Text

Prediksi Beban Listrik PT. PLN (Persero) Area Semarang Menggunakan Metode Support Vector Regression

---

ABSTRAK

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 = 108, ɛ = 106, 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 %.
Kata kunci: Prediksi, Beban listrik, Support Vector Regression

ABSTRACT

The trend of the increased electricity consumption and the unstable of monthly peak load make PT.
PLN (Persero) as the electricity service provider needs to conduct a production planning in order to
perform the electricity power system maintenance scheduling as well as fuel reserve provision to keep
the sustainability of electricity production. The electricity production plan for the purpose of system
maintenance scheduling and fuel reserve provision was conducted by mid-term load forecasting. This
research presented the result of load forecasting using Support Vector Regression method using
predictor feature consisted of load, connected power, the number of electricity subscribers, and PDRBADHB. The data used were 75 data (Juni 2011 - Desember 2017) from PT. PLN (Persero) Semarang
Area and 7 data (2010 – 2016) from BPS Semarang. The result of the research showed the obtained of
error value using MAPE was 4,03 % for the best parameter value C = 108, ɛ = 106, and Kernel Linear
function, with the best predictor feature was connected power, and the number of electricity subscribers.
For the prediction data of October – December 2017, the result of MAPE error value was 3,0384 %.
Keywords: Prediction, Load, Support Vector Regression.

---

Ketersediaan

631F18III

631 F 18

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

631 F 18

Penerbit

: ., 2018

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

2290

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Andika Putra Pratama

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar