SEMINAR HASILTUGAS AKHIR Kamis, 27 Juni...
Transcript of SEMINAR HASILTUGAS AKHIR Kamis, 27 Juni...
-
Jurusan Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Teknologi Sepuluh NopemberSurabaya 2013
Chintia Valentine W.P1309 100 010
PembimbingDr. Suhartono, S.Si., M.Sc.
SEMINAR HASIL TUGAS AKHIRKamis, 27 Juni 2013
1
-
Akurasi Perencanaan KebutuhanListrik Peramalan
-Kapasitas-Anggaran-Penjualan
-Produksi dan Inventory-Sumberdaya
-Pembelian dan pengadaan bahan baku-dll
Bagian yang esensial dalam mengatasi pertumbuhankebutuhan energi listrik yang cukup pesat
2
Latar Belakang
Pendahuluan
-
Penelitian Sebelumnya
Abdel dan Garni (1997)
• menggunakan konsumsi energi listrik selama lima tahun di sebelah timur Arab Saudi untuk prediksi konsumsi pada tahun keenam, dengan mengembangkan model ARIMA Box-Jenkins time-series analisis
Azadeh dkk. (2010)
• menggunakan metode ANFIS untuk meramalkan kunsumsi energi listrik jangkapanjang di Negara Uni Eropa terpilih (Belanda, Luksemburg, Irlandia dan Italia)
Yayar dkk.(2011)
• menggunakan perbandingan metode ARIMA dan ANFIS untuk meramalkan konsumsienergi listrik di Turki
Bazmi dkk. (2012)
• menggunakan metode ANFIS untuk meramalkan permintaan energi listrik diMalaysia.
3
Pendahuluan
-
Syafrizaldkk. (2008)
• meramalkan kebutuhan beban listrik di Riau menggunakan AlgoritmaGenetika
Suhartono danEndharta
(2009)
• menggunakan metode Double Seasonal recurrent Neural Network untukmeramalkan permintaan beban listrik jangka pendek di Indonesia
Fauziah(2012)
• meramalkan jumlah kedatangan wisatawan mancanegara ke Indonesia melalui lima pintu kedatangan utama
Puspitasari(2012)
• meramalkan beban listrik jangka pendek di Jawa-Bali
4
Pendahuluan
-
1.Bagaimana karakteristikdari dayalistrik yang dihasilkan?
2. Bagaimana hasilperamalan besarnyadaya listrik yang akandidistribusikan kepelangganberdasarkan model ARIMA, ANFIS danhibrida ARIMA-ANFIS?
3. Metodemanakahyang terbaikuntukmeramalkanbesar dayalistrik yang dihasilkan?
5
Pendahuluan
Rumusan Masalah
-
1. Mendeskripsikan karakteristik besarnya daya listrik yang dihasilkan.
2. Meramalkan besarnya daya listrik yang akan didistribusikandengan menggunakan ARIMA, ANFIS dan hibrida ARIMA-ANFIS.
3. Mendapatkan metode yang sesuai untuk meramalkan besarnyadaya listrik yang akan didistribusikan.
6
Pendahuluan
Tujuan
-
Bagi PLN PJB
• dapat memberikaninformasi sertaalternatif metodeperamalan lain dalammeramalkan energilistrik yang dihasilkanPLTA di KaskadeCitarum Jawa Barat
Bagi Peneliti
• peneliti bisamempelajari danmenerapkan metodeperamalan baru yaitumodel HibridaARIMA-ANFIS
7
Pendahuluan
Manfaat
-
Data yang digunakan adalah data besarnya daya listrikyang dihasilkan PLTA di Kaskade Citarum Jawa Barat yang berupa data harian mulai dari Januari 2012 sampaiDesember 2012.
Penelitian ini hanya untuk meramalkan jangka pendek 28 hari kedepan.
