APLIKASI PREDIKSI BEBAN PUNCAK HARIAN TRAFO GARDU INDUK MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION DENGAN MOMENTUM DAN ALGORITMA INISIALISASI NGUYEN WIDROW (STUDI KASUS : DISTRIBUTION CONTROL CENTRE SEMARANG)

Abstract

Dalam memberikan pemenuhan kebutuhan listrik kepada pengguna, Perusahaan Listrik Negara (PLN) masih menghadapi masalah untuk menghasilkan daya listrik yang sesuai dengan kebutuhan pengguna. Salah satu faktor pengukur kebutuhan listrik adalah titik maksimal penggunaan listrik. Titik maksimal penggunaan listrik dapat diukur melalui beban puncak listrik. Pada tugas akhir ini, peramalan beban puncak harian diimplementasikan menggunakan jaringan saraf tiruan backpropagation dengan momentum dan algoritma inisialisasi nguyen widrow sebagai masukan pemberian keputusan dalam penyediaan kebutuhan listrik yang dilakukan oleh PLN. Tugas akhir ini mengambil studi kasus pada Distribution Control Centre Semarang. Terdapat dua kategori waktu beban puncak harian yaitu pukul 10.00 WIB dan 19.00 WIB. Hasil penelitian menunjukkan bahwa arsitektur jaringan terbaik untuk beban puncak harian pukul 10.00 WIB adalah laju pembelajaran 0.09, hidden neuron 9, momentum 0.9, maksimum epoch 30000, toleransi error 0.0001 yang menghasilkan Mean Square Error (MSE) pelatihan 0.00134, MSE pengujian 0.00481, Mean Absolute Percentage Error (MAPE) pengujian 5.96145% dan akurasi pengujian 94.03855%. Sedangkan untuk arsitektur jaringan terbaik untuk beban puncak harian pukul 19.00 WIB adalah laju pembelajaran 0.2, hidden neuron 14, momentum 0.8, maksimum epoch 5000, toleransi error 0.0001 yang menghasilkan MSE pelatihan 0.00089, MSE pengujian 0.01325, MAPE pengujian 6.78821 % dan akurasi pengujian 93.21179 %.