Optimasi Bobot Pada Extreme Learning Machine untuk Prediksi Beban Listrik Menggunakan Algoritme Genetika
| Main Author: | Meilia, Vina |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14144/6/Vina%20Meilia.pdf http://repository.ub.ac.id/14144/ |
Daftar Isi:
- Pertumbuhan konsumen listrik di Indonesia terus mengalami peningkatan yang signifikan dari tahun ke tahun. Akan tetapi peningkatan tersebut tidak diimbangi dengan penyediaan infrastruktur yang memadai. Hal ini menyebabkan kapasitas listrik yang tersedia tidak dapat memenuhi permintaan kebutuhan listrik. Sebagai upaya antisipasi, selain dengan menambah kapasitas listrik yang tentu membutuhkan biaya yang tidak sedikit. PLN jugs melakukan manajemen operasi sistem, salah satunya adalah dengan dilakukannya prediksi beban listrik. Pada penelitian ini sebuah sistem komputasi cerdas dibangun untuk mengatasi hal tersebut. Dengan menggunakan metode Extreme Learning Machine, data input yang digunakan untuk melakukan prediksi beban listrik adalah data beban listrik per-jam. Di dalam metode Extreme Learning Machine terdapat bobot awal yang dibangkitkan secara acak dengan range -1 hingga 1. Sebelum dilakukan proses prediksi beban listrik, bobot awal tersebut akan dioptimasi terlebih dahulu dengan menggunakan algoritme genetika. Perhitungan nilai akurasi hasil prediksi dilakukan dengan menggunakan metode Mean Absolute Precentage Error (MAPE). Berdasarkan hasil pengujian, diperoleh nilai rata-rata error MAPE hasil prediksi dengan optimasi bobot sebesar 0.7996% sedangkan nilai rata-rata error MAPE tanpa optimasi bobot sebesar 1.1807%. Dari hasil tersebut dapat disimpulkan bahwa metode Extreme Learning Machine dengan optimasi bobot menggunakan algoritme genetika dapat diterapkan pada permasalahan prediksi beban listrik dan mampu memberikan hasil prediksi lebih baik.