J. Sains & Teknologi, Desember 2012, Vol.1 No.2 : ISSN
|
|
- Ida Rachman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 J. Sains & Teknologi, Desember 2012, Vol.1 No.2 : ISSN PREDIKSI BEBAN PUNCAK HARI LIBUR NASIONAL BERBASIS RADIAL BASIS FUNCTION NEURAL NETWORK Prediction National Holidays Peak Load-Based Radial Basis Function Neural Network Andi Imran, Nadjamuddin Harun, Syafaruddin Jurusan Teknik Elektro, Fakultas Teknik Universitas Hasanuddin ABSTRAK Peramalan merupakan suatu taksiran yang ilmiah, karenanya merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Penelitian ini bertujuan untuk memprediksi beban jangka pendek yaitu beban puncak hari libur nasional. Peramalan ini dilakukan dengan menggunakan metode RBFNN dan metode kuadrat terkecil dijadikan sebagai pembanding. Metode RBFNN mempunyai struktur sederhana dan kinerja identifikasi tinggi. Metode RBFNN adalah model jaringan saraf tiruan termotivasi oleh respon locally-tuned neuron biologis yang memberikan karakteristik respon selektif untuk beberapa rentang terbatas dari ruang sinyal input. Metode ini diterapkan untuk perkiraan beban jangka pendek selama liburan/hari khusus di Sulawesi Selatan, Indonesia. Metode yang diusulkan mempertimbangkan data dari beban puncak harian selama liburan di AP2B makassar untuk 9 tahun mulai dari 2003 sampai 2011 dengan 13 hari libur nasional yang digunakan. Kemudian, penelitian lebih khusus difokuskan pada data beban puncak dari 4 hari sebelum liburan (h-4) dan pada hari libur (h). Hasil validasi menunjukkan bahwa metode RBFNN memberikan peramalan sangat akurat, ditunjukkan dengan absolute error. Metode RBFNN memiliki rata-rata absolute error % untuk prediksi tahun absolute error terbesar yang dicapai RBFNN sebesar % dan absolute error terkecil yang dicapai RBFNN sebesar %. Rata-rata absolute error hasil peramalan metode kuadrat terkecil yaitu sebesar 4.933%. Nilai absolute error terbesar metode kuadrat terkecil adalah %. Nilai absolute error terkecil yang dicapai metode kuadrat terkecil adalah %. Kata kunci : Metode RBFNN, metode kuadrat terkecil, absolute error. ABSTRACT Forecasting is a scientific estimates, therefore the initial part of a process of making a decision. This study aims to predict the short-term load peak national holiday. Forecasting is done using RBFNN method and the least squares method used for comparison. RBFNN method has a simple structure and high-performance identification. RBFNN method of artificial neural network model is motivated by the response of locally-tuned neurons that provide the biological characteristics of a selective response to a limited range of input signal space. This method is applied to short-term load forecast for the holidays / special days in South Sulawesi, Indonesia. The proposed method considering data from the daily peak load during the vacation in AP2B makassar for 9 years from 2003 to 2011 with 13 national holidays that are used. Then, more research is specifically focused on the peak load data from 4 days before the holiday (h-4) and on holidays (h). Validation results show that the RBFNN method gives highly accurate prediction, indicated by the absolute error. RBFNN method has an average absolute error % for the prediction of RBFNN largest absolute error achieved by % and RBFNN smallest absolute error achieved by %. The average absolute error results forecasting least squares method that is equal to 4933%. Largest absolute error value method of least squares is %. Achieved the smallest absolute error value method of least squares is %. Keywords : Method of RBFNN, the least squares method, absolute error. 156
2 Prediksi Beban Puncak Hari Libur Nasional ISSN PENDAHULUAN Peramalan adalah suatu kegiatan yang bertujuan untuk memperkirakan atau memprediksi apa yang akan terjadi dalam periode waktu tertentu pada masa yang akan datang. Umumnya peramalan berguna untuk alat bantu dalam perencanaan sesuatu yang efektif dan efisien. Peramalan merupakan suatu taksiran yang ilmiah, karenanya merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu [1]. Metode peramalan beban yang mempunyai tingkat akurat yang tinggi sangat diperlukan dalam koridor operasi yang berkembang pada system tenaga. Estimasi beban puncak yang buruk menyebabkan cacat penjadwalan dan alokasi cadangan unit pembangkitan dapat mempengaruhi kondisi keandalan sistem dan keamanan sistem tenaga. Karakteristik baban antara hari libur berbeda dengan hari biasa, baik itu karakteristik beban yang berada di luar waktu beban puncak, maupun yang berada pada waktu beban puncak. Sehingga diperlukan peramalan beban dengan tujuan mempersiapkan unit-unit pembangkit yang beroperasi. Pada saat kebutuhan