Aplikasi Adaptive Neuro Fuzzy System (ANFIS) Untuk Mem-prediksi Kebutuhan Gas Bumi Indonesia

Henny Dwi Bhakti; Hadziqul Abror

doi:10.35746/jtim.v4i2.198

Henny Dwi Bhakti Universitas Muhammadiyah Gresik
Hadziqul Abror Universitas Jember

DOI: https://doi.org/10.35746/jtim.v4i2.198

Keywords: gas bumi, Artificial Intelligence, prediksi, ANFIS

Abstract

Kebutuhan energi di Indonesia terus mengalami peningkatan setiap tahun. Kebutuhan energi tersebut dipenuhi dari energi primer yang berasal dari batu bara, min-yak bumi, gas bumi, serta energi baru terbarukan (EBT) misalnya energi panas bumi, an-gin, panel surya dan sebagainya. Dari empat energi primer tersebut, gas bumi merupakan energi fosil yang ditingkat-kan bauran energinya sampai tahun 2050. Hal ini dikarenakan cadangan gas bumi yang cukup besar, ramah lingkungan dan relatif murah daripada minyak bumi, serta gas bumi untuk pembangkit listrik dan bahan baku industri. Konsumsi gas bumi di Indonesia terus meningkat, sedangkan besar cadangan gas bumi Indonesia semakin berkurang dan masih adanya komitmen ekspor gas bumi selama puluhan tahun ke depan. Mulai tahun 2012, prosentase pemanfaatan gas bumi Indonesia untuk konsumsi domestik mulai lebih besar daripada untuk ekspor. Seiring dengan terus meningkatnya konsumsi domestik tersebut dapat mengakibatkan Indonesia akan menjadi negara net im-porter gas bumi di kemudian hari. Untuk itu, diperlukan upaya prediksi kebutuhan konsumsi gas bumi di masa depan yang akurat sehingga pemerintah dapat mengupayakan pemenuhan pasokan gas bumi tersebut baik dari kegiatan eksplorasi dan eksploitasi dalam negeri maupun membuka opsi impor. Maka proyeksi tersebut dapat dibantu menggunakan Artificial Intelligence dengan memasukan beberapa parameter yang mempengaruhi konsumsi. Adaptive Neuro Fuzzy Inference System (ANFIS) merupakan suatu sistem yang meng-gabungkan kemampuan jaringan syaraf tiruan dan logika fuzzy. Untuk itu, pada penelitian ini dilakukan prediksi kebutuhan gas bumi menggunakan ANFIS dengan tiga parameter inputan yang dipakai adalah pertumbuhan ekonomi, jumlah penduduk, dan harga gas, sementara output yang dicari adalah kon-sumsi gas bumi. Dari hasil prediksi didapatkan tingkat akurasi 99.203% dan MAPE sebesar 1.2855 %. Sehingga dapat disimpulkan bahwa ANFIS dapat digunakan sebagai metode proyeksi kebutuhan konsumsi gas bumi Indonesia.

Downloads

Download data is not yet available.

References

[1] S. Nugraha, “Ketahanan Energi Indonesia,” Sekr. Dewan Energi Nas., 2015.
[2] E. Usman et al., Bauran Energi Nasional 2020. 2020.
[3] Kementerian Energi dan Sumber Daya Mineral, “Neraca Gas Bumi Indonesia,” Direktorat Jenderal Miny. Dan Gas Bumi Kementeri. ESDM Republik Indones., pp. 1–70, 2018.
[4] G. He, R. Xiao, and S. Liang, “Prediction and Influencing Factors Analysis of Natural Gas Consumption in China Based on SPSS,” Proc. 2015 Int. Conf. Autom. Mech. Control Comput. Eng., vol. 124, no. Amcce, pp. 84–88, 2015, doi: 10.2991/amcce-15.2015.16.
[5] H. Abror, E. Eklezia Dwi Saputri, A. Triono, and H. Dwi Bhakti, “Evaluasi Prediksi Konsumsi Gas Bumi Menggunakan Artificial Neural Network (Ann),” Jik), vol. 5, no. 1, pp. 108–115, 2021.
[6] S. Kusumadewi, Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu, 2003.
[7] Dewi and W. W. Himawati, “Prediksi Tingkat Pengangguran Menggunakan Adaptif Neuro Fuzzy Inference System ( ANFIS ),” Konf. Nas. Sist. Inform. 2015, vol. 2015, no. 2004, pp. 9–10, 2015.
[8] K. Papageorgiou, E. I. Papageorgiou, K. Poczeta, D. Bochtis, and G. Stamoulis, “Forecasting of Day-Ahead Natural Gas Consumption,” pp. 1–32, 2020.
[9] British Petroleum, Statistical Review of World Energy globally consistent data on world energy markets . and authoritative publications in the field of energy, vol. 70. 2021.
[10] I. Haimi, Peramalan Beban Listrik Jangka Pendek dengan Menggunakan Metode ANFIS. UINSUSKA, 2010.
[11] P. P. Manoj, “Fuzzy Logic Methodology for Short Term Load Forecasting,” Int. J. Res. Eng. Technol., vol. 03, no. 04, pp. 322–328, 2015.
[12] N. Nurkholiq, T. Sukmadi, and A. Nugroho, “Analisis Perbandingan Metode Logika Fuzzy Dengan Jaringan Syaraf Tiruan Backpropagation Pada Peramalan Kebutuhan Energi Listrik Jangka Panjang Di Indonesia Sampai Tahun 2022,” Transient, vol. 3, 2014.
[13] S. N. Z. Abidin and M. M. Jaffar, “Forecasting share prices of small size companies in Bursa Malaysia using geometric Brownian motion,” Appl. Math. Inf. Sci., vol. 8, no. 1, pp. 107–112, 2014, doi: 10.12785/amis/080112.