ANALISIS AKURASI SUPPORT VECTOR MACHINE DENGAN FUNGSI KERNEL GAUSSIAN RBF UNTUK PRAKIRAAN BEBAN LISTRIK HARIAN SEKTOR INDUSTRI

Abstrak Keakuratan prakiraan beban listrik harian di sektor industri memegang peranan dalam penghematan energi listrik. Penghematan energi listrik dapat dilakukan dengan pengaturan operasional industri berdasarkan laporan prakiraan beban listrik listrik tersbut. Salah satu metode yang berhasil di dalam prediksi beban listrik adalah Suppor Vector Machine dengan berbagai macam fungsi Kernel yang mendukungnya. Penelitian ini bertujuan menganalisis akurasi sistem peramalan beban listrik harian yang diterapkan pada sektor industri menggunakan Support Vector Machine (SVM) dengan fungsi Kernel Gaussian RBF. Data penelitian ini merupakan data beban listrik harian pada salah satu industri farmasi terkemuka di Indonesia, yaitu PT. Phapros Indonesia selama tahun 2014. Untuk mendukung keakuratan penelitian ini, parameter data latih SVM  tidak hanya berasal dari data times series beban listrik, tetapi juga berasal dari data kapasitas produksi dan jenis hari kerja.   Kata kunci: support vector machine, fungsi kernel, gaussian RBF, peramalan beban listrik harian, nilai error prediksi, MAPE