UJIAN AKHIR SEMESTER : 

APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Pengenalan
2. Langkah-Langkah
3. Referensi

*klik teks untuk menuju 

 

APLIKASI LOGIKA FUZZY UNTUK PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN MATLAB

1. Pengenalan [kembali]

Peramalan beban listrik adalah suatu ilmu untuk memperkirakan beban listrik di masa datang berdasarkan beban yang telah ada sebelumnya. Berdasarkan jangka waktunya, peramalan beban dapat di bagi menjadi tiga kategori: jangka pendek, jangka menengah, dan jangka panjang. Tidak ada rumus yang eksak untuk membuat perkiraan beban ini, oleh karena itu perlu ada teknik atau metode dalam membuat perkiraan beban.

Perkiraan beban umumnya mengacu pada statistik masa lalu dan atas dasar analisis karakteristik beban yang lalu. Karakteristik beban masa lalu biasanya dipengaruhi oleh beberapa faktor seperti: cuaca, waktu, ekonomi, dan gangguan acak 

Aplikasi ini melakukan peramalan beban jangka pendek dengan metode logika fuzzy menggunakan data beban dan memasukkan faktor-faktor yang mempengaruhi beban listrik seperti suhu sebagai masukannya. Alat bantu yang digunakan untuk melakukan peramalan yaitu toolbox logika fuzzy yang terdapat pada Matlab. Data yang digunakan untuk peramalan yaitu data beban harian sub sistem Sumatera Barat.

Hasil pengujian dari pemodelan logika fuzzy yaitu berupa data perkiraan beban listrik untuk 1 jam ke depan. Pengujian dilakukan untuk memperkirakan beban selama beberapa hari. Hasilnya dianalisa dengan menghitung mean absolute percentage error (MAPE) seperti tertera di bawah ini:  

2. Langkah-Langkah [kembali]

1. Membuat 1. Dasar Teori  FIS Editor input Beban Historis dan Suhu serta output Beban Ramal 

Sebagai input dari peramalan beban listrik jangka pendek dengan logika fuzzy ini terdiri atas 2 variabel, yaitu Beban Historis dan Suhu, sedangkan sebagai outputnya yaitu Beban Ramal. Proses ini dirancang menggunakan FIS Editor yang ada pada toolbox fuzzy pada Matlab, seperti terlihat pada Gambar di bawah ini (gambar 1).

Gambar 1.  FIS Editor Peramalan Beban dengan Fuzzy  

Variabel Beban Historis yaitu variabel input dengan range [0 - 420]. Variabel Suhu yaitu variabel input dengan range [22 - 32]. Variabel Beban Ramal yaitu variabel output dengan range [0 - 420]. Tipe FIS yang dirancang yaitu Mamdani dan proses defuzzifikasinya dengan metode Centroid 

2. Langkah selanjutnya yaitu menentukan fungsi keanggotaan variabel Beban Historis. Di mana dalam hal ini fungsi keanggotaannya atas 7 fungsi keanggotaan yaitu {Minimum (Min), Very Small (VS), Small (S), Medium (M), Big (B), Very Big (VB), Maximum (Max)}. Proses ini dibuat menggunakan Membership Function Editor seperti terlihat pada Gambar 2.

Gambar 2.  Membership Function Editor Variabel Input Beban Historis  

Tipe representasi kurva yang digunakanuntuk masing-masing fungsi keanggotaan untuk variabel input Beban Historis ini yaitu kurva segitiga. Nilai untuk masing-masing fungsi keanggotaan yang digunakan dalam variabel Beban Historis ini yaitu dengan rumus di bawah ini .

Fungsi keanggotaan variabel Suhu yaitu {Rendah, Rata-Rata, Tinggi}. Fungsi keanggotaan Suhu ini dibuat dengan cara yang sama dengan langkah sebelumnya, tetapi representasi kurva yang digunakan yaitu gabungan antara kurva linear me-nurun, kurva segitiga, dan kurva linear me-naik. Gambarnya
terlihat pada Gambar 3.

Gambar 3.  Membership Function Editor Variabel Input Suhu  

Himpunan fuzzy Rendah :

Himpunan fuzzy Rata-Rata:  

Himpunan fuzzy Tinggi:

dimana: a = nilai x minimum, b = nilai x

dengan nilai fungsi keanggotaan maksimum,

dan c = nilai x maksimum  

fungsi keanggotaan variabel Beban ramal. Di mana dalam hal ini fungsi keanggotaannya atas 7 fungsi keanggotaan yaitu {Minimum (Min), Very Small (VS), Small (S), Medium (M), Big (B), Very Big (VB), Maximum (Max)}. Proses ini dibuat menggunakan Membership Function Editor sama seperti cara sebelumnya. Akan terlihat pada gambar 4.

Gambar 4.  Membership Function Editor Variabel Output Beban Ramal  

3. Aturan fuzzy yang digunakan yaitu aturanaturan yang telah ditentukan sebelumnya yang dibuat berdasarkan karakteristik beban yang akan diramal. Aturan-aturan fuzzy ini dibuat dengan menggunakan Rule Editor seperti terlihat pada Gambar 5.

Gambar 5.  Rule Editor Peramalan Beban dengan Fuzzy  

4. Defuzzyfikasi pada komposisi aturan Mamdani. 
Proses defuzzyfikasi terjadi ketika semua aturan telah selesai dituliskan. Setelah aturanaturan selesai dibuat, aturan-aturan tersebut dapat kita lihat pada Rule Viewer, seperti terlihat pada Gambar 6. Pada Rule Viewer ini kita bisa menguji hasil dari aturan-aturan yang telah kita buat untuk meramal beban listrik jangka pendek dengan cara memasukkan nilainilai variabel input pada kolom input.  

 

Gambar 6.  Rule Viewer Peramalan Beban dengan Fuzzy  

5. Menghitung hasil beban ramal.
Setelah semua langkah di atas selesai, maka peramalan beban dengan menggunakan logika fuzzy dapat dilakukan dengan memvariasikan nilai-nilai input (beban historis dan suhu) pada kolom input seperti terlihat pada Gambar 6.  

3. Referensi [kembali]

• Effendi, Hansi. Aplikasi Logika Fuzzy Untuk Peramalan Beban Listrik Jangka Pendek Menggunakan Matlab. Jurnal SAINTEK. Vol. XII. Universitas Negeri Padang. 2009.
• Mitra, B, et.al. “Applications of fuzzy logic to the prediction of soil erosion in a large watershed”., Geoderma 86(1998), halaman 183-209