REVIEW JURNAL METODE NEURAL NETWORK

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%.