Pemodelan Regresi Linear untuk Prediksi Konsumsi Energi Primer Indonesia Menggunakan Hybrid Particle Swarm Optimization dan Continuous Ant Colony Optimization
Kata Kunci:
optimasi kontinyu, prediksi energi primer Indonesia, particle swarm optimization, ant colony optimization, regresi linear berganda, metode hybridAbstrak
Prediksi konsumsi energi primer merupakan hal penting dalam mendasari kebijakan energi semua negara, akan tetapi banyak prediksi konsumsi energi primer tergolong tidak akurat dan kurangnya sumber data. Konsumsi energi primer Indonesia merupakan yang terbesar dibandingkan dengan konsumsi negara lain di kawasan Asia Tenggara dan terbesar keempat di kawasan Asia Pasifik. Konsumsi energi primer Indonesia mengalami peningkatan yang pesat sebagai akibat pertumbuhan ekonomi dalam beberapa tahun terakhir yakni meningkat 16% hanya dalam rentang tiga tahun yakni 149.31Mtoe pada tahun 2010 menjadi 174.24Mtoe tahun 2013. Konsumsi energi primer di Indonesia sebagian besar berasal dari energi fosil yakni minyak bumi, gas alam, dan batubara, sedangkan tenaga air dan energi terbarukan lainnya hanya 3.33% dari total konsumsi energi primer pada tahun 2016. Tujuan dari penelitian ini untuk menghasilkan prediksi konsumsi energi primer seakurat mungkin melalui parameter gross national income, gross domestic product, jumlah populasi, impor, dan ekspor Indonesia. Prediksi konsumsi energi primer Indonesia dilakukan menggunakan regresi linear berganda dengan penentuan nilai intersep dan koefisien kemiringan regresi menggunakan hybrid Particle Swarm Optimization dan Continuous Ant Colony Optimization. Dari hasil pengujian pemodelan regresi linear yang terbentuk memiliki rata-rata nilai kesalahan Mean Absolute Percentage Error sebesar 10.1% yang menunjukkan bahwa metode yang digunakan termasuk dalam kategori baik digunakan dalam prediksi konsumsi energi primer Indonesia. Metode hybrid juga dibandingkan dengan penggunaan pemodelan regresi menggunakan Particle Swarm Optimization dan Continuous Ant Colony Optimization secara terpisah.