Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS)

Indana La Zulfa, Suhartono Suhartono
Submission Date: 2015-02-04 17:33:43
Accepted Date: 2015-03-16 09:16:43

Abstract


Listrik merupakan salah satu sumber energi utama yang digunakan hampir pada seluruh aspek kehidupan. Faktanya, kebutuhan listrik semakin meningkat seiring dengan adanya kemajuan pembangunan di bidang teknologi, industri, dan informasi. Perkembangan dalam berbagai bidang tersebut dapat menimbulkan permasalahan terhadap kualitas dan kuantitas daya listrik yang dihantarkan, sehingga distribusi tenaga listrik terhadap konsumen harus dilakukan secara optimal dan sesuai dengan kebutuhan. Tujuannya adalah agar dapat melakukan tindakan yang tepat seiring dengan pertumbuhan kebutuhan tenaga listrik, mempertahankan tingkat keandalan, dan meningkatkan kualitas pelayanan kepada konsumen. Oleh karena itu, ramalan konsumsi listrik untuk beberapa waktu ke depan berdasarkan data konsumsi listrik pada waktu sebelumnya diperlukan sebagai bahan perencanaan pendistribusian listrik yang lebih efisien. Tujuan dari penelitian ini yaitu untuk meramalkan konsumsi beabn listrik di Jawa Timur dengan metode ARIMA dan ANFIS. Kriteria pemilihan model terbaik berdasarkan pada nilai RMSE, SMAPE, dan MAPE pada data out sample. Hasil dari analisis menunjukkan bahwa metode ARIMA memberikan tingkat keakuratan yang lebih baik untuk meramalkan konsumsi listrik di Jawa Timur daripada ANFIS.

Keywords


ANFIS;ARIMA;Listrik;MAPE;Ramalan;RMSE;SMAPE

References


DAFTAR PUSTAKA

ESDM. (2009). Master Plan Pembangunan Ketenagalistrikan 2010 s.d 2014. Jakarta: Kementerian Energi dan Sumber Daya Mineral (ESDM) RI.

El-Sharkawi, M. A., Peng, P., & Marks, R. J. (1999). Shot Term Peak Load Forecast Using Detrended Partitioned Data Training of a Neuro-Fuzzy Regression Machine. Eng Int Syst 4, 197-202.

Widyapratiwi, L. K., Mertasana, I. A., & Arjana, I. D. (2012). Peramalan Beban Listrik Jangka Pendek di Bali menggunakan Pendekatan Adaptive Neuro Fuzzy Inference System (ANFIS) . Jurnal Teknik Elektro, 50-55.

Azadeh, A., Saberi, M., Nadimi, V., Iman, M., & Behrooznia, A. (2010). An integrated intelligent neuro-fuzzy algorithm for long-term electricity consumption: cases of selected EU countries. Journal of Acta Polytechnica Hungarica 7 (4), 71-90.

Fatkhurrozi, B., Muslim, M. A., & Santoso, D. R. (2012). Penggunaan ANFIS dalam Penentuan Status Aktivitas Gunung Merapi. Journal of EECCIS, 113-118.

Nurvitasari, Y. & Irhamah. (2012). Pendekatan Fungsi Transfer sebagai Input Adaptive Neuro-Fuzzy Inference System (ANFIS) dalam Peramalan Kecepatan Angin Rata-rata Harian di Sumenep. Jurnal Sains dan Seni ITS, 62-68.

Dewi , C., Kartikasari, D. P., & Murstyo, Y. T. (2014). Prediksi Cuaca Pada Data Time Series Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Jurnal Teknologi Informasi dan Ilmu Komputer, 18-24.

Wei, W. W. S. (2006). Time Series Analysis. New York: Addison Wesley.

Kusumadewi, S. & Hartati, S. (2006). Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.

Kostenko, A. V. & Hyndman, R. J. (2008). Forecasting Without Significance Tests?

Diebold, F. X. & Mariano, R. S. (1995). Comparing Predictive Accuracy. Journal of Business and Economis Statistics 13(3), 253-263.


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Lembaga Penjaminan Mutu, Pengelolaan dan Perlindungan Kekayaan Intelektual (LPMP2KI) ITS
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.