Prakiraan Produksi Energi Listrik PLTA di Sumatera Utara Menggunakan Adaptive Neuro-Fuzzy Inference System (ANFIS)

Wisnu Alqadri Wardana; Mawardi; Yoga Tri Nugraha; Sari Novalianda

doi:10.59086/jti.v4i3.1269

Authors

Wisnu Alqadri Wardana Universitas Al-Azhar Medan
Mawardi Universitas Al-Azhar Medan
Yoga Tri Nugraha Universitas Al-Azhar Medan
Sari Novalianda Universitas Al-Azhar Medan

DOI:

https://doi.org/10.59086/jti.v4i3.1269

Keywords:

Prediksi energi listrik, logika fuzzy, jaringan saraf tiruan, forecasting.

Abstract

Kebutuhan energi listrik di Sumatera Utara terus mengalami fluktuasi seiring pertumbuhan penduduk dan perkembangan industri, sehingga perencanaan konsumsi listrik yang akurat sangat diperlukan untuk menjaga keandalan pasokan. Penelitian ini menerapkan Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk memprediksi konsumsi energi listrik di wilayah Sumatera Utara dengan menggunakan data historis periode 2018–2024. Data aktual dibandingkan dengan hasil prediksi model untuk mengevaluasi akurasi menggunakan indikator Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil evaluasi menunjukkan nilai MAE sebesar 0,00057, RMSE sebesar 0,00139, dan MAPE hanya 0,00012%, yang menandakan tingkat kesalahan prediksi sangat kecil. Proyeksi hingga tahun 2029 memperlihatkan tren konsumsi listrik yang cenderung meningkat kembali setelah mengalami penurunan pada tahun 2022–2023, dengan lonjakan signifikan pada tahun 2024. Hal ini menunjukkan bahwa ANFIS mampu mengikuti pola historis dengan baik serta memberikan hasil prakiraan yang presisi dan dapat diandalkan. Dengan demikian, metode ANFIS dapat digunakan sebagai dasar perencanaan energi jangka pendek untuk mendukung strategi penyediaan listrik yang efisien dan berkelanjutan di Sumatera Utara.

The electricity demand in North Sumatra continues to fluctuate along with population growth and industrial development, so accurate electricity consumption planning is essential to maintain supply reliability. This study applies the Adaptive Neuro-Fuzzy Inference System (ANFIS) to predict electricity consumption in the North Sumatra region using historical data for the 2018–2024 period. Actual data is compared with the model's prediction results to evaluate accuracy using the Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Mean Absolute Percentage Error (MAPE) indicators. The evaluation results show an MAE value of 0.00057, RMSE of 0.00139, and MAPE of only 0.00012%, indicating a very small level of prediction error. Projections until 2029 show a trend of electricity consumption that tends to increase again after experiencing a decline in 2022–2023, with a significant spike in 2024. This indicates that ANFIS is able to follow historical patterns well and provide precise and reliable forecast results. Thus, the ANFIS method can be used as a basis for short-term energy planning to support efficient and sustainable electricity supply strategies in North Sumatra.

References

Karaeng, C. T., Iswandi, I., Firman, F., & Nuzul, M. (2019). Analisis Kinerja Boiler Pada PLTU Unit 1 PT. SEMEN Tonasa. Jurnal Teknik Mesin Sinergi, 11(1). https://doi.org/10.31963/sinergi.v11i1.1098

Miqrad, S. (2021). Analisis Efisiensi Penggunaan Energi Listrik Dengan Audit Energi. Jurnal Teknik Elektro Universitas Tanjungpura, 1(3).

Nugraha, Y. T., Cahyadi, C. I., Rida, R., Ningsih, M. S., Sholeha, D., & Roza, I. (2025). Application of the adaptive neuro-fuzzy inference system for the prediction of the electrical energy production in Jakarta. IAES International Journal of Artificial Intelligence, 14(3), 1790–1798. https://doi.org/10.11591/ijai.v14.i3.pp1790-1798

Nugraha, Y. T., Fitra Zambak, M., & Hasibuan, A. (2020). Perkiraan Konsumsi Energi Listrik di Aceh pada Tahun 2028 Menggunakan Adaptive Neuoro Fuzzu Interference System (Vol. 5, Issue 1).

Nugraha, Y. T., Ghabriel, K., & Dharmawan, I. F. (2021). Implementasi ANFIS Dalam Prakiraan Konsumsi Energi Listrik Di Kota Medan Pada Tahun 2030. Universitas Prima Indonesia Jl. Sekip, Simpang Sikambing Medan, 4578890(061). https://doi.org/10.30596/rele.v4i1.7826

Nugraha, Y. T., Simanjuntak, P. M., Irwanto, M., Rida, R., & Othman, M. A. (n.d.). ANALYSIS OF FORECAST OF RENEWABLE ENERGY DEVELOPMENT IN NORTH SUMATRA USING ANFIS. Jurnal Media Elektro. https://doi.org/10.35508/jme.v13i1.15310

Setyoko, P., & Luthfie, A. A. (2022). Analisis Kadar Gas Emisi Co-Firing Pada Boiler PLTU Indramayu Menggunakan Campuran Sawdust. Jurnal Teknik Mesin, 11(3).

Sholeha, D., & Zambak, M. F. (2022). The Implementasi ANFIS Dalam Prakiraan Perkembangan Energi Baru dan Terbarukan di Indonesia Pada Tahun 2030. Jurnal Sistem Informasi …, 5(2).

Zayyinun, A., & Widyartono, M. (2020). Prototipe Mesin Stirling Menggunakan Panas Sinar Matahari Sebagai Energi Alternatif. Teknik Elektro, 09(2).