Listrik merupakan kebutuhan pokok bagi
masyarakat dalam kehidupan sehari-hari. Kebutuhan konsumsi listrik yang
semakin meningkat dengan kenaikan yang tidak pasti dan pengeluaran beban
yang besar mempengaruhi kesiapan unit pembangkit listrik dalam memenuhi
kebutuhan tersebut. Sebagai dasar dalam perencanaan, baik perencanaan
operasi maupun perencanaan sistem pengembangan tenaga listrik, salah
satu hal yang penting adalah prakiraan atau peramalan (forecasting) yang
tepat untuk mengetahui kebutuhan tenaga listrik dalam kurun waktu
tertentu. Dalam rangka memperkirakan kebutuhan beban puncak listrik,
diperlukan data yang mempunyai pengaruh terhadap pola kebutuhan listrik
masa lalu. Berdasarkan deskripsi diatas maka perlu diprakirakan beban
listrik dalam jangka panjang menggunakan jaringan saraf tiruan dengan
algoritma backpropagation. Metode ini merupakan metode yang mampu
digunakan untuk menyelesaikan masalah yang rumit dan masalah yang
terdapat kaidah atau fungsi yang tidak diketahui (seperti prakiraan
beban listrik). Hal ini dapat memberikan kontribusi untuk Perusahaan
Listrik Negara, dalam memenuhi kebutuhan konsumen dan menjamin
kelangsungan daya konsumen, sehingga pihak perusahaan listrik dapat
mengetahui beban atau permintaan daya listrik dimasa mendatang.
Kelebihan sistem jaringan saraf tiruan terletak pada kemampuan
pembelajaran yang dimilikinya. Dengan kemampuan tersebut pengguna tidak
perlu merumuskan kembali pola dan fungsi-fungsinya dalam setiap
pengguna. JST akan belajar dari pola-pola yang telah diajarkan
sebelumnya. Termasuk untuk peramalan beban listrik. Untuk mendapatkan
hasil peramalan beban puncak dengan baik maka perlu dilakukan pelatihan
hingga mendapatkan akurasi pelatihan maksimal dan hasil yang baik. Dari
hasil pengujian diperoleh arsitektur JST yang optimal pada system
prakiraan beban puncak listrik, yaitu menggunakan error rate: 0,000019;
jumlah hidden layer: 100; learning rate: 0,1 dan jumlah iterasi: 43.
No comments:
Post a Comment