PREDIKSI BEBAN LISTRIK PT. PLN (PERSERO) AREA SEMARANG MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION

Pratama, Andika Putra and Endah, Sukmawati Nur (2018) PREDIKSI BEBAN LISTRIK PT. PLN (PERSERO) AREA SEMARANG MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION. Undergraduate thesis, Universitas Diponegoro.

[img]
Preview
PDF
Available under License Creative Commons Attribution Non-commercial Share Alike.

1073Kb

Abstract

Tren naik konsumsi listrik dan tidak stabilnya beban listrik puncak bulanan membuat PT. PLN (Persero) sebagai penyedia layanan listrik perlu melakukan perencanaan produksi yang matang agar dapat melakukan penjadwalan perawatan sistem tenaga listrik serta penyediaan cadangan bahan bakar untuk menjaga keberlangsungan produksi listrik. Perencanaan produksi listrik untuk keperluan penjadwalan perawatan sistem dan penyediaan cadangan bahan bakar dilakukan dengan melakukan prediksi beban listrik jangka menengah. Penelitian ini menyajikan hasil prediksi beban listrik menggunakan metode Support Vector Regression dengan menggunakan fitur prediktor yang terdiri dari beban listrik, daya tersambung, jumlah pelanggan listrik, dan PDRB-ADHB. Data yang digunakan berasal dari PT. PLN (Persero) Area Semarang sejumlah 75 data (Juni 2011 - Desember 2017) dan data dari BPS Kota Semarang sejumlah 7 data (2010 – 2016). Hasil penelitian menunjukkan nilai error menggunakan MAPE yang diperoleh sebesar 4,03 % untuk nilai parameter terbaik C = 10^8, ɛ = 10^6, dan fungsi Kernel Linear, dengan fitur prediktor terbaik adalah daya tersambung dan jumlah pelanggan listrik.Untuk data prediksi bulan Oktober – Desember 2017 didapatkan hasil nilai error MAPE sebesar 3,0384 %.

Item Type:Thesis (Undergraduate)
Subjects:Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions:Faculty of Science and Mathematics > Department of Computer Science
ID Code:65831
Deposited By:Mrs. Rismiyati .
Deposited On:11 Oct 2018 19:50
Last Modified:11 Oct 2018 19:50

Repository Staff Only: item control page