ANALISIS PERAMALAN BEBAN LISTRIK DI AREA BALI DENGAN MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORKS (RBFNN)

Abstract

Penelitian ini bertujuan untuk meramalkan beban listrik di area Bali dengan menggunakan Jaringan Saraf Tiruan dengan Fungsi Basis Radial (RBFNN). Pengujian parameter RBFNN dilakukan untuk mencari nilai optimal dari jumlah neuron tersembunyi, lebar fungsi basis radial, dan tingkat pembelajaran. Selain itu, dilakukan perbandingan kinerja RBFNN dengan Jaringan Saraf Tiruan Backpropagation (BPNN) berdasarkan Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE) dalam meramalkan beban listrik. Perbedaan hasil MSE dan MAPE antara data sebelum pandemi dan data selama pandemi menunjukkan bahwa perubahan pola data dapat mempengaruhi akurasi model yang digunakan dalam prediksi beban listrik. Hasil penelitian ini memberikan wawasan penting bagi industri tenaga listrik dalam meningkatkan kualitas peramalan beban, terutama dalam menghadapi situasi tidak terduga seperti pandemi. RBFNN yang dioptimasi dapat menjadi pilihan yang lebih baik dalam memberikan peramalan yang akurat dan dapat diandalkan