Aplikasi peramalan kebutuhan beban listrik menggunakan metode Adaptie Neuro Fuzzy Interference System (ANFIS): Studi kasus area PU Majalaya

Ardiansyah, Erwan Ahmad (2016) Aplikasi peramalan kebutuhan beban listrik menggunakan metode Adaptie Neuro Fuzzy Interference System (ANFIS): Studi kasus area PU Majalaya. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_COVEER'.pdf

Download (215kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_ABSTRAK.pdf

Download (199kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_DAFTAR ISI.pdf

Download (486kB) | Preview
[img]
Preview
Text (BAB I)
4_BAB I.pdf

Download (458kB) | Preview
[img] Text (BAB II)
5_BAB II.pdf
Restricted to Registered users only

Download (799kB)
[img] Text (BAB III)
6_BAB III.pdf
Restricted to Registered users only

Download (216kB)
[img] Text (BAB IV)
7_BAB IV.pdf
Restricted to Registered users only

Download (794kB)
[img] Text (BAB V)
8_BAB V.pdf
Restricted to Registered users only

Download (987kB)
[img] Text (DAFTAR PUSTAKA)
9_DAFTAR PUSTAKA.pdf
Restricted to Registered users only

Download (404kB)

Abstract

INDONESIA : Prakiraan atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang dihasilkan. Ini menentukan agar tidak terjadi beban berlebih yang menyebabkan pemborosan atau kekurangan beban listrik yang mengakibatkan krisis listrik di konsumen. Oleh karena itu di butuhkan prakiraan atau peramalan yang tepat untuk menghasilkan energi listrik. Teknologi soft computing dapat digunakan sebagai metode alternatif untuk prediksi beban listrik jangka pendek salah satunya dengan metode Adaptive Neuro Fuzzy Inference System. Pada aplikasi ini, hasil peramalan yang dihasilkan dari data aktual 4 tahun sebelumnya. Data yang digunakan adalah data pada tahun 2011-2014 untuk menghasilkan nilai tahun 2015, Data kemudian dilatih menggunakan metode ANFIS. Hasil pelatihan data ANFIS kemudian dilakukan perbandingan dengan data aktual dan data metode Regresi linier meliputi perbandingan ANFIS-Aktual, Regresi Linier-Aktual dan perbandingan ANFIS - Regresi Linier - Aktual. dari perbandingan disimpulkan bahwa metode ANFIS memiliki rata-rata error sebesar 3,09% dari data aktual dan metode Regresi linier memiliki rata-rata error sebesar 6,96% dari data aktual, ini menunjukan prediksi ANFIS lebih mendekati nilai aktual serta dapat menjadi referensi untuk peramalan beban listrik dimasa depan. ENGLISH : The forecast or forecasting the electrical load required in determining the amount of electricity generated. It specifies in order to avoid an excessive burden that causes wastage or lack of electrical load which resulted in consumer electricity crisis. Therefore in need forecasting or forecasting the right to generate electricity. Soft computing technology can be used as an alternative method for the prediction of short-term power load one of them with a method of Adaptive Neuro Fuzzy Inference System. In this application, forecasting results generated from the actual data of the previous 4 years. The data used is data in 2011-2014 to generate value in 2015, data is then trained using ANFIS method. The results of the data training ANFIS then do a comparison with the actual data and data Linear regression method includes comparing ANFIS-Current, Linear Regression and comparison ANFIS-Actual-Regression-Currents. of comparison concluded that the method ANFIS has an average error of 3.09% of the actual data and linear regression method has an average error of 6.96% of the actual data, this indicates ANFIS prediction is closer to the actual value and can be a reference to electric load forecasting future.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Peramalan Beban Listrik; PLN; Logika Fuzzy; ANFIS; Regresi Linier
Subjects: Applied Physics > Electronics
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Elektro
Depositing User: rofita fita robi'in
Date Deposited: 05 Aug 2019 01:53
Last Modified: 29 Jun 2022 02:32
URI: https://digilib.uinsgd.ac.id/id/eprint/22496

Actions (login required)

View Item View Item