Oleh :
Renda Agung
NIM 1104246
A. Judul
Peramalan Beban Listrik Jangka Pendek Menggunakan Algoritma SelfOrganizing Map (SOM) Di Area 2 Jawa Barat
B. Latar Belakang
Penggunaan energi listrik saat ini sangat tinggi. Beragam sektor dalam
kehidupan sehari-hari tidak bisa lepas dari energi listrik seperti industri,
pemerintahan maupun rumah tangga. Adapun pola perilaku penggunaan listrik
tidaklah bersifat linier, akan tetapi non linier. Oleh karena itu, sistem tenaga listrik
yang handal dan ekonomis diperlukan. Hal tersebut bisa dicapai melalui
perencanaan sistem operasi yang tepat.
Peramalan beban jangka pendek bertujuan untuk meramalkan beban listrik
dalam periode per menit, per jam, per hari ataupun per minggu. Berbeda dengan
sumber energi lain seperti batu bara dan minyak bumi, listrik tidak bisa disimpan
dalam jumlah besar. Untuk itu, jelas sekali pentingnya mengetahui kurva
pemakaian beban listrik yang akan datang sehingga produsen listrik mampu
merencanakan langkah paling efektif dalam memproduksi energi listrik.
(Choobeh, 2012)
Peramalan beban listrik sangat berpengaruh besar terkait operasi sistem
tenaga listrik mulai dari perencanaan pembangkitan, analisis aliran daya, unit
commitment hingga operasi ekonomisnya. Dibarengi dengan kebutuhan dan
penggunaan energi listrik yang selalu dinamis dan berkembang, PLN sebagai
produsen listrik harus mampu meramalkan kebutuhan energi listrik setiap tahun,
bulan, minggu hingga setiap harinya. Pemilihan metode yang akan digunakan
dalam meramalkan haruslah mempunyai keakuratan tinggi sehingga mampu
menciptakan operasi sistem tenaga listrik yang ekonomis. (Wibowo, Mulyadi, &
Abdullah, 2012)
Metode koefisien beban yang selama ini digunakan oleh PLN ternyata
masih mempunyai error yang cukup besar yaitu rata-rata berkisar 5%-10%. Hal
tersebut tentu saja mengakibatkan kerugian daya listrik yang besar tiap satuan
waktunya. (Mulyadi & Abdullah, 2009) Dengan adanya kerugian daya listrik, hal
tersebut juga berdampak pada kerugian secara ekonomi. Oleh sebab itu, dalam
penelitian ini, peneliti akan membahas tentang peramalan beban listrik jangka
pendek dengan menggunakan metode Self-Organizing Map (SOM) yang termasuk
ke dalam algoritma jaringan syaraf tiruan (artificial neural network-ANN).
C. Rumusan Masalah
Perumusan masalah diperlukan agar pembahasan dalam penelitian ini jelas
dan terarah. Rumusan masalah tersebut adalah sebagai berikut.
1. Bagaimana profil beban listrik hari libur nasional Area 2 Jawa Barat?
2. Bagaimana hasil prediksi beban listrik berbasis algoritma Self-Organizing
Map (SOM)?
3. Bagaimana optimasi prediksi beban listrik berbasis algoritma SelfOrganizing Map (SOM)?
D. Tujuan Penelitian
Secara umum, tujuan penelitian ini adalah menghasilkan suatu model
estimasi beban listrik yang akurat menggunakan algoritma Self-Organizing Map
(SOM). Adapun tujuan khusus yang diharapkan adalah sebagai berikut.
1. Mengetahui profil beban listrik hari libur nasional Area 2 Jawa Barat;
2. Mengetahui hasil prediksi beban listrik berbasis algoritma Self-Organizing
Map (SOM); dan
3. Mengetahui optimasi prediksi beban listrik berbasis algoritma SelfOrganizing Map (SOM).
E. Pembatasan Masalah
Supaya pembahasan dalam penelitian ini tidak meluas, maka dibuat
pembatasan masalah sebagai berikut :
1. Sumber data yang digunakan adalah data pengeluaran beban listrik dari
Pusat Penyaluran dan Pengaturan Beban (P3B) PT. PLN (Persero) Jawa
Bali Area 2 Jawa Barat, mulai dari tanggal 1 Januari 2013 sampai dengan
25 Oktober 2014.
2. Data yang dibelajarkan pada algoritma SOM sebanyak 14 hari libur
nasional yang memiliki karakteristik beban anomali.
Bab ini membahas tentang latar belakang, batasan dan rumusan masalah,
metodologi peneletian, dan sistematika penulisan.
BAB II STUDI PUSTAKA
Bab ini menjelaskan tentang perkembangan metode peramalan beban, fuzzy
logic dan subtractive clustering.
BAB III METODOLOGI PENULISAN
Bab ini berisikan tentang metoda algoritma Fuzzy Subtractive Clustering.
BAB IV HASIL DAN ANALISIS
Bab ini membahas tentang hasil
DAFTAR PUSTAKA
Choobeh, A. K. (2012). Short Term Load Forecasting for Shiraz Region Using
Adaptive Back Propagation Neural Network, 22 (Iccms), 5457.
Mulyadi, Y., & Abdullah, A. G. (2009). Estimasi Beban Puncak Harian Berbasis
Algoritma Self Organizing Map (SOM) A1-58, (2), 5761.
Wibowo, H., Mulyadi, Y., & Abdullah, A. G. (2012). Peramalan Beban Listrik
Jangka Pendek Terklasifikasi Berbasis Metode Autoregressive Integrated
Moving Average, 11(2), 4450.
BIODATA MAHASISWA
Nama
NIM
Program Studi/Departemen
Konsentrasi
Alamat
Nomor Kontak
E-mail
: Renda Agung
: 1104246
: Pendidikan Teknik Elektro
: Pendidikan Teknik Tenaga Elektrik
: Jalan Kapt. Abdul Hamid No. 9/167D Kelurahan
Ledeng Kecamatan Cidadap Bandung
: 085861848096 - 081322551628
: renda.agung@student.upi.edu