PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK

Peramalan beban listrik jangka pendek menjadi penting untuk menjamin ketersediaan daya listrik dalam memenuhi kebutuhan masyarakat sehari-hari. Salah satu metode untuk peramalan beban listrik jangka pendek adalah menggunakan jaringan syaraf tiruan. Pada penelitian ini digunakan algoritma Particle Swarm Optimization (PSO) sebagai algoritma pelatihan jaringan syaraf tiruan untuk meramalkan waktu beban puncak. Algoritma Backpropagation dan Regresi Linear Berganda diujikanuntuk kemudian digunakan sebagai pembanding dengan PSO.Arsitektur jaringan syaraf tiruan dibangun dengan tiga lapisan, yaitu lapisan input, sebuah lapisan tersembunyi, dan lapisan output. Lapisan input menggunakan dua buah neuron, lima neuron pada lapisan tersembunyi, dan satu neuron pada lapisan output. Karena merupakan aplikasi peramalan time series, maka input yang digunakan adalah beban listrik pada hari ini t(h) dan hari sebelumnya t(h-1). Sedangkan output adalah prakiraan beban pada keesokan harinya t(h+1) pada jam yangsama.Hasil pengujian menunjukkan bahwa algoritma pelatihan PSO memberikan rata-rata kesalahan peramalan yang lebih kecil yaitu sebesar 2.492% dibandingkan dengan Backpropagation sebesar 2.504%. Sedangkan penggunaan jaringan syaraf tiruan baik dengan PSO maupun Backpropagation, memberikan hasil yang lebih baik dibandingkan dengan metode regresi liner berganda dengan rata-rata error 2.492% dan 2.504%. berbanding 3.754% jika menggunakan regresi liner bergand