• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Engineering
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Engineering
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Studi Peramalan Beban PT. PLN (Persero) APJ Jember dengan Menggunakan Metode Backward Propagation Neural Network dan Teknik Participatory Prospective Analysis

    Thumbnail
    View/Open
    WAHYU SEPTIYAN KURNIADI - 141910201055.pdf (2.639Mb)
    Date
    2021-07-16
    Author
    KURNIADI, Wahyu Septiyan
    Metadata
    Show full item record
    Abstract
    Diperlukannya suatu sistem peramalan yang akurat sangat dibutuhkan dalam pembangkitan energi listrik dikarenakan mayoritas pembangkitan energi listrik di Indonesia masih menggunakan energi fosil antara lain batu bara 63,92%, BBM 3,05% dan gas bumi 18,08% dengan total 85,05% dari total energi yang dihasilkan hingga Mei 2020. Sistem peramalan beban listrik juga diperlukan untuk mengetahui kapan kapasitas dari jaringan distribusi dan sistem pembangkitan agar dapat diketahui waktu yang tepat untuk penambahan kapasitas dari sistem distribuis dan pembangkitan listrik. Pertumbuhan penduduk dan ekonomi suatu daerah juga memiliki pengaruh yang besar dalam pertumbuhan penggunaan energi listrik suatu daerah dimana semakin tinggi pertumbuhan penduduk dan ekonomi suatu daerah akan membuat pertumbuhan kebutuhan energi listrik semakin besar. Pada penelitian ini akan dilakukan peramalan beban dengan menggunakan data berupa beban historis Kabupaten Jember yang didapat dari PT. PLN(Persero) serta data pertumbuhan penduduk dan ekonomi yang didapat dari Badan Pusat Statistik Kabupaten Jember yang bertujuan untuk meramalkan pertumbuhan beban beberapa tahun kedepan. Neural Network atau kecerdasarn buatan digunakan sebagai salah satu metode untuk peramalan karena sistem dari neural network yang mendekati jaringak otak manusia yang mampu mnegolah beberapa variabel dalam satu waktu berdasarkan pola yang ditargetkan. Participatory Prospective Analysis merupakan suatu studi tentang kemungkinan – kemungkinan yang terjadi di masa depan. teknik ini digunakan untuk melakukan pengambilan keputusan berdasarkan tren di lapangan dan pendapat para ahli. Hasil dari penelitian ini didapat bahwa hasil pengujian program mendapatkan data berupa beban pada bulan Mei 2020 dengan nilai error terkecil sebesar -0,003717% dan nilai error terbesar sebesar 20,189% pada bulan Oktober 2018 dengan nilai MAPE (Mean Absolute Percent Error) dari keseluruhan sistem peramalan 2,649%. Hasil dari peramalan pada tahun 2021 memiliki nilai MAPE sebesar 19,2% dengan nilai error terbesar pada bulan Januari 2021 sebesar 42,82% dan error terkecil pada bulan Mei 6,17%, nilai error yang besar pada peramalan beban tahun 2021 dikarenakan danya variabel yang tidak terduga pada tahun 2021 yang sulit di prediksi yaitu pandemi COVID-19 yang membuat penggunaan listrik dilapangan memiliki pola yang berbeda dari umumnya dimana pada masa pandemi COVID-19 penggunaan energi listrik semakin meningkat biarpun perekonomian di Kabupaten jember mengalami kontraksi sebesar -2.98%
    URI
    https://repository.unej.ac.id/xmlui/handle/123456789/108471
    Collections
    • UT-Faculty of Engineering [4253]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository