Perbandingan Peramalan Beban Listrik Jangka Pendek Menggunakan Support Vector Machine Dan Jaringan Syaraf Tiruan Perambatan Balik
Perbandingan Peramalan Beban Listrik Jangka Pendek Menggunakan Support Vector Machine Dan Jaringan Syaraf Tiruan Perambatan Balik
Abstrak
Penelitian ini membahas pemakaian Jaringan Syaraf Tiruan (JST) Perambatan Balik dan Support Vector
Machine (SVM) untuk peramalan kebutuhan beban listrik. Variabel yang dipakai dalam JST dan SVM adalah data
beban listrik wilayah Bali. Hasil peramalan memiliki persentase kesalahan rata-rata absolut 5,71% untuk metode
JST dan 3,53% untuk metode SVM. Metode JST mempunyai rata-rata eror minimal 0,35% dan maksimal 17,34%.
Metode SVM mempunyai rata-rata eror minimal 0,16% dan maksimal 10,53%. Metode SVM memiliki keakuratan
lebih baik dibandingkan dengan metode JST.
Kata Kunci : jaringan syaraf tiruan, perambatan balik, support vector machine, peramalan beban
Karena w i y i xi , i y i 0 disubtitusi ke
i i
w adalah bidang normal dan b adalah posisi bidang dengan i adalah Lagrange multiplier. Sedangkan
relatif terhadap pusat koordinat. Nilai margin (jarak) bentuk dual problemnya adalah sebagai berikut:
antara bidang pembatas (berdasarkan rumus jarak
1
1 b ( 1 b ) 2 LD j y i y j xi . x j ,
garis ke titik pusat) adalah i
i
2 i, j
i
w w
Nilai margin ini dimaksimalkan dengan tetap
memenuhi (1).
Jaringan Syaraf Tiruan (JST) adalah model 2. Mean Absolute Percentage Error (MAPE) :
sistem komputasi yang bekerja seperti sistem syaraf
biologis pada saat berhubungan dengan 'dunia luar',
nama jaringan syaraf tiruan merupakan terjemahan
dari "Artificial Neural Network". Terjemahan yang Dimana:
diambil bukan jaringan syaraf buatan seperti dalam Xt = data aktual periode t
menterjemahkan Artificial Inteligent (AI). Ft = nilai ramalan periode t
Penggunaan kata buatan dapat memberikan konotasi, N = banyaknya periode
bahwa manusia berusaha membuat jaringan syaraf
aslinya. Padahal maksud dari JST adalah membuat
model sistem komputasi yang dapat menirukan cara 3. METODE PENELITIAN
kerja jaringan syaraf biologis. Model JST yang
Pembuatan dan implementasi fungsi metode
digunakan dalam penelitian ini adalah arsitektur
SVM dan Perambatan Balik, pelatihan dan pengujian
feedforward (umpan maju). Sedangkan konsep
dengan menggunakan tools Matlab. Pengujian
belajar yaitu algoritma belajar backpropagation
perangkat lunak dengan pengambilan dan
momentum dengan teknik perbaikan menggunakan
pembelajaran beberapa data beban uji. Pengujian ini
gradient dengan momentum dan adaptive learning
dilakukan dua tahap yaitu, pengujian perangkat lunak
(traindx) yang merupakan perkembangan dari
untuk proses pelatihan (training) dan pengujian untuk
algoritma belajar backpropagation standar. Jaringan
proses pengujian(testing/validasi). Dimana setengah
Syaraf Tiruan Backpropagation pertama kali
dari data yang ada digunakan untuk pengujian proses
diperkenalkan oleh Rumelhart, Hinton dan William
pelatihan dan setengah lainnya digunakan untuk
pada tahun 1986, kemudian Rumelhart dan Mc
proses pengujian. Data yang dignakan adalah beban
Clelland mengembangkannya pada tahun 1988.
listrik harian PLN Bali. Pengumpulan data beban
Pola kegiatan beban listrik pada hari kerja yaitu
harian dilakukan selama periode 3- 30 April 2011.
hari Senin sampai hari Jumat dan hari akhir pekan,
Selanjutnya dilakukan pengujian metode JST
pada setiap minggunya tidak akan banyak berubah.
dibandingkan dengan SVM dengan memakai beban
Pola kegiatan konsumen akan berulang pada setiap
real selama kurun waktu 7 hari yaitu dari 24 - 30
minggunya. Pengulangan ini juga akan terjadi pada
April 2011 memakai struktur optimal JST.
pola kurva beban dari minggu ke minggu, dimana
hari yang sama pada suatu minggu mempunyai pola
4. HASIL DAN PEMBAHASAN
kurva beban yang mirip. Berdasarkan pengalaman
menunjukan bahwa beban listrik pada suatu hari Penelitian ini meramalkan beban listrik jangka
dipengaruhi oleh beban pada hari-hari sebelumnya. pendek (maksimal satu minggu ke depan). Skenario
Misalnya untuk meramalkan kebutuhan beban pada pengujian meramalkan beban pada suatu hari dengan
hari senin digunakan data beban hari minggu (1 hari memakai masukan satu hari, dua hari sampai
5. DAFTAR PUSTAKA