PENERAPAN METODE ELMAN RECURRENT NEURAL NETWORK DAN PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK PERAMALAN KONSUMSI LISTRIK

Titik Rahmawati, Prof. Drs. Subanar, Ph.D.

2013 | Tesis | S2 Ilmu Komputer

Konsumsi listrik di Indonesia setiap tahunnya terus meningkat sejalan dengan peningkatan pertumbuhan ekonomi nasional. Oleh karena itu prakiraan kebutuhan listrik di Indonesia sangat diperlukan agar dapat menggambarkan kondisi kelistrikan saat ini dan masa mendatang. Penelitian ini bertujuan menerapkan metode Elman Recurrent Neural Network dan dan Principal Component Analysis (PCA) untuk membangun suatu sistem aplikasi peramalan konsumsi listrik. Teknik peramalan yang digunakan dalam penelitian ini adalah metode Arima Box Jenkins yang digunakan untuk menentukan lag-lag yang berpengaruh terhadap peramalan dan Principal Component Analysis (PCA) digunakan untuk menyederhanakan variabel yang diamati dengan cara menyusutkan (mereduksi) dimensinya. Jaringan Syaraf Tiruan Elman Recurrent Neural network digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola datanya. Faktor-faktor yang menjadi masukan JST adalah faktor jumlah penduduk, pertumbuhan PDRB, pertumbuhan industri dan data demografi konsumsi listrik yang meliputi pelanggan rumah tangga, industri, bisnis, sosial dan publik. Hasil penelitian menunjukkan bahwa penerapan metode Principal Component Analysis (PCA) dapat mengetahui faktor-faktor dominan yang mempengaruhi konsumsi listrik dan pemodelan Arima Box Jenkins sudah dapat digunakan untuk menentukan lag-lag data input. Metode Elman-RNN digunakan untuk mensimulasikan parameter jaringan yang dibentuk kemudian dilakukan training dan validasi sehingga didapatkan nilai Mean Square Error (MSE) jaringan. Akurasi peramalan diukur dengan menggunakan Mean Absolute Percentange Error (MAPE) dan nilai rata-rata MAPE forecast in sample dengan periode ramalan 5 tahun untuk peramalan konsumsi total 1 sebesar 0.33 % , konsumsi total 2 sebesar 0.64 % , rumah tangga 1.21 % , industri 2.62 % , bisnis 3.25 % , sosial 0.77 % dan publik 0.49 %.

Electricity consumption in Indonesia each year continues to increase in line with national economic growth. Therefore, forecasting electricity demand in Indonesia is needed in order to describe the condition of the electrical current and the future. This study aims to apply the method of Elman Recurrent Neural Network and Principal Component Analysis (PCA) to construct a system for electricity consumption forecasting applications. Forecasting techniques used in this study is ARIMA Box Jenkins method used to determine the lag-lag effect on forecasting and Principal Component Analysis (PCA) is used to simplify the observed variables by means shrinking (reducing) dimension. Elman Recurrent Neural Networks Neural networks are used to model complex relationships between inputs and outputs to discover data patterns. Factors to be input ANN is a factor of population, GDP growth, industrial growth and the demographic data that includes customer electricity consumption of household, industrial, business, social and public. The results showed that the application of methods of Principal Component Analysis (PCA) to determine the dominant factors affecting power consumption and ARIMA Box Jenkins model can already be used to determine the lag-lag input data. Elman-RNN method is used to simulate the network parameters are established then performed to obtain the training and validation of the value of Mean Square Error (MSE) network. Accuracy of forecasting was measured using Mean Absolute Percentange Error (MAPE) and the average value of MAPE forecast in samples with 5-year forecast period for forecasting total consumption amounted to 0.33% 1, 2 total consumption amounted to 0.64%, 1.21% of households, industry 2.62% , business 3.25%, 0.77% and public social 0.49%.

Kata Kunci : Forecasting, PCA, Arima, Elman-RNN.