listrik meningkat, akan diimbangi dengan penyediaan listrik yang memadai agar tidak terjadi pemadaman listrik, sebaliknya jika pemakaian listrik menurun, penyediaan listrik akan dikurangi agar tidak terjadi over supply. Penyesuaian antara permintaan energi dengan pembangkitan ini bisa diatasi bila peramalan yang dilakukan secara akurat, khususnya untuk peramalan beban puncak, data beban harian digunakan untuk penjadwalan dan pengontrolan system daya atau alokasi pembangkit cadangan, juga digunakan untuk studi aliran daya [2]. Setiap negara atau perusahaan listrik, harus tahu secara tepat jumlah permintaan kebutuhan energi listrik maksimum yang harus disediakan sampai pada periode tertentu. Namun untuk jangka panjang, baik meramal jumlah yang tepat kebutuhan tenaga maupun persiapan infrastruktur untuk suplai tenaga adalah cukup sulit, karena: sulitnya meramal permintaan beban puncak dengan tepat, beberapa data untuk meramal jangka panjang tidak tersedia, sulitnya menyimpan energi listrik saat ini, diperlukan waktu yang cukup lama dan dana yang besar untuk membangun pembangkit listrik baru dan fasilitas transmisi, dan seterusnya [3]. Perkiraan beban yang akurat selain menguntungkan di sisi demand, juga akan meningkatkan keamanan di sistem tenaga, ketepatan pengaturan jadwal pengiriman daya, perencanaan pemeliharaan untuk unit-unit pembangkit dan evaluasi keandalan yang menyangkut sistem tenaga [2]. Kemajuan teknologi saat ini khususnya pada salah satu cabang ilmu kecerdasan buatan (Artificial Intelligence) yaitu Jaringan Syaraf Tiruan (Artificial Neural Network) dapat menjawab permasalahan tersebut. Artificial neural network mempunyai kemampuan yang luar biasa untuk mendapatkan informasi dari data yang rumit atau tidak tepat, mampu menyelesaikan permasalahan yang tidak terstruktur dan sulit didefinisikan, dapat belajar dari pengalaman, mampu mengakuisisi pengetahuan walaupun tidak ada kepastian, mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu, dapat menciptakan suatu pola pengetahuan melalui pengaturan diri atau kemampuan belajar (self organizing), mampu memilih suatu input data ke dalam kategori tertentu yang sudah ditetapkan (klasifikasi), mampu menggambarkan suatu objek secara keseluruhan walaupun hanya diberikan sebagian data dari objek tersebut (asosiasi), mempunyai kemampuan mengolah data-data input tanpa harus mempunyai target (self organizing), dan mampu menemukan jawaban terbaik 157
3 Andi Imran ISSN sehingga mampu meminimalisasi fungsi biaya (optimasi) [25]. Artificial neural network merupakan salah satu sistem pemroses informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah. Oleh karena itu penulis dalam penelitian ini membahas mengenai metode Pembelajaran di bidang Jaringan Syaraf Tiruan yaitu pada model Jaringan Syaraf Fungsi Basis Radial atau Radial Basis Function Neural Network (RBFNN) yang diaplikasikan untuk Peramalan beban puncak hari libur nasional dan metode kuadrat terkecil, yang mana metode kuadrat terkecil sebagai pembanding disertai dengan data yang tersedia dari PLN. METODE Peramalan Beban Puncak menggunakan RBFNN Pendekatan lain untuk peramalan beban jangka pendek adalah dengan menggunakan radial basis function neural network (RBFNN). Struktur model RBF sangat sederhana dengan tiga lapisan; Input, hidden dan output. Sepintas, itu sangat mirip dengan three layered feed forward neural network (TFFN), kecuali untuk fungsi aktivasi dan algoritma. Dalam metode TFFN, fungsi sigmoid biasanya digunakan sebagai fungsi aktivasi antara lapisan, sedangkan RBFNN itu menggunakan dasar radial dan fungsi linear antara input dan layer hidden dan antara hidden layer dan lapisan output, masing-masing. Dalam hal algoritma, TFFN menggunakan back propagation algorithm untuk menyesuaikan bobot dan selama proses pelatihan. Sementara itu, jumlah hidden layer dalam metode RBFNN memperbarui secara berurutan sampai sasaran error tercapai. Untuk alasan ini, proses pelatihan dalam jaringan RBF adalah cepat dan struktur jaringan secara langsung dikonfirmasi. Akurasi yang tinggi dari metode ini selama proses validasi juga meyakinkan. Flowchart dari algoritma RBFNN ditunjukkan pada gambar berikut. Dalam gambar ini, proses belajar dimulai dengan jumlah inisialisasi Input dan jumlah sinyal output. Dalam studi ini, ada empat sinyal input yang mewakili beban puncak selama empat hari sebelum hari libur yang ditentukan dan hanya memiliki sinyal output tunggal yang mewakili beban puncak selama liburan. Beban diperkirakan secara langsung diperoleh dari sinyal output. Pola data pelatihan mencakup tiga tahun berturut-turut beban puncak dalam empat hari sebelum liburan. Pelatihan ini berlanjut dengan