BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini menggunakan energi listrik sebagai sumber tenaganya, sehingga kebutuhan energi listrik pun menjadi sangat besar. Besarnya energi listrik yang digunakan pada waktu-waktu tertentu tidak dapat dihitung secara pasti. Hal ini dapat menimbulkan kerugian berupa pemborosan pada sisi pembangkit apabila daya yang dibangkitkan lebih besar dari kebutuhan energi listrik konsumen, atau terjadi kekurangan pasokan energi listrik di sisi konsumen jika daya yang dibangkitkan lebih kecil daripada kebutuhan energi listrik yang diperlukan. Untuk mengatasi hal tersebut, diperlukan suatu perencanaan operasi sistem tenaga listrik yang handal dengan cara meramalkan beban listrik. Bali merupakan salah satu wilayah yang mengandalkan sektor pariwisata, untuk itu Bali harus mampu menyeimbangkan antara pertumbuhan kebutuhan listrik dengan perkembangan pariwisatanya. Penyaluran daya pada sistem kelistrikan Bali disuplai oleh tiga pembangkit listrik yakni Pembangkit Listrik Tenaga Gas dan Uap (PLTGU) Gilimanuk, Pembangkit Listrik Tenaga Gas dan Uap (PLTGU) Pemaron, serta Pembangkit Listrik Tenaga Diesel (PLTD) Pesanggaran, dengan total kapasitas pembangkitan ketiga pembangkit tersebut yakni sebesar 495,8 MW (PLN Sub Region Bali, 2011) serta tambahan suplai dari kabel laut dengan daya mampu 200 MW melalui sistem interkoneksi Jawa-Bali, sehingga sistem kelistrikan Bali memiliki total suplai daya sebesar 695,8 MW. Dilihat dari pertumbuhan pembangunan di Bali yang cukup pesat, total suplai daya yang dimiliki Bali saat ini tentu saja tidak akan cukup untuk memenuhi kebutuhan energi listrik di Bali yang memiliki tingkat pertumbuhan kebutuhan listrik rata-rata sekitar 10-11% per tahun (Ganar, 2012). Selain itu pembangkit listrik yang ada merupakan pembangkit-pembangkit listrik berbahan bakar gas 1
2 dan minyak bumi yang umumnya memiliki biaya operasi yang lebih mahal jika dibandingkan dengan pembangkit listrik jenis lainnya. Melihat kondisi ini, diperlukan suatu manajemen perencanaan operasi sistem tenaga listrik yang handal namun tetap ekonomis guna memenuhi kebutuhan energi listrik di Bali yakni dengan melakukan peramalan beban. Peramalan merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan dan pola yang sistematis. Peramalan berhubungan dengan pengambilan keputusan. Peramalan beban dapat dibagi ke dalam beberapa kategori yang meliputi peramalan jangka pendek, peramalan jangka menengah, dan peramalan jangka panjang. Peramalan yang dilakukan dalam tugas akhir ini merupakan peramalan beban listrik jangka pendek yang bertujuan untuk memperkirakan beban listrik (MW) perminggu selama sebulan dan beban lsitrik (MW) per bulan selama setahun. Peramalan jangka pendek berupa peramalan beban listrik mingguan dan bulanan ini dapat digunakan dalam hal perencanaan pembangkitan tenaga listrik untuk memenuhi kebutuhan beban listrik yang ada. Ada beberapa metode yang dapat digunakan dalam peramalan beban listrik jangka pendek, diantaranya yakni metode dengan pendekatan kecerdasan buatan. Telah banyak penelitian terhadap peramalan beban listrik jangka pendek menggunakan pendekatan kecerdasan buatan yang telah dilakukan hal ini dikarenakan hasil peramalan yang diperoleh cukup memuaskan. Metode berbasis kecerdasan buatan yang banyak digunakan dalam peramalan beban listrik, diantaranya menggunakan jaringan syaraf tiruan yang pernah dilakukan oleh (Ismayani, 2004) yang melakukan peramalan beban jangka pendek pada sistem kelistrikan Bali menggunakan jaringan syaraf tiruan perambatan balik untuk pola hari biasa dan pola hari khusus dan oleh (Dinar, 2007) yang juga melakukan peramalan kebutuhan beban jangka pendek menggunakan jaringan syaraf tiruan backpropagation. Namun penggunaan metode jaringan syaraf tiruan dalam hal peramalan beban listrik memiliki beberapa kelemahan yakni dibutuhkan iterasi yang banyak dalam proses training untuk memproses Neural Network yang besar, sehingga terkadang hasil yang diperoleh menjadi kurang akurat.
