Artikel Terbaru

PERAMALAN KONSUMSI LISTRIK BULANAN DENGAN METODE HYBRID ARIMA-RF DAN TEKNIK DEKOMPOSISI CEEMDAN-SSA

Oleh   Muhammad Husni Mubarak [23519004]
Kontributor / Dosen Pembimbing : Dr. techn. Saiful Akbar, S.T., M.T.;
Jenis Koleksi : S2 - Tesis
Penerbit : STEI - Informatika
Fakultas : Sekolah Teknik Elektro dan Informatika (STEI)
Subjek :
Kata Kunci : konsumsi energi listrik, ARIMA, Complete Ensemble Empirical Mode Decomposition, Singular Spectrum Analysis, Random Forest
Sumber :
Staf Input/Edit : Irwan Sofiyan  
File : 1 file
Tanggal Input : 2021-09-28 10:09:06

Energi listrik merupakan salah satu energi yang sangat vital peranannya dalam kehidupan sehari-hari. Kenyataan ini memicu kenaikan permintaan akan energi listrik dari tahun ke tahun. Untuk menjamin pasokan tenaga listrik tetap aman, ekonomis, dan andal maka peramalan konsumsi energi listrik menjadi sangat penting dalam perencanaan sistem tenaga listrik. Konsumsi listrik dipengaruhi oleh berbagai macam faktor, dan seringkali mengandung pola linier dan non linier. Hal ini membuat peramalan dengan metode statistik atau tradisional yang digunakan saat ini dianggap tidak cukup karena tidak mempertimbangkan faktor-faktor tersebut dan metode ini tidak sesuai untuk meramalkan deret waktu non linier. Penelitian ini menggunakan metode hybrid Autoregressive Integrated Moving Average (ARIMA) – Random Forest (RF) yang dikombinasikan dengan teknik dekomposisi Complete Ensemble Empirical Mode Decomposition with Adaptive Noise (CEEMDAN) - Singular Spectrum Analysis (SSA) untuk mengatasi permasalahan yang telah disebutkan. Teknik dekomposisi CEEMDAN digunakan untuk menguraikan konsumsi listrik menjadi komponen-komponen yang memiliki karakteristik yang berbeda sedangkan SSA digunakan untuk membantu mengurangi noise. Model ARIMA kemudian digunakan untuk meramalkan komponen yang memiliki karakteristik linier dan Random Forest digunakan untuk meramalkan komponen yang memiliki karakteristik non linier. Pengujian dilakukan pada empat kategori konsumen di Provinsi Bali yaitu rumah tangga, bisnis, industri dan kategori lain-lain. Parameter ekonomi, cuaca, dan pariwisata digunakan sebagai variable input untuk meramalkan konsumsi listrik pada empat kategori konsumen tersebut. Hasil pengujian menunjukkan dibandingkan dengan SARIMA, support vector regression (SVR), dan extreme gradient boosting (XGB) metode yang diusulkan dapat secara signifikan meningkatkan akurasi peramalan dengan rata-rata MAPE sebesar 3,33%.