8
Batasan Masalah
Pendahuluan
-
Peramalan Model ARIMA
Model ARIMA Seasonal
Model ARIMA non Seasonal
9
Tinjauan Pustaka
-
Prosedur Box Jenkins
Identifikasi Model
Estimasi Parameter
Uji Diagnostik
Pemilihan Model Terbaik
Asumsi kenormalan
Asumsi White Noise
In Sample
Out Sample
SBC, AIC, AICc
Momen
LSE
MLE
MAPE, RMSE, SMAPE10
Tinjauan Pustaka
-
Estimasi Parameter dengan Least Square :
Uji White Noise
Hipotesis :
Statistik Uji :
residual tidak memenuhi asumsi white noise.
K = maksimum lagp = orde ARq = orde MA
11
Tinjauan Pustaka
-
Uji Normalitas
Statistik Uji :
12
Tinjauan Pustaka
-
Pemilihan Model terbaik
Data In-sample
Dimana :
Data Out-sample
Dimana :
Dimana :
13
Tinjauan Pustaka
-
Peramalan Model ANFIS
Lapisan 3 (Normalized firing strength)
Lapisan 4 (Defuzzifikasi)
Lapisan 5 (Perhitungan output)
Lapisan 2 (Operasi logika fuzzy)
Lapisan 1 (Fuzzifikasi)
14
Tinjauan Pustaka
-
Peramalan Model HibridaARIMA-ANFIS
Kombinasi dari model time series yang memiliki struktur autokorelasi linier dan non linier.
Model ARIMA digunakan untuk menyelesaikan kasus yang linier, dimana residual dari model yang linier masihmengandung informasi hubungan non linier
Hasil ramalan dari metode ANFIS kemudian dikombinasikandengan hasil ramalan dari model ARIMA.
1
Tinjauan Pustaka
-
Sejarah Waduk Citarum
Manfaat Waduk :1. Penyediaan air minum2. Penyediaan Air Irigasi3. Pembangkitan Tenaga Listrik4. Pengembangan Perikanan Darat
2
1. Saguling4 turbin dimana tiap turbin menghasilkan daya 175 MW/bulan
2. Cirata8 turbin dimana tiap turbin menghasilkan daya 126 MW/bulan
3. Jatiluhur6 turbin dimana tiap turbin menghasilkan daya 187 MW/bulan
Tinjauan Pustaka
-
Sistem Tenaga Listrik
3
Tinjauan Pustaka
-
Sumber Data danVariabel Penelitian
Data energi listrik yang dihasilkan PLTA di Kaskade Citarum Jawa Barat, yang merupakan data sekunder, berupa data harian mulai Januari 2012 sampaiDesember 2012.
Variabel Penelitian :jumlah energi listrik yang dihasilkansetiap hari di 3 waduk, yaitu :
1. Saguling2. Cirata3. Jatiluhur
Jatiluhur
Cirata
Saguling
4
Metode Penelitian
-
Langkah Analisa Menggunakan Metode ARIMA
Mengidentifikasi model pada data training apakah sudah stasionerdalam mean dan varians
Melihat plot ACF dan PACF berdasarkan data yang sudah stasioner untukmenentukan order p, d, q dan P, D, Q, S.
Melakukan uji signifikansi parameter dan estimasi parameter denganmenggunakan statistik uji t.
Melakukan uji kesesuaian model dengan uji white noise dan ujinormalitas pada residual
Melakukan peramalan pada data testing, kemudian membandingkanhasil peramalan tersebut berdasarkan nilai MAPE dan SMAPE.
Pemilihan model terbaik, dimana dilihat dari nilai MAPE dan SMPAE yang terkecil. 5
Metode Penelitian
-
Langkah Analisa Menggunakan Metode ANFIS
Menentukan variabel input berdasarkan lag AR yang signifikan padamodel ARIMA.
Menentukan jumlah fungsi keanggotaan
Menentukan jenis fungsi keanggotaan.
Menentukan jumlah iterasi untuk mendapatkan parameter ANFIS dengan tingkat kesalahan yang minimum.
Mendapatkan nilai ramalan dari masing-masing kombinasi yang dilakukan.
Menghitung nilai MAPE dan SMAPE hasil peramalan.6
Metode Penelitian
-
Metode PenelitianLangkah Analisa Menggunakan Metode Hibrida ARIMA-ANFIS
Melakukan pemodelan dan peramalan dengan model ARIMA
Menghitung nilai residual dengan menggunakan model ARIMA
Data yang digunakan sebagai input pada model hibrida ARIMA-ANFIS adalah residual data yang diperoleh dari model ARIMA terbaik dengan
mengikuti lag AR dari model ARIMA
Melakukan peramalan pada data residual dari model ARIMA menggunakan model ANFIS.
