The increasing demand and number of consumers is directly proportional to the increasing demand for electrical loads from time to time. If demand is greater than supply or vice versa, there will be a waste of electricity and system failure. the classification of the use of short-term electrical power loads is needed for control and
consideration in scheduling maintenance of the electric power system in an effort to reduce problems that arise due to imbalances in demand and supply. distributed and stored for short-, medium- and long-term needs. The Learning Vector Quantization method is an artificial neural network that is used for grouping inputs to be given and learning at the competitive layer that is automatically supervised and is one of the supervised learning methods that can be implemented in the problem of classifying the use of power loads at electrical substations. This system will manage data in the form of electricity consumption in June 2020 as training data and test data using data in the following month. The parameters used to get the best accuracy results are learning rate 0.01, hidden 10 and epoch 100 with a total of 30 days of data. Based on the test results, the accuracy in June was 96,6667%. By using the June 2020 substation power load data, it can be applied as a reference for classification in the Learning Vector Quantization method for power load classification at electrical substations.

Meningkatnya kebutuhan dan jumlah konsumen berbanding lurus dengan meningkatnya permintaan beban listrik dari waktu ke waktu. Jika permintaan lebih besar daripada persediaan maupun sebaliknya maka terjadi pemborosan listrik dan kegagalan sistem. klasifikasi penggunaan beban daya listrik jangka pendek diperlukan untuk control maupun bahan pertimbangan dalam penjadwalan pemeliharaan sistem tenaga listrik dalam upaya mengurangi masalah yang timbul akibat tidak seimbangnya permintaan dan persediaan beban daya yang dihasilkan oleh gardu listrik perlu untuk diklasifikasikan agar penyedia listrik dapat mengetahui berapa banyak kebutuhan yang perlu disalurkan dan disimpan bagi kebutuhan jangka pendek, menengah maupun jangka panjang. Metode Learning Vector Quantization merupakan Jaringan Saraf tiruan yang digunakan untuk pengelompokan input yang akan diberikan dan dilakukannya pembelajaran pada lapisan kompetitif yang diawasi secara otomatis serta merupakan salah satu metode supervised learning yang dapat diimplementasikan pada masalah klasifikasi penggunaan beban daya pada gardu listrik. Sistem ini akan mengelola data berupa konsumsi beban daya listrik bulan Juni 2020 sebagai data latih dan data uji menggunakan data pada bulan selanjutnya. Parameter yang digunakan untuk mendapatkan hasil akurasi terbaik adalah learning rate 0,01, hidden 10 dan epoch 100 dengan jumlah data 30 hari. Berdasarkan hasil pengujian diperoleh akurasi pada bulan Juni sebesar 96,6667%. Dengan menggunakan data beban daya gardu Juni 2020 dapat diterapkan sebagai acuan klasifikasi dalam metode Learning Vector Quantization untuk klasifikasi beban daya pada gardu listrik.