<![CDATA[Pembangkit listrik tenaga surya merupakan salah satu pembangkit energi listrik yang memanfaatkan energi matahari. PLTS sangat bergantung pada ketersediaan radiasi matahari. Radiasi matahari tidak tersedia sepanjang hari di setiap tempat. Ketersediaan radiasi matahari yang tidak menentu dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan Artificial Intelligence yaitu Extreme Learning Machine (ELM) memiliki akurasi peramalan yang cukup baik. Metode peramalan konvensional dengan Regresi Berganda digunakan sebagai pembanding metode ELM. Untuk mendapatkan hasil peramalan yang optimal, dilakukan pemodelan pada arsitektur ELM dan Regresi Berganda. Percobaan variasi komposisi data didapatkan hasil ELM Kota Malang memiliki nilai kesalahan RMSE 54,431 dan MAE 31,919, lebih kecil disbanding Kota Basel yang memiliki nilai RMSE 85,064 dan MAE 56,749. Peramalan Regresi Berganda Kota Malang memiliki nilai kesalahan RMSE 107,575 dan MAE 86,899, lebih kecil disbanding Kota Basel yang memiliki nilai RMSE 101,978 dan MAE 71,088. ELM melakukan peramalan intensitas radiasi matahari lebih baik disbanding Regresi Berganda untuk jangka panjang maupun jangka pendek. Kata kunci: extreme learning machine, intensitas radiasi matahari, prakiraan. ABSTRACT Solar power plant is one of the electric energy resource that utilizes solar energy. Solar power plant is very dependent on the availability of solar radiation. Solar radiation is not available all day in every place. The availability of unpredictable solar radiation can be predicted by the methods that exist today. Forecasting method using Artificial Intelligence with Extreme Learning Machine (ELM) has good forecasting accuracy. The conventional forecasting method using multiple regression is used as a comparison of the ELM method. To get optimal forecasting result, modeling on ELM and Multiple Regression architecture is done. Variation of data composition experiment was obtained ELM forecasting of Malang City has error value RMSE 54,431 and MAE 31,919, smaller than Basel City which has value of RMSE 85,064 and MAE 56,749.. Multiple Regression forecasting of Malang City has error value RMSE 107,575 and MAE 86,899, smaller than Basel city which has value RMSE 101,978 and MAE 71,088. ELM method forecast better than Multiple Regression for long and short-term intensity of solar radiation. Keywords: extreme learning machine, solar radiation, forecasting.]]>
