PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata I Teknik Elektro Universitas Muhammadiyah Malang Disusun Oleh : IKHWANUL HAKIM 201010130311184 JURUSAN ELEKTRO FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015 i
ii
iii
iv
LEMBAR PERSEMBAHAN Puji syukur kehadirat Allah SWT atas rahmat dan karunia-nya sehingga penulis dapat menyelesaikan Tugas Akhir ini. Penulis menyampaikan ucapan terima kasih yang sebesar-besarnya kepada : 1. Allah SWT, atas segala hidayah yang telah diberikan dalam pengerjaan dan penyelesaian tugas akhir ini. 2. Kedua orang tua dan kedua adik yang selalu mendo akan, mendukung dan memotivasi penulis sehingga bisa menyelesaikan tugas akhir ini. 3. Bapak Dr. Ir. Ermanu Azizul Hakim., M.T. dan bapak Ilham Pakaya ST. selaku pembimbing tugas akhir. 4. Bapak Ir. Sudarman, MT sebagai Dekan Fakultas Teknik Universitas Muhammadiyah Malang. 5. Ibu Ir. Nur Alif Mardiyah, MT selaku Ketua Jurusan Teknik Elektro Universitas Muhammadiyah Malang. 6. Bapak Santoso, selaku kepala bagian kelistrikan Universitas Muhammadiyah Malang. 7. Riska Mei Pratiwi, yang selalu mendukung dan memberikan motivasi dalam pengerjaan tugas akhir ini. 8. Teman-teman seperjuangan elektro D angkatan 2010. 9. Pihak Dosen beserta Staff TU Jurusan Teknik Elektro UMM. 10. Serta semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah berjasa dalam pengerjaan Tugas Akhir ini. v
KATA PENGANTAR Dengan memanjatkan puji syukur kehadirat Allah SWT. Atas limpahan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul : PRAKIRAAN PENGGUNAAN BEBAN LISTRIK JANGKA PENDEK PADA GKB 2 UMM MENGGUNAKAN METODE ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) Di dalam tulisan ini disajikan pokok-pokok pembahasan yang meliputi pendahuluan, dasar teori, perancangan sistem, dan pengujian sistem. Penulis menyadari sepenuhnya bahwa dalam penulisan tugas akhir ini masih banyak kekurangan dan keterbatasan. Oleh karena itu penulis mengharapkan saran yang membangun agar tulisan ini bermanfaat bagi perkembangan ilmu pengetahuan kedepan. Malang, 21 Januari 2015 Penulis vi
DAFTAR ISI LEMBAR JUDUL... i LEMBAR PERSETUJUAN... ii LEMBAR PENGESAHAN... iii SURAT PERNYATAAN... iv ABSTRAK... v ABSTRACT... vi LEMBAR PERSEMBAHAN... vii KATA PENGANTAR... viii DAFTAR ISI... ix DAFTAR GAMBAR... xii DAFTAR TABEL... xiv BAB I. PENDAHULUAN 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Tujuan... 2 1.4 Batasan Masalah... 2 1.5 Metodologi... 2 1.6 Sistematika Penulisan Tugas Akhir... 3 BAB II. DASAR TEORI 2.1 Teori Peramalan Beban... 4 2.2 Faktor-faktor yang Mempengaruhi Beban Listrik... 4 vii
2.3 Cara-cara Peramalan Beban Listrik... 5 2.4 Karakteristik Peramalan yang Baik... 6 2.4.1 Akurasi... 6 2.4.2 Biaya... 6 2.4.3 Kemudahan... 6 2.5 Soft Computing dan Neuro-Fuzzy... 6 2.5.1 Karakteristik Integrasi Neuro-Fuzzy Soft Computing... 7 2.6 Logika Fuzzy... 7 2.6.1 Himpunan Fuzzy... 8 2.6.2 Fuzzy C-Means (FCM)... 8 2.7 Jaringan Syaraf Tiruan... 10 2.8 Adaptive Neuro-Fuzzy Inference System (ANFIS)... 10 2.8.1 Arsitektur ANFIS... 10 2.8.2 Evaluasi Akurasi Peramalan ANFIS... 12 2.9 Algoritma Pembelajaran Hybrid... 13 2.9.1 Least Square Estimator (LSE) Rekursif... 14 BAB III. PERANCANGAN SISTEM 3.1 Tahapan Penelitian... 15 3.2 Pendekatan Penelitian... 16 3.3 Jenis Data... 16 3.4 Teknik Pengumpulan Data... 16 3.5 Teknik Penelitian... 16 3.5.1 Menyiapkan data beban listrik harian... 16 3.5.2 Membentuk data masukan dan keluaran menjadi sebuah matriks... 21 viii