Hasil peramalan diperoleh dengan menggabungkan hasil peramalanmenggunakan model ARIMA dan hasil peramalan menggunakan ANFIS
Menghitung nilai MAPE dan SMAPE dari hasil peramalan
7
-
Karakteristik Daya Listrik
8
MonthDe
cNo
vOc
tSe
pAu
gJul
Jun
May
Apr
Mar
Feb
Jan
16000
14000
12000
10000
8000
6000
4000
2000
0
sagu
ling
MonthDe
cNo
vOc
tSe
pAu
gJul
Jun
May
Apr
Mar
Feb
Jan
10000
8000
6000
4000
2000
0ci
rata
MonthDe
cNo
vOc
tSe
pAu
gJul
Jun
May
Apr
Mar
Feb
Jan
12000
10000
8000
6000
4000
2000
0
jati
luh
ur
Waduk Mean StDev Minimum Maksimum
Saguling 5038 3182 0 15939Cirata 2758.4 1836.1 45 9438Jatiluhur 2018.3 721.9 696 11772.8
Pembahasan
-
Stasioneritas Dalam Varians
9
543210
16000
14000
12000
10000
8000
6000
4000
2000
0
Lambda
StD
ev
Lower CL Upper CL
Limit
Estimate 0.86
Lower CL 0.74Upper CL 0.98
Rounded Value 0.86
(using 95.0% confidence)
Lambda
543210-1-2
20000
15000
10000
5000
0
Lambda
StD
ev
Lower CL Upper CL
Limit
Estimate 0.49
Lower CL 0.37Upper CL 0.63
Rounded Value 0.50
(using 95.0% confidence)
Lambda
210-1-2-3-4-5
1000
900
800
700
600
500
400
300
200
100
Lambda
StD
evLower CL Upper CL
Limit
Estimate -0.07
Lower CL -0.29Upper CL 0.12
Rounded Value 0.00
(using 95.0% confidence)
Lambda
Pembahasan
-
Stasioneritas Dalam Mean
Saguling
10
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
LagAu
toco
rrel
atio
n
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Par
tial
Au
toco
rrel
atio
n
Pembahasan
-
Stasioneritas Dalam Mean
Cirata
11
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Part
ial A
utoc
orre
latio
n
Pembahasan
-
Stasioneritas Dalam Mean
Jatiluhur
12
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Auto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
LagA
uto
corr
elat
ion
42352821147
1,00,80,60,40,20,0
-0,2-0,4-0,6-0,8-1,0
Lag
Part
ial A
utoc
orre
latio
n
Pembahasan
-
Waduk Saguling
Model Model Dugaan
I ARIMA(1,1,0)(0,1,1)7
II ARIMA(0,1,1)(0,1,1)7
Waduk Cirata
Model Model Dugaan
I ARIMA(0,1,[1,5])(0,1,1)7
II ARIMA([5],1,1)(0,1,1)7
Waduk Jatiluhur
Model Model Dugaan
I ARIMA(0,1,[1,16])II ARIMA([16],1,1)
13
Waduk Saguling
Model ARIMA Parameter EstimateStandart
Errort-value
P-value
(1,1,0)(0,1,1)7 -0.16923 0.05443 -3.11 0.002
0.71945 0.03941 18.26
-
14
Model ARIMA
Uji White Noise Uji Kenormalan
HinggaLag
ChiSquare
df P-value P-value
(1,1,0)(0,1,1)7 6 8.39 4 0.0785
-
Model ARIMAUji White Noise
UjiKenormalan
Hingga Lag
Chi Square
df P-value P-value
(0,1,[1,5])(0,1,1)7 6 2.94 3 0.4012
0.0954
12 12.87 9 0.168718 16.01 15 0.381424 19.29 21 0.566930 20.73 27 0.798736 26.24 33 0.791842 29.87 39 0.853148 36.49 45 0.8132
([5],1,1)(0,1,1)7 6 4.48 3 0.2137
>0.1500
12 13.54 9 0.139518 16.35 15 0.35924 19.12 21 0.577530 20.82 27 0.794536 26.17 33 0.794742 29.34 39 0.869148 36.52 45 0.812
15
Cirata Pembahasan
-
Waduk Jatiluhur
Model ARIMA