menambahkan neuron pada hidden layer untuk setiap langkah iterasi. Untuk setiap neuron pada layer hidden ditambahkan, jarak antara vektor input dan vektor output dihitung dengan norma Euclidean, dinotasikan dengan zj(x). Kemudian, neuron diaktifkan menggunakan fungsi aktivasi Gaussian sebagai jenis umum dari radial basis fungsi (RBF). Setelah proses ini, sinyal output dinotasikan dengan yl(k) dihitung dengan menggunakan fungsi aktivasi linear. Jika jumlah suquare error kurang dari sasaran error yang sebelumnya ditetapkan atau jumlah neuron hidden memiliki jumlah yang sama dari vector Input, maka iterasi akan berakhir. Jika tidak, iterasi terus dan nilai-nilai width, weight dan centre dari radial basis function akan diperbarui. Setelah neuron hidden ditambahkan dan iterasi akan diulang proses ini dapat dilihat pada Gambar
4 Prediksi Beban Puncak Hari Libur Nasional ISSN z j x exp x 2 2 j j 2 y L x J j1 w Lj z j x Gambar 1. Proses training algoritma RBFNN Peramalan beban dengan metode kuadrat terkecil Metode kuadrat terkecil, yang lebih dikenal dengan nama Least Squares Method, adalah salah satu metode pendekatan yang paling penting dalam dunia keteknikan untuk: (a). regresi ataupun pembentukan persamaan dari titik titik data diskretnya (dalam pemodelan), dan (b). analisis sesatan pengukuran (dalam validasi model) [20]. Metode kuadrat terkecil ini juga memainkan peranan penting dalam teori statistik, karena metode ini seringkali digunakan dalam penyelesaian problemproblem yang melibatkan kumpulan data yang tersusun secara acak, seperti dalam sesatan-sesatan percobaan. Seperti kita ketahui trend linier dapat ditulis sebagai persamaan garis lurus: Y = a + bx... (1) dimana : Y = Variabel yang diramalkan. x = Variabel waktu. a dan b = bilangan konstan Garis lurus yang dicari adalah garis lurus yang mendekati titik-titik dari data historis. Untuk mencari garis lurus tersebut kita perlu mencari besaran harga a dan b, besaran tersebut merupakan nilai konstan yang tidak berubah-ubah didalam penganalisaan yang dilakukan. Artinya bila diperoleh nilai atau besaran a dan b, maka untuk setiap nilai x atau variabel 159
5 Andi Imran ISSN akan dapat ditentukan / diperoleh besaran Y atau variabel yang dicari untuk nilai X tersebut [21]. Terdapat beberapa teknik dan metoda yang dapat dipergunakan untuk mencari atau meramalkan nilai a dan b dalam hubungan fungsional dari persamaan Y = a + bx, pada prinsipnya teknik dan metoda yang ada mendasarkan proses analisanya pada usaha untuk mendapatkan suatu garis lurus yang tepat melalui atau mendekati titik-titik yang berserakan (scatter) dari data observasi. Garis tersebut dinyatakan sebagai berikut: Ŷ = a + bx.... (2).... (3).... (4) Kesalahan ramalan yang terdapat adalah: ei = Yi - Ŷ.... (5) sedangkan penyimpangan atau deviasi ramalan adalah: d = Yi - Y.... (6) Dalam hal ini Ŷ adalah nilal yang diramalkan, x adalah Variabel yang mempengaruhi atau variabel bebas, e adalah nilai kesalahan ramalan, dan d adalah penyimpangan atau deviasi, Y i adalah nilai observasi dan Y adalah ratarata dari nilai observasi, selisih nilai ramalan dan nilai observasi rata-rata adalah : Ŷ-Y yang merupakan besaran yang ditunjukkan atau diterangkan dengan terdapatnya garis yang melalui atau mendekati titik dari data observasi. Dalam studi ini, absolute error yang digunakan untuk mengukur akurasi antara nilai-nilai diperkirakan dan nilai aktual. Absolute eror terkecil menunjukkan kinerja akurasi tertinggi. Absolut error = (FV AV)/AV x 100% dimana: (7) FV = Forecasting Value AV = Actual Value HASIL DAN PEMBAHASAN Tahapan pertama yaitu training dan pengujian (RBFNN). Hasil training dan pengujian dapat dilihat pada Tabel 1. Dari tabel 1 dapat dilihat rata-rata eror hasil training untuk 4 input %, eror untuk 5 input % dan eror untuk 6 input %. Tahapan kedua yaitu membentuk struktur RBF. Bentuk struktur RBFNN hasil simulink dapat dilihat pada Gambar 2. Struktur terbaik yang didapatkan pada waktu melakukan peramalan yaitu struktur yang mempunyai eror terkecil dari hasil training. Berdasarkan hasil dari tabel 1, bahwa yang mempunyai eror terkecil dari hasil training adalah prediksi untuk hari ke-9 yang menggunakan 4 input dengan eror sebesar Ada pun hasil peramalan dapat dilihat pada Tabel 2. Berdasarkan tabel 2 menunjukkan bahwa eror hasil peramalan RBFNN dengan 4 input yang menggunakan struktur ke -9 sebesar %. Nilai eror terbesar yang dicapai RBFNN sebesar % dan nilai eror terkecil yang dicapai RBFNN sebesar %. Perbandingan eror RBFNN dengan metode kuadrat terkecil Perbandingan eror RBFNN untuk struktur ke 9 dengan metode kuadrat terkecil dapat dilihat pada Tabel 3. Pada tabel 3Beban puncak hari ke 8 sampai hari ke 13 tahun 2012 belum ada pada waktu pengambilan data di AP2B Makassar karena pada waktu itu belum berada pada tanggal 17 juni Berdasarkan tabel 3 diatas menunjukkan bahwa eror hasil peramalan RBFNN jauh lebih rendah dibandingkan dengan eror permalan metode kuadrat. Rata-rata eror RBFNN pada tabel 3 sebesar % dan eror metode kuadrat terkecil sebesar 160
