Peramalan Beban Listrik Jangka Menengah Menggunakan Jaringan Syaraf Tiruan Pada Sistem Kelistrikan Kota Ambon

Peramalan beban listrik jangka menengah merupakan bentuk sistem tenaga listrik sebagi upaya pemenuhan pertumbuhan permintaan energi listrik yang sangat tinggi. Karakteristik permintaan beban listrik yang cukup dinamis dan banyaknya variabel yang mempengaruhi peramalan merupakan tantangan dalam peramalan beban listrik. Pada penelitian ini diimplementasikan sistem peramalan beban listrik berbasis jaringan syaraf tiruan menggunakan Algoritma Backpropagation. Hal ini dimaksudkan untuk mempercepat proses pembelajaran yang diaplikasikan dalam peramalan beban listrik jangka menengah untuk mendapatkan sistem peramalan yang benar dan akurat. Penelitian ini dilakukan untuk membuat arsitektur pemilihan hidden layer dan learning rate dalam peramalan untuk memprediksi beban listrik lima tahun kedepan, dengan menggunakan data historis penduduk dan data historis beban listrik dari tahun 1990 sampai dengan tahun 2013. Hasil pemilihan hidden layer ini membentuk struktur jaringan syaraf tiruan yang diaplikasikan untuk peramalan beban listrik jangka menengah di Kota Ambon. Struktur yang diperoleh dilakukan melalui proses pelatihan, validasi dan peramalan. Dalam proses pembelajaran tersebut, dilakukan pengubahan parameter pembelajaran. Hasil peramalan menggunakan sistem ini menghasilkan peramalan yang lebih baik dan akurat MSE 1,28x10-8. Peramalan ini menggunakan metode jaringan syaraf tiruan backpropagation dengan menunjukan hasil prediksi beban listrik pada tahun 2020 sebesar 88,223 MW. Peramalan beban listrik menggunakan metode regresi dengan memberikan hasil prediksi pada tahun 2020 sebesar 52,548 MW dan peramalan beban listrik yang dilakukan model simple-E menunjukan hasil prediksi pada tahun 2020 sebesar 85,8 MW. Hasil peramalan yang telah dilakukan untuk prediksi beban listrik jangka menengah di kota ambon pada tahun 2020 yang ideal adalah dengan menggunakan metode jaringan syaraf tiruan backpropagation dan model simple-E