Peramalan Beban Puncak Jangka Pendek Khusus Hari Libur Nasional Berbasis Algoritma Fuzzy Subtractive Clustering, Studi Kasus di Jawa – Bali

Sari

ABSTRAK

Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data pada masa lalu, berbasis pada metode ilmiah dan kualitatif yang dilakukan secara sistematis.Penelitian ini mengkaji tentang algoritma Fuzzy Subtractive Clustering (FSC) untuk peramalan beban puncak harian jangka pendek. Tujuan dari penelitian ini adalah membandingkan hasil peramalan beban puncak antara algoritma FSC dengan metode PLN, yaitu Koefisien Beban. Data historis menggunakan data pengeluaran beban listrik dari P3B PT.PLN (Persero) Area III Jawa Barat UPB-Cigereleng tahun 2006 sampai dengan 2012, setiap 30 menit dalam 6 jam mulai dari pukul 17.00 sampai dengan 22.00 WIB. Cara perhitungan dilakukan dengan menggunakan algoritma FSC untuk mengetahui tingkat akurasi prediksi dan nilai rata-rata error peramalan beban puncak. Melalui perhitungan dan hasil simulasi didapatkan rata-rata error peramalan beban puncak dengan menggunakan metode Koefisien Beban sebesar 3,11% dan rata-rata error peramalan beban puncak dengan menggunakan algoritma FSC sebesar 0,002%. Sehingga dapat menyimpulkan, bahwa peramalan beban menggunakan algoritma FSC memberikan hasil peramalan yang lebih akurat dibanding dengan algoritma Koefisien Beban.

Kata kunci: Fuzzy Subtractive Clustering (FSC), Koefisien Beban, Prediksi Beban Puncak Jangka Pendek.

ABSTRACT

Forecasting is an attempt to predict what happens in the future based on the data in the past, based on the scientific method and qualitative systematic. This study examines the algorithm of Fuzzy Subtractive Clustering (FSC) for forecasting short-term daily peak load. The purpose of this study was to compare the results between the peak load forecasting algorithm with the method FSC PLN, i.e. Load Coefficient. The historical data used expenditure data from the electrical load PT PLN P3B (Persero) Area III West Java UPB-Cigereleng 2006 to 2012, every 30 minutes in 6 hours starting from 17:00 until 22:00 pm. The calculation was done by using FSC algorithm to determine the level of accuracy of prediction and the average value of the error in the FSC algorithm. Through the calculation and simulation results, it was obtained the average peak load forecasting error by using the method of Load Coefficient at 3.11% and the average error of peak load forecasting using FSC algorithm of 0.002%. So that, it could be concluded, that the load forecasting that using FSC algorithm gave more accurate forecasting results than the algorithm as well as the expense coefficient.

Keywords: Fuzzy Subtractive Clustering (FSC), coefficient Expense, Short-Term Peak Load Prediction.