Load Forecasting Energi Listrik Provinsi Banten Tahun 2022-2030 Menggunakan Metode Backpropagation Neural Network

Hartono, Hartono (Universitas Sultan Ageng Tirtayasa)
Muharni, Yusraini (Department of Industrial Engineering)
Setiawan, Irvan (Universitas Sultan Ageng Tirtayasa)
Saraswati, Irma (Universitas Sultan Ageng Tirtayasa)
Maulana, Alief (Universitas Sultan Ageng Tirtayasa)

Journal of Systems Engineering and Management
Vol 2, No 1 (2023)

Kebutuhan energi listrik dimasa yang akan datang membutuhkan suatu perencanaan dan juga prediksi yang baik. Oleh sebab itu dibutuhkan perencanaan secara sistematis dengan berdasarkan data historis. Penelitian ini menggunakan neural network dengan algoritma backpropagation untuk melakukan prakiraan kebutuhan energi listrik Provinsi Banten di masa yang akan datang. Penelitian ini bertujuan membandingkan hasil prakiraan metode jaringan syaraf tiruan (JST) dengan RUPTL PLN 2021-2030. Setelah dilakukan proses perhitungan dan simulasi diperoleh hasil prakiraan kebutuhan energi listrik Provinsi Banten pada tahun 2021–2030 dengan metode JST diperkirakan akan mengalami kenaikan sebesar 30613.41 GWH pada tahun 2030 dengan rata–rata pertumbuhan setiap tahun sebesar 3.24%. JST backpropagation memiliki nilai kesalahan yang lebih rendah 0.39% dibandingkan dengan RUPTL PT PLN sebesar 2.74%. Berdasarkan kriteria mean average percentage error (MAPE) hasil perakiraan keseluruhan JST backpropagation dan RUPTL PT PLN berada pada kategori dapat diterima dan sangat baik.