RIZALDI, ROBERTO (2019) PERAMALAN BEBAN LISTRIK MENGGUNAKAN METODA JARINGAN SYARAF TIRUAN (JST) PADA TRAFO DI PT XYZ. S1 thesis, Universitas Mercu Buana Bekasi.
|
Text
2_Halaman Judul.pdf Download (39kB) | Preview |
|
|
Text
3_ABSTRAK.pdf Download (28kB) | Preview |
|
|
Text
4_SURAT PERNYATAAN.pdf Download (114kB) | Preview |
|
|
Text
5_LEMBAR PENGESAHAN.pdf Download (132kB) | Preview |
|
|
Text
6_KATA PENGANTAR.pdf Download (109kB) | Preview |
|
|
Text
7_DAFTAR ISI.pdf Download (88kB) | Preview |
|
|
Text
8_DAFTAR TABEL.pdf Download (63kB) | Preview |
|
|
Text
9_DAFTAR GAMBAR.pdf Download (25kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text
10_BAB I.pdf Restricted to Registered users only Download (53kB) |
|
|
Text
11_BAB II.pdf Restricted to Registered users only Download (486kB) |
|
|
Text
12_BAB III.pdf Restricted to Registered users only Download (152kB) |
|
|
Text
13_BAB IV.pdf Restricted to Registered users only Download (529kB) |
|
|
Text
14_BAB V.pdf Restricted to Registered users only Download (70kB) |
|
|
Text
15_Daftar Pustaka.pdf Restricted to Registered users only Download (27kB) |
|
|
Text
16_LAMPIRAN.pdf Restricted to Registered users only Download (981kB) |
Abstract
Dalam perencanaan operasi maupun perencanaan sistem pengembangan tenaga listrik, perkiraan atau peramalan (forecasting) merupakan hal yang penting dan tepat untuk mengetahui kebutuhan tenaga listrik dalam kurun waktu tertentu. Setiap industri meneyesuaikan kapasitas yang disediakan oleh PLN, apabila daya yang disediakan oleh PLN lebih rendah dari permintaan atau kebutuhan beban dalam hal ini PT. XYZ maka akan terjadi over-load yang akan berdampak pada terjadinya pemadaman, ini akan berdampak pada proses produksi. Perkiraan beban listrik jangka panjang menggunakan Jaringan Syaraf Tiruan dengan metoda Backpropagation. Metode ini digunakan untuk menyelesaikan masalah yang rumit dan masalah yang terdapat kaidah atau fungsi yang tidak diketahui Kelebihan sistem jaringan saraf tiruan terletak pada kemampuan pembelajaran yang dimilikinya. Untuk mendapatkan hasil peramalan dengan baik maka dilakukan pelatihan dengan system trial and error hingga mendapatkan akurasi pelatihan maksimal. Dari beberapa tahap pelatihan yang telah dilakukan (enam model arsitektur jaringan), dengan model arsitektur 12-75-1(12 neuron pada layer input, 75 neuron pada layer tersembunyi, dan 1 layer output). didapatkan nilai MSE sebesar 0,000099, MAPE sebesar 0.23%. Maka tingkat akurasi yang dihasilkan 99.77%. Pengujian jaringan yang dilakukan setelah proses pelatihan ini menggunakan arsitektur jaringan 12-75-1 dan didapatkan hasil prediksi keluaran JST dibandingkan dengan data real pemakaian listrik (kWh) dengan akurasi 86%. Kata Kunci: JST, Neuron, Backpropagation, MSE, MAPE
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FT/ELK 18 086 |
| NIM/NIDN Creators: | 41416320046 |
| Uncontrolled Keywords: | JST, Neuron, Backpropagation, MSE, MAPE |
| Subjects: | 600 Technology/Teknologi > 620 Engineering and Applied Operations/Ilmu Teknik dan operasi Terapan |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | siti maisyaroh |
| Date Deposited: | 23 Jul 2022 04:15 |
| Last Modified: | 23 Jul 2022 04:15 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/65953 |
Actions (login required)
 |
View Item |
