PERAMALAN BEBAN JANGKA PENDEK DENGAN METODE BACKPROPAGATION NEURAL NETWORK PADA TRANSFORMATOR 150 kV GARDU INDUK WARU PT. PLN (Persero) BERDASARKAN FAKTOR BEBAN

SHORT-TERM LOAD FORECASTING USING BACKPROPAGATION NEURAL NETWORK METHOD ON 150 kV TRANSFORMER AT WARU SUBSTATION PT. PLN (Persero) BASED ON LOAD FACTOR

Penelitian ini mengembangkan model prediksi beban listrik jangka pendek menggunakan metode Backpropagation Neural Network (BPNN) pada transformator 150 kV di Gardu Induk Waru, PT PLN (Persero). Data yang digunakan mencakup daya aktif, daya reaktif, arus, dan faktor beban selama periode 1–7 Desember 2024 dengan interval 30 menit. Model menggunakan arsitektur satu hidden layer dengan lima neuron dan dilatih menggunakan algoritma Levenberg-Marquardt selama 250 epoch. Hasil menunjukkan akurasi tinggi dengan nilai MAPE 1,48% dan MSE 0,0612. Model ini efektif untuk peramalan beban dan mendukung pengambilan keputusan dalam sistem tenaga listrik.

This study develops a short-term load forecasting model using the Backpropagation Neural Network (BPNN) method for a 150 kV transformer at the Waru Substation, PT PLN (Persero). The data includes active power, reactive power, current, and load factor recorded every 30 minutes from December 1 to 7, 2024. The model employs a single hidden layer neural network with five neurons, trained using the Levenberg-Marquardt algorithm over 250 epochs. The results show high prediction accuracy, with a MAPE of 1.48% and MSE of 0.0612. This indicates that BPNN is effective for short-term load forecasting and can support decisionmaking in power system planning.