Tugas Transmisi & Distribusi ListrikCreated By :- Budyanto Jo Salli - (062.14.017 )

PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGANMETODE ADAPTIVE NEURO FUZZYINFERENCE SYSTEM

• Distribusi listrik pada konsumen harus optimal sesuai dengan besar kebutuhan. Masalah akan timbul apabila daya yang dikirim dari suatu pembangkit listrik jauh lebih besar daripada permintaan daya pada beban, maka akan terjadi pemborosan energi pada perusahaan listrik. Sebaliknya apabila daya yang dibangkitkan atau yang disediakan pembangkit listriklebih rendah dari permintaan atau kebutuhan beban konsumen maka akan terjadi over load yang akan berdampak pada terjadinya pemadaman

• Oleh karena itu, diperlukan strategi dan metode untuk penyesuaian antarapembangkitan dan permintaan daya. Agar tercapai penyesuaian antara pembangkitan dan permintaan daya, maka pihak penyedia listrik harus mengetahui beban atau permintaan daya listrik untuk beberapa waktu ke depan dengan melakukan perkiraan beban listrik.

• Untuk menyelesaikan masalah di atas bisa diterapkan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) dengan menggunakan sampel data actual sebagai training data set. Himpunan data aktual yang akan digunakan adalah data pembebanan selama 2 bulan. Adaptif Neuro-Fuzzy Inference System (ANFIS) adalah penggabungan Fuzzy Inference System yang digambarkan dengan arsitektur jaringan syaraf. Alat bantu yang digunakan untuk melakukan perkiraan, yaitu toolbox logika fuzzy yang terdapat pada Matlab.

• Perkiraan beban listik berdasarkan jangka waktu dapat dikelompokkan menjadi beberapa bagian yaitu perkiraan beban jangka panjang (long term) adalah perkiraan beban listrik dengan jangka waktu di atas 1 (satu) tahun, perkiraan beban jangka menengah (medium term) adalah perkiraan beban listrik dengan jangka waktu satu bulan sampai dengan satu tahun, dan perkiraan beban jangka pendek (short term) adalah perkiraan beban listrik dengan jangka waktu beberapa jam dalam sehari sampai dengan satu minggu.

• Seperti terlihat pada gambar 2.1, struktur ANFIS terdiri dari 5 lapisan, lapisan yang disimbolkan dengan kotak adalah lapisan yang bersifat adaptif. Sedangkan yang disimbolkan dengan lingkaran adalah bersifat tetap. Setiap keluaran dari masingmasing lapisan disimbolkan dengan Ol,I dengan i adalah urutan simpul atau node dan l adalah menunjukan urutan lapisannya.

Adaptive neuro fuzzy inference system (ANFIS)

• Metode adaptive neuro fuzzy inference system (ANFIS) merupakan metode yang menggunakan jaringan syaraf tiruan untuk mengimplementasikan system inferensi fuzzy. Keunggulan system inference fuzzy adalah dapat menerjemahkan pengetahuan dari pakar dalam bentuk aturan-aturan, namun biasanya dibutuhkan waktu yang lama untuk menetapkan fungsi keanggotaannya. Oleh sebab itu dibutuhkan teknik pembelajaran dari jaringan syaraf tiruan untuk mengotomatisasi proses tersebut sehingga dapat mengurangi waktu pencarian, hal tersebut menyebabkan metoda ANFIS sangat baik diterapkan dalam berbagai bidang.

Logika Fuzzy• Logika fuzzy merupakan peningkatan dari logika Boolean yang berhadapan dengan konsep

kebenaran sebagian. Di mana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak), logika fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran. Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat".

• Logika Fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy itu sendiri sudah ada sejak lama (Sri kusumadewi dan Hari Purnomo, 2004, ”Aplikasi Logika Fuzzy untuk pendukung keputusan”, hal.1). Konsep logika Fuzzy yang sangat sistematis pertama kali diusulkan oleh Dr. Lotfi A. Zadeh, seorang bidang ilmu komputer dari University Of California, Berkeley, Amerika Serikat. Pada bulan Juni tahun 1965, profesor Zadeh mempublikasikan makalah atau paper pertama yang membahas “Fuzzy Sets ” pada jurnal Information and Control [Suyanto,ST,MSc., 2008, “Soft Computing: membangun mesin ber-IQ Tinggi”,hal.2].

Logika fuzzy merupakan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output, sebagai contoh :

1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari.

2. Pelayan restoran memberikan pelayanan kepada tamu, kemudian tamu akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang diberikan.

3.  Anda mengatakan kepada saya seberapa sejuk ruangan yang anda inginkan, kemudian saya akan mengatur putaran kipas yang ada pada ruangan ini.

Neuro Fuzzy

• Neuro fuzzy merupakan gabungan atau integrasi antara 2 metode yaitu, Jaringan syarat tiruan dengan sistem fuzzy, dimana 2 metode tersebut memiliki karakteristik yang bertolak belakang akan tetapi apabila digabungkan akan menjadi suatu metode yang lebih baik. Jaringan syaraf tiruan (JST) memiliki kemampuan Learning , tetapi tidak bisa menjelaskan proses penalaran yang dilakukan karena pengetahuan yang dimilikinya hanyta berupa bobot-bobot sinapsis yang biasanya bernilai real. JST tidak memiliki aturan-aturan IF – THEN sama sekali, sebaliknya sistem fuzzy tidak memiliki kemampuan learning, tetapi bisa menjelaskan proses penalaran yang dilakukannya berdasarkan aturan-aturan (rules) dalam basis pengetahuan yang dimilikinya.

DAFTAR PUSTAKA

• https://lppm.trigunadharma.ac.id/public/fileJurnal/hpUYJurnal%2012-3-2013_2%20Sarjon.pdf

• http://aayogi-ngebloglagi.blogspot.co.id/2010/03/adaptive-neuro-fuzzy-inference-system.html

• Jurnal “ Perkiraan Beban Listrik Jangka Pendek Dengan Metode Adaptive Neuro Fuzzy Inference System “

Thank You Thank You Thank You Thank You Thank You Thank You