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