Peramalan Pemakaian Air Pada PLTGU Di Pembangkitan Listrik Jawa Bali Unit Gresik Menggunakan Extreme Learning Machine Dengan Optimasi Algoritme Genetika

Air merupakan kebutuhan mutlak sehari-hari yang memiliki peran penting. Banyak orang yang memanfaatkan air tidak hanya untuk kebutuhan rumah tangga namun juga untuk kebutuhan perindustrian. Salah satu pemanfaatan air yang digunakan untuk sektor industri adalah PLTGU pada PT Pembangkitan Jawa Bali. Dalam penggunaan air terdapat 2 jenis air yang harus diperhatikan yaitu air laut dan air tawar. Untuk air laut memilki kapasitas lebih banyak sehingga mampu memenuhi kebutuhan industri dibandingkan dengan air tawar. Hal ini membuat industri listrik tersebut telah mengolah air laut menjadi air tawar yang disebut dengan proses desalinasi. Namun pada proses PLTGU sering mengalami masalah dalam pengolahan air seperti terjadinya kebocoran pipa karena terjadi korosi, perbedaan perlakuan pengisian air, serta proses desalinasi yang memakan waktu lama mengakibatkan kinerja turbin tidak stabil. Dengan beberapa permasalahan yang muncul, maka dibutuhkan sebuah solusi. Pada penelitian ini peneliti telah mengusulkan sebuah sistem peramalan pemakaian air dengan menggunakan metode extreme learning machine (ELM) dengan optimasi Algoritme genetika. Algoritme genetika digunakan untuk mengoptimasi nilai input weight yang didapatkan secara random pada metode ELM. Sedangkan untuk merepresentasikan kromosom menggunakan real code. Pada tahap reproduksi menggunakan crossover dengan metode extended intermediate crossover dan mutasi dengan metode random mutation. Hasil pengujian metode ELM&Algoritme genetika menghasilkan rata-rata nilai MAPE sebesar 0.428 dengan parameter perbandingan nilai crossover rate (Cr) senilai 0.4 dan mutation rate (Mr) senilai 0.6, jumlah popsize sebesar 200, jumlah generasi sebesar 1000, dan jumlah data training sebesar 80% dari keseluruhan dataset. Sedangkan dengan parameter yang sama dilakukan pengujian menggunakan metode ELM memiliki rata-rata MAPE sebesar 4.517. Dari hasil MAPE menunjukkan bahwa gabungan metode ELM dengan algoritme genetika mampu memperkecil nilai error pada peramalan dibandingkan dengan metode ELM