SUKMA AKBAR, - (2024) ANALISIS PERBANDINGAN AKURASI PERAMALAN KONSUMSI ENERGI LISTRIK DENGAN ALGORITMA EXTREME LEARNING MACHINE DAN BACKPROPAGATION. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text SKRIPSI SUKMA AKBAR.pdf Download (3MB) | Preview
	Text (BAB IV) BAB IV.pdf - Published Version Restricted to Repository staff only Download (323kB)

Abstract

Dalam melakukan peramalan harus menggunakan perhitungan yang akurat. Oleh karena itu penting untuk memilih metode peramalan yang tepat dan hal ini dapat ditentukan dengan menguji tingkat akurasi hasil peramalan dengan perhitungan nilai MAPE. Tujuan penelitian ini adalah menganalisis perbandingan akurasi hasil peramalan konsumsi energi listrik dengan algoritma Extreme Learning Machine dan Backpropagation. Data yang digunakan dalah data bulanan konsumsi energi listrik sebagai rancangan pola inputan. Data inputan akan dibagi menjadi 2 bagian yaitu data training dan data testing yang kemudian dilakukan simulasi dengan algoritma Extreme Learning Machine dan backpropagation untuk mendapatkan hasil peramalan tahun 2022. Selanjutnya akan dihitung akurasi hasil peramalan masing-masing algoritma dengan nilai MAPE. Hasil penelitian menyatakan bahwa algoritma Extreme Learning Machine memiliki nilai MAPE sebesar 4,67%, dimana tingkat kesalahannya lebih tinggi dari algoritma Backpropagation yang hanya sebesar 2,27%. Dari tahapan pengujian algoritma didapatkan hasil peramalan yang paling akurat untuk peramalan konsumsi energi listrik adalah Backpropagation. Karena mempunyai nilai MAPE terendah dengan artian bahwa tingkat akurasi paling tinggi dan tingkat kesalahan paling rendah. Kata Kunci: Energi Listrik, Akurasi Peramalan, Extreme Learning Machine, Backpropagation

Actions (login required)

View Item