| dc.description.abstract | Tenaga listrik harus disediakan pada jumlah atau besaran yang sesuai dengan kebutuhan dan pada waktu yang tepat. Penyedian tenaga listrik yang melebihi kebutuhan beban berakibat pada terjadinya kerugian daya listrik. Sebaliknya, jika terjadi kekekurangan pasokan (penyedian) listrik, akan berakibat pada terjadinya pemadaman. Untuk menyediakan tenaga listrik yang sesuai dengan kebutuhan tersebut, harus ada rencana penyediaan listrik yang dilakukan dengan cara membuat prediksi atau prakiraan beban listrik. Oleh karena itu persoalan prakiraan beban listrik menjadi sangat penting didalam penyediaan tenaga listrik yang efisien. Untuk memprediksi kebutuhan beban listrik, PLN selama ini menggunakan metode koefisien beban. Perhitungan dengan metode ini didasarkan pada pengalaman-empiris perencana penyedia listrik yang relatif sulit dilakukan terutama dalam hal koreksi-koreksi yang perlu dilakukan terhadap perubahan beban. Oleh karena itu diperlukan suatu metode yang lebih baik dari metode koefisien beban. Pada penelitian ini, penulis mencoba untuk membangun suatu model prediksi beban listrik jangka pendek menggunakan jaringan syaraf tiruan (JST) dengan algoritma pembelajaran backpropagation dan fungsi aktivasi sigmoid. Lingkup pengambilan data penelitian dibatasi beban listrik pada wilayah kerja Kota Pontianak Propinsi Kalimantan Barat. Hasil penelitian ini memperlihatkan bahwa prediksi JST lebih baik dari pada prediksi yang dihitung dengan menggunakan metode sebelumnya. Prediksi beban listrik tanggal 17 Mei sampai dengan 23 Mei 2007 memperlihatkan bahwa rata-rata error JST adalah 5.81% sedangkan rata-rata error metode koefisien beban adalah 8.24%. Dengan demikian, dapat disimpulkan bahwa prediksi beban listrik menggunakan JST lebih akurat sebesar 2.43% dibandingkan dengan metode koefisien beban. | id |
