PRAKIRAAN BEBAN LISTRIK DI KOTA LEWOLEBA SECARA

JANGKA PANJANG DENGAN MENGGUNAKAN METODE

BACKPROPAGATION DAN LEARNING VECTOR QUANTIZATION

ANTHONI MARIO T. NUBAN

152045810930

KONSENTRASI ENERGI LISTRIK

TEKNIK ELEKTRO FAKULTAS TEKNIK
UNIVERSITAS WIDYAGAMA MALANG
2019
BAB I

Latar Belakang

Sejak menjadi daerah otonomi baru pada tanggal 12 oktober 1999, kabupaten
lembata terus berkembang dibidang kelistrikan. Permintaan kebutuhan akan
ketersediaan energi listrik yang kian terus meningkat, memerlukan perencanaan
dan prediksi/peramalan yang matang dan terstuktur. Kebutuhan energi listrik pada
suatu daerah didorong oleh tiga faktor utama, yaitu pertumbuhan ekonomi,
program elektrifikasi dan pengalihan captive power ke jaringan PLN.
Menurut pelelitian sebelumnya metode backpropagation dan metode learning
vector quantization ini bisa digunakan untuk peramalan atau prediksi.
BAB I

Rumusan Masalah
1. Bagaimana memprakirakan beban listrik dikota lewoleba mengunakan metode
backpropagation dan metode learning vector quanzation?
2. Bagaimana hasil prediksi dengan mengunakan metode backpropagation dan metode
learning vector quanzation?

Tujuan
1. Untuk memprakiran/memprediksi beban listrik di kota lewoleba
2. Untuk membandingkan beban listrik pada saat dilakukan pelatihan, pengujian dan prediksi
dari metode backpropagation dan metode learning vector quanzation.
BAB I

Batasan Masalah
1. Prediksi beban listrik di kota Lewoleba hanya sampai pada bulan desember tahun 2025
2. Peneliti hanya mangunakan metode backpropagation dan leraning vector quantization

Kontribusi
1. Dapat menghasilkan sebuah aplikasi prakiraan beban listrik
2. Dapat dijadikan sebagai data acuan untuk menyiapkan energi listrik dimasa mendatang.
BAB II

Pengertian Jaringan Syaraf Tiruan

Jaringan Syaraf Tiruan (JST) adalah sistem pemroses informasi yang memiliki
karakteristik mirip dengan jaringan syaraf biologi

Konsep Dasar Jaringan Syaraf Tiruan

Pembagian arsitektur jaringan saraf tiruan bisa dilihat dari kerangka kerja dan skema
interkoneksi. Kerangka kerja jaringan saraf tiruan dapat dilihat dari jumlah lapisan (layer) dan
jumlah node pada setiap lapisan.

Aristektur Jaringan Syaraf Tiruan

Neuron-neuron pada satu lapisan akan dihubungkan dengan lapisan-lapisan sebelum dan
sesudahnya. Informasi yang diberikan pada jaringan syaraf akan dirambatkan lapisan ke
lapisan, mulai dari lapisan masukan sampai ke lapisan keluaran melalui lapisan tersembunyi.

Metode Pembelajaran Jaringan Syaraf Tiruan

Pembelajaran Terawasi dan Pembelajaran Tak Terawasi
BAB II

Pengertian Backpropagation
Backpropogation merupakan algoritma pembelajaran yang terawasi yang menggunakan
banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada
pada lapisan tersembunyinya.

Aristektur Backpropagation
Jaringan syaraf tiruan Backpropogation terdiri dari banyak lapisan.

Algoritma Backpropagation
Fase I: Propagasi maju, Fase II: Propagasi mundur, Fase III: Perubahan bobot.

Mempercepat Pelatihan Backpropagation

1. Penurunan Gradien dengan Momentum (traingdm)
2. Variabel Laju Pemahaman (traingda, traingdx)
3. Resilient Backpropagation (trainrp)
4. Gradien Conjugate (traincgf, traincgp, traincgb)
BAB II

Pengertian Learning Vector Quantization (LVQ)

learning vektor quantiation (LVQ) merupakan metode pengklarifikasi pola dengan
setiap unit keluaran mewakili satu kelas tertentu atau satu kategori tertentu.

Aristektur Learning Vector Quantization (LVQ)

Arsitektur learning vector quantization (LVQ) terdiri dari lapisan input (input layer),
Lapisan kompetitif (terjadi kompetisi pada input untuk masuk kedalam suatu kelas
berdasarkan kedekatan jaraknya) dan lapisan output (output layer).