6 Prediksi Beban Puncak Hari Libur Nasional ISSN %. Nilai eror terbesar yang dicapai RBFNN sebesar % dan eror terbesar metode kuadrat adalah %. Nilai eror terkecil yang dicapai RBFNN sebesar % sedangkan eror terkecil yang dicapai metode kuadrat adalah %. Eror rata-rata peramalan masih dalam batas toleransi deviasi peramalan beban yang ditentukan oleh PLN yaitu sebesar 5% [23] sehingga keandalan dan faktor ekonomis sistem masih dapat terjaga. Tabel 1. Hasil Pengujian Beban Puncak Tahun 2011 untuk 4 input, 5 input dan 6 input Beban Hasil Pengujian Beban dengan metode RBF Hari Puncak 4 Tahun 2011 input eror 5 input eror 6 input eror jumlah rata-rata = % = % =
7 Andi Imran ISSN Gambar 2. Struktur RBF hasil simulink Tabel 2. Hasil Peramalan Beban dengan 4 input yang menggunakan struktur ke 9 NO Hari Libur Nasional Tahun 2012 data actual RBFNN dengan 4 input Eror 1 Tahun Baru Masehi Tahun Baru Imlek Maulid Nabi Muhammad SAW Hari Raya Nyepi Wafat Yesus Kristus Hari Raya Waisak Kenaikan Yesus Kristus Isra Miraj Nabi Muhammad SAW Hari Kemerdekaan Hari Idul Fitri Hari Idul Adha Tahun Baru Islam Hari Natal jumlah rata-rata
8 Prediksi Beban Puncak Hari Libur Nasional ISSN Tabel 3. Perbandingan eror RBFNN struktur ke 9 dengan metode kuadrat terkecil Metode Peramalan beban Jangka Pendek Prediksi Hari Libur data Metode NO RBFNN Nasional Tahun 2012 actual Eror kuadrat 4 input terkecil eror 1 Tahun Baru Masehi Tahun Baru Imlek Maulid Nabi Muhammad SAW Hari Raya Nyepi Wafat Yesus Kristus Hari Raya Waisak Kenaikan Yesus Kristus Isra Miraj Nabi Muhammad SAW Hari Kemerdekaan Hari Idul Fitri Hari Idul Adha Tahun Baru Islam Hari Natal jumlah rata-rata = % = % KESIMPULAN & SARAN. Struktur terbaik RBFNN adalah yang mempunyai eror terkecil dari hasil training yaitu prediksi untuk hari ke-9 yang menggunakan 4 input dengan eror sebesar Rata rata eror hasil peramalan RBFNN adalah %, eror terbesar yang dicapai RBFNN sebesar % dan eror terkecil yang dicapai RBFNN sebesar %. Struktur ke 9 dapat berlaku sampai tahun 2020 dan tidak perlu dilakukan lagi training karena telah sesuai dengan karakteristik perubahan beban di Makassar. Eror terbesar metode kuadrat terkecil adalah % eror terkecil yang dicapai metode kuadrat terkecil adalah %. Rata-rata eror metode kuadrat terkecil sebesar %. Hasil peramalan RBFNN dan metode kuadrat terkecil masih dalam batas toleransi yang ditentukan oleh PLN yaitu sebesar 5%. Dari hasil penelitian ini yang menggunakan metode RBFNN disarankan untuk melakukan prediksi beban hari libur nasional perjam. DAFTAR PUSTAKA AB-II. (akses 27 desember 2011) Dessy Rika Astuti, Peramalan Beban Jangka Pendek untuk Harihari Libur Menggunakan Fuzzy 163
9 Andi Imran ISSN Linear Regression (FLR) yang dioptimisasi dengan Artificial Immune System (AIS) (Studi Kasus di Kalimantan Selatan-Tengah). ITS-Undergraduate Paper. ITS-Undergraduate Paper.pdf (akses 27 desember 2011) Arief Heru Kuncoro dan Rinaldy Dalimi, Aplikasi Jaringan Syaraf Tiruan Untuk Peramalan Beban TenagaListrik Jangka Panjang Pada Sistem Kelistrikan Di Indonesia. JURNAL TEKNOLOGI, Edisi No. 3. Tahun XIX, September 2005, ISSN Arief_Revisi3ok_.pdf. (akses 27 desember 2011) Kurniawan Fitrianto, Prakiraan Kebutuhan Energi Listrik Tahun Pada PT. PLN (persero) Unit Pelayanan Jaringan (UPJ) Di Wilayah Kota Semarang Dengan Metode Gabungan.Teknik Elektro UNDIP. ML2F pdf. (akses 31 desember 2011) Written by Administrator, Thursday, 16 December :42. Beban Puncak Saat Natal Naik 10 Mw. Sumber : Media Indonesia (akses 28 desember 2011) Daman Suswanto : Sistem Distribusi Tenaga Listrik m/2010/11/materi-11-karakeristikbeban.pdf. (akses 2 januari 2012) Yani Eli, Pengantar jaringan saraf tiruan. Artikel kuliah. ress.com/2007/05/jaringan_syaraf _tiruan.pdf. (akses 2 januari 2012) Chen, Y., Luh, P.B., Guan, C., Zhao, Y., Michel, L.D., Coolbeth, M.A., Friedland, P.B., Rourke, S.J.: Short-term load forecasting: Similar day-based wavelet neural networks, IEEE Transactions on Power Systems 25 (1), pp , 2010 Pindoriya, N.M., Singh, S.N., Singh, S.K.: Forecasting of short-term electric load using application of wavelets with feed-forward neural networks, International Journal of Emerging Electric Power Systems 11 (1), art. no. 3, 2010 Sun, W., He, Y., Meng, M.: A novel quantum neural network model with variable selection for