Prediksi Beban Listrik Menggunakan Jaringan Syaraf Tiruan Cerebellar Model Articulation Controller (CMAC) dengan Formulasi Pemetaan Masukan Baru

Abstract

Prediksi beban listrik menjadi elemen penting dalam pengelolaan sistem tenaga, terutama untuk menjaga keseimbangan antara suplai dan permintaan energi. Penelitian ini mengimplementasikan jaringan syaraf tiruan Cerebellar Model Articulation Controller (CMAC) dengan formulasi baru pada pemetaan masukan untuk meningkatkan akurasi prediksi beban. Dataset yang digunakan terdiri dari 34.167 data historis, dengan 23.916 data untuk pelatihan dan 10.251 data untuk pengujian. Proses pelatihan dilakukan selama 10 epoch dengan laju belajar 0,12, level kuantisasi 256, dan generalisasi 6. Hasil pengujian menunjukkan bahwa model CMAC mampu memberikan prediksi dengan tingkat akurasi yang memadai, ditunjukkan oleh nilai RMSE sebesar 0,30272, MAE sebesar 0,23252, dan MAPE sebesar 25,735. Analisis lebih lanjut pada segmen awal, tengah, dan akhir data pengujian mengonfirmasi konsistensi performa meskipun terdapat variasi pada kondisi beban ekstrem. Penelitian ini menegaskan bahwa perbaikan formulasi pemetaan masukan berperan penting dalam menjaga efisiensi komputasi, stabilitas prediksi, dan kemampuan adaptasi CMAC terhadap dinamika beban listrik. Temuan ini memberikan kontribusi nyata dalam pengembangan metode prediksi beban yang lebih andal dan efisien untuk sistem tenaga listrik modern.