BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin bertambah tahun, semua peralatan konvensional semakin tergantikan dengan adanya peralatan elektronik. Di setiap sisi kehidupan pada saat ini menggunakan peralatan elektronik, baik itu di perumahan, industri, pertokoan, perkantoran, pusat pendidikan, pusat pemeritahan dan sebagainya. Semakin banyaknya pengguna listrik membuat peningkatan penggunaan beban daya yang dilakukan oleh masyarakat. PT. PLN merupakan sebuah Badan Usaha Milik Negara (BUMN) yang mengelola listrik di Indonesia, mulai dari pembangkit listrik, distribusi listrik kepada masyarakat dan pelayanan pemasangan listrik baru. Sebagai BUMN yang memiliki pembangkit listrik sendiri, dan melayani pemasangan listrik baru, harus dilakukan penyesuaian antara besar daya yang dihasilkan oleh pembangkit listrik dengan jumlah peningkatan penggunaan daya oleh masyarakat. Hal ini untuk memperhitungkan apakah sebuah pembangkit listrik dapat menghasilkan daya sesuai dengan permintaan. Bila tidak melakukan prediksi peningkatan penggunaan pemakaian beban daya listrik, maka akan menimbulkan kekurangan pemasokan beban daya listrik yang dihasilkan dan menyebabkan pemadaman listrik akibat jumlah beban yang digunakan oleh konsumen lebih besar dari pasokan beban daya listrik yang dihasilkan oleh pembangkit listrik. Untuk menghindari munculnya permasalahan tersebut, diperlukan perencanaan terhadap pemakaian beban daya listrik. Dengan dilakukannya prediksi terhadap pemakaian beban daya listrik, maka penyedia listrik dapat melakukan perencanaan yang mendekati keakuratan yang tinggi untuk melakukan perawatan.
2 Selain perawatan, dapat juga dilakukan penambahan kemampuan pembangkit daya listrik untuk mengantisipasi peningkatan permintaan beban daya listrik yang melebihi kemampuan dari pembangkit daya listrik. Prediksi terhadap pemakaian beban daya listrik untuk mengatasi permasalahan kekurangan beban daya listrik, dapat dilakukan dengan menggunakan prediksi jangka panjang. Prediksi ini digunakan untuk perencanaan produk dan perencanaan sumber daya. Dengan prediksi jangka panjang maka penyedia listrik dapat membuat rencana perbaikan, penambahan dan kegiatan lainnya. Adaptive Neuro Fuzzy Inference Systems (ANFIS) merupakan salah satu metode yang dapat melakukan prediksi jangka panjang. ANFIS merupakan gabungan dari dua buah sistem yaitu sistem logika fuzzy dan sistem jaringan saraf tiruan. Dimana sistem inferensi fuzzy mendapatkan training dari sistem jaringan saraf tiruan. Bila dibandingkan dengan Neural Network, ANFIS memiliki waktu learning yang lebih cepat. Dengan waktu learning yang lebih cepat, ANFIS dapat melakukan training tanpa harus merubah bentuk model arsitektur dari jaringan saraf tiruan yang sudah ditentukan. Pada penenlitian ini digunakan Adaptive Neuro Fuzzy Inference System (ANFIS) untuk memprediksi beban daya listrik berdasarkan data beban daya listrik sebelumnya. ANFIS adalah salah satu system hybrid dimana metode pembelajaran jaringan syaraf digunakan untuk mengimplementasikan metode Fuzzy Inference System (Kuncahyo, et al, 2012). Logika fuzzy memiliki kemampuan menghubungkan antara informasi kuantitatif (data numerik) dan informasi kualiatatif (penyataan linguistik), yang dapat bersama-sama diolah menggunakan komputasi fuzzy. Logika fuzzy juga mampu melakukan proses pengambilan keputusan (reasoning) yang beroperasi dengan konsepaturan IF-THEN dimana data-data terdahulu dan syarat tiruan memiliki kemampuan untuk penggalian pengetahuan dari data yang tersedia, yaitu kemampuan belajar dari contoh yang tidak dimiiki sistem logika fuzzy. Kemampuan ini dikenal sebagai pradigma belajar koneksionis (Palis, et al, 2005). Teknik ANFIS sendiri telah banyak digunakan dalam memprediksi berbagai masalah seperti memprediksi aliran masuk waduk (Rosyadi, 2011), memprediksi curah hujan (Septiadi, 2008), memprediksi produksi air minum (Sutanto, 2005) dan penelitian
