PREDIKSI BEBAN GENERATOR MENGGUNAKAN JARINGAN SARAF TIRUAN

Abstract

Kebutuhan masyarakat akan energi semakin tinggi mengingat bertambah banyaknya peralatan elektronik yang diproduksi dan pertumbuhan industri yang terus meningkat. Untuk itu dari sisi pembangkit ketersediaan energi harus dijaga sehingga dapat mencukupi kebutuhan konsumen. Di sisi lain pembangkit harus mengurangi konsumsi energi pemakaian sendiri (Station Service) agar produksi energi dapat disalurkan lebih maksimal kepada konsumen. Untuk itu diperlukannya sebuah metode sebagai pertimbangan bagi pembangkit dalam mencari solusi. Studi kasus pada penelitian ini adalah PLTA Saguling Kabupaten Bandung Barat. Penelitian ini menggunakan Jaringan Saraf Tiruan (JST) dengan model Backpropagation (feedforward network). Dengan menggunakan JST diharapkan mampu memberikan solusi dalam mengatasi permasalah di pembangkit. Penelitian dilakukan dengan menggunakan data history 24 jam dengan satuan daya aktif (Watt) selama 3 bulan (Juni 2017 s/d Agustus 2017). Data tersebut dibagi menjadi 2 diataranya data latih dari tanggal 1 Juni sampai 24 Agustus dan data uji dari 25 Agustus sampai 31 Agustus atau selama satu minggu. Penelitian bertujuan untuk memprediksi daya aktif selama 1 jam kedepan selama satu minggu. Dengan melakukan kombinasi fungsi pelatihan dan neuron hidden layer maka didapatkan fungsi pelatihan terbaik trainlm dengan nilai MSE (Mean Square Error) sebesar 0,0059586 dan 6 neuron hidden layer. Dan hasil pengujian yaitu prediksi memiliki MSE 0,0036344