Uji White NoiseUji
KenormalanHingga
LagChi
Squaredf P-value P-value
(0,1,[1,16]) 6 5.28 4 0.2601
-
Hasil Diagnostik Parameter Model ARIMAX(1,1,0) (0,1,1)7 Pada Waduk SagulingDengan Deteksi Outlier
Data Ke- Parameter Estimate P-valueTipe
Outlier
-0.18754 0.0011 -
0.76079
-
Hasil Diagnostik Parameter Model ARIMAX(0,1,1) (0,1,1)7 Pada Waduk Saguling Dengan Deteksi Outlier
Data Ke-
Parameter Estimate P-valueTipe
Outlier
0.23246
-
PembahasanHasil Diagnostik Parameter Model ARIMAX(0,1,1) Pada Waduk Jatiluhur Dengan Deteksi Outlier
19
-
20
1.20.80.40.0-0.4-0.8
Median
Mean
0.020.010.00-0.01
1st Q uartile -0.02809Median -0.000373rd Q uartile 0.05244Maximum 1.48657
-0.01477 0.01899
-0.00384 0.01042
0.14644 0.17038
A -Squared 25.52P-V alue < 0.005
Mean 0.00211StDev 0.15750V ariance 0.02481Skewness 1.0090Kurtosis 33.8093N 337
Minimum -1.13237
A nderson-Darling Normality Test
95% C onfidence Interv al for Mean
95% C onfidence Interv al for Median
95% C onfidence Interv al for StDev95% Confidence Intervals
Pembahasan
-
Pemilihan Model Terbaik Berdasarkan Data OutsamplePada Waduk Saguling
ModelARIMA
Ramalan SMAPE MAPE
(1,1,0)(0,1,1)7 1 hari 10.39046 10.959852 hari 9.867026 10.380673 hari 11.73289 12.507324 hari 10.33071 10.95995 hari 9.362353 9.8966776 hari 8.282391 8.7346877 hari 8.309756 8.75099914 hari 13.91191 15.3238321 hari 18.12775 20.4612428 hari 21.29526 23.9538
(0,1,1)(0,1,1)7 1 hari 8.196603 8.546882 hari 7.568722 7.8686283 hari 9.380649 9.8820514 hari 7.978481 8.3726595 hari 6.987206 7.3118226 hari 5.844635 6.1151627 hari 5.960761 6.22539114 hari 11.16849 12.1587721 hari 15.03239 16.7011228 hari 17.88099 20.19738 21
-
Pemilihan Model Terbaik Berdasarkan Data OutsamplePada Waduk Cirata
Model ARIMA Ramalan SMAPE MAPE(0,1,[1,5])(0,1,1)7 1 hari 5.224111 5.091128
2 hari 12.86183 11.842433 hari 11.28601 10.500444 hari 9.146041 8.5476995 hari 7.942022 7.4732756 hari 7.400464 7.0286337 hari 7.654455 7.39881214 hari 16.90193 19.9604821 hari 22.52012 28.0038228 hari 25.56309 32.06402
([5],1,1)(0,1,1)7 1 hari 4.143249 4.0591582 hari 12.18599 11.214913 hari 10.82947 10.076574 hari 8.798937 8.2252225 hari 7.521323 7.0682346 hari 7.087559 6.7306557 hari 7.320269 7.07109414 hari 16.35405 19.303821 hari 21.83873 27.0957428 hari 24.76214 30.95397 22
-
Pemilihan Model Terbaik Berdasarkan Data Outsample Pada Waduk Jatiluhur
Model ARIMA Ramalan SMAPE MAPE
(0,1,1) 1 hari 1,709692 1,724433
2 hari 1,757423 1,75672
3 hari 2,443639 2,419354
4 hari 2,876157 2,836614
5 hari 3,135668 3,086969
6 hari 3,308675 3,253873
7 hari 3,432251 3,37309
14 hari 4,336204 4,260085
21 hari 7,36097 6,982987
28 hari 10,29225 9,523365
23
Pembahasan
-
Ramalan Energi Listrik Yang Dihasilkan Di Tiga Waduk Dengan ARIMA
Saguling Cirata Jatiluhur
Aktual ARIMA Aktual ARIMA Aktual ARIMA