short term load forecasting, Applied Mechanics and Materials 20-23, pp , Hippert, H.S., Taylor, J.W.: An evaluation of Bayesian techniques for controlling model complexity and selecting inputs in a neural network for short-term load forecasting, Neural Networks 23 (3), pp , 2010 Taylor, J.W.: Triple seasonal methods for short-term electricity demand forecasting, European Journal of Operational Research 204 (1), pp , 2010 Fay, D., Ringwood, J.V.: On the Influence of Weather Forecast Errors in Short-Term Load Forecasting Models, IEEE Transactions on Power Systems Article in Press Xia, C., Wang, J., and McMenemy, K.: Short, medium and long term load forecasting model and virtual load forecaster based on radial basis function neural networks International Journal of Electrical Power and Energy System, Article in Press Niu, D., Wang, Y., Wu, D.D.: Power load forecasting using support vector machine and ant colony optimization, Expert Systems with 164
10 Prediksi Beban Puncak Hari Libur Nasional ISSN Applications 37 (3), pp , 2010 Kim, K.-H., Youn, H.-S., Kang, Y.-C.: Short-term load forecasting for special days in anomalous load conditions using neural networks and fuzzy inference method, IEEE Transactions on Power Systems 15 (2), pp , Amin Fauzan, Perbandingan Unjuk Kerja Jaringan Syaraf Tiruan CMAC (Cerebellar Model Articulation Controller) dan RBF (Radial Basis Function) pada Pengendalian Plant Suhu secara On lin. Fakultas Teknik Universitas Diponegoro kpta/upload/l2f000571_mta.pdf. (akses 1 januari 2012) H. Chahkandi Nejad, M. Mahvy, R. Jahani and M. Mohammad Abadi, Predicting Load Peak using Artificial Neural Network without using Meteorological Information. American Journal of Scientific Research ISSN X Issue 34(2011), pp EuroJournals Publishing, Inc. 2011http:// AJSR_34_01.pdf. (akses 1 januari 2012) Wahyudi, Aplikasi Jaringan Syaraf Tiruan RBF Pada Sistem Kontrol Valve Untuk Pengendalian Tinggi Muka Air. Seminar Nasional Aplikasi Teknologi Informasi 2007 (SNATI 2007) ISSN: , Yogyakarta, 16 Juni nati/article/viewfile/1673/1455. (akses 1 januari 2012) Setijo Bismo, DEA., Modul 3 - Regresi Linier dengan Metode Kuadrat Terkecil (1/1) Seri Matematika Terapan untuk S2. TGP-FTUI 08/11/regresi-linier-denganmetode-kuadrat-terkecil2.pdf. (akses 31 desember 2011) Daman Suswanto : Sistem Distribusi Tenaga Listrik m/2010/11/materi-12-peramalankebutuhan-energi.pdf. (akses 31 desember 2011) 16/daftar-hari-libur-nasional-dancuti-bersama (akses 31 januari 2012) Dinar Artika Sari : Peramalan Kebutuhan Beban Jangka Pendek Menggunakan Jaringan Syaraf Tiruan Backpropagation 113/ML2F lbox/optim/ug/lsqlin.html T. Sutojo, Edy M., Vincent S., 2010: kecerdasan buatan, Semarang: Andi 165
PERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
PERAMALAN BEBAN JANGKA PENDEK PADA HA LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK () Juniar Doan Wihardono 1, Agus Dharma 2, I Made Mataram 3 Jurusan Teknik Elektro dan Komputer,
Lebih terperinciPREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, Erlinda Ningsih 2 1 Dosen Teknik Informatika, STMIK Potensi Utama 2 Mahasiswa Sistem Informasi, STMIK
Lebih terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciPeramalan Beban Jangka Pendek untuk Hari-hari Libur Menggunakan Fuzzy Linear Regression (FLR) yang dioptimisasi dengan Artificial Immune System
Peramalan Beban Jangka Pendek untuk Hari-hari Libur Menggunakan Fuzzy Linear Regression (FLR) yang dioptimisasi dengan Artificial Immune System (AIS) ( Studi Kasus di Kalimantan Selatan - Tengah ) Oleh:
Lebih terperinciPERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)
SKRIPSI PERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN) JUNIAR DOAN WIHARDONO JURUSAN TEKNIK ELEKTRO DAN KOMPUTER FAKULTAS TEKNIK UNIVERSITAS
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciPERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN
PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN MENGGUNAKAN HYBRID AUTOREGRESSIVE INTEGRATED MOVING AVERAGE NEURAL NETWORK Disusun oleh : Berta Elvionita Fitriani 24010211120005
Lebih terperinciANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK
ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK Yudhi Andrian 1, M. Rhifky Wayahdi 2 1 Dosen Teknik Informatika,
Lebih terperinci2014 ESTIMASI BEBAN PUNCAK HARIAN BERDASARKAN KLUSTER TIPE HARI BERBASIS ALGORITMA HYBRID SWARM PARTICLE-ARTIFICIAL NEURAL NETWORK
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di negara yang memiliki jumlah populasi penduduknya besar dan perkembangan industrinya mengalami peningkatan, tentunya memiliki tingkat kebutuhan akan sumber
Lebih terperinciUJM 3 (1) (2014) UNNES Journal of Mathematics.
