REVIEW
JURNAL NEURAL NETWORK
Judul :
Implementasi Neural Network pada Matlab untuk Prakiraan Konsumsi Beban Listrik
Kabupaten Ponorogo Jawa Timur
Penulis : Niswatul Arifah T, Agus Murnomo, dan Agus
Suryanto
Review :
Pendahuluan
Seiring
berjalannya waktu serta peningkatan populasi dan keragaman aktivitas manusia di
dunia, dapat mempengaruhi meningkatnya kebutuhan energi listrik dengan
permintaan yang tidak sama dalam setiap tahunnya. Pengusahaan ketersediaan
energi listrik merupakan masalah komplek, energi listrik tidaklah praktis untuk
disimpan maka listrik yang sudah dihasilkan harus langsung disalurkan ke
konsumen. Sedangkan secara umum, perusahaan penyedia energi listrik akan
menerima kesalahan peramalan sebesar 10 % untuk ramalan jangka panjang. Minimalisasi
kesalahan dalam prakiraan dapat dilakukan dengan pemilihan metode yang tepat
dan alat bantu hitung, khususnya menggunakan teknologi komputer. Penggunaan
komputer selain mempermudah juga meningkatkan ketelitian dalam penghitungan.
Berdasarkan pada pemaparan mengenai prakiraan konsumsi beban dan teknologi
komputer, penelitian ini ingin mengaplikasikan salah satu program yang
digunakan untuk mempermudah penghitungan yaitu Matlab dengan memanfaatkan salah
satu fungsi neural network untuk
memperkirakan konsumsi beban listrik. Neural Network atau Jaringan
Syaraf Tiruan (JST) memiliki kemampuan untuk belajar dari contoh yang
diberikan. JST juga memiliki keakuratan tinggi dengan syarat data yang
dimasukkan memenuhi syarat jumlah dan validitas tinggi.
Metode Penelitian
Jenis penelitian
ini merupakan penelitian eksperimen yang digunakan untuk mencari pengaruh
perlakuan tertentu. Model ini mengambil proses dasar seperti studi pustaka,
proses prakiraan, data hasil penelitian, dan analisis data penelitian.
Penelitian dilakukan dengan menggunakan
data beban listrik Kabupaten Ponorogo mulai dari bulan Januari 2014 – Desember
2016, data tersebut diperoleh dari PLN APJ Ponorogo. Algoritma prakiraan
kebutuhan konsumsi beban listrik untuk
bulan Januari – Juni 2019 dengan menggunakan neural network adalah sebagai berikut :
1. Penyeleksian Data
2. Penentuan Range Pembelajaran
3. Proses Pembelajaran dan Prakiraan
Menggunakan Backpropagation
Terdapat pembelajaran yang bisa diapakai
untuk menjalankan software matlab, setelah menggunakan software matlab lalu
mendapatkan hasil.
Sesuai dengan
garis besar pada tujuan penelitian yaitu melakukan prakiraan konsumsi beban
listrik dengan mengimplementasikan neural network metode backpropagation,
didapatkan hasil prakiraan untuk tahun 2019 yang ditunjukkan pada Tabel II.
Hasil dari prakiraan ini diharapkan dapat membantu memperbaiki pelayanan dan
ketersediaan energi listrik oleh penyedia energi listrik. Tabel II menunjukkan hasil yang meningkat
setiap bulannya, rata- rata peningkatan yang terjadi adalah 0,45%.
Hasil Prakiraan
Berdasarkan
histori data yang didapat terdapat data yang tidak dipergunakan pada saat
melakukan input, data bulan yang digunakan sebagai acuan pembelajaran yang
seharusnya adalah 35 bulan selama tahun 2014-2016, dari 35 bulan tersebut tidak
secara keseluruhan digunakan, data bulan Januari 2014 tidak dapat digunakan
karena data beban listrik untuk PLN Rayon kota Ponorogo tidak tersedia. Jika
data yang tidak tersedia tetap dimasukkan dalam proses pembelajaran maka akan
mengganggu jalannya prakiraan karena selisih yang terlampau jauh. Data lengkap
sangatlah dibutuhkan dalam perhitungan metode jaringan syaraf tiruan, namun
pengumpulan data yang digunakan pada suatu penelitian tidak jarang
diketemukannya missing data yang dapat mengakibatkan munculnya masalah serius
seperti terhambatnya proses pelatihan serta kurang akuratnya hasil yang didapat
ketika melakukan prediksi. Berdasarkan histori data yang di dapat kemudian
diolah menggunakan software Matlab R2007b, didapatkan hasil yang membuktikan
bahwa neural network dalam software aplikasi Matlab R2007b dapat digunakan
sebagai salah satu variasi metode untuk melakukan prakiraan beban listrik
jangka panjang.
Akurasi dengan
MSE
Sebelum
melakukan analisis prakiraan konsumsi beban listrik dengan menggunakan software
Matlab R2007b dilakukan pengujian akurasi. Perbandingan nilai MSE dapat dilihat
pada Tabel III.
Untuk mendapatkan
hasil dengan tingkat akurasi yang baik maka dilakukan dengan cara membandingkan
hasil pembelajaran atau pelatihan jaringan dengan data target yang diinginkan
sehingga ditemukan nilai MSE. Dari hasil yang didapat dari beberapa pelatihan
jaringan didapatkan nilai terkecil MSE adalah 0,7.
Kesimpulan
1. Prakiraan kebutuhan
beban listrik Kabupaten Ponorogo untuk tahun 2019 dapat diprediksikan
menggunakan software Matlab R2007b dengan memanfaatkan neural network. Software Matlab R2007b dapat
menjadi salah satu variasi metode untuk melakukan prakiraan kebutuhan konsumsi
beban listrik jangka panjang.
2.
Analisis prakiraan konsumsi beban listrik menggunakan software aplikasi Matlab
didapatkan hasil pada bulan Januari – Desember 2019 secara berturut-turut diprediksi
akan mencapai 258,8 MVA, 260,1 MVA, 261,2 MVA, 262,1 MVA, 262,7 MVA dan 263,3
MVA, 265,2 MVA, 266,5 MVA, 267,9 MVA, 269,3 MVA, 270,8 MVA, dan 272,1 MVA.
Peningkatan kebutuhan beban rata-rata 0,45% setiap
bulannya dengan nilai MSE 0,7%.
