PENERAPAN METODE BACKPROPAGATION DALAM PERAMALAN BEBAN TRAFO DAYA HARIAN GARDU INDUK PADA PT.PLN (PERSERO) UP3 PEMATANG SIANTAR
Kata Kunci:
Jaringan Saraf Tiruan, Beban Trafo, BackpropagationAbstrak
PT PLN (Persero) merupakan salah satu penyedia jasa ketenagalistrikan yang selalu terhubung erat dengan masyarakat, karena merupakan produk yang selalu dibutuhkan masyarakat untuk kebutuhan sehari-hari. Perkembangan saat ini, terkait dengan pertumbuhan jumlah penduduk, kemajuan teknologi dan informasi, mengharuskan PLN untuk meningkatkan jumlah kebutuhan energi. Oleh karena itu, diperlukan langkah-langkah strategis untuk memprediksi beban lebih trafo. Penelitian ini membahas prediksi beban transformator harian berdasarkan data yang tersedia pada laporan real-time UP2D di Sumatera Utara pada bulan Juni 2023. Algoritma yang digunakan untuk prediksi adalah jaringan syaraf tiruan membuat propagasi balik. Algoritma backpropagation ini menggunakan lima model arsitektur diantaranya 29-15-1, 29-30-1, 29-40-1, 29-50-1 dan 29-65-1. Diantara kelima model arsitektur yang digunakan, dipilih arsitektur terbaik yaitu 29-50-1 yang mempunyai akurasi sebesar 87.50%, MSE 0.000996722 dan MSE yang digunakan sebesar 0.002 - 0.29. Oleh karena itu, model arsitektur ini cukup efektif untuk beban transformator berdasarkan data beban penyulang.
Unduhan
Referensi
Imelda Asih Rohani Simbolon, Fikri Yatussa’ada, & Anjar Wanto. (2018). Penerapan Algoritma Backpropagation dalam Memprediksi Persentase Penduduk Buta Huruf di Indonesia. 4(2), 23.
Ismanto, E., Effendi, N., & Cynthia, E. P. (2018). Implementation of Backpropagation Artificial Neural Networks to Predict Palm Oil Price Fresh Fruit Bunches. IJISTECH (International Journal Of Information System & Technology), 2(1), 26. https://doi.org/10.30645/ijistech.v2i1.17
Maiyuriska, R. (2022). Penerapan Jaringan Syaraf Tiruan dengan Algoritma Backpropagation dalam Memprediksi Hasil Panen Gabah Padi. Jurnal Informatika Ekonomi Bisnis, 4, 28–33. https://doi.org/10.37034/infeb.v4i1.115
Nugroho, P. (2021). Prediksi Nasabah Bank Menggunakan Algoritma Backpropagation. Jurnal Mahasiswa Aplikasi Teknologi …, 3(3), 89–94.
Purba, R. A., Irawan, E., & Sembiring, R. W. (2020). Jaringan Syaraf Tiruan Untuk Memprediksi Volume Pemakaian Air Pt . Sarana Catur Tirta Kelola Serang Banten Dengan Metode Backpropagation. Prosiding Seminar Nasional Riset Dan Information Science (SENARIS), 2, 287–292.
Siregar, S. P., Wanto, A., & Nasution, Z. M. (2018). Analisis Akurasi Arsitektur JST Berdasarkan Jumlah Penduduk Pada Kabupaten / Kota di Sumatera Utara. Sensasi 2018, Juli, 526–536.
Thoriq, M. (2022). Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation. Jurnal Informasi Dan Teknologi, 4, 27–32. https://doi.org/10.37034/jidt.v4i1.178
Windarto, A. P. (2017). Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropogation. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 1(1), 12. https://doi.org/10.30645/j-sakti.v1i1.25
Windarto, A. P., Dewi, L. S., & Hartama, D. (2017). Implementation of Artificial Intelligence in Predicting the Value of Indonesian Oil and Gas Exports With BP Algorithm. International Journal of Recent Trends in Engineering and Research, 3(11), 1–12. https://doi.org/10.23883/ijrter.2017.3484.j5bbs
Yalidhan, M. D. (2018). Implementasi Algoritma Backpropagation Untuk Memprediksi Kelulusan Mahasiswa. Klik - Kumpulan Jurnal Ilmu Komputer, 5(2), 169. https://doi.org/10.20527/klik.v5i2.152
Yessa, A. R., & Hardjianto, M. (2020). Prediction of Water Use Using Backpropagation Neural Network Method and Particle Swarm Optimization. Bit-Tech, 2(3), 0148–0157. https://doi.org/10.32877/bt.v2i3.158