Peramalan Beban Listrik Jangka Panjang Pada Pt. Pln (Persero) Apj Jember Dengan Menggunakan Metode Recurrent Neural Network Dengan Optimasi Levenberg Marquardt

Abstract

Pesatnya perkembangan teknologi pada era saat ini terus mengalami peningkatan yang tinggi, sehingga akan membuat pemakaian terhadap energi listrik pun juga mengalami peningkatan yang tinggi, seperti pada tempat-tempat industri, perkantoran, dan perumahan. Seiring berjalannya waktu, beban listrik yang digunakan juga akan semakin besar. Untuk mengantisipasi hal tersebut, dibutuhkan metode agar dapat memprediksikan jumlah beban listrik yang akan didistribusikan kepada konsumen agar dapat menghindari kerugian seperti pemadaman secara bergilir. Hal tersebut justru akan membuat konsumen menjadi khawatir dan sangat tidak nyaman dalam menggunakan energi listrik. Maka dari itu dibutuhkan suatu metode peramalan beban listrik untuk memprediksi jumlah beban yang dibutuhkan di dalam beberapa waktu ke depan. Penelitian untuk meramalkan beban listrik ini menggunakan simulasi dengan software Matlab. Data yang digunakan pada penelitian kali ini merupakan data beban puncak listrik setiap bulan selama 8 tahun yang terbagi menjadi 2 data, yaitu data input dan data target. Metode yang diterapkan pada penelitian kali ini yaitu metode recurrent neural network dengan optimasi levenberg marquardt. Data yang dipakai untuk pelatihan penelitian ini yaitu data pada pertengahan tahun 2010 sampai dengan pada tahun 2017, dimana dari data-data tersebut akan dibagi menjadi data input dan data target pelatihan recurrent neural network. Data tersebut disusun menjadi 42 data input dan 12 data target, serta menggunakan 13 pola yang berbeda, dimana pergantian pada setiap pola merupakan pergeseran dari data input dan data target yang bertujuan untuk meminimalkan jumlah nilai error dari suatu metode peramalan. Hasil dari peramalan beban listrik yang didapatkan yaitu nilai MAPE (Mean Absolute Percentage Error) yang merupakan perhitungan akurasi peramalan terhadap target, pada pengujian peramalan beban dengan menggunakan metode recurrent neural network dengan optimasi levenberg marquardt didapatkan nilai MAPE sebesar 4,455%. Nilai MAPE tersebut sudah memiliki tingkat akurasi yang tinggi, dimana C. D. Lewis pada tahun 1982 pada bukunya yang berjudul Industrial and Business Forecasting Methods: A Radical Guide to Exponential Smoothing and Curve Fitting, mengatakan bahwa nilai MAPE yang kurang dari 10% sudah dapat dikategorikan memiliki tingkat akurasi peramalan yang tinggi. Data peramalan yang didapatkan pada penelitian ini yaitu data peramalan beban yang akan terjadi di wilayah Jember sejak awal Januari tahun 2018 sampai dengan akhir Desember tahun 2023. Nilai data beban listrik di wilayah Jember mengalami kenaikan yang cukup tinggi setiap tahunnya meskipun data beban listriknya masih bersifat fluktuatif pada bulan-bulan tertentu. Nilai error terkecil pada perbandingan antara data beban sekunder dengan data hasil peramalan beban menggunakan metode recurrent neural network dengan optimasi levenberg marquardt yaitu sebesar 0,097% pada bulan April 2016 dengan selisih data beban sebesar 0,0637 MW dan nilai error terbesar yaitu sebesar 21,619% pada bulan November 2016 dengan selisih data beban sebesar 14,3149 MW.