ISBN : 978-602-96853-0-5

PROSIDING

@
WW E
Mffi WW" WWWW

'Gedung Serbaguna Fakultas Teknik Kampus Al-Munawwarah

Tema: lnovasi Teknologi Untuk Kehidupan yang Lebih Baik

27 r 28 ,4pt de 20 lO
UNIVERSITAS ISLAM SUMNT'E
Telp,.;.'($LI7568049;, Fax r'(0'6l).'780fO.effif,i'1r

Il. S,M. Raja Teladan

Medan,,

', ,ii;i;iiirtiiilitlt
j

E-Mail : pekan-ilmiah-ftuisu@yahoo.com

.'r'S.

Seminar Nasional

II Tcknologi Dan Rekayasa

ISBN 978-6A2-95853-e5

Prediksi Runtun Waktrl Beban Listrik Sumalera

Utara

16/.-169

Hermaaryah Alant (Institut Teknologi Me dan)

Tcknlk Industri, FMIFA, Tekntk Kimia, Tcknologi Hrsil Hutrn

Pengaruh Indeks Dow Jones Industrial Average dan Indeks Straits Times Terhadap harga Saham Gabungan Busrsa Efek Indonesia Periode 2M+2010

Indeks

170-176

Lathfi Partnturl
(Universltas Islom Sumaters Utara, Medm) Pengukuran Kinerja Program Studi Strata Satu (Sl) Dengan Metoda Integrated Measurement System
Dessi

Performance

177-18l

Mufrl, Nntyarsi

(Unlversitas Bung

IIat4

Padsttg)

Desain Dan Kajian Ergonomis Prototype Alat Pamecah Buah

Aren
Kinda

lE2-lE8

Artvlana Llen$e X akerlssa

(U nivers it ar P attimura Amb on) Penggunaan Model Tointegrasi Dengan Fomat IDEF' Untuk Momonitoring Secara Kontinu Pada Perusahaan Manufaktur Rlana Fasptla dcn Alweln Magdn

Sistem

189-193

(Institut

Te knologi Me

dan)

Implementasi Metode Taguchi Untuk Peirentuan Komposisi Bahan Baku Optimal Kipang Kacang Ycsmlzartl Machfiar, Dssst Mufti, Hanc Fedea 9cl (Universitas Bung Hatto, Padond
Desain Alat Pencuci Ubi Talas Yang Ergonomis Untuk Meningkatkan Produktivitas Ayu BWmtatl J.n dan Aldl llrtsun

Produk

lg4-201

Produksi

202-ZW

(Universitas Bung Han4 Padotdl Peningkatan Kualitas Pelayanan Melalui Implementasi Metod Perry Johnson Pada Quality Service (TQS)

Total

Z1a-2n

Nsvilsrut' Yqmlzerfr Mrachfrsi &lqe hwtanfu

(Universitos Bung Hattq Padong)
Pernanfaatan Srat Sahs Kelapo dan Kelapa Sawit Pada Pembuatan Beton Syahrul frunutfr dan Srl Bown (Unjversilry Saqqprq alqrq Medsn)

Ringan DPFA

2lE-222

Penggunaan Palm Fafiy Acid Distillate (PFAD) Sebapi Bahan Boku FL-1802 dsn

223-229

MuhannmdYusuf Monga (Universitas funetera Utara, I$edan)

Orinted Sfand Bosd Bermutu Tinggi dari

Ar{Nuryawm,

Irntd

Bambu

Azhor, Ardtanryah Isttutl

n0.236

(Univ*sitas Samatera Aarq Mefun)

TeknikSipil
Penganrh Variasi Bebsn Tel<an Aksial Terhadap Goya Geser Pada Kolom Beton

Ssnsr.nan (Universltas Sltah Kuale Universitas Teuht Umo, Aceh

TufiqSatdt

Bertulang

237-244

B*a)

faltuhss Telcnfr {.IISU Kampw Al Munawwratr Jl. SM, R4ia Teladan Medan

vll

ta

Seminar Nasi,mal

ll

Teknologi Dan Rekayasa

ISBN 9?8-6$2-$6,853-[bj

Prediksi Runtun Waktu Beban Listrik

Sumatera {.Itara Dengan ANFIS
Hermansyah Alam
Jurusan Teknik Elekho ITM Gedung Arca no. 52 Medan