UJM 3 (1) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm APLIKASI JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN BEBAN PUNCAK DISTRIBUSI LISTRIK DI WILAYAH PEMALANG
Lebih terperinciJARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI
JARINGAN FUNGSI BASIS RADIAL UNTUK MENENTUKAN RELASI FUZZY PADA PERAMALAN RUNTUN WAKTU FUZZY ORDE TINGGI Winita Sulandari 1, Titin Sri Martini 1, Nughthoh Arfawi Kurdhi 1, Hartatik 2, Yudho Yudhanto 2
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Akhir-akhir ini kita banyak mendengar banyak berita bahwa Perusahaan Listrik Negara (PLN) mengalami kerugian yang sangat besar setiap tahunnya yang disebabkan faktor-faktor
Lebih terperinciPRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 18-26 PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY
Lebih terperinciVOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :
PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PRODUKSI AIR MINUM MENGGUNAKAN ALGORITMA BACKPROPAGATION (STUDI KASUS : PDAM TIRTA BUKIT SULAP KOTA LUBUKLINGGAU) Robi Yanto STMIK Bina Nusantara
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia.
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DENGAN JARINGAN SYARAF TIRUAN BACKPROPAGATION PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI INDONESIA SAMPAI TAHUN 2022 Nahar Nurkholiq *), Tejo Sukmadi,
Lebih terperinciPREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK
PREDIKSI KONSUMSI LISTRIK BANGUNAN MENGGUNAKAN METODE STASTIK T. Iqbal Faridiansyah Dosen Teknik Elektro Universitas Malikussaleh Abstrak Persoalan untuk memperoleh prediksi yang akurat dari konsumsi listrik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tenaga listrik merupakan kebutuhan yang sangat penting bagi manusia dalam melakukan aktifitasnya sehari-hari. Peralatan rumah tangga maupun industri hampir semuanya
Lebih terperinciBAB I PENDAHULUAN. berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi
BAB I PENDAHULUAN 1.1 Latar Belakang Operasi sistem tenaga listrik yang modern biasanya berhubungan dengan berbagai variasi prosedur perencanaan. Perencanaan operasi meliputi metodologi dan proses pengambilan
Lebih terperinci2016 OPTIMAL ANOMALOUS SHORT TERM LOAD FORECASTING BERBASIS ALGORITMA FEED FORWARD BACKPROPAGATION
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Peramalan beban selalu menjadi instrumen penting dalam operasi sistem tenaga. Berbagai keputusan operasi ditentukan oleh peramalan beban, seperti penjadwalan
Lebih terperinciPrediksi Pemakaian Listrik Dengan Pendekatan Back Propagation
ISSN: 2089-3787 465 Prediksi Pemakaian Listrik Dengan Pendekatan Back Propagation Ruliah S, Rendy Rolyadely Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru Jl. A.Yani Km. 33,3 Loktabat Banjarbaru
Lebih terperinciJurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:
Perbandingan Penggunaan Metode Radial Basis Function Network () Dari Metode Fuzzy Neural Netwotk () Dalam Memperkirakan Beban Jangka Pendek di GI. Gondang Wetan Pasuruan Rory Asrial, Almizan Abdullah,
Lebih terperinciBAB I PENDAHULUAN. Kemunculan minimarket yang begitu banyak membuat manajemen
BAB I PENDAHULUAN 1.1. Pendahuluan Kemunculan minimarket yang begitu banyak membuat manajemen perusahaan minimarket harus berfikir kreatif agar dapat bersaing dengan usaha sejenis dalam merebut pangsa
Lebih terperinciBAB I PENDAHULUAN. industri, masyarakat perkotaan serta masyarakat pedesaan. Untuk tetap dapat
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini kebutuhan masyarakat akan tenaga listrik terus meningkat dari tahun ke tahun. Energi listrik merupakan kebutuhan yang sangat vital, baik bagi industri, masyarakat
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 203-209 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD
Lebih terperinciPREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION
JIMT Vol. 4 No. Juni 207 (Hal 47-55) ISSN : 2450 766X PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION J.R. Mustakim, R. Ratianingsih 2 dan D. Lusiyanti 3,2,3 Program Studi
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA MENENGAH PADA SISTEM KELISTRIKAN KOTA SAMARINDA
PERAMALAN BEBAN LISTRIK JANGKA MENENGAH PADA SISTEM KELISTRIKAN KOTA SAMARINDA Muslimin 1 Abstract: Demand of electric power in Samarinda continuously increasing in line with development of Samarinda city.