3 Penelitian mengenai peramalan beban listrik jangka pendek telah pula dilakukan menggunakan metode Fuzzy Inference System yakni oleh (Widnya, 2007) yang melakukan peramalan beban puncak untuk hari-hari libur menggunakan metode Fuzzy Inference System. Namun metode ini memiliki kelemahan yakni diperlukan suatu metode optimasi dalam menentukan fungsi keanggotaannya untuk memperoleh fungsi keanggotaan yang optimal. Dalam perkembangan selanjutnya digunakan pula metode Neuro-Fuzzy untuk meramalkan beban listrik yang telah dilakukan oleh Syukriyadin (2012), yakni Prakiraan Beban Listrik Jangka Pendek Kota Banda Aceh Berbasis Logika Fuzzy. Pada penelitiannya, dilakukan prakiraan beban listrik jangka pendek berdasarkan jam beban puncak (17.30 22.30 WIB) untuk pembebanan harian pada Unit Penyaluran Transmisi Banda Aceh P3B PT PLN Persero wilayah Aceh 150-20 kv dengan mengaplikasikan metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan hasil yang diperoleh pun cukup memuaskan. Untuk itu dalam penelitian ini dilakukan suatu peramalan beban jangka pendek di Bali menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) yang merupakan gabungan dari metode jaringan syaraf tiruan dan fuzzy inference system. Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan metode yang menggunakan jaringan syaraf tiruan untuk mengimplementasikan sistem inferensi fuzzy. Sistem fuzzy memiliki kemampuan untuk menerjemahkan pengetahuan dari pakar ke dalam bentuk aturan-aturan, namun biasanya terdapat kesulitan dalam hal menentukan fungsi keanggotaan yang akan digunakan sehingga diperlukan kemampuan pembelajaran dari jaringan syaraf tiruan untuk mengotomatisasi proses tersebut sehingga dapat mengurangi waktu pencarian. Hal tersebut menyebabkan metode ANFIS sangat baik diterapkan pada berbagai bidang, salah satunya untuk masalah peramalan. Metode ini dipilih karena metode Adaptive Neuro Fuzzy Inference System (ANFIS) memiliki semua kelebihan yang dimiliki oleh sistem inferensi fuzzy dan sistem jaringan syaraf tiruan. Dengan penggunaan metode Adaptive Neuro Fuzzy Inference System (ANFIS) ini
4 diharapkan waktu yang diperlukan untuk meramalkan beban listrik dapat lebih singkat. Dengan demikian dalam tugas akhir ini dilakukan peramalan beban listrik jangka pendek yakni berupa peramalan beban listrik mingguan selama sebulan dan juga peramalan beban listrik bulanan selama setahun pada sistem kelistrikan Bali menggunakan pendekatan neuro-fuzzy yakni dengan Adaptive Neuro Fuzzy Inference System (ANFIS). 1.2 Rumusan Masalah Berdasarkan pada uraian latar belakang seperti tersebut diatas, maka rumusan masalah yang dapat diangkat dalam tugas akhir ini yakni : 1. Bagaimana bentuk pemodelan terbaik dari metode Neuro-Fuzzy dengan struktur Adaptive Neuro Fuzzy Inference System (ANFIS) untuk peramalan beban listrik jangka pendek di Bali? 2. Bagaimana perbandingan akurasi peramalan beban listrik mingguan dan bulanan di Bali menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) dan Artificial Neural Network (ANN)? 1.3 Tujuan Adapun tujuan dari penulisan tugas akhir ini antara lain adalah : 1. Untuk memperoleh bentuk pemodelan terbaik dari metode Neuro-Fuzzy dengan struktur Adaptive Neuro Fuzzy Inference System (ANFIS) untuk peramalan beban listrik jangka pendek di Bali. 2. Untuk mengetahui akurasi peramalan beban listrik mingguan dan bulanan di Bali menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS) dan Artificial Neural Network (ANN). 1.4 Manfaat Hasil dari tulisan ini diharapkan dapat memberikan informasi serta alternatif metode peramalan lain dalam meramalkan besarnya beban listrik yang akan terjadi dengan akurasi yang tinggi yang dapat membantu dalam perencanaan penyediaan energi listrik. Melalui proses peramalan maka diharapkan dapat meminimalkan resiko terjadinya ketidakseimbangan antara beban listrik yang
