SKRIPSI PERAMALAN BEBAN LISTRIK KABUPATEN CILACAP | PERPUSTAKAAN UNTIDAR : Repositori Mahasiswa Untidar

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

Text

SKRIPSI PERAMALAN BEBAN LISTRIK KABUPATEN CILACAP

EVAN DHIA ARUNA - Nama Orang;

INTISARI
Beban listrik merupakan kebutuhan energi listrik yang besarnya tidak tetap dan dipengaruhi oleh banyak faktor yang sulit diprediksi. Oleh karena itu, produsen listrik perlu memprediksi permintaan listrik konsumen untuk masa mendatang. Salah satu metode yang digunakan adalah jaringan saraf tiruan dengan algoritma backpropagation. Karena sanggup melakukan pembelajaran terhadap pola yang diberikan sebagai contoh. Variabel yang digunakan merupakan data jumlah penduduk dan data Produk Domestik Regional Bruto (PDRB) yang diperoleh dari website resmi BPS Kabupaten Cilacap serta data jumlah pelanggan, daya tersambung, dan konsumsi daya listrik yang diperoleh dari PT. PLN (Persero) UP3 Kabupaten Cilacap. Dalam penelitian ini, menggunakan tiga variasi pada jumlah neuron hidden layer, max.epoch, dan learning rate untuk menentukan model jaringan terbaik yang digunakan untuk peramalan. Hasil dari tahap peltihan dan tahap pengujian menentukan model arsitektur jaringan yang optimal untuk tahap selanjutnya yaitu peramalan. Hal ini dapat dilihat dari rata-rata nilai error atau MAPE yang diperoleh dari perbandingan output JST backpropagation dengan target sesungguhnya yaitu jaringan dengan kriteria traingdx 4 input – 37 neuron hidden layer – 1 output, max.epoch 10000, dan 0.01 untuk learning ratenya. Hasil dari tahap pelatihan memperoleh nilai rata-rata error MSE dan MAPE sebesar 0.00099999 dan 5.44%. Selain itu, terdapat nilai regresi yang didapatkan pada saat proses pelatihan sebesar 0.98226. Sedangkan pada hasil pengujian menghasilkan MSE dan MAPE sebesar 0.00009493 dan 3.99%, serta regresi sebesar 0.90709. Kesimpulan dari penelitian ini dimana penggunaan metode JST backpropagation untuk peramalan beban listrik Kabupaten Cilacap periode 2023-2030 yang menggunakan arsitektur dan parameter yang telah ditentukan jika dilihat kriteria nilai MAPE memiliki akurasi sangat baik untuk melakukan peramalan dan masih dibawah toleransi PLN yakni ≤ 10%.
Kata kunci: backpropagation, beban listrik, jaringan syaraf tiruan, peramalan beban.

Ketersediaan

1-UN57.U1-STE-I-2024 ELEKTRO ARU P 2024 Ruang Skripsi (TEKNIK ELEKTRO) Tersedia namun tidak untuk dipinjamkan - No Loan

Informasi Detail

Judul Seri: -
No. Panggil: ELEKTRO ARU P 2024
Penerbit: MAGELANG : UNIVERSITAS TIDAR., 2024
Deskripsi Fisik: XI;68HAL;29.5CM
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: 621.38
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT
Info Detail Spesifik: -
Pernyataan Tanggungjawab: -

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Tidak Ada Data

Komentar

Anda harus masuk sebelum memberikan komentar