Analisis Perbandingan Kinerja Jaringan Saraf Tiruan (JST) yang Dioptimalkan Metaheuristik dan Regresi Vektor Pendukung untuk Prediksi Konsumsi Energi Listrik
Artikel Sidebar
-
Support Vector Regression, Electrical Energy Consumption Prediction, Metaheuristic-Optimized ANN, Machine Learning, ε-insensitive Loss
Abstrak
Penelitian ini menganalisis kinerja prediksi konsumsi energi listrik dengan membandingkan model Artificial Neural Network (ANN) berbasis optimasi metaheuristik pada penelitian sebelumnya dengan model Support Vector Regression (SVR) yang diimplementasikan secara mandiri. Model SVR menggunakan pendekatan regresi linear ε-insensitive dengan regularisasi, serta dilakukan normalisasi fitur untuk menjaga stabilitas pelatihan. Hasil eksperimen menunjukkan bahwa SVR mampu menghasilkan akurasi prediksi yang sangat tinggi pada data latih dengan akurasi relatif per-sampel 96,74%–99,90% dan rata-rata akurasi latih 99,09%, serta mempertahankan generalisasi pada data uji dengan akurasi 92,56%. Dibandingkan ANN dengan optimasi metaheuristik (GA/PSO) yang umumnya memerlukan proses pelatihan lebih kompleks dan bergantung pada inisialisasi, SVR menawarkan nilai tambah berupa pelatihan yang lebih stabil, deterministik, dan mudah direproduksi dengan kompleksitas model yang lebih rendah. Temuan ini menegaskan bahwa SVR dapat menjadi alternatif yang efektif dan efisien untuk prediksi konsumsi energi listrik sekaligus pembanding yang kuat terhadap pendekatan ANN metaheuristik.
Artikel teks lengkap
Referensi
N. P. S. YULI ARTINI, I. W. SUMARJAYA, and D. P. E. NILAKUSMAWATI, “Penerapan Metode Support Vector Regression (Svr) Dengan Algoritma Grid Search Dalam Peramalan Harga Saham,” E-Jurnal Mat., vol. 13, no. 2, p. 94, 2024, doi: 10.24843/mtk.2024.v13.i02.p447.
D. I. Ridwan, C. Setianingsih, and M. A. Murti, “Prediksi Penggunaan Energi Listrik Support Vector Regression Prediction of Electricity Using Support Vector Regression Method,” e-Proceeding Eng., vol. 8, no. 6, pp. 12135–12144, 2021.
K. Sasikirana Athaya, J. Raharjo, and S. Rizal, “Support Vector Regression untuk Prediksi Beban Listrik Jangka Pendek Menggunakan Metode Fraktal,” Ranah Res. J. Multidiscip. Res. Dev., vol. 5, no. 4, pp. 247–252, 2023, doi: 10.38035/rrj.v5i4.772.
A. Subekti, S. I. Komputer, L. Ilmu, P. Indonesia, R. Mean, and V. Machine, “PEMODELAN PREDIKTIF KONSUMSI ENERGI BANGUNAN GEDUNG KOMERSIAL DENGAN ALGORITMA SUPPORT VECTOR MACHINE Indriyanti 1) ; Agus Subekti 2),” vol. 14, no. 2, pp. 225–232, 2018, [Online]. Available: https://www.eia.gov/consumption/commercial/.
B. A. B. Vii, M. Prakiraan, and K. Energi, “Listrik Di Bangunan Gedung Kampus Berbasis Artificial Neural Network,” pp. 149–194.
Retno Wahyusari, “Perbandingan K-Nearest Neighbors (Knn) Dan Support Vector Regression (Svr) Untuk Prediksi Konsumsi Energi Listrik,” Pros. Snast, no. November, pp. G44-50, 2024, doi: 10.34151/prosidingsnast.v1i1.5034.
A. R. Prenata G D, “EMITOR : Jurnal Teknik Elektro,” vol. Vol 25, No, pp. 39–46, 2025, doi: https://doi.org/10.23917/emitor.v25i3.12719.
R. M. Mashita, S. Basuki, and N. Hayatin, “Prediksi Pemakaian Kwh Listrik Menggunakan Metode Support Vector Regression (SVR) (Studi Kasus: PT. PLN (Persero) Rayon Seririt),” J. Repos., vol. 2, no. 4, pp. 525–540, 2020, doi: 10.22219/repositor.v2i4.106.
M. A. McNeil, N. Karali, and V. Letschert, “Forecasting Indonesia’s electricity load through 2030 and peak demand reductions from appliance and lighting efficiency,” Energy Sustain. Dev., vol. 49, no. 2019, pp. 65–77, 2019, doi: 10.1016/j.esd.2019.01.001.
Penulis
Hak Cipta (c) 2026 Giovanni Dimas Prenata
Artikel ini berlisensi Creative Commons Attribution-NonCommercial 4.0 International License.
Hak cipta berada di tangan penulis
Artikel yang terbit dapat digunakan di bawah lisensi Creative Commons Atribusi Non-Komersial 4.0 InternasionalÂ
Anda diperbolehkan:
Berbagi menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun;
Adaptasi menggubah, mengubah, dan membuat turunan dari materi ini
Pemberi lisensi tidak dapat mencabut ketentuan di atas sepanjang Anda mematuhi ketentuan lisensi ini.
Berdasarkan ketentuan berikut:
Atribusi Anda harus mencantumkan nama yang sesuai, mencantumkan tautan terhadap lisensi, dan menyatakan bahwa telah ada perubahan yang dilakukan. Anda dapat melakukan hal ini dengan cara yang sesuai, namun tidak mengisyaratkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
NonKomersial Anda tidak dapat menggunakan materi ini untuk kepentingan komersial.