Perbandingan Penggunaan Metode Radial Basis Function Network (RBFN) Dari Metode Fuzzy Neural Netwotk (FNN) Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan
Abstrak: Salah satu fungsi
utama perencanaan dan pengoperasian suatu sistem tenaga listrik adalah perkiraan
beban listrik jangka pendek, yaitu perkiraan kebutuhan beban listrik untuk
beberapa jam hingga beberapa hari berikutnya. Keakuratan perkiraan mempunyai
dampak ekonomis terhadap perusahaan listrik. Oleh karena itu diperlukan keakuratan
perkiraan yang baik sehingga ada kesesuaian antara pembangkitan dengan
permintaan daya.
Pada tulisan ini di analisis perkiraan beban jangka pendek dengan
menggunakan metode Radial Basis Function Network (RBFN) yang dibandingkan
dengan metode Fuzzy Neural Network (FNN). Kedua metode ini di aplikasikan untuk
peramalan beban jangka pendek pada Gardu Induk Gondang Wetan Pasuruan sebagai
lokasinya. Digunakannya dua metode ini untuk mengetahui mana diantara kedua
metode tersebut yang paling akurat untuk
memperkirakan beban jangka pendek pada Gardu Induk Gondang Wetan.
Berdasarkan hasil analisis, metode
RBFN lebih baik dari metode FNN. Hal ini dapat dilihat dari MAPE
rata-rata RBFN nilainya lebih kecil dari metode FNN dan juga waktu peramalan
RBFN lebih singkat dari pada metode FNN. Nilai eror rata-rata pada 7 hari peramalan pada tanggal 5 Januari 2008
sampai 11 Januari 2008 untuk RBFN
sebesar 2,058% dan 2.382% untuk FNN.
Kata kunci: Jaringan syaraf
tiruan, Radial basis function network, Fuzzy neural
network, perkiraan beban jangka pendek
Penulis: Rory Asrial, Almizan
Abdullah, dan Irrine B. Sulistiawati
Kode Jurnal: jptlisetrodd110070
