Implementasi Fuzzy
Implementasi Fuzzy
2. 3.
aplikasi sistem cerdas dapat dilakukan dalam memperkirakan beban listrik Merujuk pada latar belakang sebelumnya, maka penulis bertujuan
menggunakan Jaringan Syaraf Tiruan, Logika Fuzzy, Algoritma Genetika, melakukan penelitian mengenai implementasi logika Fuzzy dalam
dan kolaborasi antara beberapa kecerdasan buatan atau dikenal dengan memprediksi kebutuhan daya jangka pendek dengan beban dan suhu
Hybrid System seperti Genetic Algorithm Neural Network dan Fuzzy sebagai faktor yang mempengaruhi
Artificial Neural Network
4.
1. Kota Padang berada wilayah dataran rendah sehingga
memiliki cuaca cenderung panas . Hal ini tentunya
PT. PLN (Persero) sebagai penyedia listrik harus mampu
sangat mempengaruhi jumlah konsumsi listrik. Saat
memperkirakan kebutuhan listrik untuk pelanggan.
cuaca panas, konsumsi listrik yang digunakan untuk
pendingin ruangan cenderung meningkat, sedangkan
saat cuaca hujan dan dingin, konsumsi listrik untuk
pendingin ruangan cenderung lebih sedikit
www.rapidppt.com
Rumusan Masalah Tujuan
www.rapidppt.com
Batasan Masalah
www.rapidppt.com
Penelitian Terkait
Penulis : Tri Handayani, Atmam, Studi Perkiraan Kebutuhan Energi Logika Fuzzy Pertumbuhan Produk Domestik
5 Masnur Putra Halilintar. Listrik di Kota Dumai Sampai Tahun Mamdani Regional Bruto (PDRB), Pertumbuhan
www.rapidppt.com
Tahun : 2019 2025 Dengan Metoda Fuzzy Logic penduduk
PERAMALAN BEBAN LISTRIK
LOGIKA FUZZY
Peramalan beban adalah teknik dasar yang
digunakan dalam memprediksi daya yang Untuk penelitian ini digunakan metode logika
dibutuhkan untuk mencapai keseimbangan Fuzzy mamdani. Metode Mamdani sering juga
antara daya pembangkit dan beban dikenal dengan nama Metode Max-Min.
permintaan. Banyak manfaat yang dapat
diperoleh dengan menggunakan peramalan Alasan digunakan metode ini adalah karena
beban, seperti pengurangan biaya metode mamdani dapat mendeskripsikan
pembangkitan dan peningkatan keandalan pendapat pakar secara lebih intuitif dan seperti
sistem tenaga karena perbaikan manajemen manusia sehingga lebih mudah dimengerti
energi daripada metode yang lain meskipun ada beban
komputasi yang besar
1. Peramalan Beban Jangka Panjang (Long
Term Load forecasting) Sistem inferensi Fuzzy memiliki empat
2. Peramalan beban jangka menengah (Mid komponen, yaitu: fuzzifier, inference engine, rule
Term Load forecasting) base dan defuzzifier
3. Peramalan beban jangka Pendek (Short
Term Load forecasting)
www.rapidppt.com
Metodologi Penelitian
www.rapidppt.com
Pengolahan Data
5 12 12 19
Untuk pengolahan data pada penelitian ini data 1 Senin 5 September
September September September September
beban listrik dibagi dalam 2 kategori, yaitu data 6 13 13 20
2 Selasa 6 September
2 minggu pertama digunakan sebagai pijakan September September September September
ramalan dan data minggu ketiga digunakan 3 Rabu 7 September
7 14 14 21
September September September September
sebagai data pembanding dengan hasil ramalan.