15783,5 17132,5 8271 7935,267 2376 2416,973
16107,5 17265,69 9584 7823,357 2461 2416,973
15351,5 17486,72 8833 8144,036 2511 2416,973
15646 16247,51 8327 8104,57 2520 2416,973
15215 15681,87 6700,5 6864,011 2520 2416,973
15224,5 15244,58 5135,5 5394,471 2520 2416,973
15826 16915,9 7361,5 8032,407 2520 2416,973
24
Pembahasan
-
25
2821147
21000
20000
1900018000
1700016000
1500014000
1300012000
7
aktual_1Ramalan
2821147
12000
11000
10000
9000
8000
7000
6000
5000
4000
3000
H i
aktualramalan
2821147
32003100
3000
29002800
2700
26002500
2400
2300
7aktualramalan
Pembahasan
-
PembahasanModel Matematis ARIMA di Tiga WadukWaduk Model Matematis ARIMA
Saguling
Cirata
Jatiluhur
26
( )( )( )
)8(,
)4(,
)250(,
)324(,7
7
1,27511,45657,3966
62601)1(
77792,0123246,01
tatsta
tst
t BBaBB
Z
−−
−+−−−−
=
( )( ) )1)(1(13401,01
75339,01)43067,01(75
7
BBBaB
Z tt −−+−−
=
( )
)18(,
)335(,
)32(,
)199(,
)201(,
)96(,
)7(,
)43(,
)14(,
)161(,
)87(,
)306(,
)135(,
)130(,
)189(,
)100(,
)314(,
)83(,
)79(,
)276(,
)58(,
)94(,
)122(,
)91(,
)194(,
)192(,
)250(,
)90(,
)195(,
)211(,
13403,014228,014342,015187,0
16842,015451,015549,015943,0
15365,016338,016553,016874,0
18247,019310,019147,020397,0
22263,024599,024337,024774,0
27774,031509,028281,045869,0
59954,06091,057141,071998,0
377137,147079,1)1(
511,01
tatatata
tatststs
tatatats
tatatata
tatstata
tatststa
tatatata
tatat
t Ba
Z
−−−
−−+−
−+−−
+−−−
−−++
−−−+
−−−−
−−+−
−=
-
Peramalan Besarnya Daya Listrik yang Didistribusikan ke Pelanggan dengan Metode ANFIS
Tahapan Lapisan Pertama ANFIS
Nilai Parameter Non Linier
27
InputParameter
ai biInput1mf1(A1) 6445 0.9183Input1mf2(A2) 6445 15180Input2mf1(B1) 5530 0.9069Input2mf2(B2) 5530 13020Input3mf1(C1) 5530 1.012Input3mf2(C2) 5530 13020
Pembahasan
-
Tahapan Lapisan Kedua Pada ANFIS
28
Pembahasan
-
Tahapan Lapisan Ketiga Pada ANFIS
Output pada lapisan 3 diperoleh dari hasil dibagi dengan jumlah total (i=banyak aturan=1,2,...,8 dan t=banyak pengamatan=1,2,...,n)
29
itwitw
-
Tahapan Lapisan Keempat Pada ANFIS
30
( )( )( )( )( )( )( )( )42700221,2725,64492,0
832762,2965,3883,1
13160624,912,14115,1
30940585,68621,04221,0
265007093,0013,2584,1
23810582,1239,304,1
75240118,8667,1776,1
2060025,3582,10,6927-
8718*)8(
8*
8,4
8717*)7(
7*
7,4
8716*)6(
6*
6,4
8715*)5(
5*
5,4
8714*)4(
4*
4,4
8713*)3(
3*
3,4
8712*)2(
2*
2,4
8711*)1(
1*
1,4
−−+−==
+−+−==
−++−==
++−−==
++−−==
−−+−==
+−−==
−−+==
−−−
−−−
−−−
−−−
−−−
−−−
−−−
−−−
ttttttt
ttttttt
ttttttt
ttttttt
ttttttt
ttttttt
ttttttt
ttttttt
ZZZwZwO
ZZZwZwO
ZZZwZwO
ZZZwZwO
ZZZwZwO
ZZZwZwO
ZZZwZwO
ZZZwZwO
Pembahasan
-
Tahapan Lapisan Kelima Pada ANFIS
31
∑=
==8
1
)(1
*5
ˆi
itttt ZwZO
)8(8
*)7(7
*)6(6
*
)5(5
*)4(4
*)3(3
*)2(2
*)1(1
*
tttttt
tttttttttt
ZwZwZw
ZwZwZwZwZw
+++
++++=
( )( )
( )004354,6325,43586,1358,1...121516,12594,734,12
004877,1002,3272,1457,2
8718*
8712
8711
++−−++
−−−−++−−+−=
