Implementasi Jaringan Saraf Tiruan dalam Prediksi Beban Listrik Rumah Tangga

Abstract

Penelitian ini membahas prediksi beban listrik rumah tangga menggunakan Jaringan Saraf Tiruan (JST) dengan algoritma Backpropagation. Data konsumsi listrik rumah tangga di timur laut Meksiko dikumpulkan satu menit sekali, lalu diolah menjadi data per jam. Proses preprocessing meliputi pembersihan data, ekstraksi fitur waktu, dan normalisasi MinMaxScaler. Model JST diujikan berbagai konfigurasi hidden layer. Evaluasi menggunakan MAPE, MAE, MSE, RMSE, dan R2 menunjukkan model optimal memberikan MAPE 4.17%, MAE 0.0066, MSE 0.0001, RMSE 0.0102, dan R2 0.9892 kategori sangat akurat. Hasil ini unggul dibanding penelitian sejenis yang telah ada. Kesimpulannya, metode JST Backpropagation efektif untuk prediksi beban listrik rumah tangga berbasis time series. Pengembangan ke depan disarankan dengan memperluas cakupan data dan mengeksplorasi arsitektur jaringan saraf lain.