Jenggo Dwyana Prasaja, Jenggo Dwyana
Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Soedharto, S.H., Kampus UNDIP Tembalang, Semarang 50275, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN LOGIKA FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 2025 Prasaja, Jenggo Dwyana; Hermawan, Hermawan; Handoko, Susatyo
Transient: Jurnal Ilmiah Teknik Elektro TRANSIENT, VOL. 5, NO. 1, MARET 2016
Publisher : Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (397.398 KB) | DOI: 10.14710/transient.5.1.78-85

Abstract

Dalam proses perencanaan pengembangan sistem tenaga listrik di Indonesia diperlukan adanya suatu proyeksi kebutuhan energi listrik di masa yang akan datang. Hasil proyeksi yang didapatkan bisa dijadikan bahan pertimbangan bagi pembuat kebijakan untuk merumuskan tindakan yang akan diambil untuk masa-masa mendatang. Hal ini bertujuan demi tercapainya optimalisasi dalam proses penyediaan energi listrik di Indonesia. Pada penelitian ini, untuk optimalisasi penyediaan energi listrik di Indonesia diperlukan suatu proyeksi kebutuhan energi listrik. Metode proyeksi yang digunakan adalah logika fuzzy dan logika fuzzy clustering dengan fuzzy inference system tipe mamdani. Proyeksi ini menggunakan data historis/aktual yang diakumulasikan dalam beberapa periode waktu, yaitu dari tahun 2009 sampai 2014. Hasil proyeksi dengan menggunakan logika fuzzy menunjukkan bahwa kebutuhan energi listrik di Indonesia pada tahun 2025 sebesar 612.519 GWh dengan kenaikan rata-rata setiap tahunnya sebesar 9,22%. Sedangkan hasil proyeksi yang dilakukan oleh logika fuzzy clustering yaitu sebesar 569.256 GWh dengan kenaikan rata-rata setiap tahunnya sebesar 7,82%. Hasil proyeksi tersebut sudah mendekati hasil proyeksi pada dokumen RUKN 2015-2034. Nilai rata-rata error terhadap proyeksi pada dokumen RUKN 2015-2034 adalah sebesar 8,48% untuk logika fuzzy dan 4,31% untuk logika fuzzy clustering.