−−−
−−−
−−−
EZZZwZZZw
EZZZw
tttt
tttt
tttt
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ANFIS Di Waduk Saguling
32
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 37,579 13,291 0,444 6,774
2 24,419 13,172 3,832 7,442
3 26,997 15,714 4,794 10,394
4 34,636 13,065 7,907 8,118
5 37,520 11,910 9,899 7,100
6 34,012 10,691 11,458 6,155
7 35,436 11,918 13,145 6,776
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 46,274 14,237 0,443 7,012
2 29,102 14,101 3,706 7,732
3 32,172 17,138 4,637 11,070
4 35,302 14,101 7,447 8,627
5 36,120 12,687 9,238 7,498
6 32,637 11,357 10,625 6,489
7 36,028 12,783 12,085 7,145
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ANFIS Di Waduk Cirata
33
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 0,265 0,772 5,137 1,587
2 0,224 3,030 7,637 4,209
3 1,931 2,713 7,520 4,149
4 3,142 2,462 7,400 4,057
5 5,112 1,978 6,661 3,588
6 8,228 2,331 6,253 3,945
7 8,206 4,409 7,889 6,047
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 0,265 0,769 5,009 1,575
2 0,224 2,960 7,329 4,090
3 1,981 2,660 7,229 4,043
4 3,239 2,419 7,121 3,960
5 5,370 1,943 6,425 3,508
6 8,978 2,288 6,042 3,851
7 8,804 4,185 7,502 5,739
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ANFIS Di Waduk Jatiluhur
34
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 0,203 0,169 0,116 0,138
2 0,248 0,263 0,477 0,270
3 0,363 0,403 0,743 0,423
4 0,440 0,499 0,918 0,525
5 0,493 0,566 1,038 0,594
6 0,532 0,619 1,126 0,646
7 0,564 0,663 1,193 0,687
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 0,203 0,169 0,116 0,139
2 0,248 0,263 0,475 0,270
3 0,362 0,402 0,739 0,422
4 0,439 0,497 0,912 0,523
5 0,491 0,564 1,031 0,592
6 0,531 0,617 1,118 0,644
7 0,562 0,660 1,185 0,684
Pembahasan
-
Hibrida ARIMA-ANFIS
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode Hibrida ARIMA-ANFIS Di Waduk Saguling
35
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 7,804 8,039 12,351 10,788
2 7,903 7,973 9,688 9,210
3 9,969 10,017 11,116 10,839
4 8,592 8,638 9,799 9,220
5 6,944 6,928 9,430 7,437
6 6,498 6,373 8,376 6,834
7 6,932 6,786 8,427 7,235
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 4,024 3,943 4,135 3,881
2 12,119 12,085 12,177 12,051
3 10,770 10,739 10,791 10,729
4 8,754 8,722 8,767 8,720
5 7,486 7,469 7,500 7,464
6 7,059 7,054 7,075 7,047
7 7,296 7,293 7,310 7,289
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode Hibrida ARIMA-ANFIS Di Waduk Cirata
36
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 7,511 7,729 11,632 10,236
2 7,603 7,668 9,210 8,794
3 9,459 9,504 10,493 10,252
4 8,186 8,228 9,290 8,757
5 6,619 6,600 9,089 7,066
6 6,212 6,089 8,083 6,513
7 6,625 6,484 8,123 6,897
TahapanFungsi Keanggotaan
Gauss Trap Psig Pi
1 3,944 3,867 4,051 3,807
2 11,152 11,118 11,207 11,085
3 10,021 9,991 10,042 9,981