3.5.2.1 Matriks masukan... 21 3.5.2.2 Matriks keluaran... 21 3.5.3 Mencari nilai mean dan deviasi standar... 21 3.5.4 Tahap pembelajaran ANFIS... 24 3.5.5 Tahap uji coba ANFIS... 25 BAB IV. ANALISA DAN PEMBAHASAN 4.1 Prakiraan Beban Listrik di UMM... 26 4.1.1 Prakiraan Beban Listrik Harian... 26 4.1.1.1 Prakiraan Beban Listrik Hari Senin... 26 4.1.1.2 Prakiraan Beban Listrik Hari Selasa... 34 4.1.1.3 Prakiraan Beban Listrik Hari Rabu... 42 4.1.1.4 Prakiraan Beban Listrik Hari Kamis... 49 4.1.1.5 Prakiraan Beban Listrik Hari Jum at... 56 4.1.1.6 Prakiraan Beban Listrik Hari Sabtu... 63 4.1.1.7 Prakiraan Beban Listrik Hari Minggu... 71 BAB V. PENUTUP 5.1 Kesimpulan... 79 5.2 Saran... 80 DAFTAR PUSTAKA... 81 LAMPIRAN ix
DAFTAR GAMBAR Gambar 2.1 Arsitektur ANFIS... 11 Gambar 3.1 Flowchart Penelitian... 15 Gambar 3.2 Flowchart Prakiraan Penggunaan Beban Menggunakan ANFIS... 17 Gambar 3.3 Flowchart Clustering Data... 23 Gambar 3.4 Flowchart tahap uji coba ANFIS... 25 Gambar 4.1 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari senin... 28 Gambar 4.2 Proses pembelajaran jaringan adaptif... 32 Gambar 4.3 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 34 Gambar 4.4 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari selasa... 36 Gambar 4.5 Proses pembelajaran jaringan adaptif... 40 Gambar 4.6 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 41 Gambar 4.7 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari rabu... 43 Gambar 4.8 Proses pembelajaran jaringan adaptif... 47 Gambar 4.9 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 48 Gambar 4.10 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari kamis... 50 Gambar 4.11 Proses pembelajaran jaringan adaptif... 54 Gambar 4.12 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 55 Gambar 4.13 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari jum at... 57 Gambar 4.14 Proses pembelajaran jaringan adaptif... 61 x
Gambar 4.15 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 63 Gambar 4.16 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari sabtu... 65 Gambar 4.17 Proses pembelajaran jaringan adaptif... 69 Gambar 4.18 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 71 Gambar 4.19 Karakteristik daya yang akan menjadi masukan untuk prakiraan hari minggu... 72 Gambar 4.20 Proses pembelajaran jaringan adaptif... 77 Gambar 4.21 Perbandingan daya sebenarnya dengan daya hasil prakiraan... 78 xi
DAFTAR TABEL Tabel 3.1 Pembagian data beban harian... 18 Tabel 3.2 Pemodelan pasangan data masukan dan keluaran... 18 Tabel 3.3 Data minggu pertama... 18 Tabel 3.4 Data minggu kedua... 19 Tabel 3.5 Data minggu ketiga... 20 Tabel 3.6 Proses pembelajaran ANFIS... 24 Tabel 4.1 Pasangan data pelatihan untuk prakiraan hari senin... 26 Tabel 4.2 Kecenderungan masuk cluster data pelatihan... 28 Tabel 4.3 Output lapisan pertama... 30 Tabel 4.4 Output lapisan kedua dan ketiga... 30 Tabel 4.5 Koefisien parameter... 