NZ, VIRZA GAVINDA (2025) PERBANDINGAN METODE FUZZY TIME SERIES - MARKOV CHAIN DENGAN METODE MARKOV CHAIN MONTE CARLO DALAM MEMPREDIKSI KONSUMSI ENERGI LISTRIK DI PROVINSI ACEH. S2 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (88kB)
	Text Abstrak.pdf Download (128kB)
	Text Bab I.pdf Download (107kB)
	Text Daftar Pustaka.pdf Download (148kB)
	Text Full-text.pdf Restricted to Registered users only Download (8MB)

Abstract

Konsumsi energi listrik di Provinsi Aceh terus meningkat seiring pertumbuhan ekonomi dan jumlah penduduk. Prediksi yang akurat sangat penting untuk menunjang perencanaan pasokan listrik yang optimal. Penelitian ini membandingkan dua pendekatan prediksi, yaitu Fuzzy Time Series-Markov Chain (FTSMC) dan Markov Chain Monte Carlo (MCMC), dalam memproyeksikan konsumsi listrik di Aceh untuk periode 2023–2030. Permasalahan utama yang dikaji adalah bagaimana menentukan pola konsumsi listrik berdasarkan data historis (2018–2022) dan memilih metode prediksi yang paling akurat serta relevan untuk perencanaan ke depan. Data diperoleh dari PT PLN (Persero) UIW Aceh dan dianalisis menggunakan perangkat lunak R Studio. FTSMC dan MCMC diterapkan sesuai prosedur standar masing-masing, dengan MCMC memanfaatkan algoritma Metropolis-Hastings dan FTSMC berbasis logika fuzzy serta Markov Chain. Hasil penelitian menunjukkan bahwa FTSMC memberikan nilai Mean Absolute Percentage Error (MAPE) sebesar 3,25%, dengan hasil prediksi yang cenderung stagnan di kisaran 261,1 GWh mulai tahun 2025 hingga 2030. Sementara itu, metode MCMC menghasilkan MAPE sebesar 4,13%, namun mampu menangkap tren pertumbuhan konsumsi listrik secara lebih realistis, yaitu dari 272,1 GWh pada Januari 2023 menjadi 364,8 GWh pada Desember 2030, dengan kenaikan sekitar 34,08% selama delapan tahun. Dengan demikian, meskipun FTSMC lebih unggul dari sisi akurasi historis, MCMC lebih disarankan untuk perencanaan energi listrik jangka panjang karena dapat merefleksikan pola pertumbuhan konsumsi listrik yang terjadi di Aceh.

Item Type:	Thesis (S2)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Pascasarjana > 71102 - Magister Teknologi Informasi
Depositing User:	VIRZA GAVINDA NZ
Date Deposited:	13 Aug 2025 04:06
Last Modified:	13 Aug 2025 04:06
URI:	https://rama.unimal.ac.id/id/eprint/13788

Actions (login required)

View Item