5
5
Kata Kunci : Peramalan Beban Listrik, Peramalan Jangka Pendek, Fuzzy,Relational, Fuzzy
Time Series
ABSTRACT
Electricity is one of human basic needs in modern era. The real value of electricity power
consumption cannot be calculated in exact way. The undetermined and unpredicted amount of
electricity power consumption will affect readiness of the power plant. Therefore, short term
electricity load forecasting on electricity power system is needed.
Short term electricity load forecasting method on this paper is using fuzzy time series.
Forecasting model using fuzzy time series later will be compared with moving average
forecasting model. Both models later will used to forecasting short term electricity load on
Lombok electricity system with electricity load data during October 2013.
Short term electricity load forecasting during august 2014 using fuzzy time series error
average is 5.31%, while using moving average method is 6.99%.
Keywords : short time electricity load forecasting, short term forecasting, fuzzy relational, fuzzy
time series
1
Jurusan Teknik Elektro, Fakultas Teknik Universitas Mataram, Nusa Tenggara Barat, Indonesia
Email: 1iamcandradewi@yahoo.com,
46 Dielektrika, 3 (1),Pebruari 2016
konsumen listrik dengan pendekatan hari Perbedaan antara nilai yang diprediksi
yang sama berdasarkan metoda fuzzy time dengan nilai aktualnya akan menghasilkan
series. besar kesalahan sehingga setiap
peramalan seharusnya juga menyertakan
Peramalan Beban. Pada dasarnya ramalan estimasi kesalahan yang dapat diukur
merupakan suatu dugaan atau perkiraan atas sebagai tingkat kepercayaan, dapat
terjadinya kejadian di waktu mendatang. berupa presentase dari peramalan sebagai
Ramalan bisa bersifat kualitatif maupun rentang nilai minimun dan maksimum.
kuantitatif. Ramalan kualitatif tidak berbentuk 3. Peramalan akan lebih akurat untuk
angka sedangkan ramalan kuantitatif kelompok atau grup. Perilaku dari
dinyatakan dalam bentuk angka atau individual dalam sebuah grup memiliki sifat
bilangan. Menurut jangka waktunya, yang lebih acak bahkan ketika grup
peramalan dibagi menjadi 3 periode, sesuai tersebut berada dalam keadaan stabil.
dengan materi yang diramalkannya. Dalam 4. Peramalan lebih akurat untuk jangka waktu
peramalan beban listrik, periode peramalan yang lebih dekat. Kebanyakan orang lebih
dibagi menjadi 3 yaitu: yakin untuk meramalkan apa yang akan
a. Peramalan Jangka Panjang ( Long Term mereka lakukan minggu depan dibanding
Forecasting) meramalkan apa yang akan mereka
Merupakan peramalan yang lakukan tahun depan. Karena masa depan
memperkirakan keadaan dalam waktu yang lebih jauh memiliki nilai
beberapa tahun ke depan. Tujuannya ketidakpastian yang tinggi dibandingkan
adalah untuk dapat mempersiapkan masa depan dalam jangka waktu pendek.
ketersediaan unit pembangkit, sistem
transmisi serta distribusi. Tahap Peramalan. Dalam menyusun
b. Peramalan Jangka Menengah ( Mid Term perancangan metode peramalan diperlukan
Forecasting) beberapa tahap yang harus dilalui yaitu:
Merupakan peramalan dalam jangka waktu 1. Menentukan jenis data yang digunakan
bulanan atau mingguan. Tujuannya untuk dan melakukan analisis pola data dan
mempersiapkan jadwal persiapan dan karakteristik yang dimilikinya.
operasional sisi pembangkit. 2. Memilih metode peramalan yang
c. Peramalan Jangka Pendek ( Short Term digunakan.
Forecasting) 3. Menentukan parameter-parameter yang
Merupakan peramalan dalam jangka waktu dapat membantu meningkatkan akurasi
harian hingga setiap jam. Biasa digunakan dari metode peramalan yang telah
untuk studi perbandingan beban listrik ditentukan agar presentase errornya dapat
perkiraan dengan aktual diperkecil.
(realtime). 4. Mengaplikasikan data-data acuan kedalam
metode yang telah ditentukan
Metode Peramalan Beban Jangka Pendek.
Sejumlah besar variasi teknik statistik Sistem Kelistrikan Lombok. Sistem
dan artificial intelegence telah dikembangkan Kelistrikan Lombok memiliki 5 pusat
sebagai metode peramalan jangka pendek pembangkit tenaga listrik yang terdiri dari 4
antara lain : (a).Similar Day Approach ( Pembangkit Listrik Tenaga Diesel (PLTD) dan
Pendekatan Hari yang Sama), (b). Metode 1 Pembangkit Listrik Tenaga Uap (PLTU).