8 15 15 22
Untuk mendapatkan peramalan pada waktu 4 Kamis 8 September
September September September September
yang dituju, data yang menjadi acuannya adalah 9 16 16 23
5 Jumat 9 September
data di hari dan jam yang sama September September September September
10 10 17 17 24
6 Sabtu
September September September September September
11 11 18 18 25
7 Minggu
September September September September September
www.rapidppt.com
Fuzzifikasi
www.rapidppt.com
Variabel & himpunan Fuzzy
Semesta
Variabel Himpunan Fuzzy Domain
Pembicaraan
Semesta
Variabel Himpunan Fuzzy Domain
Pembicaraan
Sejuk 19.27 - 25.53
Normal 22.4 - 28.67
Suhu 19.27 – 34.93
Hangat 25.53 - 31.8
Panas 28.67 - 34.93
www.rapidppt.com
Menghitung Derajat Keanggotaan
www.rapidppt.com
Derajat
Hari Variabel Himpunan
Keanggotaan
Minimum 0
Sangat Kecil 0
Kecil 0
Jumat, 9 September
Beban 1 Medium 0.83
Besar 0.17
Sangat Besar 0
Maximum 0
Beban 1 Beban 2 Suhu 1 Suhu 2 Sejuk 0
Normal 0.66
58.7 MW 60 MW 26.6 oC 25.6 oC Suhu 1
Hangat 0.34
Panas 0
Minimum 0
Sangat Kecil 0
Kecil 0
Jumat, 16 September
Beban 2 Medium 0.65
Besar 0.35
Sangat Besar 0
Maximum 0
Sejuk 0
Normal 0.98
Suhu 2
Hangat 0.02
Panas 0
www.rapidppt.com
Rule
www.rapidppt.com
Fungsi Implikasi
www.rapidppt.com
Fungsi Implikasi
www.rapidppt.com
Fungsi Implikasi
www.rapidppt.com
Komposisi Aturan
www.rapidppt.com
Komposisi Aturan
0.65 Besar
0.17
0
50.13 64.77 72.08
0.17 54.89 60.01
0 58.69 70.83
50.13 64.77 72.08
54.89 60.01
58.69 70.83
www.rapidppt.com
Metode Deffuzifikasi
Metode Centroid
Pada metode ini, solusi crisp diperoleh
dengan cara mengambil titik pusat (z*) Metode Mean of
daerah Fuzzy Maximum (MOM)
5
1 𝑧µሺ𝑧ሻ𝑑𝑧 solusi crisp diperoleh dengan cara
𝑧= 5
1 µሺ𝑧ሻ𝑑𝑧 mengambil nilai rata rata domain
yang memiliki nilai keanggotaan
maksimum
Metode Bisector
solusi crisp diperoleh dengan cara
mengambil nilai pada domain Fuzzy yang Metode Small of
memiliki nilai keanggotaan setengah dari Maximum (SOM)
jumlah total nilai keanggotaan pada daerah solusi crisp diperoleh dengan cara
Fuzzy mengambil nilai terkecil dari domain
yang memiliki nilai keanggotaan
maksimum
www.rapidppt.com
Metode Centroid
www.rapidppt.com
Metode Bisector
1
Medium
Pada metode Bisector, solusi crisp diperoleh dengan cara
mengambil nilai pada domain Fuzzy yang memiliki nilai 0.65
keanggotaan setengah dari jumlah total nilai keanggotaan
pada daerah Fuzzy. Dari luas total daerah Fuzzy, dapat
diperkirakan separoh dari nilai total keanggotaannya Besar
2 3
berada pada daerah kedua dengan fungsi keanggotaan 0.17 1
0.65 dan domain 54.89 – 60.01. Sehingga merujuk pada 0 4 5
persamaan 50.13 72.08
54.89 60.01 63.52 70.83
Metode Mean of Maximum (MOM)
memilih ‘Rules’ pada menu Edit atau memilih ‘Rules’ pada menu Untuk mengganti metode
dengan menekan Ctrl+3 pada keyboard View atau dapat dilakukan Defuzzifikasi dilakukan pada jendela
dengan menekan Ctrl + 5 awal Fuzzy Logic Editor dan ubah
pada keyboard metode pada bagian Defuzzifikasi
pada bagian pojok kiri bawah
MAPE
www.rapidppt.com
Hasil
23/09/2022 Metode
Waktu
Beban Error Error Error
(WIB) Centroid Bisector MOM SOM
Aktual(MW) Centroid Bisektor MOM Error SOM
0:00 49.2 50.8 3.25 50.4 2.44 50.2 2.03 46.5 5.49
1:00 47.8 49.7 3.97 50 4.60 50.2 5.02 47.4 0.84
2:00 46.6 49.5 6.22 49.5 6.22 50.2 7.73 47.8 2.58
3:00 45.8 48.6 6.11 48.7 6.33 50.2 9.61 46.5 1.53
4:00 44.5 46.1 3.60 46 3.37 42.7 4.04 38.1 14.38
5:00 44.3 46.6 5.19 46.9 5.87 50 12.87 45.6 2.93
6:00 46.3 47 1.51 47.8 3.24 50.2 8.42 46.9 1.30
7:00 49.1 52.5 6.92 52.6 7.13 53.9 9.78 46 6.31
