<![CDATA[Energi listrik merupakan suatu kebutuhan penting bagi manusia. Kebutuhan energi listrik selalu meningkat dari waktu ke waktu. Peningkatan kebutuhan energi tersebut harus seimbang dengan penyediaan energi listrik oleh perusahaan penyedia energi listrik. Untuk menyeimbangkan maka dibutuhkan peramalan beban listrik. Metode peramalan beban listrik menggunakan metode kecerdasan buatan yaitu Adaptive Neuro Fuzzy Inference System (ANFIS) dan metode Vector Autoregressive (VAR) sebagai pembanding. Hasil penilitan menggunakan kedua metode tersebut yaitu: 1) dalam peramalan beban listrik jangka pendek dengan metode ANFIS, arsitektur ANFIS yang sesuai yaitu dengan jenis kurva membership function untuk data input temperature, kelambaban, cloud cover, lama penyinaran dan waktu (jam) adalah Triangular dengan jumlah fungsi membership function adalah 2 untuk setiap input dan dengan jumlah iterasi sebanyak 100 kali; 2) Berdasarkan hasil penelitian metode ANFIS dapat meramalkan beban listrik jangka pendek di Kota Malang dengan sangat baik. Hal teresebut dapat dilihat dari kurva hasil peramalan serta nilai error yang kecil; 3) Model Vector Autoregressive yang paling optimal untuk meramalkan beban listrik adalah dengan 25 lag; 4) Berdasarkan hasil penelitian metode Vector Autoregressive dapat meramalkan beban listrik jangka pendek di Kota Malang dengan cukup baik. Hal tersebut dapat dilihat dari kurva hasil peramalan dan nilai error yang cukup kecil; 5) hasil perbandingan permalan beban listrik di Kota Malang menunjukkan bahwa metode ANFIS dapat meramalkan lebih baik dibandingkan dengan metode Vector Autoregressive. Kata Kunci: Peramalan beban listrik, Adaptive Neuro Fuzzy Inference System, Vector Autoregressive ABSTRACT Electrical energy is an important needs for human. Needs for electrical energy always increasing over time. The Increasing needs of electrical energy have to balance with energy supply from company that supply the energy. To make demand and supply balanced, it is needed to forecast electrical load. The Methods to forecast electrical load there are Adaptive Neuro Fuzzy Inference System (ANFIS) and Vector Autoregressive (VAR) as comparator. Results of this research is: 1) in load forecasting using ANFIS method, the optimal ANFIS architecture to forecast electrical load is membership function for Temperature, humidity, cloud cover, sunshine duration and time (hour) is Triangular with number of membership function is 2 for every input with 100 epochs; 2) Based on the results of the ANFIS method research, it can predict the short-term electricity load in Malang City very well. This can be seen from the forecasting curve and the small error value; 3) The most optimal Vector Autoregressive Model for predicting electrical loads is with 25 lag; 4) Based on the results of the research Vector Autoregressive method can predict the short-term electricity load in Malang City quite well. This can be seen from the forecasting curve and a fairly small error value; 5) Results of comparison of electrical load forecasting in the city of Malang indicate that the ANFIS method can predict better than the Vector Autoregressive method. Keywords: Electrical Load Forecasting, Adaptive Neuro Fuzzy Inference System, Vector Autoregressive]]>
