PERAMALAN PENGGUNAAN BAHAN BAKAR PADA PEMBANGKIT LISTRIK TENAGA GAS UAP MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Abstract

Bahan bakar merupakan komponen utama dalam pembangkitan energi listrik. Penggunaan bahan bakar yang efektif dan efisien tentu saja disesuaikan dengan kebutuhan beban yang diminta sehingga tidak ada energi yang terbuang dan tidak akan terjadi kekurangan bahan bakar dalam proses pembangkitan. Kekurangan bahan bakar dapat mengakibatkan pembangkit listrik tidak beroperasi sementara. Untuk itu dibutuhkan suatu perencanaan yang baik dengan melakukan prediksi terhadap penggunaan bahan bakar gas yang akan digunakan pada periode mendatang. Dengan kata lain, mengoptimalkan pemakaian dan pemesanan bahan bakar pada unit pembangkit dilakukan agar tercipta manajemen sumberdaya energi yang efektif dan efisien. Penelitian ini bertujuan untuk memprediksi dan mempersiapkan bahan bakar, biaya yang dibutuhkan untuk proses pembangkitan, serta menentukan tingkat akurasi pembangkit lstrik dengan menggunakan metode backpropagation neural network. Hasil Prediksi penggunaan bahan bakar gas Unit PLTGU PT. PJB Unit Pembangkitan Gresik pada minggu ke-1 bulan Oktober yaitu sebesar 24.814 KNm3 /h sehingga biaya yang dibutuhkan untuk keperluan bahan bakar gas yaitu sebesar Rp 92.695.620.617 dengan MAPE sebesar 15,0825%. Hal tersebut menunjukkan bahwa model yang dibangun oleh jaringan backpropagation termasuk ke dalam kategori baik dalam memprediksi karena nilai error berada diantara 10-20% dan akurasinya sebesar 84,9175%. Arsitektur jaringan Backpropagation yang paling optimal yaitu dengan menggunakan 1 hidden layer dengan 9 node , momentum 0,9 dan learning rate 0,01.