Algoritma Learning Vector Quantization (LVQ)

Algoritma LVQ bertujuan akhir mencari nilai bobot yang sesuai untuk
mengelompokkan vektor – vektor kedalam kelas tujuan yang telah di inisialisasi pada
saat pembentukan jaringan LVQ.
BAB II

Tahapan Peramalan
Beban Listrik
1. Beban rumah tangga. 1. Menentukan tujuan dari peramalan
2. Beban komersial. 2. Memilih item independent demand yang akan diramalkan
3. Beban industri. 3. Menentukan horison waktu dari peramalan (jangka pendek,
4. Beban Fasilitas Umun. menengah, atau panjang)
4. Memilih model-model peramalan
Peramalan 5. Memperoleh data yang dibutuhkan untuk melakukan
1. Peramalan Jangka Panjang peramalan
2. Peramalan Jangka Menengah 6. Validasi model peramalan
3. Peramalan Jangka Pendek 7. Membuat peramalan
8. Implementasi hasil-hasil peramalan
9. Memantau keandalan hasil peramalan
BAB II

Ukuran Akurasi Peralaman

Ukuran Statistik Standar Ukuran-ukuran Relatif

1. Mean Error (ME) 1. Percentage Error (PE)

2. Mean Absolute Error (MAE) 2. Mean Percentage Error (MPE)
3. Sum Of Squared Error (SSE) 3. Mean Absolute Percentage Error (MAPE)
4. Mean Squared Error (MSE)
BAB III
BAB III
BAB III
BAB IV Pengumpulan Dan Pengelolahan Data
Jumlah Jumlah
Tahun Bulan Beban Listrik (kWh) Tahun Bulan Beban Listrik (kW)
Pelanggan Pelanggan
2015 Januari 0.1006639 0.219781246
2015 Januari 18172 1,380,224.00
2015 Februari 0.1 0.304019496

2015 Februari 18165 1,333,291.00 2015 Maret 0.100284529 0.341087634

2015 Maret 18168 1,518,352.00 2015 April 0.100474215 0.258224707

2015 April 18170 1,378,063.00

2015 Mei 0.103604031 0.173556283
2015 Mei 18203 1,327,589.00
2015 Juni 0.103604031 0.308986131
2015 Juni 18203 1,433,999.00

2016 - - - 2016 - - -
2017 - - -
2017 - - -
2018 - - -
2018 - - -
2019 Januari 0.809330172 0.818625271
2019 Januari 25644 2,062,110.00
2019 Februari 0.832946058 0.771726809
2019 Februari 25893 1,814,317.00
2019 Maret 0.841387078 0.722915402
2019 Maret 25982 1,953,128.00
2019 April 0.845275637 0.800484231
2019 April 26023 1,975,600.00

2019 Mei 26472 2,126,237.00 2019 Mei 0.887860107 0.874942707

2019 Juni 26600 1,918,816.00 2019 Juni 0.9 0.748953255

BAB IV Data Latih 25% Dan Data Uji 75%

TARGET HASIL PELATIHAN PERCENTAGE ERROR (PE) AKURASI

TAHUN BULAN
REAL
BP LVQ BP LVQ BP LVQ

2015 juli 1817.494624 1817.673873

1816.805851 0.00986 0.03790 99.9901 99.9621

2015 Agustus 1865.555108 1865.526597

1857.59734 0.00153 0.42656 99.9985 99.5734

2015 September 2482.723611 2482.650691

2477.563674 0.00294 0.20783 99.9971 99.7922

2015 Oktober 1837.055108 1837.011778

1814.17228 0.00236 1.24563 99.9976 98.7544

2015 November 1671.818056 1671.661915

1665.071847 0.00934 0.40353 99.9907 99.5965

2015 Desember 1961.557796 1961.569842

1941.431353 0.00061 1.02604 99.9994 98.9740

2016 Januari 1953.821237 1953.779282

1952.442734 0.00215 0.07055 99.9979 99.9294

2016 Febuari 2056.160714 2056.178555

2054.566715 0.00087 0.07752 99.9991 99.9225

2016 Maret 2139.268817 2139.297311

2139.260233 0.00133 0.00040 99.9987 99.9996

2016 April 2200.620833 2200.696466

2199.885691 0.00344 0.03341 99.9966 99.9666

2016 Mei 2107.905914 2107.867112

2105.476219 0.00184 0.11527 99.9982 99.8847

2016 Juni 2064.386111 2064.388851

2064.137229 0.00013 0.01206 99.9999 99.9879
 PELATIHAN
BAB IV Data Latih 25% Dan Data Uji 75%
Perbandingan BP Dengan LVQ
3000

