Prediksi Beban Listrik Dengan Menggunakan Algoritma Backpropagation Dan Support Vector Machine

Prediksi Beban Listrik Dengan Menggunakan Algoritma Backpropagation Dan Support Vector Machine

• By Apriana, Veti; Handayani, Rani Irma;
• Seminar Nasional
• 427
• 434-442

Prediksi beban listrik jangka pendek merupakan salah satu cara yang dapat digunakan untuk membangkitkan dan menyalurkan energi listrik secara ekonomis, sehingga pihak penyedia listrik dapat mengetahui beban dan permintaan daya untuk bulan berikutnya, penelitian-penelitian prediksi beban listrik jangka pendek sebelumnya, secara umum mengunakan metode Neural Network, Neural Network adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi  namun, kekurangan pada Neural Network sering mengalami overfitting karena overtrained. Dalam penelitian prediksi beban listrik jangka pendek, menggunakan metode Support Vector Machine (SVM), Support Vector Machines (SVM) adalah suatu teknik untuk melakukan prediksi, baik dalam kasus klasifikasi maupun regresi. Pada penelitian ini, diawali dengan mengolah data beban kemampuan beban sistem harian dengan runtun waktu per-30 menit, dengan input data yang digunakan adalah data pada bulan Januari 2017. Hasil akhir dari penelitian ini, menunjukan bahwa Support Vector Machine dapat dijadikan salah satu referensi algoritma prediksi beban listrik dengan hasil RMSE 0,034.

• Katakunci Beban Listrik,,Backpropagation, Neural Network, Support Vector Machine
• URL http://
• Penerbit ,

REFERENSI

Witten, H, Ian & Frank, Eibe. (2nded). 2005. Data Mining Practical Machine Learning
Tools and Techniques. .San Francisco: Morgan Kaufmann.

Santosa, Budi. 2007. Data mining Teknik Pemanfaatan Data untuk Keperluan Bisnis.Yogyakarta: GrahaIlmu.

Hayati, Mohsen &Shirvany, Yazdan. 2007. Artficial Neural Network Approach for Short
Term Load Forecasting for Illam Region. World Academy of Science, Engineering and
Technology. 28.

Adepoju, A, G. Ogunjuyigbe, A, O, S. Alawode, O, K. 2007. Application of Neural
Network to Load Forecasting in Nigerian Electrical Power System.The Pacific Journal of Science and Technology.8(1): 68-72.

Liao, Warren. T. &Triantaphyllou.Evangelos. 2007. Recent Advances in Data Mining of
Enterprise Data: Algorithms and Applications. Series : Computer and Operation Research.

Myatt, Glenn J. (3rd ed). 2007. Making Sense of Data: A Practical Guide to Exploratory
Data Analysis and Data Mining. New Jersey: John Wiley & Sons, Inc.Mitchell, T.R., &
Larson, J.R. (1987). People in organizations: An Introduction to organizational behavior. New York: McGraw-Hill.

A. Muis, Imelda & Affandes,M.T, Muhammad. 2015. Metode Support Vector Machine
(SVM) Menggunakan Kernel Radial Basis Function (RBF) Pada Klasifikasi Tweet. Jurnal Sains, Teknologi dan Industri. 12(2): 189-197.

Jong Jek Siang., 2009, Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan
MATLAB. Yogyakarta : Andi Yogyakarta.