Implementasi ANFIS Dalam Prakiraan Konsumsi Energi Listrik Di Kota Medan Pada Tahun 2030

Yoga Tri Nugraha, Kelvin Ghabriel, Iman Faisal Dharmawan

Abstract


Abstrak Konsumsi energi listrik di Kota Medan semakin meningkat dari tahun ke tahun. Faktor penyebab peningkatan tersebut adalah pertumbuhan penduduk, pertumbuhan ekonomi (PDRB HK 2010) dan industri. Untuk memenuhi kebutuhan konsumsi energi listrik di kota Medan yang dimana setiap tahunnya meningkat. Pada penelitian ini dilakukan prakiraan konsumsi energi listrik selama 10 tahun kedepan yaitu pada tahun 2030 di Kota Medan. Untuk mendukung prakiraan konsumsi energi listrik ini memerlukan metode yang handal atau tingkat keberhasilannya mendekati dengan hasil aslinya yaitu metode ANFIS (Adaptive Neuro Fuzzy Inference System). Hasil prakiraan konsumsi energi listrik di Kota Medan pada tahun 2030 sebesar 3476,90 GWh atau meningkat 5,99 % setiap tahunnya. Metode ANFIS ini memiliki tingkat kesalahan (MAPE) sebesar 0,0059 % dari hasil realisasi atau prakiraan konsumsi listrik yang dibuat oleh PT. PLN (Persero).

Kata kunci : Prakiraan Konsumsi Energi Listrik, Penduduk, Ekonomi PDRB HK 2010, Industri, ANFIS

Abstract The consumption of electrical energy in the Medan city is increasing from year to year. Factors causing this increase are population growth, economic growth (GDP HK 2010) and industry. To meet the needs of electrical energy consumption in the Medan city which is increasing every year. In this study, an estimate of electrical energy consumption for the next 10 years, namely in 2030 in the Medan city, was carried out. To support this electrical energy consumption forecast, a reliable method or the success rate is close to the original result, namely the ANFIS (Adaptive Neuro Fuzzy Inference System) method. The result of the forecasted electrical energy consumption in Medan City in 2030 is 3476.90 GWh or an increase of 5.99% every year. This ANFIS method has an error rate (MAPE) of 0.0059% of the realization or forecast of electricity consumption made by PT. PLN (Persero).

Keywords : Forecast of Electrical Energy Consumption, Population, Economy GDP HK 2010, Industry, ANFIS

Keywords


Forecast of Electrical Energy Consumption, Population, Economy GDP HK 2010, Industry, ANFIS

References


A. Hasibuan and W. V. Siregar, Prakiraan Kebutuhan Energi Listrik Kota Subulussalam Sampai Tahun 2020 Menggunakan Metode Analisis Regresi, R E L E (Rekayasa Elektr. dan Energi) J. Tek. Elektro, vol. 1, pp. 04, 2019.

P. Agung, D. Hartono, and A. A. Awirya, Pengaruh Urbanisasi Terhadap Konsumsi Energi Dan Emisi CO2: Analisis Provinsi di Indonesia, J. Ekon. Kuantitatif Terap., pp. 918, 2018.

R. Finata, Prakiraan Konsumsi Energi Listrik Di Sumatera Utara Pada Tahun 2025 Menggunakan Metode Regresi Dalam Aplikasi Simple E, Tugas Akhir UMSU, 2015.

I. Haimi, Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode ANFIS, UINSUSKA, 2010.

A. Azadeh, M. Saberi, V. Nadimi, M. Iman, and A. Behrooznia, An Integrated Intelligent Neuro-Fuzzy Algorithm for Long-Term Electricity Consumption: Cases of Selected EU Countries, Acta Polytech. Hungarica, vol. 7, no. 4, pp. 7190, 2010.

L. K. Widyapratiwi, I. P. A. Mertasana, and I. G. D. Arjana, Peramalan Beban Listrik Jangka Pendek Di Bali Menggunakan Pendekatan Adaptive Neuro Fuzzy Inference System, Teknol. Elektro, vol. 11, no. 1, 2012.

Y. T. Nugraha, M. F. Zambak, dan A. Hasibuan, Perkiraan Konsumsi Energi Listrik Di Aceh Pada Tahun 2028 Menggunakan Metode Adaptive Neuro Fuzzy Inference System, CESS, vol. 5, no. 1, pp. 104-108, 2020.

Y. T. Nugraha, Analisis Perkiraan Konsumsi Energi Listrik Di Sumatera Utara Pada Tahun 2032 Menggunakan Metode Adaptive Neuro Fuzzy Inference System, Tesis, UMSU, 2019.

E. G. Dennis, T. Utomo, dan L. Ardheta, Studi Perbandingan Peramalan Kebutuhan Energi Listrik Indonesia Menggunakan ANN dan ANFIS, Semnas. Teknik Elektro, Fortei, pp. 111-115, 2018.

I. Sampurna, Analisis dan Peramalan Konsumsi Energi Listrik Dengan Metode Adaptive Neuro Fuzzy Inference System (ANFIS) di Area Kabupaten Banyumas, Skripsi, UNSOED, 2020.




DOI: https://doi.org/10.30596/rele.v4i1.7826

Refbacks

  • There are currently no refbacks.