Meilia, Vina (2018) Optimasi Bobot Pada Extreme Learning Machine untuk Prediksi Beban Listrik Menggunakan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
The growth of electrical consumers in Indonesia continues to increases every year, but it is not matched by the provision of adequate infrastructure that available. This causes the available electrical capacity can't fulfill the demand for electricity. As an anticipation, beside to add more electrical capacities which will need a lot of costs. PLN also do operations management systems, which is electrical load forecasting. In this study, a smart computing system is build to solves the problem. Electrical load data per hour is being used as an input to do the electrical load forecasting with Extreme Learning Machine method. Extreme Learning Machine method uses random input weight within range -1 to 1. Before the electric load prediction process runs, genetic algorithms first optimizing the input weight. Mean Absolute Percentage Error (MAPE) is being used to calculate the accuration of prediction results. According to the test results with weight optimization, MAPE average error rate is 0.799% while without weight optimization the rate rise to 1.1807%. Thus this study implies that Extreme Learning Machine method with weight optimization using genetics algorithm can be used in electrical load forecasting problem and give better prediction result.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/372/051805700 |
| Uncontrolled Keywords: | Beban Listrik, Optimasi Bobot, Prediksi Beban Listrik, Extreme Learning Machine, Algoritme Genetika. Electric Load, Weight Optimization, Electrical Load Forecast, Extreme Learning Machine, Genetics Algorithm |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 07:21 |
| Last Modified: | 18 Oct 2021 02:46 |
| URI: | http://repository.ub.ac.id/id/eprint/14144 |
Preview |
Text
Vina Meilia.pdf - Published Version Download (39MB) | Preview |
Actions (login required)
 |
View Item |