17 PENERAPAN METODE JARINGAN SYARAF TIRUAN PROPAGASI BALIK SEBAGAI METODE PRAKIRAAN BEBAN LISTRIK (Studi Kasus pada Data Konsumsi Beban Listrik Harian PT. PLN Gresik Kecamatan Manyar Kabupaten Gresik) Suci Wida Pratiwi Sari, Samingun Handoyo Jurusan Matematika, F.MIPA, Universitas Brawijaya Email :wida.humam@gmail.com Abstrak. Tenaga Listrik merupakan kebutuhan pokok yang sangat penting bagi masyarakat dalam menjalankan aktivitas sehari-hari. Aktivitas ini meliputi penerangan, penggunaan alat bantu dalam bidang bisnis dan industri, serta keperluan lainnya yang dapat menunjang terlaksananya berbagai kegiatan di masyarakat. Besar kecilnya konsumsi listrik ditentukan sepenuhnya oleh pelanggan, yaitu tergantung bagaimana para pelanggan menggunakan alat-alat listriknya, sehingga, diperlukan peramalan beban listrik untuk mengusahakan penyediaan beban listrik dalam jumlah merata. Besar konsumsi di masa mendatang dapat diramalkan menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik. Tujuan dari penelitian ini adalah membuat metode prakiraan beban listrik yang lebih akurat dengan rata-rata error yang rendah. Permasalahan utama dalam pemodelan Jaringan Syaraf Tiruan Propagasi Balik adalah penentuan unit lapisan tersembunyi yang memberikan hasil optimal. Proses JST terbagi menjadi 2 bagian yaitu training dan testing. Training merupakan proses pembelajaran dari sistem jaringan syaraf yang mengatur nilai input serta bagaimana pemetaannya pada output sampai diperoleh model yang sesuai sedangkan testing merupakan proses pengujian ketelitian dari model yang sudah diperoleh dari proses training. Proses training dilakukan terhadap pola data training dengan target error 0,001, learning rate 0,1 dan maksimum epoch 50. Arsitektur JST yang dihasilkan adalah 7-13-1 yang berarti 7 neuron pada lapisan input, 13 neuron pada lapisan tersembunyi dan satu neuron pada lapisan output dengan perolehan MSE sebesar 0,1186. Hasil prakiraan beban listrik menggunakan model JST menghasilkan prediksi beban listrik tertinggi adalah pada hari ke- 48 sebesar 30188 GWh. Sedangkan, prediksi beban listrik terendah adalah pada hari ke- 65 sebesar 21745 GWh. Kata Kunci : JST, Propagasi Balik, Training, Testing, Lerning Rate. 1. PENDAHULUAN Tenaga Listrik merupakan kebutuhan pokok yang sangat penting bagi masyarakat dalam menjalankan aktivitas sehari-hari. Aktivitas ini meliputi penerangan, penggunaan alat bantu dalam bidang bisnis dan industri, serta keperluan lainnya yang dapat menunjang terlaksananya berbagai kegiatan di masyarakat. Tenaga listrik digunakan oleh beberapa sektor, diantaranya adalah sektor rumah tangga, industry, usaha komersial, dan pelayanan umum (Harsono, 2005). Besar kecilnya konsumsi listrik ditentukan sepenuhnya oleh pelanggan, yaitu tergantung bagaimana para pelanggan menggunakan alat-alat listriknya. Sehingga, diperlukan peramalan beban listrik untuk mengusahakan penyediaan beban listrik dalam jumlah merata. Besar konsumsi di masa mendatang dapat diramalkan menggunakan metode Jaringan Syaraf Tiruan Propagasi Balik. 2. TINJAUAN PUSTAKA Secara umum proses JST terbagi menjadi 2 bagian yaitu training dan testing. Training merupakan proses pembelajaran dari sistem jaringan syaraf yang mengatur nilai input serta bagaimana pemetaannya pada output sampai diperoleh model yang sesuai sedangkan testing merupakan proses pengujian ketelitian dari model yang sudah diperoleh dari proses training. JST Propagasi Balik melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan dalam mengenali pola yang digunakan selama training serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola input yang serupa (tetapi tidak sama) dengan pola yang dipakai selama training. Training pada Backpropagation meliputi 3 fase yaitu sebagai berikut : a. Fase I : Propagasi Maju (Feed Forward) b. Fase II : Propagasi Mundur (Backpropagation) c. Fase III : Perubahan Bobot Tahap Prepocessing berperan penting dalam JST diantaranya adalah untuk menghindari adanya masalah dalam proses komputasi, untuk memenuhi persyaratan algoritma yang digunakan dan berpengaruh terhadap tingkat akurasi yang dihasilkan (Crone, 2005).