8:00 57.6 57.5 0.17 57.5 0.17 57.5 0.17 55.3 3.99
9:00 60.9 64.3 5.58 60.1 1.31 65.5 7.55 56.6 7.06
10:00 65.4 67.3 2.91 68 3.98 73.7 12.69 68 3.98
11:00 69.1 67.3 2.60 67.1 2.89 77.9 12.74 76.3 10.42
12:00 66.9 71.2 6.43 72.8 8.82 78.5 17.34 77.6 15.99
13:00 71.1 70.2 1.27 70.2 1.27 78.3 10.13 77.2 8.58
14:00 73 69.8 4.38 69.7 4.52 78.1 6.99 76.8 5.21
15:00 72.9 69.2 5.08 69.3 4.94 72.2 0.96 67.1 7.96
16:00 69.6 68.3 1.87 67.1 3.59 64.7 7.04 61.8 11.21
17:00 66.1 64.9 1.82 62.7 5.14 64.6 2.27 54.4 17.70
18:00 65.3 64.6 1.07 61 6.58 65.2 0.15 56.1 14.09
19:00 69.1 65.1 5.79 64.9 6.08 64.7 6.37 62.3 9.84
20:00 66.1 64.9 1.82 64.5 2.42 64.7 2.12 60.5 8.47
21:00 61.2 64.2 4.90 64.5 5.39 64.7 5.72 61.4 0.33
22:00 59.5 59.5 0.00 58.3 2.02 57.5 3.36 55.3 7.06
23:00 55.2 55.5 0.54 56.1 1.63 57.5 4.17 53.9 2.36
MAPE 3.46 4.17 6.64 7.07
www.rapidppt.com
Nilai rata-rata MAPE prediksi selama satu minggu
Rata-Rata MAPE
12.00
10.08
10.00
8.00
6.18
Metode 6.00 4.82
%
4.28
Hari Centroid Bisector SOM 4.00
MOM (%)
(%) (%) (%)
2.00
Senin 3.72 3.02 3.51 4.84 0.00
Centroid Bisektor MOM SOM
Selasa 6.01 6.02 5.45 9.43
Metode Defuzzifikasi
Rabu 7.30 7.84 8.66 16.98
Kamis 3.15 3.03 5.22 12.79
Jumat 3.46 4.17 6.64 7.07
Sabtu 2.93 6.16 9.57 10.02
Minggu 3.38 3.48 4.19 9.45
Rata-rata 4.28 4.82 6.18 10.08
Dari hasil percobaan dapat diketahui
bahwa hasil prediksi beban menggunakan
logika Fuzzy Mamdani menunjukan nilai
yang sedikit berbeda dari beban aktual
namun tetap dapat mengikuti kenaikan dan
penurunan beban aktual dengan baik. Hasil penelitian yang telah dilakukan
Grafik hasil prediksi beban yang paling menunjukan bahwa peramalan daya listrik
mendekati beban aktual ditunjukan oleh jangka pendek menggunakan metode Fuzzy
metode Centroid, lalu diikuti oleh metode mamdani memberikan hasil lebih baik
Bisector, MOM, dan SOM menggunakan metode defuzzifikasi Centroid
dibandingkan dengan ketiga metode lainnya.
Metode dengan defuzzifikasi Bisector juga
menunjukan nilai MAPE yang tidak terlalu
berbeda jauh dari metode Centroid,
sehingga metode ini dapat dijadikan pilihan
kedua sebagai metode alternatif dalam
memprediksi daya listrik jangka pendek
www.rapidppt.com
Kesimpulan
Suhu permukaan bumi dapat menjadi salah satu faktor yang mempengaruhi jumlah
kebutuhan daya listrik. Semakin tinggi suhu permukaan bumi, kebutuhan daya listrik
cenderung meningkat.
www.rapidppt.com
Kesimpulan
Telah dilakukan simulasi model Fuzzy Interface System menggunakan MATLAB R2015a dalam
memprediksi daya listrik jangka pendek menggunakan metode Fuzzy mamdani dan
memberikan hasil yang lebih baik menggunakan metode defuzzifikasi Centroid dan Bisector.
Rata-rata MAPE terkecil untuk hasil peramalan daya listrik jangka pendek untuk hari Senin-
Minggu menggunakan Fuzzy Mamdani didapatkan dengan metode Centroid yaitu 4.28% dan
diikuti oleh metode Bisector dengan nilai rata-rata MAPE 4.82%. Sedangkan nilai MAPE
terbesar didapatkan dari hasil prediksi menggunakan metode SOM yaitu 10.8%.
Prediksi kebutuhan daya listrik jangka pendek dapat dilakukan dengan menggunakan input
data historis penggunaan beban listrik sebelumnya dan data historis suhu permukaan bumi.
www.rapidppt.com
Saran
Untuk mendapatkan hasil prediksi daya listrik jangka pendek dengan tingkat keakuratan lebih
baik dapat dicoba dengan metode lain dan dapat dilakukan perbandingan terhadap metode
prediksi terdahulu. Penelitian yang sama juga dapat dilakukan menggunakan variabel lain yang
mempengaruhi penggunaan listrik
www.rapidppt.com
TERIMA KASIH
18 Januari 2023