Forum Pendidikan Tinggi Teknik Elektro Indonesia (FORTEI) 2013 http://fortei2013.com Abstract— Prediksi beban listrik jangka pendek merupakan prosedur operasi sistem tenaga listrik yang memilki peranan penting dalam hal mewujudkan operasi yang ekonomis. Penelitian ini bertujuan untuk melakukan studi penggunaan algoritma hibrid PSO-JST dalam melakukan prediksi beban listrik jangka pendek dengan membuat kluster data berdasarkan tipe hari dalam satu minggu dan hari libur. Data historis menggunakan data pengeluaran beban listrik dari PT. PLN (Persero) Area III Jawa Barat. Perhitungan dilakukan dengan menggunakan perangkat lunak MATLAB. Tingkat akurasi prediksi algoritma PSO- JST dibandingkan dengan data Rencana Beban Sistem (RBS) PT.PLN. Hasil simulasi membuktikan bahwa hasil prediksi beban berbasis algoritma PSO-JST memberikan tingkat akurasi yang baik jika dibandingkan dengan prediksi RBS-PLN. Hasil prediksi beban yang akurat akan menekan tingkat rugi-rugi energi dan biaya pembangkitan. Keywords— Algoritma PSO-JST, MAPE, prediksi beban listrik jangka pendek, tipe hari. I. PENDAHULUAN Operasi sistem tenaga listrik modern biasanya berhubungan dengan berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi dan proses pengambilan keputusan dimana suatu sistem tenaga listrik disusun untuk memenuhi beban listrik dalam jaringan yang telah ditetapkan kriteria kinerja teknis serta kriteria kinerja ekonomisnya. Proses perencanaan operasi harus dimulai dengan proyeksi penyaluran beban listrik masa depan pada interval waktu tertentu, yaitu dengan melakukan peramalan beban. Peramalan beban listrik diklasifikasikan menjadi tiga bagian yaitu peramalan beban jangka pendek (short term load forecasting), jangka menengah (medium term load forecasting) dan jangka panjang (long term load forecasting). Setiap model peramalan beban menggunakan metode yang berbeda untuk memenuhi tujuan spesifiknya. Prediksi beban listrik jangka pendek merupakan masalah prediksi berbasis deret waktu yang menganalisis pola beban listrik jangka pendek. Berfungsi sebagai masukan utama dalam unit commitment, economic dispath, penjadwalan bahan bakar, studi aliran daya serta maintenance. Oleh karena itu membangun model prediksi beban yang memiliki akurasi yang sangat tinggi sangat diperlukan dan menjadi masalah utama perusahaan listrik dikarenakan sangat sulit implementasinya. Kesulitan tersebut disebabkan karena karakteristik beban listrik yang dikeluarkan memiliki pola yang kompleks [1]. Pola beban listrik memilki perilaku non linier dan bersifat random, misalnya karena faktor cuaca, sosial dan ekonomi [2]. Prediksi beban yang akurat memerlukan pertimbangan-pertimbangan faktor waktu, data cuaca, dan kegiatan lokal [3]. Faktor waktu meliputi tipe hari dalam satu minggu dan tipikal jam dalam satu hari. Penggunaan energi listrik oleh konsumen tentunya berbeda untuk hari kerja biasa, pada saat akhir pekan dan pada saat hari libur. Begitupun dalam satu hari penggunaan listrik akan sangat berbeda pada saat beban dasar dan beban puncak. Karakteristik pengguna listrik di Indonesia sangat unik dan berbeda dengan prilaku pengguna listrik di negara maju. Faktor cuaca tidak begitu mempengaruhi prilaku penggunaan listrik bagi Indonesia sedangkan bagi negara maju perbedaannya sangat mencolok. Kegiatan lokal seperti siaran televisi yang memikat sangat mempengaruhi prilaku penggunaan energi listrik di Indonesia, sehingga berdasarkan pertimbangan tersebut diperlukan model prediksi khusus untuk sistem kelistrikan di Indonesia. Beberapa pengembangan model prediksi beban telah dilakukan peneliti bidang sistem tenaga listrik. Model konvensional prediksi beban listrik jangka pendek pertama dilakukan dengan menggunakan teknik eksponensial smoothing [4], metode regresi , dan analisis statistik. Metode regresi ini terus dikembangkan dengan menghubungkan konsumsi listrik dengan beberapa faktor misalnya cuaca, tipe hari dan kelas konsumen [5]. Metode ARIMA dan sejenisnya dengan beban listrik dimodelkan dengan persamaan difference autoregressive moving average sangat populer digunakan pada tahun 1987. Model ini dikembangkan berdasarkan asumsi bahwa data yang digunakan memiliki struktur internal auto korelasi, trend dan variasi keadaan [6] Seiring dengan perkembangan teknologi komputasi cerdas, maka perhitungan prediksi beban sudah berkembang menuju era metode kecerdasan buatan. Metode prediksi beban dengan metode ini memiliki kinerja yang sangat baik untuk mengatasi masalah- masalah yang bersifat non linier yang selama ini sulit diselesaikan dengan metode deret waktu. Metode kecerdasan buatan tidak menggunakan formulasi matematika yang kompleks dan hanya menggunakan Metode Hibrid PSO-JST untuk Peningkatan Akurasi Prediksi Beban Listrik Jangka Pendek A. G. Abdullah, G. M. Suranegara, D.L. Hakim Program Studi Teknik Elektro, Universitas Pendidikan Indonesia