5 dibutuhkan konsumen dengan daya listrik yang dibangkitkan oleh perusahaan. Manfaat lain adalah dalam hal manajemen operasi sistem tenaga listrik dan manajemen keuangan suatu perusahaan listrik, serta tulisan ini diharapkan dapat digunakan sebagai referensi dalam penelitian selanjutnya. 1.5 Batasan Masalah Untuk mempermudah penyelesaian masalah yang dibahas pada tugas akhir ini, maka diperlukan suatu batasan masalah. Batasan masalah pada tugas akhir ini dapat di buat sebagai berikut : 1. Data yang digunakan dalam peramalan beban listrik ini merupakan data beban listrik pada sistem kelistrikan Bali. 2. Data yang digunakan hanya data beban listrik mingguan dan data beban listrik bulanan. 3. Dalam penelitian ini hanya dilakukan peramalan beban listrik jangka pendek yakni dengan meramalkan beban listrik mingguan selama sebulan dan beban listrik bulanan dalam setahun. 4. Metode yang digunakan dalam penelitian ini adalah metode Neuro-Fuzzy dengan struktur Adaptive Neuro Fuzzy Inference System (ANFIS) tipe Takagi-Sugeno, sedangkan metode Artificial Neural Network (ANN) hanya digunakan sebagai pembanding tingkat akurasi hasil peramalan beban listrik. 5. Dalam penelitian ini digunakan bantuan software Matlab R2008a yakni dengan toolbox ANFIS Matlab. 6. Struktur Adaptive Neuro Fuzzy Inference System (ANFIS) dilatih menggunakan algoritma hybrid dengan fuzzy set sebanyak 3 dan 4 fuzzy set dan 2 variasi pasangan data masukkan-keluaran serta fungsi keanggotaan yang digunakan dalam proses pelatihan diantaranya, fungsi keanggotaan tipe gauss, gbell, dan segitiga untuk kemudian dibandingkan sehingga diperoleh pemodelan ANFIS yang menghasilkan error peramalan terkecil.
6 1.6 Sistematika Penulisan Adapun sistematika penulisan tugas akhir ini, dapat disusun sebagai berikut : BAB I. PENDAHULUAN Bab ini berisikan tentang gambaran umum tugas akhir yang mencakup latar belakang, rumusan masalah, tujuan dan manfaat penulisan, batasan masalah serta sistematika penulisan. BAB II. TINJAUAN PUSTAKA Bab ini berisikan tentang pandangan umum dari peramalan beban listrik jangka pendek, metode Neuro-Fuzzy dengan struktur Adaptive Neuro Fuzzy Inference System (ANFIS) serta teori lainnya yang menunjang pembahasan dari permasalahan. BAB III. MATERI DAN METODE Berisikan lokasi dan waktu observasi, sumber data, jenis data, bentuk data, metode penelitian dan analisis data yang digunakan dalam penyusunan tugas akhir ini. BAB IV. ANALISA DAN PEMBAHASAN Dalam bab ini dibahas mengenai pengolahan data lapangan, proses pemodelan peramalan beban listrik jangka pendek di Bali berdasarkan data yang dimiliki serta perbandingan akurasi hasil peramalan beban listrik mingguan dan bulanan menggunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) dan Artificial Neural Network (ANN). BAB V. SIMPULAN Bab ini berisikan tentang simpulan dari pembahasan, serta saran-saran yang berhubungan dengan topik yang dibahas.