PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MENGURANGI NILAI RMSE PADA PREDIKSI BEBAN PENYULANGAN LISTRIK JANGKA PENDEK

Penelitian ini dilakukan dengan maksud mencari hasil optimal dalam penerapan algoritma Support Vector Machine (SVM) dengan melakukan optimasi menggunakan algoritma Particle Swarm Optimization (PSO) sehingga mengurangi nilai Root Mean Square Error (RMSE) pada prediksi beban penyulangan listrik jangka pendek. Metode prediksi rentet waktu seperti SVM pada dasarnya sudah dianggap cukup untuk memprediksi beban listrik jangka pendek, namun SVM memiliki kelemahan pada sulitnya pemilihan parameter SVM yang optimal, untuk itu diperlukan sebuah metode untuk meningkatkan akurasi dengan menggunakan algoritma PSO.Dilihat dari permasalahn yang ada dalam penelitian ini, maka peneitian ini menggunakan metode penelitian eksperimen dengan tahapan awal yaitu pengumpulan data, setelah data terkumpul dilanjutkan dengan tahap pengolahan data yang meliputi proses pre-processing, untuk mendapatkan atribut data yang sesuai dengan format algoritma softcomputing. Dilanjutkan dengan tahap eksperimen dan pengujian metode meliputi cara pemilihan arsitektur yang tepat dari model atau metode yang diusulkan sehingga didapatkan hasil yang dapat membuktikan bahwa metode yang digunakan adalah tepat dan diakhiri dengan evaluasi dengan mengamati hasil prediksi menggunakan algoritma softcomputing