4 8,183 8,152 8,195 8,150
5 7,035 7,019 7,048 7,014
6 6,704 6,700 6,720 6,693
7 7,048 7,046 7,063 7,043
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode Hibrida ARIMA-ANFIS Di Waduk Jatiluhur
37
Pembahasan
Tahapan Fungsi KeanggotaanGauss Trap Psig Pi
1 1,751049 1,751072 1,751051 1,751053
2 1,757448 1,757442 1,757447 1,757446
3 2,429894 2,429877 2,429892 2,429889
4 2,855527 2,855505 2,855525 2,855522
5 3,110908 3,110882 3,110905 3,110901
6 3,281161 3,281134 3,281159 3,281154
7 3,402771 3,402742 3,402768 3,402764
Tahapan Fungsi Keanggotaan
Gauss Trap Psig Pi
1 1,766516 1,766539 1,766517 1,766519
2 1,757471 1,757466 1,757471 1,757469
3 2,406601 2,406585 2,406599 2,406596
4 2,817144 2,817122 2,817142 2,817138
5 3,063469 3,063445 3,063467 3,063463
6 3,227687 3,227660 3,227684 3,22768
7 3,344985 3,344957 3,344982 3,344978
-
Perbandingan ARIMA, ANFIS dan Hibrida ARIMA-ANFIS
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ARIMA, ANFIS dan Hibrida ARIMA-ANFIS Di Waduk Saguling
38
TahapanMetode
ARIMA ANFISHibrida ARIMA-
ANFIS
1 8,196 0,444 7,804
2 7,568 3,832 7,903
3 9,380 4,794 9,969
4 7,978 7,907 8,592
5 6,987 7,100 6,928
6 5,844 6,155 6,373
7 5,960 6,776 6,786
TahapanMetode
ARIMA ANFISHibrida ARIMA-
ANFIS
1 8,546 0,443 3,881
2 7,868 3,706 12,051
3 9,882 4,637 10,729
4 8,372 7,447 8,720
5 7,311 7,498 7,464
6 6,115 6,489 7,047
7 6,225 7,145 7,289
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ARIMA, ANFIS dan Hibrida ARIMA-ANFIS Di Waduk Cirata
39
TahapanMetode
ARIMA ANFISHibrida ARIMA-
ANFIS
1 4,143 0,265 7,511
2 1,218 0,224 7,603
3 1,082 1,931 9,459
4 8,798 2,462 8,186
5 7,521 1,978 6,600
6 7,087 2,331 6,0897 7,320 4,409 6,484
TahapanMetode
ARIMA ANFISHibrida
ARIMA-ANFIS
1 4,059 0,265 3,807
2 1,121 0,224 11,085
3 1,007 1,981 9,981
4 8,225 2,419 8,150
5 7,068 1,943 7,014
6 6,730 2,288 6,693
7 7,071 4,185 7,043
Pembahasan
-
Nilai SMAPE dan MAPE Ramalan Pada Data Outsample Metode ARIMA, ANFIS dan Hibrida ARIMA-ANFIS Di Waduk Jatiluhur
40
TahapanMetode
ARIMA ANFISHibrida ARIMA-
ANFIS
1 1,709 0,116 1,751049
2 1,757 0,248 1,757442
3 2,443 0,363 2,429877
4 2,876 0,440 2,855505
5 3,135 0,493 3,110882
6 3,308 0,532 3,281134
7 3,432 0,564 3,402742
TahapanMetode
ARIMA ANFISHibrida
ARIMA-ANFIS
1 1,724 0,116 1,766516
2 1,756 0,248 1,757466
3 2,419 0,362 2,406585
4 2,836 0,439 2,817122
5 3,086 0,491 3,063445
6 3,253 0,531 3,227660
7 3,373 0,562 3,344957
Pembahasan
-
Kesimpulan1. Di Waduk Saguling
Berdasarkan kriteria SMAPE :a. Peramalan 1 dan 5 tahap kedepan lebih baik menggunakan metode
Hibrida ARIMA-ANFIS b. Peramalan 2,3,4,6 dan 7 tahap kedepan lebih baik menggunakan
metode ARIMABerdasarkan kriteria MAPE : a. Peramalan 1 tahap kedepan lebih baik menggunakan metode Hibrida
ARIMA-ANFIS b. Peramalan 2 sampai 7 tahap kedepan lebih baik menggunakan metode
ARIMA.
