Prediksi Daya Listrik Jangka Sangat Pendek Pembangkit Photovoltaic Berbasis Internet of Things Menggunakan Feed Forward Neural Network

Abstract

Penggunaan daya listrik di kalangan masyarakat semakin meningkat seiring perkembangan teknologi pada zaman sekarang. Maka dapat dilakukan pemantauan dan prediksi daya listrik untuk mengatur ketersediaan baterai pada pembangkit photovoltaic. Penelitian prediksi daya listrik dilakukan dengan mengambil data dengan melakukan pengujian pemodelan monitoring daya listrik pembangkit photovoltaic berbasis IoT. Rumusan masalah berdasarkan latar belakang tersebut yaitu penggunaan daya listrik dapat dipantau dengan IoT dan diprediksi untuk jangka waktu satu jam sampai hari berikutnya serta, analisa akurasi error pada prediksi daya listrik yang dibandingkan dengan data pengujian untuk mendapatkan tingkat ketepatan terbaik. Bertujuan untuk pemantauan pemodelan yang dapat diakses melalui telepon pintar dan mendapatkan akurasi kesalahan terbaik pada prediksi daya listrik yang dibandingkan dengan data pengujian. Metode yang digunakan adalah metode eksperimen dengan pendekatan kuantitatif, dimulai dengan studi literatur, selanjutnya pengambilan data, dilanjutkan dengan analisis data, lalu membuat desain sistem peramalan, serta konfigurasi neural network, selanjutnya melakukan pembelajaran (training) dan pengujian (testing) pada software MATLAB. Kesalahan tertinggi prediksi sebesar 4,26% dan terendah pada sebesar 0,34 %. MSE pada traingdx sebesar 0.007844, Traincgb sebesar 0.043241 dan rata-rata MAPE  pada traingdx sebesar 2.65% dan Pada traincgb sebesar 2.6%. Tingkat ketepatan prediksi daya terbaik didapat pada traingdx sebesar 97,45% dan terkecil sebesar 97,15% pada traincgb pula. Semakin banyak pola dan jenis pembelajaran (train) yang dilakukan semakin baik pula hasil error yang dihasilkan.

Kata Kunci: daya listrik,  feedforward, internet of things, photovoltaic, prediksi