Beban Listrik (kW)

2500

2000

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12
HASIL PELATIHAN ERROR (MAPE) AKURASI Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2016
TARGET
REAL BP LVQ
BP VLQ BP LVQ BP LVQ

Perbandingan Akurasi BP Dengan LVQ

2013.19732 2013.19185 2007.36759 100.2
0.003033 0.304725 99.996967 99.695275 100
7 6 7 99.8
99.6
99.4

Akurasi
99.2
99
98.8
98.6
98.4
98.2
98
1 2 3 4 5 6 7 8 9 10 11 12
Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2016

Akurasi BP Akurasi LVQ

 PELATIHAN
BAB IV Data Latih 50% Dan Data Uji 50%

TARGET HASIL PELATIHAN PERCENTAGE ERROR (PE) AKURASI

TAHUN BULAN
REAL BP VLQ BP LVQ BP LVQ

2015 juli 1817.494624 1817.519686 1805.221938 0.0014 0.6753 99.9986 99.3247

2015 Agustus 1865.555108 1865.551805 1835.368134 0.0002 1.6181 99.9998 98.3819

2015 September 2482.723611 2482.748969 2458.27192 0.001 0.9849 99.999 99.0151

2015 Oktober 1837.055108 1837.056885 1832.601804 0.0001 0.2424 99.9999 99.7576

2015 November 1671.818056 1671.784336 1644.038176 0.002 1.6617 99.998 98.3383

2015 Desember 1961.557796 1961.553445 1910.298409 0.0002 2.6132 99.9998 97.3868

2016 - - - - - - - -

2017 Maret 2191.110215 2191.229029 2188.688355 0.0054 0.1105 99.9946 99.8895

2017 April 2238.826389 2238.585019 2237.329951 0.0108 0.0668 99.9892 99.9332

2017 Mei 2229.564516 2229.810363 2229.10507 0.011 0.0206 99.989 99.9794

2017 Juni 2298.420833 2298.16222 2297.806645 0.0113 0.0267 99.9887 99.9733

 PELATIHAN
BAB IV Data Latih 50% Dan Data Uji 50%

Perbandingan BP Dengan LVQ

3000

Beban Listrik (kW)

2500

2000

1500

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
RATA-RATA
Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2017
TARGET HASIL PELATIHAN ERROR (MAPE) AKURASI
BP LVQ
REAL BP VLQ BP LVQ BP LVQ

Perbandingan Akurasi BP Dengan LVQ

2102.999955 2103.0015 2093.173231 0.004844 0.495667 99.995156 99.504333
100.5
100
99.5
99

Akurasi
98.5
98
97.5
97
96.5
96
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2017

Akurasi BP Akurasi LVQ

 PELATIHAN
BAB IV Data Latih 75% Dan Data Uji 20%

PERCENTAGE ERROR
TARGET HASIL PELATIHAN AKURASI
TAHUN BULAN (PE)
REAL
BP VLQ BP LVQ BP LVQ
2015 juli 1817.494624 1817.495992 1781.42847 7.53E-05 1.98E+00 99.9999 98.0156

2015 Agustus 1865.555108 1865.550465 1801.610479 2.49E-04 3.43E+00 99.9998 96.5724

2015 September 2482.723611 2482.726982 2427.263773 1.36E-04 2.23E+00 99.9999 97.7662

2015 Oktober 1837.055108 1837.052892 1836.901454 1.21E-04 8.36E-03 99.9999 99.9916

2015 November 1671.818056 1671.817041 1611.399563 6.07E-05 3.61E+00 99.9999 96.3861

2015 Desember 1961.557796 1961.556596 1868.206695 6.12E-05 4.76E+00 99.9999 95.241

2016 - - - - - - - -

2017 - - - - - - - -

2018 Januari 2423.462366 2423.460299 2423.44229 8.53E-05 8.28E-04 99.9999 99.9992

2018 Febuari 2385.028274 2385.029586 2383.884592 5.50E-05 4.80E-02 99.9999 99.952

2018 Maret 2474.705645 2474.703113 2472.4292 1.02E-04 9.20E-02 99.9999 99.908

2018 April 2783.533333 2783.534624 2783.29942 4.64E-05 8.40E-03 100 99.9916

2018 Mei 2550.424731 2550.423399 2541.142271 5.22E-05 3.64E-01 99.9999 99.636

2018 Juni 2517.084722 2517.084424 2516.938846 1.18E-05 5.80E-03 100 99.9942

 PELATIHAN
BAB IV Data Latih 75% Dan Data Uji 25%

Perbandingan BP Dengan LVQ

3000

Beban Listrik (kW)

2500

2000

1500

1000

500
RATA-RATA
0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
TARGET HASIL PELATIHAN ERROR (MAPE) AKURASI Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2018
REAL BP VLQ BP LVQ BP LVQ BP LVQ

Perbandingan Akurasi BP Dengan LVQ

2224.07825 2224.07645 2204.22019 0.00080 0.970068 99.99919 99.02993
101
100
99
98

Akurasi
97
96
95
94
93
92
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35
Bulan Juli Tahun 2015 Sampai Bulan Juni Tahun 2018

Akurasi BP Akurasi LVQ

 PENGUJIAN
BAB IV Data Latih 25% Dan Data Uji 75%
PERCENTAGE ERROR
TARGET HASIL PELATIHAN AKURASI
TAHUN BULAN (PE)
REAL
BP VLQ BP LVQ BP LVQ
2016 juli 2021.504032 2094.2397 1712.3921 3.5981 15.2912 96.4019 84.7088

2016 Agustus 2006.474462 2096.9476 1683.0887 4.5091 16.1171 95.4909 83.8829

2016 September 2258.013889 1985.1276 1673.387 12.0852 25.8912 87.9148 74.1088

2016 Oktober 2189.583333 1938.1412 1874.6294 11.4836 14.3842 88.5164 85.6158

2016 November 2313.011111 2159.9768 1811.6948 6.6162 21.6738 93.3838 78.3262

2016 Desember 2258.41129 2125.8307 1929.6449 5.8705 14.5574 94.1295 85.4426

2017 - - - - - - - -

2018 - - - - - - - -

2019 Januari 2771.653226 2235.9336 2756.2005 19.3285 0.5575 80.6715 99.4425

2019 Febuari 2699.876488 2329.6069 2542.3637 13.7143 5.8341 86.2857 94.1659

2019 Maret 2625.172043 2470.415 2428.3308 5.8951 7.4982 94.1049 92.5018

2019 April 2743.888889 2584.3263 2316.7966 5.8152 15.5652 94.1848 84.4348

2019 Mei 2857.84543 2513.1818 2497.4556 12.0603 12.6105 87.9397 87.3895

2019 Juni 2665.022222 2315.0866 2688.1951 13.1307 0.8695 86.8693 99.1305

 PENGUJIAN
BAB IV Data Latih 25% Dan Data Uji 75%

Perbandingan BP Dengan LVQ Perbandingan Akurasi BP Dengan LVQ

3000 120

2500 100
Beban Listrik (kW)

2000 80

Akurasi
y = 10.566x + 2093.9
1500 R² = 0.3017 60

1000 y = 25.645x + 1627.1 40

R² = 0.8055

500 20

0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
Bulan Juli Tahun 2016 Sampai Bulan Juni Tahun 2019 Bulan Juli Tahun 2016 Sampai Bulan Juni Tahun 2019

BP LVQ Akurasi BP Akurasi LVQ

RATA-RATA

HASIL PELATIHAN ERROR (MAPE) AKURASI

TARGET
REAL
BP VLQ BP LVQ BP LVQ

2449.2238 2289.4091 2101.5473 8.60579682 14.4481671 91.39420 85.55183

 PENGUJIAN
BAB IV Data Latih 50% Dan Data Uji 50%
PERCENTAGE ERROR
TARGET HASIL PELATIHAN AKURASI
TAHUN BULAN (PE)
REAL
BP VLQ BP LVQ BP LVQ
2017 juli 2126.8159 2279.8818 1912.8447 7.197 10.0606 92.803 89.9394

