Prakiraan Beban Listrik Kota Maros Berbasis Extreme Learning Machine (ELM) = Electricity Load Forecast in Maros City Based on Extreme Learning Machine (ELM)

Prakiraan beban listrik merupakan salah satu cara mengurangi resiko penyediaan tenaga listrik yang tidak stabil dengan melakukan prediksi beban listrik pada hari berikutnya dengan memanfaatkan sejumlah data yang tergantung dari model yang disusun. Pada penulisan skripsi ini peramalan beban listrik bertujuan untuk mendapatkan prediksi beban listrik secara akurat dari dengan menggunakan jaringan syaraf tiruan metode Extreme Learning Machine (ELM). Extreme Learning Machine (ELM) adalah sebuah metode pembelajaran baru dalam jaringan syaraf tiruan dengan model single layer feedforward neural networks. Dalam memprediksi beban listrik, data akan dilatih dan dicari bobot yang paling optimum. Selanjutnya, dengan melakukan proses pengujian data terlatih akan diketahui seberapa baik pola yang dikenali oleh jaringan sehingga nilai error yang didapatkan mencapai nilai minimum. Dengan uji validasi akan diperoleh nilai dari prakiraan beban listrik hari berikutnya dengan menggunakan bobot optimal dari proses pelatihan.Berdasarkan implementasi yang dilakukan pada data beban listrik kota Maros yang menggunakan data mulai tanggal 1 Januari 2018 hingga 31 Desember 2020 diketahui bahwa dari dua fungsi aktivasi extreme learning machine yang di simulasi (linear dan logsig), fungsi aktivasi linear memberikan hasil prakiraan beban listrik harian yang lebih baik dengan nilai Mean Absolute Percentage Error (MAPE) rata-rata sebesar 5,44% untuk bulan Desember 2020. Besar nilai Mean Absolute Percentage Error MAPE ini berdasarkan range standar nilai Mean Absolute Percentage Error (MAPE) menunjukkan bahwa range nilai dibawah 10% memiliki unjuk kerja yang sangat baik.
Keywords : Extreme Learning Machine, Jaringan Syaraf Tiruan, Beban Listrik, Prakiraan Beban Listrik.