Lebih terperinciT 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX
T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX Oleh: Intan Widya Kusuma Program Studi Matematika, FMIPA Universitas Negeri yogyakarta
Lebih terperinciPERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA
PERBANDINGAN AKURASI ALGORITME PELATIHAN DALAM JARINGAN SYARAF TIRUAN UNTUK PERAMALAN JUMLAH PENGGUNA KERETA API DI PULAU JAWA Budho Setyonugroho 1), Adhistya Erna Permanasari 2), Sri Suning Kusumawardani
Lebih terperinciPENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM
PENERAPAN MODEL NEURAL NETWORK BACKPROPAGATION UNTUK PREDIKSI HARGA AYAM Nanik Susanti 1* 1 Program Studi Sistem Informasi, Fakultas Teknik, Universitas Muria Kudus Gondangmanis, PO Box 53, Bae, Kudus
Lebih terperinciPERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN
PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN Titik Misriati AMIK BSI Jakarta Jl. R.S Fatmawati No. 24 Pondok Labu, Jakarta Selatan titik.tmi@bsi.ac.id ABSTRACT
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No. 1, Juni 2015 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan untuk Memprediksi Prestasi
Lebih terperinciPrediksi Beban Listrik Jangka Pendek Menggunakan Algoritma Feed Forward Back Propagation dengan Mempertimbangkan Variasi Tipe Hari
Prediksi Beban Listrik Jangka Pendek Menggunakan Algoritma Feed Forward Back Propagation dengan Mempertimbangkan Variasi Tipe Hari Ramadani Dwisatya, M.Ramdlan Kirom Program Studi Teknik Fisika Fakultas
Lebih terperinciPRISMA FISIKA, Vol. III, No. 3 (2015), Hal ISSN :
PRISMA FISIKA, Vol. III, No. (05), Hal. 79-86 ISSN : 7-80 Pemodelan Kebutuhan Daya Listrik Di Pt. PLN (Persero) Area Pontianak dengan Menggunakan Metode Gauss-Newton Mei Sari Soleha ), Joko Sampurno *),
Lebih terperinciMetode Hibrid PSO-JST untuk Peningkatan Akurasi Prediksi Beban Listrik Jangka Pendek
Metode Hibrid PSO-JST untuk Peningkatan Akurasi Prediksi Beban Listrik Jangka Pendek A. G. Abdullah, G. M. Suranegara, D.L. Hakim Program Studi Teknik Elektro, Universitas Pendidikan Indonesia Abstract
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
Lebih terperinciPENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI
PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION (Studi Kasus : Harga Penutupan Saham Unilever Indonesia Tbk. Periode September
Lebih terperinciAnalisis Akurasi Support Vector Machine...
ANALISIS AKURASI SUPPORT VECTOR MACHINE DENGAN FUNGSI KERNEL GAUSSIAN RBF UNTUK PRAKIRAAN BEBAN LISTRIK HARIAN SEKTOR INDUSTRI Luqman Assaffat 1 * 1 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPENGARUH JUMLAH DATA LATIH SVM PADA PERAMALAN BEBAN LISTRIK BULANAN DI SEKTOR INDUSTRI
Techno, ISSN 1410-8607 Volume 17 No. 2, Oktober 2016 Hal. 088 093 PENGARUH JUMLAH DATA LATIH SVM PADA PERAMALAN BEBAN LISTRIK BULANAN DI SEKTOR INDUSTRI The Total of SVM Train Data Effect OnMonthly Electric
Lebih terperinciPERAMALAN HARGA MINYAK MENTAH DUNIA NEURAL NETWORK
PERAMALAN HARGA MINYAK MENTAH DUNIA MENGGUNAKAN METODE RADIAL BASIS FUNCTION NEURAL NETWORK SKRIPSI Disusun oleh: Rahafattri Ariya Fauzannissa 24010211140092 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA
Lebih terperinciSTUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muh. Ishak Jumarang 1), Lyra Andromeda 2) dan Bintoro Siswo Nugroho 3) 1,3) Jurusan Fisika,
Lebih terperinciPEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA)
PEMODELAN DAN SISTEM INFORMASI PREDIKSI KAPASITAS PEMBANGKIT LISTRIK MENGGUNAKAN NEURAL NETWORK (SEKTOR RUMAH TANGGA) Salmawaty Tansa 1, Bambang Panji Asmara 2 Fakultas Teknik, Jurusan Teknik Elektro,
Lebih terperinciOptimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization
IJCCS, Vol.8, No.1, January 2014, pp. 25~36 ISSN: 1978-1520 25 Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization Harry Ganda Nugraha* 1 dan Azhari SN 2 1 Mahasiswa Program Pascasarjana
Lebih terperinciWAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES
J. Math. and Its Appl. ISSN: 1829-605X Vol. 4, No. 2, November 2007, 53 64 WAVELET -JARINGAN SYARAF TIRUAN UNTUK PREDIKSI DATA TIME SERIES Daryono Budi Utomo Jurusan Matematika FMIPA Institut Teknologi
Lebih terperinciPrediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Scientific Journal of Informatics Vol 3, No 1, Mei 2016 p-issn 2407-7658 http://journalunnesacid/nju/indexphp/sji e-issn 2460-0040 Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Forecasting Forecasting (peramalan) adalah seni dan ilmu untuk memperkirakan kejadian di masa yang akan datang. Hal ini dapat dilakukan dengan melibatkan data historis dan memproyeksikannya
Lebih terperinciANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN
ANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN Abstrak Vinsensius Rinda Resi - NIM : A11.2009.04645 Program Studi Teknik
Lebih terperinciBAB I PENDAHULUAN. Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan
BAB I PENDAHULUAN A. Latar Belakang Peramalan (forecasting) adalah kegiatan untuk meramalkan apa yang akan terjadi pada masa yang akan datang. Sedangkan ramalan adalah suatu situasi atau kondisi yang akan
