Peramalan Daya Listrik Jangka Sangat Pendek Pembangkit Termal Berdasarkan Data Meteorologi Menggunakan Metode k-Nearest Neighbor-Artificial Neural Network

Abstract

Penyediaan daya listrik yang terencana sangat diperlukan untuk menghindari kelebihan atau kekurangan daya yang besar hasil dari pembangkit untuk memasok kebutuhan konsumen. Metode hybrid k-Nearest Neighbour (k-NN) - Artificial Neural Network (ANN) digunakan dalam peramalan jangka sangat pendek pembangkit termal. Penelitian ini bertujuan membahas tentang peramalan nilai daya listrik yang akan dibangkitkan oleh pembangkit termal yang ditargetkan dalam satu jam ke depan. Pembangkit termal yang menjadi target peramalan pada penelitian ini letaknya saling berdekatan dengan pembangkit termal dan hidro yang lain. Hasil penelitian menunjukkan nilai Mean Absolute Deviation (MAD) dengan metode k-NN sebesar 246,61 MW dan nilai Mean Absolute Percentage Error (MAPE) dengan metode k-NN sebesar 23,37%. Sedangkan nilai MAD dengan metode k-NN-ANN sebesar 55,63 MW dan nilai MAPE dengan metode k-NN-ANN sebesar 5,58% . Sehingga, dapat disimpulkan bahwa peramalan daya listrik untuk satu jam ke depan menggunakan metode k-NN – ANN didapatkan hasil yang lebih baik.

Kata Kunci: k-Nearest Neighbour, Artificial Neural Network, Peramalan, Daya Listrik, Pembangkit Listrik Termal, Mean Absolute Deviation, Mean Absolute Percentage Error.