PENERAPAN METODE ELMAN RECURRENT NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK  PERAMALAN KONSUMSI LISTRIK

Titik Rahmawati

Titik Rahmawati Program Studi S2 Ilmu Komputer, Universitas Gadjah Mada Yogyakarta

Abstract

Konsumsi listrik di Indonesia setiap tahunnya terus meningkat sejalan dengan peningkatan pertumbuhan ekonomi nasional. Oleh karena itu prakiraan kebutuhan listrik di Indonesia sangat diperlukan agar dapat menggambarkan kondisi kelistrikan saat ini dan masa mendatang. Pada peneltian ini bertujuan membangun suatu aplikasi sistem yang dapat membantu meramalkan kebutuhan listrik menggunakan metode Elman Recurrent Neural Network dan Principal Component Analysis (PCA). Teknik peramalan yang digunakan dalam penelitian ini adalah metode Arima Box Jenkins yang digunakan untuk menentukan lag-lag yang berpengaruh terhadap peramalan dan Principal Component Analysis (PCA) digunakan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya. Jaringan Syaraf Tiruan Elman Recurrent Neural network digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola datanya. Faktor-faktor yang menjadi masukan JST adalah faktor pertumbuhan PDRB, jumlah penduduk, pertumbuhan industri dan data demografi konsumsi listrik yang meliputi pelanggan rumah tangga, industri, bisnis, sosial dan publik. Dari sistem yang telah dibangun menunjukkan bahwa penerapan metode Principal Component Analysis (PCA) secara efisien dapat mengetahui faktor-faktor dominan yang mempengaruhi konsumsi listrik dan pemodelan Arima Box Jenkins sudah dapat digunakan untuk menentukan lag-lag data input. Metode Elman Recurrent Neural Network digunakan untuk mensimulasikan parameter yang dibentuk kemudian dilakukan training dan validasi sehingga didapatkan nilai Mean Square Error (MSE) jaringan. Pada penelitian ini rata-rata nilai Mean Square Error (MSE ) jaringan untuk peramalan konsumsi total 1, konsumsi total 2, rumah tangga, industri, bisnis, sosial dan publik adalah 0.00078802. Akurasi hasil peramalan diukur dengan Mean Absolute Percentange Error (MAPE) dan nilai dari MAPE in sample untuk peramalan konsumsi total1, konsumsi total 2, rumah tangga, industri, bisnis, sosial dan publik dengan periode ramalan 5 tahun sebesar 2.28 %.

References

Faisal, F. dan Rizal, J., 2008, Penerapan Model Analisis Time Series Dalam Peramalan Pemakaian Kwh Listrik Untuk n-Bulan Ke depan Yang Optimal Di Kota Bengkulu , Jurnal Gradien, Vol.4 No.1 Januari 2008.
Fausett, L., 1994, Fundamentals of Neural Networks, Architecture, Algorithms, and Applications, Prentice Hall.
Hanke, J.E., 2000, Business Forecasting, Prentice Hall.
Haykin, S., 1994, Neural Network, a Comprehensive Faundation, Prentice Hall.
Kardoyo, H. dan Kuncoro, M., 2002, Analisis Kurs Valas dengan Pendekatan Box-Jenkins: Studi Empiris Rp/US$ dan Rp/Yen, 1983.2-2000.3, Jurnal Ekonomi Pembangunan, Vol 7, No. 1, ISSN : 1410 – 2641.
Khan, M.R., dan Ondrusek, C., 2002, Short Term Load Forecasting With Multilayer Perceptron and Recurrent Neural Networks, Journal of Electrical Engineering, Vol. 53. No. 1-2.
Kuncoro, A.H. dan Dalimi, R., 2005, Aplikasi Jaringan Syaraf Tiruan Untuk Peramalan Beban Tenaga Listrik Jangka Panjang Pada Sistem Kelistrikan Di Indonesia, Jurnal Teknologi, Edisi No. 3. Tahun XIX, September 2005, 211-217 ISSN 0215-1685.
Kusumadewi, S., 2004, Membangun Jaringan Syaraf Tiruan (Menggunakan Matlab dan Excel Link), Graha Ilmu, Yogyakarta.
Lesmana, T., 2009, Aplikasi Elman Neural Network dengan LMA pada prediksi Data Time Series Beban Listrik Jawa-Bali, Skripsi, Universitas Kristen Petra, Surabaya
Makridakis, 1999, Metode dan Aplikasi Peramalan, Erlangga, Jakarta.
Pressman, R.S., 1997, Software Engineering A Pratitioner’s Approach, Mc Graw Hill Book Co, Singapura.
Santoso, Effendi, U., dan Fauziya, C., 2007, Penerapan Jaringan Syaraf Tiruan Untuk Peramalan Permintaan Komoditas Karet di PT.Perkebunan Nusantara XII Surabaya, Jurnal Teknologi Pertanian, Vol.8 No.1 April 2007, 46-54.
Siang, J.J., 2005, Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan Matlab, Penerbit Andi, Yogyakarta.
Smith, L.S., 2002, A Tutorial on principal Component Analysis, http://www.cs.otago.ac.nz/cosc453/student_tutorials/principal_components.pdf. , diakses 14 Februari 2012.
Suhartono dan Endharta, A.J., 2009, Peramalan Konsumsi listrik Jangka Pendek Dengan Arima Musiman Ganda dan Elman-Recurrent Neural Network, Jurnal Teknologi Informasi, Volume 7, Nomor 4, Juli 2009 : 185–192.
Warman, E. (2004), Pemilihan dan Peningkatan Penggunaan/Pemakaian serta Management Trafo Distribusi, Digitized by USU digital library, http://repository.usu.ac.id/bitstream/123456789/1417/1/elektro-eddy2.pdf , diakses 14 Maret 2012