hermans itm@yahoo.co.id

Dengan ttelihat perkcmbangan juntah r**rr#ou\*r"**,o fr lrdonesiayang sangat berlrubungn fungw keb*ulsn ,ntmusia akon kehidupan yang layak lengkap rfungan sorana-ssr$ns yang menadai b+ berbasis teknologi.Saloh sata sarqrra yqng satgat di bunhkan mamrsia dolot perkembanganya ol Indorcsiq di tangani oleh PLN. Bebot lislrik dslal, saau lal ysng sangd mttlak blam sudu gnte* tenaga listrik Untuh leblh mengoptimalkan hasil yang akan diproleh dalan prediksi beban listrihdi sittr perulis nenggunataan metode Neuro ftary &ngpn mengutwkan progrom Mdlab. Perhitungan uuui nlnga7alrsa bess bebon listrik sangd dtperlukan agw tidak teriad hal-hal yang tidak diiryinkart Dengu. diperolebrya besar beban listrik yug terbenuhkita dapat memakairrya sebryai rcuan untuk memprsiapkon kc butuhon heban listrik uuak hari"hari beriWtnya

Kats

httri

: Neuro, Fuzzy, ANFIS, Rantan Wqklu

1. Pendahuluan

l.l

Latar Bclakrng

Dalam perkembangan pembangunan sekarang ini tidak hlepas darl teknologi kclistrikan dan itu merupakan salah satu pendukung perkembangan teknologi dan industri. Sehingga akibat perkembangan pembangunan maka kebutuhan akan listrik senakin meningkat baik rumah tangga industri, tempat-tempar umum' pusat perblanjaan, sosial, dan pemerintahan tiap tahun selalu mengalami kenaikan akan kebutuhan listrik.

Iftraktsistik dari prmintaan snergi lsitrik kadang kala membuat usaha tersebut sulit dipenuhi. Meramallcan perturnbuhan behn dan usoha untuk mcmenuhi siklus beban harian dan behn tahunan secara mernuaskan merupakan dua kesulittrt yang hanrs diatasi. PErtumbuhan rata-rata konsumsi lietik di Indonesia tiap tahun bertambah. Mengingat untuk membangun suetu pusat pembangkit enogi lisfiik diperlukan waku sampai l0 tahun maka p6ra prencana sistem harus melihat kernrmgkinarrkemungkinan-perkernbangm

sistem tenaga 10 sampai

memperkirakan dan mernperbaiki penencanaan dalam pempektifjangka panjang.

20 tahun kedeFn. Hal tersebut diperlukan agar trsedia waktu -

untuk

2. Lrnda$n
1.1 Model

Teori

Drn Atrdisb Runtun lYrktu

Anillsa nrntrm wnhu Juga dapat mempormulaslkan hubungan dlnimls antara &16 atiu leblh runtrm waltu yang saling berfiubungan sehingga diperoleh model system yang tenmgkap melalaui fimgsinya dengan
satu isyarat sebagai masukan dan isyarat lain sebagai keluaran seperti yang diganbarkan di bawatr :-

Gembar 1. Diagrnm rmum prckditor adaptif

Pryqctor adaptif pada Gambar I memberikan unjuk kerja yang benhrk gelombangnya konstruksi Jft adalah bdc isyarat ran&m fieluensi, It adalah hasil yang tebaik dari inprt,rn jiU nilsi K semakin ertanhh qaka systry .belajr_dengan prygresrf untrk memprediksi Jft yang-tergantung dari peilgnfirm I{t menrpakan tansfer fungsi terllopc frok-blok brMj dari diadrm y*d 4"p", diamati.Selatjutnya diolatr oleh sustu tapis adapif yang secara otomatis mqnruaikan angkad imluhnya melalui alogaritna least*quares sperti LMS yang menangaf suatu galat isyarat tergantung keluran n
duta rligrtal input

164

Falultas Telmft {JISU Karyus Al Mrmaw$rysh Jl. Shd. Rqia Teladan Mdm

..+

Seminar Nasional

II Teknolog Dan Rekayasa

rsBN 9784A2-96853+5

dihasilkan aan Z-M adalah merupakan delay sebagai rentang u'altu pada runtun waklu yang
diprediksi.

akan

Kerika disesuaairkan se.demikian tinsgr'E{t'},"r*inirn^i,r"r" tL? - -Y)'l juga tminimasi jika keluaran Yk adalah estimasi least-squares terbaik maka hasil keluaran terkecil yang
mungkin adalah:

E**WJ=rb'J
Ketike hal ini dapat dicapai,

...(l)

a[x o-

y"