3 mengenai prediksi beban listrik sudah banyak dilakukan oleh peneliti seperti: Prediksi Jangka Panjang pada Pembangkit Listrik Tenaga Air Manwan (Chun-Tian Cheng dkk, 2005), kemudian (Kuncoro dan Dalimi,2005) memprediksikan beban listrik jangka panjang di Indonesia menggunakan aplikasi jaringan syaraf tiruan. 1.2 Rumusan Masalah Semakin meningkatnya kebutuhan listrik, pihak penyedia listrik memerlukan prediksi mengenai pemakaian beban daya listrik untuk menghindari kekurangan pasokan distribusi beban listrik ke pengguna. Untuk itu dibutuhkan suatu metode untuk memprediksi pemakaian beban daya listrik. 1.3 Batasan Masalah Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah dirumuskan, maka diperlukan batasan masalah, yaitu: 1. Data yang digunakan merupakan data penggunaan beban daya listrik perjam. Data yang digunakan adalah data penggunaan beban daya wilayah Kota Medan pada periode bulan Januari tahun 2007 hingga bulan Desember tahun 2012. Data didapatkan dari PT. PLN P3B UPB Sumatera Bagian Utara. 2. Penelitian tidak memperhitungkan beban rata-rata penggunaan daya listrik per rumah atau kantor. 1.4 Tujuan Penelitian Tujuan dari penelitian ini adalah untuk memprediksi penggunaan beban daya listrik secara periodik dengan menggunakan metode ANFIS. 1.5 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian ini adalah:
4 1. Dengan penelitian ini dapat membantu penyedia listrik untuk menyusun rencana jangka panjang pemakain beban daya listrik yg di butuhkan oleh konsumen. 2. Mengetahui kemampuan metode ANFIS dalam memprediksi data beban daya listrik di daerah Sumatera bagian Utara. 3. Memberikan suatu teknik alternatif mengenai prediksi beban daya listrik di daerah Sumatera bagian Utara dengan menggunakan metode ANFIS serta sebagai referensi untuk penelitian lain yang berhubungan dengan metode ANFIS dan prediksi beban daya listrik. 1.6 Metodologi Penelitian Metodologi penelitian yang digunakan pada penelitian ini adalah: a. Studi Literatur Pada tahap ini pengumpulan refrensi atau rujukan mengenai Adadtive Neuro Fuzzy Inference Systems (ANFIS) yang berasal dari berbagai buku, jurnal, artikel, dan rujukan penelitian lainnya. b. Analisis Permasalahan Pada tahap ini dilakukan analisis terhadap permasalahan untuk lebih memahami mengenai Adaptive Neuro Fuzzy Inference Systems, kemudian melakukan pengumpulan data, analisis data, algoritma, dan struktur data. c. Perancangan Pada tahap ini dilakukan perancangan perangkat lunak yang dibangun, seperti perancangan proses dan antarmuka. Dalam penelitian ini nantinya, akan menggunakan alur seperti yang terdapat pada Gambar 1. 1 Pada proses input, sistem menerima input data set berupa besaran penggunaan beban bulanan. Data beban bulanan diperoleh dari PT. PLN P3B UPB Sumatera Bagian Utara. Data beban yang digunakan sendiri merupakan data penggunaan beban bulanan Kota Medan pada bulan Januari 2007 hingga bulan Januari 2013.
5 Start Input untuk Training Training Input data untuk testing Output berupa prediksi Input Parameter & Fungsi Keanggotaan Testing ANFIS End Gambar 1.1 Sistem Yang Akan di Bangun Setelah menerima input berupa data beban bulanan, data tersebut diproses untuk dilakukan training yang akan dilakukan oleh ANFIS. Selain memberi input data untuk dilakukan training, juga ditetapkan fungsi keanggotaan dan nilai parameter dari ANFIS. Kemudian setelah didapatkan ANFIS yang telah ditraining maka selanjutkan memasukan testing data untuk mendapatkan hasil prediksi yang dilakukan oleh ANFIS. Dengan didapatkan sebuah prediksi, maka dapatlah dilakukan perbandingan antara prediksi yang dihasilkan oleh ANFIS dengan data aktual dari sumber. d. Implementasi Pada tahap ini dilakukan pengkodean perangkat lunak sesuai dengan spesifikasi yang ditentukan. e. Pengujian Pada tahap ini dilakukan pengujian terhadap perangkat lunak yang dibangun dengan menggunakan data yang telah dikumpulkan dan memastikan bahwa prediksi yang dilakukan berjalan sesuai dengan harapan. f. Penyusunan Laporan Pada tahap ini dilakukan penulisan dokumentasi dan laporan mengenai perangkat lunak yang dikembangkan.
6 1.7 Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut: BAB 1 PENDAHULUAN Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. BAB 2: LANDASAN TEORI Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan Neural Network dan Logika Fuzzy secara umum, kemudian penjelasan Adaptive Neuro Fuzzy Inference Systems. BAB 3: ANALISIS DAN PERANCANGAN Bab ini membahas tentang perancangan sistem dan program yang mencakup perancangan pangkalan data, perancangan sistem, dan perancangan interface. Dalam perancangan sistem dicantumkan data flow diagram untuk mempermudah penjelasan sistem. BAB 4: IMPLEMENTASI DAN PENGUJIAN Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan perangkat lunak yang disusun pada Bab 3 dan pengujian terhadap sistem yang dibangun. BAB 5: KESIMPULAN DAN SARAN Bab ini berisi kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saransaran yang diajukan untuk pengembangan selanjutnya.