Studi Peramalan Beban Listrik dengan Metode Genetic Algorithm-Support Vector Machine (GA-SVM) dan Autoregressive Integrated Moving Average (ARIMA)

Energi listrik merupakan bagian penting dalam kemajuan peradaban manusia di berbagai bidang. Kebutuhan listrik tersebut digunakan hampir di semua sektor, antara lain sektor rumah tangga, industri, usaha komersial, dan tempat layanan umum. Apabila daya yang dibangkitkan dan dikirimkan lebih rendah atau bahkan tidak memenuhi kebutuhan konsumen maka akan terjadi pemadaman lokal pada beban dan merugikan pihak konsumen. Dengan demikian diperlukan suatu usaha untuk memprediksi permintaan beban oleh konsumen melalui proses peramalan beban listrik yang pada akhirnya akan mempunyai peranan penting dalam hal ekonomi dan keamanan operasi sistem tenaga. Metode yang dapat digunakan untuk melakukan peramalan adalah metode kovensional dan metode menggunakan kecerdasan buatan (Artificial Intelligence). Metode yang digunakan pada penelitian ini adalah Genetic Algorithm-Support Vector Machine (GA-SVM) sebagai metode gabungan Artificial Intelligence dan Machine Learning, secara singkatnya cara kerja metode ini adalah mencari parameter SVM (C,λ,ε) yang optimal untuk mendapatkan hasil peramalan terakurat, metode kedua yaitu Autoregressive Integrated Moving Average (ARIMA), secara singkatnya cara kerja metode ini adalah mencari model statistik ARIMA (p,d,q) yang paling sesuai dengan variabel masukannya, dengan membandingkan output dan nilai error sebagai parameter keakuratan dalam melakukan peramalan. Dua metode ini dibentuk dan dilatih dengan menggunakan data beban listrik, suhu, dan curah hujan. Keakuratan peramalan dari kedua metode ini dievaluasi menggunakan RMSE dan MAPE. Dari hasil percobaan yang telah dilakukan, metode GA-SVM menghasilkan RMSE sebesar 15,5947 MWh, MAPE sebesar 0,0830 MWh. Sedangkan metode ARIMA menghasilkan RMSE sebesar 19,01965 MWh, MAPE sebesar 1,7422 MWh