu (PLTB) di Kabupaten Kepulauan Mentawai (Studi Kasus: Desa Betumonga),” Tek. Elektro, pp. 11– 29, 2018, [Online]. Available:
http://repository.unpas.ac.id/37105/1/BAB II.pdf
[17] P. Gunoto and S. Sofyan, “Perancangan Pembangkit Listrik Tenaga Surya 100 Wp Untuk Penerangan Lampu di Ruang Selasar Fakultas Teknik Universitas Riau Kepulauan,” Sigma Teknika, vol. 3, no. 2, pp. 96–106, 2020.
[18] Dahriani Hakim Tanjung. “Jaringan Syaraf Tiruan dengan Backpropagation untuk memprediksi Penyakit Asma.”
UNIVERSITAS MUHAMMADIYAH MALANG
FAKULTAS TEKNIK
JURUSAN TEKNIK ELEKTRO & D3 TEKNIK ELEKTRONIKA
Jl. Raya Tlogomas 246 Malang 65144 Telp. 0341 - 464318 Ext. 129, Fax. 0341 - 460782
FORM CEK PLAGIASI LAPORAN TUGAS AKHIR
Nama Mahasiswa : Muhammad
Adhar NIM :
201710130311174
Judul TA : Prediksi Potensi Energi Listrik Berdasarkan Iradiasi Dan Kecepatan Angin Di Sape Bima Dengan Metode Jaringan Syaraf Tiruan Backpropagation
Hasil Cek Plagiarisme dengan Turnitin
No. Komponen Pengecekan Nilai Maksimal
Plagiasi (%)
Hasil Cek Plagiasi (%) *
1. Bab 1 – Pendahuluan 10 % 6 %
2. Bab 2 – Studi Pustaka 25 % 15 %
3. Bab 3 – Metodelogi Penelitian 35 % 16 %
4. Bab 4 – Pengujian dan Analisis 15 % 12 %
5. Bab 5 – Kesimpulan dan Saran 5 % 0 %
6. Publikasi Tugas Akhir 20 % 19 %
Mengetahui, Dosen Pembimbing I,
(Machmud Effendy, S.T., M.Eng.)
Dosen Pembimbing II,
(Novendra Setyawan, S.T., M.T.)
