BAB 2
LANDASAN TEORI
Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Adaptive Neuro Fuzzy Inference System
ANFIS untuk prediksi Beban Daya Listrik di Sumatera Bagian Utara.
2.1 Beban Puncak Daya Listrik
Prakiraan beban, terutama pada jam beban puncak adalah dasar untuk estimasi sistem dan kalkulasi teknis dan ekonomis. Hal ini memungkinkan untuk dikembangkan
dalam operasi pemeliharaan peralatan listrik dan rencana konfigurasi operasi jaringan. Kesulitan utama dalam memprakirakan beban pada beban puncak untuk bus penerima
dalam sistem distribusi tenaga listrik berasal dari sifat acak beban, keaenakaragaman bentuk beban di bagian sistem berbeda, kurangnya data terukur dan tidak lengkap
serta tidak pastinya karakter informasi di beban dan konsumen. Konsumsi energi listrik dalam periode waktu yang berbeda, tingkat rata-rata konsumsi daya yang
diijinkan oleh transformator dan pengukuran beban secara tersendiri, merupakan faktor-faktor pendekatan yang berhubungan dengan prakiraan beban dalam sistem
distribusi bus. Pendekatan yang lain berupa konsumsi energi per periode oleh konsumen dibagi kedalam kelompok-kelompok yang memiliki bentuk beban yang
berbeda. Pendekatan lebih lanjut didasari oleh pengevaluasian staff operasional atau secara non operasional.
Penerapan statistik dalam memperkirakan kebutuhan energi listrik dimasa yang akan datang merupakan cara yang tepat mendapatkan hasil perhitungan yang
mendekati sebenarnya. Macam-macam persamaan dalam perkiraan daya adalah
Universitas Sumatera Utara
analisa kencederungan atau trend. Analisa kecenderungan adalah cara mempelajari sederat waktu atau suatu proses diwaktu yang lalu dan saat ini kemudian
dibuat model matematikanya sehingga prediksi yang akan datang dapat diketetahui dari sekarang.
2.2 Normalisasi Data
Normalisasi data berfungsi untuk membuat data yang akan diproses berada pada range tertentu sehingga dalam pemrosesan nantinya angka yang diolah tidak terlalu besar
sehingga mempercepat proses perhitungan. Pada penelitian ini data pelatihan akan dinormalisasi dalam range 0,1 sampai 0,9. Adapun rumus untuk melakukan
normalisasi data pada range 0,1 sampai 0,9 adalah sebagai berikut Siang, 2005:
dimana: y = nilai normaliasai
x = nilai data beban daya listrik a = nilai minimum dari data beban daya listrik
b = nilai maximum dari data beban daya listrik
Setelah data masukan yang telah dinormalisasi diproses dan didapatkan hasil prediksi maka data hasil prediksi tersebut akan didenormalisasi kembali dengan
menggunakan persamaan berikut:
dimana: y = nilai hasil normalisasi
x = nilai hasil denormalisasi a = nilai minimum dari data beban daya listrik
b = nilai maximum dari data beban daya listrik
Universitas Sumatera Utara
2.3 Fuzzy System