SUPPORT VECTOR MACHINE UNTUK PRAKIRAAN BEBAN LISTRIK HARIAN PADA SEKTOR INDUSTRI
ABSTRACT: Peramalan beban listrik
yang akurat merupakan alat yang sangat penting dalam hal pendukung keputusan di
bidang energi listrik. Keakuratan peramalan beban listrik menjadi kunci dalam
perencanaan sistem tenaga listrik. Penelitian ini bertujuan membuat sebuah
sistem peramalan beban listrik harian yang diterapkan pada sektor industri
dengan menggunakan Support Vector Machine (SVM). Support Vector Machine (SVM)
menjadi metode yang kuat untuk pola klasifikasi dan regresi, memiliki tingkat
keberhasilan yang tinggi saat diterapkan di berbagai bidang. Sehingga banyak
dari kalangan komunitas Machine learning berminat untuk mempelajari dan
mengembangkan SVM karena kinerjanya yang sangat baik dalam berbagai masalah
pembelajaran. Data penelitian ini merupakan data beban listrik harian pada
salah satu industri farmasi terkemuka di Indonesia, yaitu PT. Phapros Indonesia
selama tahun 2014. Untuk mendukung keakuratan penelitian ini, parameter data
latih SVM tidak hanya berasal dari data times series beban listrik, tetapi juga
berasal dari data kapasitas produksi dan jenis hari kerja. Penelitian ini
menghasilkan error dengan MAPE 2,63% untuk proses peramalan SVM menggunakan
fungsi Kernel Gaussian RBF dengan waktu pelatihan 8 bulan.
Penulis: Luqman Assafat,
Kusworo Adi, Achmad Widodo
Kode Jurnal: jptlisetrodd150850