41
Kesimpulan dan Saran
-
2. Pada Waduk Cirataa. Peramalan 1, 2, 4 dan 5 tahap kedepan lebih baik menggunakan
metode ANFISb. 3 tahap kedepan lebih baik menggunakan metode ARIMAc. 6 sampai 7 tahap kedepan lebih baik menggunakan metode Hibrida
ARIMA-ANFIS. 3. Untuk Waduk Jatiluhur
metode yang paling tepat untuk meramalkan 1 sampai 7 tahap kedepan adalah metode ANFIS.
42
-
Saran• Untuk metode ANFIS dan Hibrida ARIMA-ANFIS sebaiknya menggunakan
banyak kombinasi jumlah keanggotaan supaya diketahui pada kombinasi jumlah keanggotaan berapa yang menghasilkan nilai keakurasian yang paling besar.
• Sebaiknya untuk penelitian selanjutnya menambahkan 2 atau 3 metode lagi supaya bisa diketahui dengan pasti metode mana yang paling baik digunakan untuk menyelesaikan kasus seperti pada penelitian ini
43
Kesimpulan dan Saran
-
Daftar Pustaka
44
-
45
-
46
Slide Number 1Slide Number 2Penelitian SebelumnyaSlide Number 4Slide Number 5Slide Number 6Slide Number 7Slide Number 8Slide Number 9Slide Number 10Slide Number 11Slide Number 12Pemilihan Model terbaikPeramalan Model ANFIS1309100010-Presentation2.pdfPeramalan Model Hibrida ARIMA-ANFISSejarah Waduk CitarumSistem Tenaga ListrikSumber Data danVariabel PenelitianSlide Number 5Slide Number 6Slide Number 7Karakteristik Daya ListrikStasioneritas Dalam VariansStasioneritas Dalam MeanStasioneritas Dalam MeanStasioneritas Dalam MeanSlide Number 13Slide Number 14Slide Number 15Slide Number 16Hasil Diagnostik Parameter Model ARIMAX(1,1,0) (0,1,1)7 Pada Waduk Saguling Dengan Deteksi OutlierHasil Diagnostik Parameter Model ARIMAX(0,1,1) (0,1,1)7 Pada Waduk Saguling Dengan Deteksi OutlierHasil Diagnostik Parameter Model ARIMAX(0,1,1) Pada Waduk Jatiluhur Dengan Deteksi OutlierSlide Number 20Pemilihan Model Terbaik Berdasarkan Data Outsample Pada Waduk SagulingPemilihan Model Terbaik Berdasarkan Data Outsample Pada Waduk CirataPemilihan Model Terbaik Berdasarkan Data Outsample Pada Waduk JatiluhurRamalan Energi Listrik Yang Dihasilkan Di Tiga Waduk Dengan ARIMASlide Number 25Model Matematis ARIMA di Tiga WadukPeramalan Besarnya Daya Listrik yang Didistribusikan ke Pelanggan dengan Metode ANFISSlide Number 28Slide Number 29Slide Number 30Slide Number 31Slide Number 32Slide Number 33Slide Number 34Hibrida ARIMA-ANFISSlide Number 36Slide Number 37Perbandingan ARIMA, ANFIS dan Hibrida ARIMA-ANFISSlide Number 39Slide Number 40Slide Number 41Slide Number 42Slide Number 43Daftar PustakaSlide Number 45Slide Number 46