)t

l=

g.Llal<a,Yo = X dan e = s x

Adaptive neuro fuzzy inference system (ANFIS) adalah jaringan adapive yang berbasis pa& system infermsi fuzzy.paremeter ANFIS dapat dipsahkan menjadi dua" yaitu pararnfer pemis dan konsekuensl yag dapt diadsptasikan &ngan pelatlhan hybrid dilakukan dalam dua langkah majudan balllc

1.2 Pcmodclrn ANI'IS

Gambar 2. Arsitektur ANFIS

Arsitektur ANFI$ sugeno ttdiri atas lirna lapisdan setiap lapis terdapat no&.ltrdapat dua macam node yaltu node adaptif(brsimbol kotak) dan node tetap (bersimbol lingkaran).Fumgsi dari setiap lapis adalah sebagai

berikut:

Lepb
Setiap

f
no& i pada lapisl ini adaleh node adagasi {*lwtuti=|,2 dan
dengan fungsi node sebagai bedkut.

Orr=n
o),,

=0,-"(ybftuk t =3,4
i

..

(2)

Dengan x (atau y): masukan ke nodc

4 (9 otuu B,-, U\: label linguistic (seperti 'bsar' atau'kecil') yang terkait dengan node tersbul Q' :derefatkeangotaanhirnpunan fivr'y 4,4, m, Br,Bz.
Fungsi keanggotaan untuk A dapat diparameterkan, misalnya fungsi bel umum:

pnb)=+*r
Dengan

,.,(3)

{Cbc}
Laplr

adslatr

binpna

pararnctr .parameter dalam lapis ini disebu premis.

I
Qr,r = wt =An

Setiap node pada lapis ini adalah node tetap berlabel dengan keluar-annya adrlalr produk dari semua sinyal yanrg datins

b)t,(y\,i =t,2

.''({)

Setiap keluaran node dad lapis,ini menyatakan kuat penyulutan dari aturan.

Fak$ltss TekuikUISU

Kryw

Al Mrmwwrah Jl. SM. Rqia Teladan Medm

165

Seminar Nasional

II Teknologi Dan Rekayasa

Lapis 3
Setiap node pada lapis ini adalah node tetap berlabel N.node I menghifimg rasio dari kuat pelryulutan aturan terhadap jumlah kuat penyulutan dari semua aturan.
:

or,,=w,=-{-, i=1,2
wt+w2
Keluaran lapis ini disebut kuat penluiutan ternormalisasi.

...(5r

Lapis 4
Setiap node pada lapis ini adalah node adaptifdengan fungsi node :

Ou.,
Dengan

=i, f, = w,(p,* +qry + 4)

kuat penlulutan temormalisasi dari lapis 3

"(6t

wi

Parameier ini.parameter pada lapis ini disebut Pararneter konsekuensi.

Lapis 5 Node tunggal pada lapis ini adalah node tetap bedabel f, yang menghitung semua keluaran keseluruhan
sebagai penjumlahan sernua sinyal yang dating.

,.{7}

3.
I' 2. 3.
3.2

MetodologiPenelitian

3.1 Matorl PoneHtian Materi yang digunakan dalam peneliltian ini adalah : Data histories yang metupakan data sekunder beban harian pernakaian listrik yang bersumbr dari pl,li. Penentuan data untuk peletihan dan pengujian yang mempunyai hubungan sebab akibatberdasarkar mabiks baris dan kolom. Metode yang digunakan adalah penerapan Neuro Fuzzy orde satuaturan fuzzy model sugeno dengan membershtpfurction (funSsl keanggotaan) tipe kurva bentuk tapesium (trappsiun curve)-

Alrt Pcnolltian

Alat yang digunakan untuk analisis,komputasi dan penulisan program adalah seperangkat laptop" yang terdiri dari atas 2 aspetq yaitu perangkat keras (hard vare)dan perangkat lunak fsol wue). A;6; penelitian yang akan dimanfaatl@n dalam penelitian ini adalah : l. Setu unit lapop dengan spesifikasi Intel Pentium ceirhino duo 1,66 Ghz dan R.AM 1022Mb dan prinrr

2.
9,3

Cannon IP-1300. Pnogram Madab versi 6.0 sebagai perangkat lunak yang berguna untuk komputasi analisis dara matematig statiskq simulasi dan pemodelan.

Behlq Frurlttlln

l. 2. 3. 4.

