Prediksi Penggunaan Beban Listrik Pada Sistem Mahakam Menggunakan Jaringan Syaraf Tiruan Dengan Algorima Backpropagation
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Rizky, Yolanda
Subject
T Technology (General)
Datestamp
2021-08-05 02:37:42
Abstract :
Seiring dengan meningkatnya jumlah penduduk di Kalimantan Timur, aktivitas kegiatan ekonomi, kegiatan sosial masyarakat serta meningkatnya konsumsi penggunaan peralatan listrik menyebabkan permintaan listrik yang tidak menentu. Oleh karena itu PLN UP3B sebagai perusahaan penyedia tenaga listrik di Kalimantan Timur harus dapat memenuhi kebutuhan listrik penduduk Kalimantan Timur. Untuk memenuhi kebutuhan tersebut PLN UP3B perlu melakukan prediksi penggunaan beban listrik. Prediksi penggunaan beban listrik perlu dilakukan untuk mengetahui kebutuhan listrik pada masa depan untuk memperoleh keseimbangan agar kebutuhan tenaga listrik terpenuhi secara tepat. Salah satu metode yang dapat digunakan untuk memprediksi adalah Jaringan Syaraf Tiruan (JST) dengan menggunakan algoritma Backpropagation. Oleh karena itu pada penelitian ini digunakan JST untuk memprediksi penggunaan beban listrik pada Sistem Mahakam Kalimantan Timur. Data yang digunakan pada penelitian ini ialah data penggunaan beban listrik Sistem Mahakam selama enam tahun terakhir dengan interval perhari, yang terhitung dari Januari 2015 sampai dengan Desember 2020 dan menggunakan data dengan komposisi 60% data training dan 40% data testing. Penelitian dilakukan dengan menggunakan 11 model uji, dimana arsitektur berisikan 24 node pada input layer, 2-12 node pada hidden layer dan 24 node pada output layer untuk menentukan model prediksi terbaik. Setelah melakukan penelitian didapatkanlah model 1 menggunakan 2 node pada hidden layer sebagai model terbaik dengan MSE sebesar 0.002616 pada data training dan 0.004242 pada data testing. Hasil penelitian berupa model prediksi terbaik untuk peramalan beban listrik harian dan contoh hasil prediksi dari penggunaan model tersebut. Dengan demikian, hasil tersebut akan dijadikan rekomendasi bagi PLN UP3B sebagai model prediksi beban listrik alternatif untuk tujuh hari ke depan.
Seiring dengan meningkatnya jumlah penduduk di Kalimantan Timur, aktivitas kegiatan ekonomi, kegiatan sosial masyarakat serta meningkatnya konsumsi penggunaan peralatan listrik menyebabkan permintaan listrik yang tidak menentu. Oleh karena itu PLN UP3B sebagai perusahaan penyedia tenaga listrik di Kalimantan Timur harus dapat memenuhi kebutuhan listrik penduduk Kalimantan Timur. Untuk memenuhi kebutuhan tersebut PLN UP3B perlu melakukan prediksi penggunaan beban listrik. Prediksi penggunaan beban listrik perlu dilakukan untuk mengetahui kebutuhan listrik pada masa depan untuk memperoleh keseimbangan agar kebutuhan tenaga listrik terpenuhi secara tepat. Salah satu metode yang dapat digunakan untuk memprediksi adalah Jaringan Syaraf Tiruan (JST) dengan menggunakan algoritma Backpropagation. Oleh karena itu pada penelitian ini digunakan JST untuk memprediksi penggunaan beban listrik pada Sistem Mahakam Kalimantan Timur. Data yang digunakan pada penelitian ini ialah data penggunaan beban listrik Sistem Mahakam selama enam tahun terakhir dengan interval perhari, yang terhitung dari Januari 2015 sampai dengan Desember 2020 dan menggunakan data dengan komposisi 60% data training dan 40% data testing. Penelitian dilakukan dengan menggunakan 11 model uji, dimana arsitektur berisikan 24 node pada input layer, 2-12 node pada hidden layer dan 24 node pada output layer untuk menentukan model prediksi terbaik. Setelah melakukan penelitian didapatkanlah model 1 menggunakan 2 node pada hidden layer sebagai model terbaik dengan MSE sebesar 0.002616 pada data training dan 0.004242 pada data testing. Hasil penelitian berupa model prediksi terbaik untuk peramalan beban listrik harian dan contoh hasil prediksi dari penggunaan model tersebut. Dengan demikian, hasil tersebut akan dijadikan rekomendasi bagi PLN UP3B sebagai model prediksi beban listrik alternatif untuk tujuh hari ke depan.
File :
10161081_abstract_en.pdf
10161081_abstract_id.pdf
10161081_enclosure.pdf
10161081_form.pdf
10161081_illustrations.pdf
10161081_preface.pdf
10161081_presentation.pdf
10161081_publishing_agreement.pdf
10161081_table_of_content.pdf
10161081_tables.pdf
10161081_paper.pdf
10161081_statement_of_authenticity.pdf
10161081_approval_sheet.pdf
10161081_bibliography.pdf
10161081_chapter_1.pdf
10161081_chapter_2.pdf
10161081_chapter_3.pdf
10161081_chapter_4.pdf
10161081_conclusions.pdf
10161081_cover.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