31 Tabel 4.6 Perbandingan output target dengan output prakiraan... 32 Tabel 4.7 Pasangan data pelatihan untuk prakiraan hari selasa... 34 Tabel 4.8 Kecenderungan masuk cluster data pelatihan... 36 Tabel 4.9 Output lapisan pertama... 38 Tabel 4.10 Output lapisan kedua dan ketiga... 38 Tabel 4.11 Koefisien parameter... 39 Tabel 4.12 Perbandingan output target dengan output prakiraan... 40 Tabel 4.13 Pasangan data pelatihan untuk prakiraan hari rabu... 42 Tabel 4.14 Kecenderungan masuk cluster data pelatihan... 43 Tabel 4.15 Output lapisan pertama... 45 Tabel 4.16 Output lapisan kedua dan ketiga... 45 Tabel 4.17 Koefisien parameter... 46 xii
Tabel 4.18 Perbandingan output target dengan output prakiraan... 47 Tabel 4.19 Pasangan data pelatihan untuk prakiraan hari kamis... 49 Tabel 4.20 Kecenderungan masuk cluster data pelatihan... 50 Tabel 4.21 Output lapisan pertama... 52 Tabel 4.22 Output lapisan kedua dan ketiga... 52 Tabel 4.23 Koefisien parameter... 53 Tabel 4.24 Perbandingan output target dengan output prakiraan... 54 Tabel 4.25 Pasangan data pelatihan untuk prakiraan hari jumat... 56 Tabel 4.26 Kecenderungan masuk cluster data pelatihan... 57 Tabel 4.27 Output lapisan pertama... 59 Tabel 4.28 Output lapisan kedua dan ketiga... 59 Tabel 4.29 Koefisien parameter... 60 Tabel 4.30 Perbandingan output target dengan output prakiraan... 62 Tabel 4.31 Pasangan data pelatihan untuk prakiraan hari sabtu... 63 Tabel 4.32 Kecenderungan masuk cluster data pelatihan... 65 Tabel 4.33 Output lapisan pertama... 67 Tabel 4.34 Output lapisan kedua dan ketiga... 67 Tabel 4.35 Koefisien parameter... 68 Tabel 4.36 Perbandingan output target dengan output prakiraan... 69 Tabel 4.37 Pasangan data pelatihan untuk prakiraan hari minggu... 71 Tabel 4.38 Kecenderungan masuk cluster data pelatihan... 73 Tabel 4.39 Output lapisan pertama... 74 Tabel 4.40 Output lapisan kedua dan ketiga... 75 Tabel 4.41 Koefisien parameter... 76 Tabel 4.42 Perbandingan output target dengan output prakiraan... 77 xiii
DAFTAR PUSTAKA [1] Kusumadewi, Sri; Hartati, Sri. NEURO-FUZZY: Integrasi Sistem Fuzzy & Jaringan Syaraf/Sri Kusumadewi; Sri Hartati-Edisi Ke dua Yogyakarta; Graha Ilmu, 2010. [2] Suswanto, D. (2009). Sistem Distribusi Tenaga Listrik : Untuk Mahasiswa Teknik Elektro (Edisi Pertama). Padang: Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Padang. [3] Widnya. Peramalan Beban Puncak Untuk Hari-Hari Libur Menggunakan Metode Fuzzy Inference System. Jimbaran : Tugas Akhir Program S1 Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana; 2007. [4] Ismayani, Ika Luzya. Pemakaian Jaringan Syaraf Tiruan Perambatan Balik Dalam Peramalan Beban Jangka Pendek Sistem Kelistrikan Bali. Jimbaran : Tugas Akhir Program S1 Jurusan Teknik Elektro Fakultas Teknik Universitas Udayana; 2005. [5] Dinar Atika. Peramalan Kebutuhan Beban Jangka Pendek Menggunakan Jaringan Syaraf Tiruan Backpropagation. Semarang : Tugas Akhir Program S1 Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro; 2007. [6] Arikunto S. Prosedur penelitian suatu pendekatan Praktik, Ed Revisi VI. Jakarta: Penerbit PT Rineka Cipta, 2006. [7] Oktafri, 2001. Aplikasi Metode Simulasi Monte Carlo Untuk Menduga Debit Aliran Sungai. Universitas Lampung. Lampung. xiv