PROYEKSI KEBUTUHAN ENERGI LISTRIK APJ PEKALONGAN TAHUN 2014-2018 MENGGUNAKAN JARINGAN SARAF TIRUAN METODE BACKPROPAGATION DENGAN SOFTWARE MATLAB R2014A

Abstract

Abstrak

Peningkatan akan permintaan energi listrik membuat perusahaan penyedia energi listrik harus memiliki suatu peramalan, agar penyedia energi listrik dapat menyediakan dalam jumlah yang cukup dan harga yang memadai. Hasil peramalan dapat menjadi pertimbangan untuk merencanakan kebijakan yang akan diterapkan pada masa mendatan.

Pada penelitian ini, penulis mencoba membuat sebuah peramalan konsumsi energi listrik untuk mengoptimalkan penyediaan energi listrik. Metode yang digunakan adalah jaringan saraf tiruan Backpropagation dengan menggunakan software Matlab R2014a. Peramalan dilakukan di APJ Pekalongan untuk masa peramalan tahun 2014 hingga 2018. Konsumsi energi pada suatu daerah pada umumnya memiliki karakter tersendiri. Karakter tersebut dapat dipengaruhi beberapa faktor seperti PDRB (Product Domestic Regional Bruto) dan jumlah pelanggan (baik itu Rumah Tangga, Industri, Komersial, dan Umum). Hasil peramalan jaringan saraf tiruan Backpropagation menunjukan kenaikan dari 878.863 KWH pada tahun 2013 menjadi sebesar 1.235.000 MWH pada tahun 2018.  Konsumsi energi listrik mengalami kenaikan sebesar 358.137 MWH dengan kenaikan rata-rata tiap tahunnya sebesar 7,08%.

Kata kunci:   Peramalan Konsumsi Energi Listri, Jaringan Saraf Tiruan Backpropagation, Software Matlab

Abstract

The increasing demand of electric supply force the supplier company to make forecast, as to give the required supply and affordable price. The forecast outcome should be consideration for estimating the policy for futures. In this research, the writer will forecast the electric consumption for energy supplies optimization. Using the method neural network backpropagation and Matlab software R2014a, the forecast will be held at APJ Pekalongan  and  forecast period from 2014 until 2018. The energy consumption for common places usually have their own characteristics. Those characters are affected by factors, such as Gross Domestic Regional Product and consumers quantity (includes household, Industry, Commercial, and public). The forecast of backpropagation neural network shows increasing result from 878.863 KWH year 2013 toa higher 1.236.000 MWH year 2018. The energy consumption experience an increase amount of 358.137 MWH with annually average 7,08%.

Key words:          electric energy demand forecasting, backpropagation neural network, Matlab software,