Analisis Algoritma Prediksi Untuk Menghasilkan Prediksi Beban Listrik Jangka Pendek

Analisis Algoritma Prediksi Untuk Menghasilkan Prediksi Beban Listrik Jangka Pendek

• By Apriana, Veti; Handayani, Rani Irma;
• Sertifikat Hak Cipta
• 261
• 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 https://e-hakcipta.dgip.go.id/index.php/c?code=uDtsPWPa3kYETLQ%2BVLbkV57IeFXAh2FZH3CN4rc35rU%3D
• Penerbit Bianglala Informartika, Yogyakarta Yogyakarta

REFERENSI

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

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

[3] 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.
[4] 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.
[5] Liao, Warren. T. &Triantaphyllou.Evangelos. 2007. Recent Advances in Data Mining of
Enterprise Data: Algorithms and Applications. Series : Computer and Operation Research.
[6] 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.
[7] 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.
[8] Jong Jek Siang., 2009, Jaringan Syaraf Tiruan & Pemrogramannya Menggunakan
MATLAB. Yogyakarta : Andi Yogyakarta.