2017 Agustus 2477.9503 2172.5781 1757.931 12.3236 29.0571 87.6764 70.9429

2017 September 2393.5472 2396.3995 2116.1014 0.1192 11.5914 99.8808 88.4086

2017 Oktober 2398.1573 2509.8691 2015.2973 4.6582 15.9648 95.3418 84.0352

2017 November 2534.7 2636.1618 2020.5628 4.0029 20.2839 95.9971 79.7161

2017 Desember 2529.4086 2864.7578 2189.1126 13.258 13.4536 86.742 86.5464

2018 - - - - - - - -

2019 Januari 2771.6532 2944.3474 2752.9814 6.2307 0.6737 93.7693 99.3263

2019 Febuari 2699.8765 2890.656 2539.4362 7.0662 5.9425 92.9338 94.0575

2019 Maret 2625.172 2836.7983 2425.5713 8.0614 7.6033 91.9386 92.3967

2019 April 2743.8889 2801.2221 2314.2119 2.0895 15.6594 97.9105 84.3406

2019 Mei 2857.8454 2886.0499 2494.5931 0.9869 12.7107 99.0131 87.2893

2019 Juni 2665.0222 2942.2705 2685.0658 10.4032 0.7521 89.5968 99.2479

 PENGUJIAN
BAB IV Data Latih 50% Dan Data Uji 50%

Perbandingan BP Dengan LVQ Perbandingan Akurasi BP Dengan LVQ

3500 120

3000 100
Beban Listrik (kW)

2500
80

Akurasi
y = 24.263x + 2396.4
2000
R² = 0.527
60
1500
40
1000
y = 29.088x + 1884.6
R² = 0.6509 20
500

0 0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Bulan Juli Tahun 2017 Sampai Bulan Juni Tahun 2019 Bulan Juli Tahun 2017 Sampai Bulan Juni Tahun 2019

BP LVQ Akurasi BP Akurasi LVQ

RATA-RATA

HASIL PELATIHAN ERROR (MAPE) AKURASI

TARGET
REAL BP VLQ BP LVQ BP LVQ

2577.4345 2699.695 2248.200 6.708122 12.90473 93.29187 87.0952

 PENGUJIAN
BAB IV Data Latih 75% Dan Data Uji 25%

PERCENTAGE ERROR
TARGET HASIL PELATIHAN AKURASI
TAHUN BULAN (PE)
REAL
BP VLQ BP LVQ BP LVQ
2018 juli 2406.9476 2434.3851 2169.0074 1.1399 9.8856 98.8601 90.1144

2018 Agustus 2544.3911 2722.3554 2033.3555 6.9944 20.0848 93.0056 79.9152

2018 September 2600.8958 2778.6338 2205.092 6.8337 15.218 93.1663 84.782

2018 Oktober 2670.6196 2459.689 2282.8554 7.8982 14.5196 92.1018 85.4804

2018 November 2781.1014 2600.4416 2384.562 6.496 14.2584 93.504 85.7416

2018 Desember 2896.1949 2763.9829 2558.7311 4.565 11.652 95.435 88.348

2019 Januari 2771.6532 2788.1164 2757.1341 0.594 0.5238 99.406 99.4762

2019 Febuari 2699.8765 2822.178 2543.2129 4.5299 5.8026 95.4701 94.1974

2019 Maret 2625.172 2862.9582 2429.1313 9.0579 7.4677 90.9421 92.5323

2019 April 2743.8889 2914.5825 2317.5464 6.2209 15.5379 93.7791 84.4621

2019 Mei 2857.8454 2900.1997 2498.2859 1.482 12.5815 98.518 87.4185

2019 Juni 2665.0222 2784.7037 2689.1027 4.4908 0.9036 95.5092 99.0964

 PENGUJIAN
BAB IV Data Latih 75% Dan Data Uji 25%

Perbandingan BP Dengan LVQ Perbandingan Akurasi BP Dengan LVQ

3500 120

3000 100
Beban Listrik (kW)

2500
80

Akurasi
2000 y = 21.208x + 2550.8
R² = 0.3167 60
1500
y = 31.858x + 2528.9
R² = 0.5259 40
1000

500 20

0 0
1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12
Bulan Juli Tahun 2018 Sampai Bulan Juni Tahun 2019 Bulan Juli Tahun 2018 Sampai Bulan Juni Tahun 2019

Target Real BP Akurasi BP Akurasi LVQ

RATA-RATA

TARGET HASIL PELATIHAN ERROR (MAPE) AKURASI

REAL
BP LVQ BP LVQ BP LVQ

2688.6341 2736.0189 2405.6681 5.0252293 10.702953 94.974771 89.297047

 PREDIKSI
BAB IV
Hasil Hasil Prediksi
Tahun Bulan
Prediksi BP LVQ
2019 juli 2738.7755 2624.393
2019 Agustus 2856.9184 2583.6824
2019 September 2938.2307 2542.9719 Hasil Prediksi BP Dengan LVQ
2019 Oktober 2828.1237 2502.2614
3500
2019 November 2819.8882 2461.5508
3000