Bahan penelitian yang digunakan dalam tugas akhir ini adalah: B.uku tsts yang ads kaiknnya dengan firlisea Jurnal ilndah yang ada kaitannya dengan hrlisan. Situs intemet ir.rvw.google.com yang Uerkaitan dengan tulisan. Data penelitian yang diambil dari PT.PLN (persero) P3B Unit Pengatur Beben

(JpB)

Sumatera-

3.4 Varlabel Perbituncsn

Untuk mernpermudah dalam penelitian maka perlu diketalrui variabel yang a*an diamati dalarn penelitian ini,yaitu sebgai berikut: Besar beban harian dari tahun 2000 sampai 2008 Bsar beban peramalan dari tahun 2000 sampai 2008.

l. 2.

3.5

ielan PcaeHtlan

Langkah'langkalr yang alcan dilakukan dalam mendukung pada penelitian ini agar mencapai sasann yang dinriu sesuai dengan judul diatas maka pedu menjadi batrao penelitian sebagai berikut t

166

Faldtas Telsnik LIISU Kanpus Al Munaqrurah Jl. S&{. R4ia Teladm Medm

Seninar Nruional II Tcknologi Dar Rekayasa

rsBbl

97ffi1-tr853+5

l.

Studi Pustaka

Hal ini dilakukan untuk mendapat gambaran umum dan da*sat t..--t: i r-rg telah disusun dalam mendukung pcnelitian ini.Studi pustaka ini didapay dari perpusalan can referensi diantaranya
informasi melalui internet.

buku,buktryang menunjang dalam penelitian ini, jurnal-jumal. litersu:s'liieratur serta informasi'

2.

Pengumpulan Data fengumpulan data dilakukan bersrrnber dari P.T PLN (Penero) P3B Sumara rnit pengaftran beban Sumatra utare yang dimulai dari tanggal 0l Januari 2000 s/d 24 Agustus 200t lzng mcrupkan data

sekunder. Data ini akan diidentifikasi, dilanjutkan pengolahan data, agar siap untuk dianalisis dengen metode Neuro Fuzzy, ymg perangkat lunaknya MATLAB 6.0.Kemudian menentukan moAel ter6ait, sekaligus membndingkan besarnya residual antam nilai actual terhadap hasil prediksi yang akan diiakulen. Selanjutnya melakukan kajian menyeluruh tohadap hasil analisis, termasuk variabel bebas dan varibel ti&k bebas.

Gambar 3. Diagrnm alin ialan penelitian

Data Bcban Listrik 4.1 Pcnyorunan Berdasarkan jalan penelitian ysng telah diiela$kan dalam BAB III dapai disimulasikan &ngarl, langkah-langkatr sebagai berikut: Menyusun empat data (D = 4) sebagai masukan tundaan waktu (A 7) dan P adalah waktu yang akan diperidksi,sebagai keluaran dengan vecttr : [{x(t - 21),:r(t 14)'x(t - 7)'x(t + Z)1; Memebikan dua fung;i keanggotaan (trn1) = 2dengan epoch 100 Menrbandinglan tipe fungsi keanggotaan yang trbaik Prediksi beban listrik ( 4J ,7) dan (4,4,10) adalah data yang akan di analisa Prediksi beban listrik yang akan di analisa yaitu dengan menggunakan tipe trapesium yakni dengan prdiksi bebon lisrik (4,4,7, dengan (4,4JA).

4. Ilasil Penelitian

Hiksi

Dan Pembahasan

l. 2. 3. 4.

,L1.1 Fr6dikri Boben LtsHk (4A'1, Dongsn tr'unBrt Kcangoteen Tlpc Trrpccium Berikut ini gambar RMSE Pelatihan dengan fungsi keanggotaan Tipe Trapesium:
(1cp.t o,Fa3
o-os4r E^

