analisa data kelistrikan suatu perusahaan.pptx

pada pembahasan ini akan membahas tentang bagaimana cara memprediksi tagihan listrik perusahaan

1. ANALISIS METODE FUZZY INFERENCE SYSTEM (FIS) PADA SISTEM PREDIKSI BEBAN LISTRIK DI PT. SATU SHAFF BERJAYA Disusun Dan Diajukan Untuk Memenuhi Persyaratan Ujian Akhir Memperoleh Gelar Sarjana Teknik Pada Fakultas Sains Dan Teknologi Universitas Pembangunan Panca Budi NAMA : WESLY BORNOK MARUSAHA SIAHAAN N. P. M : 2024210137 PROGRAM STUDI : TEKNIK ELEKTRO PEMINATAN : TEKNIK ENERGI LISTRIK FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS PEMBANGUNAN PANCA BUDI MEDAN 2022

2. Latar Belakang Kemajuan ilmu pengetahuan khusnya pada bidang sains dan teknologi banyak sekali membantu kehidupan menjadi lebih baik dari kehidupan sebelumnya . Pemanfaatan ilmu pengetahuan dalam kehidupan sehari-hari menjadikan hidup yang lebih mudah . Pengembangan ilmu pengetahuan dan teknologi dapat dilihat dari kemajuan sistem kecerdasan buatan atau yang lebih dikenal dengan istilah Artificial intelligence. Penelitian ini berfocus untuk melakukan sistem prediksi pemakaian Beban listrik di perusahaan menggunakan metode fuzzy untuk mencapai nilai efisiensi dari beban operational di perusahaan .

3. Perumusan Masalah Adapun perumusan masalah yang dapat di rumuskan pada penelitian ini adalah sebagai berikut : Bagaimana menganalisis metode fuzzy inference system (FIS) pada system prediksi beban listrik di PT. Satu Shaff Berjaya? Bagaimana metode fuzzy inference system (FIS) melakukan prediksi beban listrik di PT. Satu Shaff Berjaya?

4. Batasan Masalah Pada skripsi ini memiliki batasan masalah sebagai berikut : Menggunakan metode Fuzzy Inference System (FIS) Data yang digunakan berasal dari PT. Satu Shaff Berjaya Menggunaka software mathlab dalam perhitungan data menggunakan fuzzy tool box

5. Tujuan Adapun tujuan dari skripsi ini adalah sebagai berikut : Untuk melakukan Analisa metode FIS pada system prediksi beban listrik di PT. Satu Shaff Berjaya. Untuk meramalkan beban operational perusahaan khususnya pada penggunaan beban listrik selama satu tahun untuk tahun anggaran berikutnya . Sebagai sumbangsih keilmuan yang dapat dijadikan sebagai referensi bagi peneliti dimasa mendatang .

6. Manfaat Penelitian Adapun manfaat penulisan skripsi ini adalah : Memberikan pengetahuan baru bagi penulis dalam analisis sistem prediksi beban listrik PT. Satu Shaff Berjaya menggunakan metode FIS. Dapat dimanfaatkan oleh universitas sebagai referensi keilmuan dalam sistem analisis sistem prediksi beban listrik menggunakan metode FIS. Pengembangan selanjutnya dalam analisis sistem prediksi beban listrik dengan menggunakan metode FIS.

7. Metode Penelitian

8. Data latih Bulan Frekuensi Project Kwh Tagihan Januari 3 1135 Rp1.691.926,54 Februari 2 830 Rp1.238.074,03 Maret 527 Rp787.197,61 April 501 Rp748.508,54 Mei 2 877 Rp1.308.011,96 Juni 1 612 Rp913.681,09 Juli 2 881 Rp1.313.964,12 Agustus 2 853 Rp1.272.298,97 September 1 717 Rp1.069.925,40 Oktober 515 Rp769.341,12 November 1 627 Rp936.001,71 Desember 2 877 Rp1.308.011,96 Total 16 8952 Rp13.356.943,03

9. Analisa Kebutuhan Berdasarkan data yang diperoleh maka dapat dianalisa bahwa kebutuhan pemakaian listrik sangat berpengaruh terhadap banyaknya frekuensi project yang di kerjakan . Pada penelitian ini akan dilakukan sebuah perhitungan matematis menggunakan metode fuzzy untuk melakukan prediksi beban operational yang harus dikeluarkan selama setahun dengan input target project yang akan diselesaikan dikemudian hari . Perhitungan algoritma menggunakan bantuan software mathlab dengan beberapa variable seperti frekuensi project, total kebutuhan Kwh , dan tagihan listrik . Sistem prediksi ini dapat digunakan dikemudian hari sebagai acuan perusahaan untuk menentukan beban operational dimasa mendatang khususnya pada beban biaya tagihan listrik .

