PREDIKSI PENGGUNAAN DATA PADA BEBAN PUNCAK DI GARDU INDUK KERAMASAN DENGAN MENGGUNAKAN ALGORITMA ARTIFICIAL NEURAL NETWORK

RANGGA FIRMANSYAH, NIM. 132017026 (2021) PREDIKSI PENGGUNAAN DATA PADA BEBAN PUNCAK DI GARDU INDUK KERAMASAN DENGAN MENGGUNAKAN ALGORITMA ARTIFICIAL NEURAL NETWORK. Skripsi thesis, Universitas Muhammadiyah Palembang.

[img]
Preview
Text
132017026_BAB I_DAFTAR PUSTAKA .pdf

Download (710kB) | Preview
[img] Text
132017026_BAB II_SAMPAI_BAB TERAKHIR .pdf
Restricted to Repository staff only

Download (1MB)

Abstract

ABSTRAK Peramalan beban listrik memegang peranan yang sangat penting bagi efisiensi dan kinerja dari PLN. Berbagai jenis metode dipakai untuk mendapatkan hasil peramalan beban yang akurat agar daya yang dikirimkan sesuai dengan kebutuhan listrik dari konsumen. Skripsi ini membahas peramalan beban jangka pendek satu minggu ke depan dengan menggunakan Jaringan Syaraf Tiruan (JST). Peramalan beban jangka pendek sangat dipengaruhi oleh faktor-faktor cuaca, yang dalam hal ini menjadi masukan JST, yaitu : Suhu, Kelembaban, Tekanan udara, dan Kecepatan angin. Data yang digunakan untuk pembelajaran adalah data sebenarnya pada tahun 2017. Arsitektur yang digunakan adalah feed-forward backprop dan algoritma yang dipakai adalah algoritma backpropagation. Berdasarkan hasil didapatkan nilai MAPE data training terbaik sebesar 0.01624 % dan untuk MAPE data testing terbaik sebesar -43%, running yang dilakukan pada penelitian ini hanya satu kali dalam setiap percobaan. Kata Kunci : Peramalan Beban Listrik, Jaringan Syaraf Tiruan, Algoritma.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing, 1. Erliza Yuniarti, S.T., M.Eng. 2. Sofiah, S.T., M.T.
Uncontrolled Keywords: Kata Kunci : Peramalan Beban Listrik, Jaringan Syaraf Tiruan, Algoritma.
Subjects: Elektro > Pengujian dan Pengukuran Listrik
Elektro > Transfomator
Divisions: Fakultas Teknik > Teknik Elektro (S1)
Depositing User: Mahasiswa Fakultas Teknik
Date Deposited: 08 Nov 2021 06:44
Last Modified: 08 Nov 2021 06:44
URI: http://repository.um-palembang.ac.id/id/eprint/19050

Actions (login required)

View Item View Item

is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.