Optimasi Parameter Model Support Vector Regression Untuk Pemodelan Beban Listrik Di Empat Belas Wilayah Di Jawa Timur Dengan Menggunakan Genetic Algorithm Dan Particle Swarm Optimization

Wijaya, Adam Surya (2017) Optimasi Parameter Model Support Vector Regression Untuk Pemodelan Beban Listrik Di Empat Belas Wilayah Di Jawa Timur Dengan Menggunakan Genetic Algorithm Dan Particle Swarm Optimization. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 1313100082-Undergraduate_Theses.pdf]
Preview
Text
1313100082-Undergraduate_Theses.pdf - Published Version

Download (1MB) | Preview

Abstract

Beban listrik merupakan salah satu kebutuhan yang dibutuhkan masyarakat. Hal tersebut diketahui dengan meningkatnya permintaan beban listrik dari tahun ke tahun. Dengan adanya peningkatan beban listrik, PLN perlu melakukan tindakan antisipasi akan adanya peningkatakan tersebut karena kemampuan yang terbatas dalam penyediaan beban listrik. Langkah antisipasi yang dapat dilakukan adalah dengan melakukan peramalan beban jangka pendek. ARIMA merupakan metode peramalan dan memiliki kelemahan terhadap pola nonlinier dan pada penelitian sebelumnya, beban listrik memiliki pola nonlinier. Metode SVR merupakan metode yang memiliki fungsi kernel RBF (Gaussian) yang bisa menangani pola nonlinier. Peramalan akan dilakukan dengan menggunakan lag yang signifikan sebagai input pada SVR. SVR memiliki masalah pada penentuan nilai parameternya sehingga perlu dioptimasi menggunakan GA dan PSO. GA dan PSO merupakan sebuah metode optimasi yang menghasilkan nilai akurasi yang baik dan menghasilkan nilai yang global optimum. Kriteria yang digunakan untuk membandingkan antara kedua optimasi tersebut adalah nilai RMSE dan SMAPE. Dalam penelitian ini diperoleh kesimpulan
bahwa metode optimasi GA merupakan metode terbaik karena menghasilkan ramalan dengan nilai RMSE dan sMAPE lebih rendah.

====================================================================

Electricity load is one of the needs that society needs. This is known by the increasing demand of electrical load from year to year. With the increase in electricity load, PLN needs to take action to anticipate the increase because of the limited ability to supply electrical load. Anticipation steps that can be done is to do forecasting short-term expenses. ARIMA is a method of forecasting and has a weakness to nonlinear pattern and in previous research, electric load has nonlinear pattern. The SVR method is a method that has the function of the RBF (Gaussian) kernel that can handle nonlinear patterns. Forecasting will be done by using a significant lag as input on the SVR. SVR has problems with determining parameter values so it needs to be optimized using GA and PSO. GA and PSO are optimization method that produces good accuracy value and produces global optimum value. The criteria used to compare between the two optimizations are RMSE and SMAPE values. In this research, it can be concluded that GA optimization method is the best method because it yields forecast with lower RMSE and sMAPE value

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Beban Listrik, Optimasi, Peramalan, SVR-GA, SVR-PSO
Subjects: Q Science > Q Science (General)
Divisions: Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Adam Surya Wijaya
Date Deposited: 08 Jan 2018 06:58
Last Modified: 05 Mar 2019 07:49
URI: http://repository.its.ac.id/id/eprint/47901

Actions (login required)

View Item View Item