Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik
(1) 
(2) 
(3) 
Abstract
Memprediksi harga listrik merupakan sebuah faktor penentu pendukung keputusan dalam mengeluarkan sebuah kebijakan pemerintah dalam menentukan harga listrik. Ketepatan akurasi prediksi sebuah prediksi harga listrik menjadi hal yang sangat diperhitungkan, dengan menggunakan Neural Network prediksi harga listrik diprediksi dengan harapan menghasilkan tingkat akurasi yang baik. Neural Network masih mempunyai kelemahan dalam menentukan nilai bobot terbaik sehingga optimalisasi dilakukan dengan menerapkan bagging kedalam model yang diusulkan. Berdasarkan hasil penelitian didapatkan bahwa penerapan bagging pada Neural Network dapat meningkatkan tingkat akurasi prediksi dengan nilai RMSE sebesar 10.513. Maka dapat disimpulkan bahwa prediksi harga listrik dengan mengggunakan bagging pada Neural Network lebih akurat dibandingkan dengan Neural Network tradisional.
Keywords
Full Text:
PDFReferences
Kaminski, V. 2013. Energy markets, Risk Books.
Chen, X., Dong, Z. Y., Meng, K., Xu, Y., Wong, K. P., dan Ngan, H. W. 2012.
Electricity price forecasting with extreme learning machine and bootstrapping.
IEEE Transactions on Power Systems. Vol. 27(4): 2055–2062.
B. R. Szkuta, L. A. Sanabria, and T. S. Dillon. 1999. Electricity price short-term forecasting using artificial Neural Networks. IEEE Trans. Power Syst. Vol.
(3): 851–857.
C. P. Rodriguez and G. J. Anders. 2004. Energy price forecasting in the Ontario
competitive power system market. IEEE Trans. Power Syst. Vol. 19(1): 366–
Amjady, N. 2006. Day-ahead price forecasting of electricity markets by a new
fuzzy Neural Network. IEEE Trans. Power Syst. Vol. 2(2): 887–896.
Meng, K., Dong, Z.Y. & Wong, K.P. 2009. Self-adaptive RBF Neural Network for short-term electricity price forecasting. IET Gen Transm Distrib. Vol. 3(4):
–335.
Dudoit, S., & Fridlyand, J. 2003. Bagging to improve the accuracy of a
clustering procedure. Bioinformatics. Vol. 19(9): 1090–1099.
Tan, P.N., Steinbach, M. & Kumar. 2006. Introduction to Data Mining 4th ed.
Pearson Addison Wesley, Boston.
Refbacks
- There are currently no refbacks.
Scientific Journal of Informatics (SJI)
p-ISSN 2407-7658 | e-ISSN 2460-0040
Published By Department of Computer Science Universitas Negeri Semarang
Website: https://journal.unnes.ac.id/nju/index.php/sji
Email: [email protected]
This work is licensed under a Creative Commons Attribution 4.0 International License.