Electronic Theses and Dissertation

Abstrak- energi listrik merupakan kebutuhan yang utama dalam semua sektor kehidupan sehingga menyebabkan meningkatnya pemakaian beban listrik. surplus energi listrik dari pembangkit tidak dapat disimpan dalam jumlah banyak dan defisit energi listrik menyebabkan terjadinya pemadaman pada pelanggan sehingga energi yang tersedia harus didistribusikan secara realtime. oleh karena itu adanya metode peramalan yang efektif diharapkan mampu menciptakan keseimbangan energi antara pembangkit dan penggunaan. penggunaan metode artificial neural network dan adaptif neuro fuzzy system dapat dilakukan dalam melakukan prakiraan dengan memperhatikan nilai mean absolut percentage error(mape) yang dihasilkan. model yang dikembangkan berupa variasi jenis algoritma data masukan dalam sistem. berdasarkan hasil simulasi model terbaik yang didapatkan adalah dengan menggunakan ann menggunakan 3 input dengan hasil mape 4.62%. pada hasil penelitian juga didapatkan bahwa input yang paling berpengaruh terhadap keakuratan hasil prakiraan adalah input beban listrik dan suhu. sedangkan untuk beban puncak memilih pengaruh yang tidak signifikan.

Abstract- Electrical energy is a major requirement in all sectors of life, causing an increase in the use of electrical loads. Surplus electrical energy from generators cannot be stored in large quantities and a deficit of electrical energy causes blackouts at customers so that the available energy must be distributed in real time. Therefore, the existence of an effective forecasting method is expected to be able to create an energy balance between generation and use. The use of artificial neural network methods and adaptive neuro fuzzy systems can be carried out in making predictions by taking into account the resulting mean absolute percentage error (MAPE). The model developed is in the form of a variety of input data algorithm types in the system. Based on the simulation results the best model obtained is by using ANN using 3 variables with a MAPE result of 4.62%. the research results also found that the variables that most influence the accuracy of the forecast results are the electric load and temperature variables. Meanwhile, for the peak load, the effect is not significant.