PERAMALAN BEBAN LISTRIK MENGGUNAKAN METODA JARINGAN SYARAF TIRUAN (JST) PADA TRAFO DI PT XYZ

RIZALDI, ROBERTO (2019) PERAMALAN BEBAN LISTRIK MENGGUNAKAN METODA JARINGAN SYARAF TIRUAN (JST) PADA TRAFO DI PT XYZ. S1 thesis, Universitas Mercu Buana Bekasi.

Preview	Text 2_Halaman Judul.pdf Download (39kB) | Preview
Preview	Text 3_ABSTRAK.pdf Download (28kB) | Preview
Preview	Text 4_SURAT PERNYATAAN.pdf Download (114kB) | Preview
Preview	Text 5_LEMBAR PENGESAHAN.pdf Download (132kB) | Preview
Preview	Text 6_KATA PENGANTAR.pdf Download (109kB) | Preview
Preview	Text 7_DAFTAR ISI.pdf Download (88kB) | Preview
Preview	Text 8_DAFTAR TABEL.pdf Download (63kB) | Preview
Preview	Text 9_DAFTAR GAMBAR.pdf Download (25kB) | Preview
	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

Actions (login required)

View Item