s. o6t4

So*

\
\
\

lo* o.*r
I
&

cFa
o.6$
o,&lrL

"*.\,vrV,,r,/lil*gr,*,fu

y/riilffy
olo20t,ftoqT0qtalt@

1;l,yr16

Gamba r 4.RIVISE petatihan denga;furgsi keanggotaan tipe trapesium

6.ll

l[

e:1r o.ro o.,o

f; $

! -,,
tE'l

Gambar 5. nMSg pengujinn dengan fungsi kcanggofaan fipc trapesium

Fahltas Teknik UISU lfumpus Al Munawwratr fl. SM. R4ia Teladm Medm

167

ISBN 978402-WiS53+i

Gambar 6, Ukuran langkah dengan fungsi keanggotaan tipe trapesium

Gambar 7. Target dan output ANFIS beban listrik tipe trapesium

"-f .1-1f s=5r+Taret'*i+rFt leyi*
iL

ii
I

ln Rdqnsbu

frrt C{.rD

358

Gambar 8. Galat prediksi dengaan fungsi keanggotaan tipe ttapesium

Gambar 9. tr'ungsi keanggotaan masing-masing input tipe trapeslum

4.2.2 Prcdiksi

Beban Listrik(4,4,10) Dengan Fungsi Keanggotan Tipe Trapesium

t Io*
I d

J o.*

n06

Gambar 10. RSME pelatihan denga; fungsi keanggotaan tipe trapesium

to

$: za fi
i" I
a
..

ri ! ; li tjr ;t {

li l; t! ri l rl

I
r
!. n

,l

!!tt l: ll rlli llr r r; i{iilirfii,,

i !'j

a:0n50@tu6Fro

iIi{

I ii

l!'i,,",.,.,^,^J!rv...,..

Gambar 11. RMSE pcngujian dengan fungsi keenggotaan tipe trapesium

q6

so&o-

5.*
GOt

*.*

Gambsr 12, Ukuran lsngkah denglfi'ungsi keanggotmn tipe trapesiun

t ot'

rot * b-6 I o-"

I::

168

Fakultas Teknik TIISU Kampus

Al Mrnewwtrsh Jl. S {, R,4ia

Tetradam Medee

Seminar Nasional

It Teknologi Dan Rekayasa

lsBN

97E-602-96S53-&5

5. Kesimpulan
5.1 Kerimpulan Berdasarkan hasil penelitian maka dapat dibuat kesimpulan sebagai berikut : Pengujian peramalan dilakukan dengan menggunakan data aktual dari pemakaian beban listrik pada pT. PLN (Persero) Wilayah Sumatera Bagian Utar4 Unit Penyaluran dan Pusat Penguuran neban

t.

2. 3.

Neuro fuzzy dapat digunakan untuk memprediksi pemakaian beban listrik lang menggunakan model matematis yang disebut dengan Data Berkala (time series).

1f:e).

dMF*Inp

Parameter-parameter yang diperlukan oleh sistem adalah: : Jurnlah Sampel yang di input yaitu D = 4 DELTA: Jarak antar &ta (DELTA > 6 ) : Prediksi Beban Listrik Hari Ke-...... : Jumlah Parameter Input yaitu dMF = 2

P dMF

4. 5.

dMF_Out

:Parameterlnput : Parameter Ouput ( dMF_Out: linear)

Informasi yang diberikan oleh sistem adalah berupa prediksi pemakaian beban pada walcu tertentu atau p$da han yeng lqgin di prpdiksr terhitung dan t+nggel tcraklrir dan dprt4ysnsdiguna.kan, Pada Bab tV inisialisasi parameter input yang digunakan yaitu : TItapEsIUM. grafik 6. Dari RMSE Kesalahan Training didap4t keoalahen yang terkecil yaitu parameler Tanggal
prediksi adalah ;25 Agustus 0E Prediksi beban :.7M,66 Error training data :56,08 = 5,4O Error chacking data :130,30

o/o

Daftar Pustike

[l]
[2)

AMel-Aal, RE., 2002, Eleclrtcal Forecosdng I)stig Machlne Learntng Technlques,Center for Applied (CAPS) Rsearch Instituts KUFPM.

t3l
[4]

t5l
[6]

\ry::g!ly \y1t to$c, Technical University of Denmark, Departement of Auotomotion, Bldg 326,DK-2800 Lyngby,DENMARK.Tech.report no 9g-E g6E. Lestari Budi, 2000, Pemodelan dan Peramalan Banyaknya Hari Hujan di Jember Dengan proses Arma,Majalah Maternatika dan Statiska. Volume l. No l. Universitas Jernber Peranginangin -KasimarL 2ffi6, Pengenalwt Matlab,Edisi l. Andi. yogyakarta Suhartono ,2007 , Fee{orward Neural Network Untuh Pemo&lan krnin lfahr4Universitas Gajah
Jantznry Jan., 1998,

Ivlada Yog5rakarta"

Widodo, Thomas Sri,2005, Sistem Neuro Fuzry Untuk Pengolahan l4formasi dan Kendati, Edrsi Pertarna. Graha Ilmu Yogyakarta.

fux;uttre Telcnik

UISU Ifumpus Al Munaunvrah Jl. SM. Rqia Teladan Mdan

169