Please take a moment to complete this survey below
Library's collection Library's IT development CancelUntuk dapat merancang sebuah sistem fuzzy yang baik, pengetahuan
akan karakteristik data yang digunakan memegang peranan yang sangat penting.
Namun jika sistem melibatkan data dalam jumlah besar, maka karakteristik data
akan sulit diamati. Fuzzy clustering dengan metode Gustafson-Kessel dapat
digunakan sebagai solusi, karena membership function akan terbentuk sesuai
penyebaran data secara otomatis. Proses pembentukan cluster ini disebut
modeling.
Dalam pemodelan, algoritma Gustafson-Kessel clustering akan
digunakan untuk mengelompokkan data electrical load Jatim-Bali, dan degree of
membership tiap data terhadap tiap cluster tersebut akan membentuk Gaussian
Membership Function. Inference system yang digunakan adalah tipe Takagi-Sugeno
yang memiliki output berupa persamaan linier.
Persamaan Membership Function dan parameter output yang diperoleh
dari proses modeling inilah yang akan digunakan untuk forecasting. Rata-rata
error forecast untuk tiap data mencapai ? 5% dari beban listrik maksimal, dengan
menggunakan 9 input yang disusun per minggu dan 4 cluster.