Prediksi Tinggi Permukaan Air Waduk Menggunakan Artificial Neural Network Berbasis Sliding Window

Abstract

Tinggi permukaan air waduk merupakan salah satu faktor penting dalam proses pengoperasian turbin Pembangkitan Listrik Tenaga Air (PLTA) untuk mengontrol luapan air sehingga tidak terjadi degradasi yang berlebihan. Pengontrolan air ini memiliki pengaruh terhadap kinerja dan hasil produksi energi listrik PLTA. Pencatatan tinggi permukaan air waduk (tpaw) harian PLTA Riam Kanan dilakukan melalui proses pengukuran dan pengamatan langsung setiap hari pada papan ukur waduk yang direkap setiap bulan dalam bentuk excel. Data historis deret waktu ini terus bertambah setiap harinya menjadi gudang data yang masih belum bermanfaat jika hanya disimpan saja. Penggalian pengetahuan dari gudang data tersebut dapat dilakukan dengan menggunakan salah satu teknik data mining artificial neural network yaitu backpropagation untuk memprediksi tpaw hari berikutnya. Data historis deret waktu tpaw ini disajikan dengan pendekatan konsep sliding window berdasarkan ukuran jendela yang digunakan yaitu 7, 14, 21 dan 28. Ukuran jendela tersebut merepresentasikan jumlah hari sebagai variabel lapisan input pada arsitektur jaringan backpropagation untuk memprediksi tpaw hari berikutnya. Beberapa pengujian jaringan backpropagation dilakukan dengan menggunakan kombinasi jumlah ukuran jendela terhadap perbandingan jumlah data latih dan data uji pada jaringan. Hasil prediksi yang diperoleh dengan nilai mean squared error (mse) terkecil pada pengujian jaringan ialah 0,000577 sebagai nilai akurasi hasil prediksi yang tinggi. Arsitektur jaringan dengan mse terkecil menggunakan 28 lapisan input, 10 lapisan tersembunyi dan 1 lapisan output dapat menjadi sebuah pengetahuan yang dapat membantu pihak PLTA sebagai alternatif pengambilan keputusan pengoperasian turbin berdasarkan hasil prediksi tinggi permukaan air waduk. Kata kunci: artificial neural network, sliding window, backpropagation, arsitektur jaringan, mse