Regresi, (c). Time series, (d) Neural Network Sistem kelistrikan Lombok juga memiliki 5
(Jaringan Syaraf), (e). Logika Fuzzy dan mesin sewa tenaga diesel yang digunakan
Suppor Vector Machines untuk memenuhi kebutuhan beban listrik
pulau Lombok. Daya mampu pembangkit
Karakteristik Prinsip Peramalan. Peramalan yang dihasilkan sebesar 215 MW sedangkan
memiliki empat karakteristik atau prinsip. untuk beban puncak tertinggi pulau Lombok
Dengan memahami prinsip-prinsip membantu yaitu 207 MW. Kelebihan daya yang tersedia
agar mendapatkan peramalan yang lebih digunakan apabila terjadi perawatan atau
efektif. perbaikan pada salah satu pembangkit.
1. Peramalan biasanya salah. Dalam Beban puncak untuk Sistem Kelistikan
kegiatan peramalan kesalahan adalah hal Lombok subuh terjadi pada pukul 05:30-
yang wajar karena masa depan yang tidak 06:00, untuk siang hari terjadi pada pukul
diketahui oleh siapa pun. 12:00-14:00 dan untuk malam hari sekitar
2. Setiap peramalan seharusnya pukul 19:30-20:00.
menyertakan estimasi kesalahan (error).
Ida Ayu Mas C.D., I M. Ari Nrartha, I Made Budi S.: Peramalan Beban Listrik Jangka Pendek Pada Sistem Kelistrikan 47
Menentukan Fuzzy sets dan Fuzzifikasi. Fuzzy Logic Relationship. Setelah proses
Setelah data beban diinputkan maka dapat fuzzifikasi dilakukan maka dapat dibentuk
ditentukan jumlah fuzzy sets dan fuzzy logic relationship.
fuzzifikasinya.
Tabel 9 Fuzzy Logic Relationship
SARAN
Adapun saran-saran yang dapat
disampaikan peneliti adalah sebagai berikut:
1. Untuk penelitian lebih lanjut dapat
dilakukan studi tentang parameter-
parameter yang mempengaruhi ataupun
Gambar 10 Grafik MAPE MA
data input yang akan digunakan serta
Gambar 10 menunjukkan nilai MAPE rata-rata perancangan model yang sesuai untuk
peramalan MA selama satu tahun, dimana peramalan beban jangka pendek
dari grafik Gambar 10 terlihat bahwa nilai sehingga dapat menghasilkan peramalan
error yang dihasilkan setiap hari (Senin- yang lebih akurat.
Minggu) selama satu tahun (Oktober 2013-
2. Diharapkan penelitian ini nantinya dapat
September 2014) memiliki nilai error yang
diterapkan pada Sistem Kelistrikan
tidak jauh berbeda sehingga dapat dilihat
pada pola yang terbentuk banyak yang Lombok.
berhimpit pada setiap bulan untuk setiap hari.
52 Dielektrika, 3 (1),Pebruari 2016
DAFTAR PUSTAKA
Sabri, Y., 1990, Konsep Rancangan Sistem
Bolturk. Dkk., Electricity Consumption Distribusi dan Peramalan Beban, Tim
Forecasting Using Fuzzy Time Series, Pelaksana Penyelenggaraan Pendidikan
Istanbul Technical University/ Industrial dan Penataran Sarjana Teknik PLN
Engineering, Turkiye. kerjasama PLN-ITB.
Handoko, Bagus., 2009, Peramalan Beban Samira. Dkk., Forecasting Model Based On
Listrik Jangka Pendek pada Sistem Fuzzy Time Series Approach, Faculty of
Kelistrikan Jawa Timur dan Bali Engineering, Garyounis University, Libya.
menggunakan Fuzzy Time Series,
Universitas ITS Surabaya, Surabaya. Satyaning, Dkk., 2011, Peramalan Beban
Listrik menggunakan Genetic Algorithm-
Husen, 2005, Prakiraan Beban Puncak Support Vector Machine (GA-SVM) di PT
Listrik Jangka Pendek menggunakan JST PLN (Persero) Sub Unit Penyaluran dan
(Jaringan Syaraf Tiruan) pada PT. PLN Pusat Pengaturan Beban (P3B) Jawa
(Persero) Unit Pengatur Beban (UPB) IV Timur-Bali, Universitas ITS Surabaya,
Waru. Surabaya.
Kusumadewi, Sri., Analisis dan Desain Zuhal, 1995, Dasar Teknik Tenaga Listrik dan
Sistem Fuzzy Menggunakan Tool Box Elektronika Daya, PT. Gramedia Pustaka
Matlab, Penerbit Graha Ilmu,Yogyakarta. Utama, Jakarta.