Digilib | Universitas Negeri Surabaya

Jenis Dokumen

Disertasi
Karya Akhir S1
Karya Akhir S2
Karya Akhir S3
Skripsi
Tesis
Tugas Akhir D3
Tugas Akhir D4

Fakultas

Ilmu Pendidikan
Bahasa & Seni
Matematika dan Ilmu Pengetahuan Alam
Ilmu Sosial & Politik
Hukum
Psikologi
Teknik
Ekonomika dan Bisnis
Ilmu Keolahragaan dan Kesehatan
Vokasi
Pascasarjana

PERAMALAN SUSUT ENERGI JANGKA PENDEK MENGGUNAKAN METODE FUZZY LOGIC DAN FEED FORWARD NEURAL NETWORK BERDASARKAN KESEIMBANGAN BEBAN

Kode Dokumen : 0005/FT-TE/2023

Penulis Utama : PUGUH ADY MAHENDRA

NIM Penulis Utama: 17050874011

Tahun : 2021

Judul ID :

PERAMALAN SUSUT ENERGI JANGKA PENDEK MENGGUNAKAN METODE FUZZY LOGIC DAN FEED FORWARD NEURAL NETWORK BERDASARKAN KESEIMBANGAN BEBAN

Judul EN :

SHORT-TERM ENERGY LOSS FORECASTING USING FUZZY LOGIC AND FEED FORWARD NEURAL NETWORK METHOD BASED ON LOAD BALANCE

Sumber : UNESA - Fakultas Teknik - Jurusan S1 Teknik Elektro - 17050874011 - 2021

Jenis Dokumen : Skripsi

Abstrak ID :

Abstrak

Pada proses penyaluran energi listrik terdapat suatu faktor rugi-rugi daya atau susut (losses). Susut (losses) adalah hilangnya energi listrik yang mempengaruhi keandalan kualitas energi listrik yang dipasok ke pelanggan. Salah satu permasalahan Perusahaan Listrik Negara (PLN) adalah tingginya nilai susut energi listrik akibat adanya ketidakseimbangan beban antar fasa pada jaringan distribusi tegangan rendah. Untuk mengurangi potensi susut energi yang tinggi di masa depan, dilakukan peramalan susut energi berdasarkan keseimbangan beban. Analisis keseimbangan beban pada jaringan distribusi tegangan rendah dilakukan guna mengurangi susut (losses) akibat adanya arus netral pada transformator. Penelitian ini menjelaskan metode peramalan berdasarkan keseimbangan beban. Metode yang digunakan dalam penelitian ini ialah Fuzzy Logic dan Feed Forward Neural Network. Peramalan susut energi jangka pendek merujuk pada perhitungan harian susut energi. Tujuan penelitian ini adalah memahami perhitungan susut energi berdasarkan keseimbangan beban dan mengetahui nilai susut energi yang terjadi selama satu hari kedepan. Penelitian ini memiliki kebaruan yaitu dilakukan peramalan susut energi jangka pendek menggunakan metode Fuzzy Logic dan Feed Forward Neural Network (F-FFNN) berdasarkan keseimbangan beban. Variabel masukan yang digunakan adalah data beban aktual PLN area Surabaya Barat. Berdasarkan hasil dari peramalan jangka pendek didapatkan hasil perhitungan nilai MSE sebesar 0,000131627 dan nilai MAPE sebesar 0,029797424%. Sehingga dengan menggunakan metode Fuzzy Logic dan Feed Forward Neural Network (F-FFNN) didapatkan hasil peramalan yang maksimal dan lebih akurat selama satu hari kedepan. Hasil peramalan nantinya dapat digunakan oleh instansi terkait sebagai bahan pertimbangan guna meminimalisir kerugian energi listrik yang terjadi di masa depan.

Kata Kunci: Feed Forward Neural Network, Fuzzy Logic, Keseimbangan Beban, Peramalan, Susut Energi.

Abstrak EN :

Abstract

In the process of distributing electrical energy, there is a power loss or loss factor. Losses are losses of electrical energy that affect the reliability the quality of electrical energy supplied to customers. One of the problems of the State Electricity Company (PLN) is the high value of electrical energy losses due to an imbalance in the load between phases in the low voltage distribution network. To reduce the potential for high energy losses in the future, energy loss forecasting is carried out based on load balance. Load balance analysis on a low voltage distribution network is carried out to reduce losses due to the neutral current in the transformer. This study describes a forecasting method based on load balance. The method used in this research is Fuzzy Logic and Feed Forward Neural Network. Forecasting short-term energy loss refers to the daily calculation of energy loss. This study aims to understand the calculation of energy loss based on load balance and to know the value of energy loss that occurs during the next day. This research has a novelty, namely short-term energy loss forecasting using Fuzzy Logic and Feed Forward Neural Network (F-FFNN) methods based on load balance. The input variable used is the actual load data for the PLN West Surabaya area. Based on the results of short-term forecasting, the calculation results of the MSE value of 0.000131627 and the MAPE value of 0.029797424%. So that by using the Fuzzy Logic and Feed Forward Neural Network (F-FFNN) methods, the maximum and more accurate forecasting results are obtained for the next day. Forecasting results can later be used by the relevant agencies as a consideration to minimize electrical energy losses that occur in the future.

Keywords: Feed Forward Neural Network, Fuzzy Logic, Load Balancing, Forecasting, Losses Energy.

Tautan Artikel

File Abstrak

File Lampiran