10. Implementasi Logika Fuzzy Implementasi logika fuzzy dilakukan dengan melihat data yang akan digunakan . Pada perancangan ini digunakan sebanyak satu variable input dan dua variable output. Untuk setiap variable akan diklasifikasikan dengan tingkatan yang berbeda sesuai dengan data yang diperoleh . Input pada penelitian ini adalah frekuensi project yang akan di klasifikasikan menjadi tiga tingkatan yaitu sedikit , sedang dan banyak . Output pertama pada penelitian ini adalah total Kwh yang dibutuhkan dengan tingkatan rendah , normal dan tinggi . Output kedua pada penelitian ini merupakan total tagihan yang harus dibayarkan kepad penyedia layanan listrik dengan klasifikasi rendah , sedang dan tinggi . Klasifikasi variabel input dan output pada penelitian ini digambarkan serta dirumuskan dalam himpunan fuzzy. Gambar 3.2 dibawah ini menampilkan hubungan input dan output pada perancangan system prediksi menggunakan logika fuzzy.

11. Implementasi Logika Fuzzy

12. Himpunan Fuzzy

13. Perancangan Basis Aturan

14. Tabel Pengujian Sistem Bulan Frekuensi Project Kwh Tagihan Januari 3 1135 Rp1.691.926,54 Februari 2 830 Rp1.238.074,03 Maret 527 Rp787.197,61 April 501 Rp748.508,54 Mei 2 877 Rp1.308.011,96 Juni 1 612 Rp913.681,09 Juli 2 881 Rp1.313.964,12 Agustus 2 853 Rp1.272.298,97 September 1 717 Rp1.069.925,40 Oktober 515 Rp769.341,12 November 1 627 Rp936.001,71 Desember 2 877 Rp1.308.011,96 Total 16 8952 Rp13.356.943,03 Berdasarkan tabel diatas total frekuensi project selama satu tahun adalah sebanyak 16 project dengan kebutuhan listrik sebesar 8952 Kwh dan total tagihan sebesar Rp. 13.356.943,03.

15. Pengujian Data Latih Berdasarkan hasil pengujian pada gambar berikut terlihat dengan total frekuensi project sebanyak 16 project, total Kwh yang dibutuhkan sebesar 8.5 (8.500 Kwh ) dan total tagihan sebesar 13 (Rp. 13.000.000). Jika dirumuskan untuk selisih persentase error pada perancangan sistem prediksi penggunaan tagihan listrik tersebut berlaku rumus . Persentase error = (Nilai Eksperimental – Nilai Teoritis ) x 100% Nilai Teoritis

16. Pengujian Data Latih Persentase error Kwh = 8.500 – 8.952 x 100% = 0.05 % 8.952   Persentase error Tagihan = Rp. 13.000.000 – Rp13.356.943,03 x 100% Rp13.356.943,03 = 0.02 % Berdasarkan hasil perhitungan persentase error diatas maka dapat disimpulkan bahwa hasil perancangan sistem prediksi Kwh meter menggunakan software mathlab dapat digunakan dengan baik dengan nilai persentase error untuk nilai Kwh sebesar 0.05% dan nilai prediksi tagihan sebesar 0.02%.

17. Kesimpulan Setelah melakukan perancangan sistem prediksi Kwh meter menggunakan software mathlab maka dapat ditarik kesimpulan yaitu sistem prediksi KWH meter menggunakan metode fuzzy memberikan hasil yang sanagat baik . Hasil prediksi KWH meter mimiliki selisih yang tidak terlalu jauh dengan keadaan yang sebenarnya . Berdasarkan hasil perhitungan nilai persentase error pada sistem prediksi KWH meter sebesar 0.05% dan prediksi biaya tagihan listrik memiliki selisih persentasi sebesar 0.02%.