Text

Aplikasi Prediksi Beban Puncak Harian Trafo Gardu Induk Menggunakan Jaringan Saraf Tiruan Backpropagation Dengan Momentum Dan Algoritma Inisialisasi Nguyen Widrow (Studi Kasus : Distribution Control Centre Semarang) 006.32 NUG a

---

ABSTRAK

Dalam memberikan pemenuhan kebutuhan listrik kepada pengguna, Perusahaan Listrik
Negara (PLN) masih menghadapi masalah untuk menghasilkan daya listrik yang sesuai
dengan kebutuhan pengguna. Salah satu faktor pengukur kebutuhan listrik adalah titik
maksimal penggunaan listrik. Titik maksimal penggunaan listrik dapat diukur melalui beban
puncak listrik. Pada tugas akhir ini, peramalan beban puncak harian diimplementasikan
menggunakan jaringan saraf tiruan backpropagation dengan momentum dan algoritma
inisialisasi nguyen widrow sebagai masukan pemberian keputusan dalam penyediaan
kebutuhan listrik yang dilakukan oleh PLN. Tugas akhir ini mengambil studi kasus pada
Distribution Control Centre Semarang. Terdapat dua kategori waktu beban puncak harian
yaitu pukul 10.00 WIB dan 19.00 WIB. Hasil penelitian menunjukkan bahwa arsitektur
jaringan terbaik untuk beban puncak harian pukul 10.00 WIB adalah laju pembelajaran 0.09,
hidden neuron 9, momentum 0.9, maksimum epoch 30000, toleransi error 0.0001 yang
menghasilkan Mean Square Error (MSE) pelatihan 0.00134, MSE pengujian 0.00481, Mean
Absolute Percentage Error (MAPE) pengujian 5.96145% dan akurasi pengujian 94.03855%.
Sedangkan untuk arsitektur jaringan terbaik untuk beban puncak harian pukul 19.00 WIB
adalah laju pembelajaran 0.2, hidden neuron 14, momentum 0.8, maksimum epoch 5000,
toleransi error 0.0001 yang menghasilkan MSE pelatihan 0.00089, MSE pengujian 0.01325,
MAPE pengujian 6.78821 % dan akurasi pengujian 93.21179 %.
Kata Kunci : Listrik, Beban Puncak Harian, Distribution Control Centre Semarang,
Backpropagation¸ Nguyen Widrow, Momentum

ABSTRACT

In order to satisfy the delivery of electric power distribution to customer, the providing a
proper electrical power demand is the main problem has been facing by Perusahaan Listrik
Negara (PLN). The one factor of electrical power demand is the maximum usage point of
electrical point. The maximum usage point of electrical point can be measured by electricity
peak load. In this thesis, peak load forecasting implemented using backpropagation neural
network with momentum and nguyen widrow initialization algorithm as decision input in
the delivery of electric power distribution needs which was conducted by PLN. A case of
this study the Distribution Control Centre Semarang. There are two categories of daily peak
load time are at 10:00 am and 07:00 pm. The results showed that the best network
architecture of backpropagation for peak load daily at 10:00 am are learning rate 0.09, hidden
neuron 9, momentum 9, maximum epoch 30000, and error tolerance 0.0001 which produces
Mean Square Error (MSE) training 0.00134, MSE testing 0.00481, Mean Absolute
Percentage Error (MAPE) testing 5.96145% and accuracy of the test 94.03855%. More over
the best network architecture for peak load daily at 07:00 pm are learning rate 0.2, hidden
neuron 14, momentum 0.8, maximum epoch 5000, and error tolerance 0.0001 which
produces MSE training 0.00089, MSE testing 0.01325, MAPE testing 6.78821% and
accuracy of the test 93.21179%.
Keywords : Electricity, Daily Peak Load, Distribution Control Centre Semarang,
Backpropagation, Nguyen Widrow, Momentum

---

Ketersediaan

461F17I

461 F 17

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

461 F 17

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1487

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Aditya Dwi Nugraha

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar