Husni Primary Author mixed material bibliography Banda Aceh Prog. Studi Magister Teknik Elektro 2023 id Indonesia

Theses

Prakiraan beban listrik jangka pendek memiliki peran vital dalam pengoperasian sistem tenaga listrik yang efisien dan ekonomis. Untuk itu nilai yang dihasilkan prakiraan tersebut harus menginformasikan seberapa besar kesalahan peramalan dibandingkan dengan nilai sebenarnya. Semakin kecil nilai presentasi kesalahan (percentage error) maka semakin akurat hasil peramalan tersebut dengan tingkat akurasi yang maksimal. Salah satu cara untuk mendapatkan nilai prakiraaan beban listrik jangka pendek dengan tingkat akurasi yang maksimal adalah dengan memanfaatkan metode jaringan syaraf tiruan dalam pengembangan model prakiraan. Penelitian ini mengembangkan model prakiraan beban listrik mingguan dengan memanfaatkan metode jaringan syaraf tiruan. Model prakiraan beban mingguan tersebut dibentuk berdasarkan pola klasifikasi pembebanan harian, yaitu berdasarkan pola pembebanan hari kerja (Senin – Jum’at) dan pola pembebanan hari libur (Sabtu dan Minggu). Selain itu, model prakiraan beban mingguan juga dilengkapi dengan variabel temperatur dan kelembaban udara sebagai variabel data masukan. Model prakiraan beban listrik mingguan tersebut dilatih menggunakan skema struktur lapisan ganda perambatan maju (Feedforward Multilayer Network) dan algoritma Lavenberg Marquardt sebagai fungsi training. Model prakiraan beban mingguan tersebut akan disimulasikan dua tahap, yaitu simulasi training model dan simulasi testing model. Instrumen MAPE (Mean Absolute Percentage Error) digunakan untuk mengukur diferensiasi nilai antara nilai output model dengan nilai aktualnya. Berdasarkan hasil simulasi training, model prakiraan beban mingguan menghasilkan nilai MAPE di bawah 10%. Sedangkan berdasarkan hasil simulasi testing, model prakiraan beban mingguan pola hari Rabu menghasilkan nilai MAPE terbaik sebesar 1,78%. Kata kunci: Prakiraan beban listrik mingguan, jaringan syaraf tiruan, MAPE. ELECTRICITY NEURAL NETWORKS (COMPUTER SCIENCE) 006.32 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 113670 2023-08-25 10:30:24 2023-08-31 09:55:07 machine generated