PRAKIRAAN KONSUMSI ENERGI LISTRIK JANGKA PANJANG DI PULAU JAWA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

• Main Author: Yeri Pramadhan Hermanu, - (Author)
• Format: Book
• Published: 2022-07-06.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata
• Notes: http://repository.upi.edu/75173/8/S_TE_1806548_Title.pdf; http://repository.upi.edu/75173/2/S_TE_1806548_Chapter%201.pdf; http://repository.upi.edu/75173/3/S_TE_1806548_Chapter%202.pdf; http://repository.upi.edu/75173/4/S_TE_1806548_Chapter%203.pdf; http://repository.upi.edu/75173/5/S_TE_1806548_Chapter%204.pdf; http://repository.upi.edu/75173/6/S_TE_1806548_Chapter%205.pdf; http://repository.upi.edu/75173/9/S_TE_1806548_Appendix.pdf
• Keywords: L Education (General)

Energi listrik saat ini memiliki peran yang sangat penting. Perkembangan Teknologi dan pertumbuhan penduduk akan meningkatkan kebutuhan energi listrik. Agar ketersediaan energi selalu terjaga, dibutuhkan suatu prakiraan konsumsi energi listrik. Pulau Jawa sebagai pulau terpadat dan juga sebagai penopang pertumbuhan ekonomi di Indonesia kebutuhan energinya mesti selalu terpenuhi. Penelitian ini bertujuan untuk membuat model jaringan, memperkirakan kebutuhan energi listrik di pulau Jawa hingga tahun 2030, dan membandingkan hasil prakiraan dengan RUPTL. Metode yang digunakan untuk melakukan prakiraan konsumsi listrik adalah metode Jaringan Syaraf Tiruan dengan algoritma Backpropagation. Data yang digunakan adalah jumlah penduduk, PDRB, Jumlah pelanggan berbagai sektor, dan jumlah energi terjual di pulau Jawa tahun 2013- 2021. Pembuatan jaringan syaraf tiruan backpropagation dibuat menggunakan sebuah tool di dalam Software Matlab R2018A yaitu NNTOOL. Arsitektur Jaringan Syaraf Tiruan Backpropagation terbaik adalah interval [0;1] pada fungsi aktivasi Sigmoid Bipolar, Kombinasi Fungsi pelatihan TRAINCGB dan fungsi pembelajaran LEARNGD, dan Kombinasi 8 - 20 - 1 untuk kombinasi Input Layer - Hidden Layer - Output Layer. MAPE pelatihan sebesar 0,0002%. MAPE pengujian sebesar 0,57%. MAPE perbandingan dengan RUPTL sebesar 2,60%. Hasil prakiraan menggunakan JST Backpropagation menghasilkan hasil yang sangat baik. Dengan adanya penelitian ini diharapkan perencanaan produksi energi listrik dapat lebih optimal sehingga ketersediaan energi listrik dapat terjaga.