Jurnal Teknologi Informasi dan Pendidikan
ISSN 2086-4981

APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK PERAMALAN KONSUMSI ENERGI LISTRIK SAMPAI TAHUN 2020 (Studi Kasus : PT. PLN Cabang Bukittinggi)

Heru Dibyo Laksono
INTISARI

Peramalan konsumsi listrik jangka panjang bertujuan untuk membantu perusahaan listrik dalam pembangunan dan pengembangan fasilitas pembangkitan, transmisi maupun distribusi. Pada penelitian ini studi peramalan konsumsi energi listrik dilakukan dengan jaringan saraf tiruan (JST) Backpropagation.

Jaringan saraf tiruan backpropagation dengan tiga lapisan tersembunyi dan empat lapisan keluaran dirancang untuk peramalan konsumsi energi listrik PT. PLN Cabang Bukittinggi sampai tahun 2020. Masukan yang digunakan untuk pelatihan jaringan saraf tiruan (JST) adalah faktor-faktoryang sangat mempengaruhi pertumbuhan kebutuhan konsumsi energi listrik diantarany jumlah penduduk, harga minyak tanah, PDRB (Produk Domestik Regional Bruto), indeks harga konsumen, jumlah pelanggan sektor rumah tangga, jumlah pelanggan sektor industri, jumlah pelanggan sektor bisnis dan jumlah pelanggan sektor umum.

Data yang digunakan untuk pelatihan adalah data sebenarnya (data aktual) dari tahun 1998 sampai dengan tahun 2007. Dengan Jaringan Saraf Tiruan diperoleh hasil peramalan konsumsi energi listrik PT. PLN Cabang Bukittinggi tahun 2009 sampai tahun 2020 adalah 21.726.000 kWh untuk konsumsi energi listrik sektor rumah tangga, 15.547.000 kWh untuk konsumsi energi listrik sektor industri, 10.329.000 kWh untuk konsumsi energi listrik sektor bisnis dan 7.740.600 kWh untuk konsumsi energi listrik sektor umum.

Kata Kunci :
jaringan saraf tiruan, backpropagation, peramalan konsumsi energi listrik


ABSTRACT

Long-term forecasting of electricity consumption aims to help power companies in the construction and development facility generation, transmission and distribution. In this research study forecasting electrical energy consumption is done by artificial neural network (ANN) Backpropagation.


Backpropagation neural network with three hidden layer and output layer is designed for four forecasting electrical energy consumption of PT. PLN Branch, United Kingdom until 2020. Input used for training artificial neural network (ANN) is a factor, factors that greatly affect the growth of electric energy consumption diantarany the population, the price of kerosene, the GRDP (Gross Regional Domestic Product), the consumer price index, the number of customers the household sector, the number of customers industrial sector, the number of customers the business sector and the number of public sector customers.


The data used for training is the actual data (actual data) from 1998 to 2007. Neural Networks obtained by forecasting the results of electrical energy consumption of PT. PLN Branch, United Kingdom in 2009 until 2020 was 21.726 million kWh of electric energy consumption for the household sector, to 15.547 million kWh of electric energy consumption of industrial sector, to 10.329 million kWh of electric energy consumption and the business sector to 7.7406 million kWh of energy consumption electric public sector.


Keyword :
neural networks, backpropagation, forecasting electrical energy consumption

Download file :