Abstrak
Besarnya konsumsi listrik dari waktu ke waktu cenderung mengalami peningkatan yang besarnya tidak dapat ditentukan secara pasti. Ketidakpastian itu apabila tidak diperkirakan akan menjadi sebuah masalah, karena kebutuhan listrik semakin bertambah tetapi penyediaan listrik kurang. Penelitian ini dilakukan untuk peramalan dan memprediksi laju pertumbuhan beban listrik di wilayah kerja ULP Maros tahun 2023-2032 dengan menggunakan metode jaringan syaraf tiruan serta menggunakan aplikasi MATLAB R2015a. Adapun data yang digunakan adalah jumlah penduduk, jumlah pelanggan, dan komsumsi energi listrik yang terpakai. Berdasarkan hasil penelitian ini didapatkan pada peruntukan rumah tangga mengalami pertumbuhan sebesar 9% pertahun, untuk peruntukan publik mengalami pertumbuhan sebesar 5% pertahun dan untuk peruntukan industri mengalami pertumbuhan sebesar 1% pertahun. Berdasarkan hasil peramalan dengan menggunakan metode tersebut menunjukkan terjadi peningkatan beban listrik di wilayah kerja ULP Maros dari tahun 2023-2032 mengalami peningkatan yang signifikan tiap tahunnya pada peruntukan rumah tangga dan publik, akan tetapi pada peruntukan industri mengalami peningkatan yang cukup lambat tiap tahunnya.Referensi
[1] Binoto, M., & Kristiawan, Y. (2015). Peramalan Eergi Listrik Terjual dan Daya Listrik yang Tersambung pada Sistem Ketenagalistrikan untuk jangka panjang di Solo Menggunakan Metode Artificial Neural Network. Prosiding SNATIF Ke-2, 235.
[2] Septyawan, R. (2018). Analisis Peramalan Kebutuhan Energi Listrik PLN Area Batam Menggunakan Metode Regresi Linear. Yogyakarta: Tugas Akhir Universitas Islam Indonesia.
[3] Slamet Suripto, M. (2017). Sistem Tenaga Listrik . Yogyakarta: LP3M UMY.
[4] Handayani, I., Alimuddin, & Suhendar. (2012). Peramalan Beban Tenaga Listrik jangka Pendek Menggunakan Metode Jaringan Syaraf Tiruan. SETRUM, I, 36.
[5] Suhadi, d. (2008). Teknik Distribusi Tenaga Listrik (1 ed.). Jakarta: Direktorat Pembinaan Sekolah Menengah Kejuruan.
[6] Attaqwa, S. (2018). Peramlaan Jangka Pendek dengan Menggunakan Metode ARIMA pada Gedung Elektro Kampus 2 PNUP. Makassar: Skripsi Politeknik Negeri ujung Pandang.
[7] Maulidin, M. S., & Assaffat, L. (2014, Desember). Jaringan Syaraf Tiruan sebagai Metode Peramalan Beban Listrik Harian di PT.Pismatex Pekalongan. Media Elektrika, Vol. 7 No. 2, 36-44.
[8] Alamsyah, F. (2021). Peramalan Beban Listrik Harian Menggunakan Artificial Neural Network.Universitas Negeri Surabaya, Volume 1 No. 1, 205.
[9] Setiabudi, D. (2012, Oktober). Sistem Informasi Peramalan Beban Listrik jangka Panjang di Kabupaten Jember Menggunakan JST Backpropogation. SMATICS, I, 1-4.
[10] Tindriyani, N. A. (2017). Implementasi Neural Network pada MATLAB untuk Peramalan Komsumsi Beban Listrik Kabupaten Ponorogo Jawa Timur. Semarang: Skripsi Univesitas Negeri Semarang.
[11] Rodney, M. F. (2022). Peramalan Beban Listrik Menggunakan Kombinasi Metode Jaringan Syaraf Tiruan dan Regresi Linear di ULP Sungguminasa. Makassar: Skripsi Politeknik Negeri Ujung Pandang.
[12] Rahmah, F. (2018). Analisa Peramalan Beban Daya 900 VA Sebagai Salah Satu Acuan Perencanaan Pembangkitan Sumber Energi Alternatif. Makassar: Skripsi Politeknik Negeri Ujung Pandang.
[13] Marwan. (2018). Komputasi Sistem Tenaga Listrik. Yogyakarta: Andi.
[14] Robandi, I. (2019). Artificial Intelegence : Mengupas Rekayasa Kecerdasan Tiruan. Yogyakarta: Andi.
[15] Handayani, I., Alimuddin, & Suhendar. (2012). Peramalan Beban Tenaga Listrik jangka Pendek Menggunakan Metode Jaringan Syaraf Tiruan. SETRUM, I, 36.
[16] Tim Dosen. (2016). Pedoman Penulisan Proposal dan Skripsi Program Diploma Empat (D-4) Bidang Rekayasa dan Tata Niaga. Makassar: Politeknik Negeri Ujung Pandang.
[17] Badan Pusat Statistik Sulawesi Selatan,2023,http://sulsel.bps.go.id/indicator/12/83/2/jumlah-penduduk-menurut-kabupaten-kota.html, 2 Mei 2023, pukul 16.31.

Artikel ini berlisensi Creative Commons Attribution-NoDerivatives 4.0 International License.
Hak Cipta (c) 2025 Journal of Power Energy System
