PERAMALAN DAYA LISTRIK PLTS ON GRID PADA RUMAH TINGGAL MENGGUNAKAN METODE k-NEAREST NEIGHBOR DECOMPOSITION FEED FORWARD NEURAL NETWORK BERDASARKAN DATA METEOROLOGI

Abstract

Abstrak

Pemanfaatan energi terbarukan merupakan suatu hal yang sangat penting dalam mengurangi penggunaan energi fosil. Energi terbarukan ramah lingkungan adalah Pembangkit Listrik Tenaga Surya (PLTS) yang terintegrasi dengan sistem grid atau on grid. Sistem PLTS on grid berasal dari dua sumber yaitu PLTS dan PLN.

Peramalan daya listrik PLTS on grid diperlukan untuk mengetahui daya listrik yang diproduksi PLTS on grid. Penggabungan tiga metode dalam penelitian ini terdiri dari metode k-Nearest Neighbor, metode Decomposition dan metode feed forward neural network atau bisa disebut dengan metode hybrid k-Nearest Neighbor decomposition feed forward neural network (k-NNDcNN). Penelitian ini bertujuan untuk mengetahui daya listrik yang diproduksi PLTS on grid selama lima jam ke depan.

Hasil penelitian menunjukkan nilai rata-rata MSE metode k-Nearest Neighbour Decomposition adalah 7,726531231 Watt sedangkan metode Hybrid k-Nearest Neighbour Decomposition Feed Forward Neural Network adalah 0,627315211 Watt dan nilai MAPE rata-rata metode k-Nearest Neighbour Decomposition adalah 0,025386522% sedangkan metode Hybrid k-Nearest Neighbour Decomposition Feed Forward Neural Network adalah 0,004340221%. Dapat disimpulkan bahwa metode Hybrid k-Nearest Neighbour Decomposition Feed Forward mendapatkan hasil yang lebih baik.

Kata Kunci : Peramalan, PLTS on grid, k-Nearest Neighbor, Decomposition, Feed Forward Neural Network.