Beban Listrik (kW)

2019 Desember 2903.2389 2420.8403
2020 - - - 2500
2021 - - - 2000
2022 - - - 1500
2023 - - - 1000
2024 - - -
500
2025 Febuari 2927.5915 1525.1892
0
2025 Maret 2927.5915 1553.0438
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76
2025 April 2927.5915 1525.1892
Bulan Juli Tahun 2019 sampai Bulan Desember Tahun 2025
2025 Mei 2927.5915 1553.0438
2025 Juni 2927.5915 1525.1892 Hasil Prediksi BP Hasil Prediksi LVQ
2025 juli 2927.5915 1553.0438
2025 Agustus 2927.5915 1525.1892
2025 September 2927.5915 1553.0438
2025 Oktober 2927.5915 1525.1892
2025 November 2927.5915 1553.0438
2025 Desember 2927.5915 1525.1892
 PREDIKSI
BAB IV

Mean N Std. Deviation Std. Error Mean

BP 2920.4219 78 28.91362 3.27382

Pair 1
LVQ 1616.9065 78 198.71830 22.50042

Paired Differences
95% Confidence Interval
Std. Std. Error t df Sig. (2-tailed)
Mean of the Difference
Deviation Mean
Lower Upper
Pair 1 BP - LVQ 1303.51535 219.72781 24.87927 1253.97438 1353.05632 52.394 77 0.000

Ho = tidak ada perbedaan hasil prediksi backpropagation dan learning vector quantization.
Ha = ada perbedaan hasil prediksi backpropagation dan learning vector quantization.

Jika nilai Sig. (2-tailed) < 0.05, maka Ho ditolak dan Ha diterima.
Sebaliknya, Jika nilai Sig. (2-tailed) > 0.05, maka Ho diterima dan Ha ditolak.
BAB IV Aplikasi Prakiraan Beban Listrik
BAB V
Kesimpulan

1. Rata-rata kesalahan (MAPE) pada hasil pelatihan backpropagation sebesar 0.000802

dengan rata-rata nilai akurasi mencapai 99.999198% dan untuk rata-rata kesalahan (MAPE)
learning vector quantization sebesar 0.970068 dengan rata-rata nilai akurasi mencapai
99.029932%
2. Rata-rata kesalahan (MAPE) pada hasil pengujian backpropagation sebesar 5.0252293
dengan rata-rata nilai akurasi mencapai 94.974771% dan untuk rata-rata kesalahan (MAPE)
learning vector quantization sebesar 10.702953 dengan rata-rata nilai akurasi mencapai
89.297047%
3. Hasil prediksi rata-rata backpropagation lebih tinggi 2920.4219 dari pada hasil prediksi
learning vector quantization 1616.9065. Untuk rentang sebaran data (Std. Deviation) hasil
prediksi learning vector quantization menjadi semakin lebar 198.71830 dan dengan standar
error (Std. Error Mean) yang semakin tinggi pula 22.50042.
BAB V

4. Backpropagation memberikan perkiraan beban listrik yang lebih baik dari pada metode
learning vector quantization untuk kasus/permasalan ini, akan tetapi kumpulan data pelatihan
tidak cukup banyak untuk digeneralisasi oleh model arsitektur terbaik yang didapat dari hasil
pelatihan Backpropagation. Faktor pendukung seperti jumlah pelanggan listrik tidak
dimasukkan. Sehingga, bisa saja memiliki pengaruh yang signifikan terhadap hasil.
5. model arsitektur terbaik yang didapat dari hasil pelatihan dan pengujian Backpropagation
hanya mampu memprediksi beban listrik dari bulan juli tahun 2019 sampai bulan april 2023.
BAB V

Saran

1. Untuk penelitan selanjutnya disarankan untuk mengunakan lebih banyak data

mingguan atau bulanan lagi, minimal 10 tahun terakhir. Dan untuk pembentukan pola
masukan perlu diperbanyak.
2. Untuk penelitian selanjutnya bisa ditambakan faktor pendukung seperti jumlah
pelanggan listrik yang mempengaruhi hasil prediksi beban listrik.
3. Perluh dicobah membandingkan metode backpropagation dengan metode lain, atau
metode learning vector quantization dengan metode lain.
 SEKIAN
DAN
TERIMAH KASIH