Lebih terperinciPerbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation
65 Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation Risty Jayanti Yuniar, Didik Rahadi S. dan Onny Setyawati Abstrak - Kecepatan angin dan curah
Lebih terperinciPERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE
PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE oleh BETA VITAYANTI M0110012 SKRIPSI Ditulis dan diajukan untuk
Lebih terperinciJURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) ( X Print) A-31
JURNAL SAINS DAN SENI ITS Vol 4, No2, (2015) 2337-3520 (2301-928X Print) A-31 Perbandingan Performansi Metode Peramalan Fuzzy Time Series yang Dimodifikasi dan Jaringan Syaraf Tiruan Backpropagation (Studi
Lebih terperinciPERAMALAN BEBAN PUNCAK LISTRIK JANGKA PENDEK MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
Jurnal Reka Elkomika 2337-439X Oktober 2013 Jurnal Online Institut Teknologi Nasional TeknikElektro Itenas Vol.1 No.4 PERAMALAN BEBAN PUNCAK LISTRIK JANGKA PENDEK MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Jaringan Syaraf Tiruan Peramalan Inventory Barang
Lebih terperinciPERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN
Feng PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK... 211 PERBANDINGAN ANTARA MODEL NEURAL NETWORK DAN MODEL DUANE UNTUK EVALUASI KETEPATAN PREDIKSI WAKTU KERUSAKAN SUATU KOMPONEN Tan
Lebih terperinciADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii
Muhammad Arif Santoso, 2015. Peramalan Penjualan Produk Menggunakan Jaringan Syaraf Tiruan Metode Extreme Learning Machine. Skripsi ini dibawah bimbingan Auli Damayanti,S.Si, M.Si dan Dr. Herry Suprajitno,
Lebih terperinciESTIMASI KONSUMSI ENERGI LISTRIK BALI BERBASIS ANN
ESTIMASI KONSUMSI ENERGI LISTRIK BALI BERBASIS ANN Jurusan Teknik Elekro Fakultas Teknik Universitas Udayana Kampus Bukit Jimbaran Bali 80361, tlp (0361)703315 Email : mertasana@ee.unud.ac.id Abstrak Aspek
Lebih terperinciPENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT
PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT Havid Syafwan Program Studi Manajemen Informatika, Amik Royal, Kisaran E-mail: havid_syafwan@yahoo.com ABSTRAK:
Lebih terperinciBAB I PENDAHULUAN. diatur di dalam otak sebagai pengendali utama tubuh manusia. Otak manusia
BAB I PENDAHULUAN A. Latar Belakang Manusia telah diciptakaan oleh Tuhan dalam bentuk kesempurnaan. Salah satu ciptaan yang menakjubkan adalah otak manusia dimana semua kecerdasaan diatur di dalam otak
Lebih terperinciPERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP)
PERKIRAAN PENJUALAN BEBAN LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILENT BACKPROPAGATION (RPROP) Apriliyah, Wayan Firdaus Mahmudy, Agus Wahyu Widodo Program Studi Ilmu Komputer Fakultas MIPA Universitas
Lebih terperinciPRAKIRAAN BEBAN LISTRIK KOTA PONTIANAK DENGAN JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) AGUS HASIM
PRAKIRAAN BEBAN LISTRIK KOTA PONTIANAK DENGAN JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) AGUS HASIM SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER
Lebih terperinciMENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB
POLITEKNOSAINS VOL. X NO. 2 Juni 2011 MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB Yaya Finayani Teknik Elektro, Politeknik Pratama Mulia, Surakarta 57149, Indonesia ABSTRACT
Lebih terperinciPERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN ABSTRAK
PERAMALAN BEBAN LISTRIK MENGGUNAK AN JARINGAN SARAF TIRUAN METODE KOHONEN Galang Jiwo Syeto, Arna Fariza, S.Kom, M.Kom, Setiawardhana, S.T Program DIV Jurusan Teknik Informatika Politeknik Elektronika
Lebih terperinciPELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI TURNAMEN UNTUK DATA TIME SERIES
JURNAL GAUSSIAN, Volume 1, Nomor 1, Tahun 2012, Halaman 65-72 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PELATIHAN FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE
Lebih terperinciPEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS
PEMBELAJARAN BERTINGKAT PADA ARSITEKTUR JARINGAN SARAF FUNGSI RADIAL BASIS Diana Purwitasari 1, Glory Intani Pusposari 2, Rully Sulaiman 3 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciPERAMALAN BEBAN PUNCAK HARIAN PADA SISTEM PT.PLN APB JAWA TENGAH DAN DIY MENGGUNAKAN METODE JARINGAN SARAF TIRUAN ALGORITMA GENETIKA
PERAMALAN BEBAN PUNCAK HARIAN PADA SISTEM PT.PLN APB JAWA TENGAH DAN DIY MENGGUNAKAN METODE JARINGAN SARAF TIRUAN ALGORITMA GENETIKA Charisma Lingga Pradipika *), Susatyo Handoko, and Bambang Winardi Departemen
Lebih terperincioleh WAHYUNI PUTRANTO NIM. M SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan memperoleh gelar Sarjana Sains Matematika
PERBANDINGAN METODE GRADIENT DESCENT DAN GRADIENT DESCENT DENGAN MOMENTUM PADA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM PERAMALAN KURS TENGAH RUPIAH TERHADAP DOLAR AMERIKA oleh WAHYUNI PUTRANTO NIM.
Lebih terperinciPERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION
PERANCANGAN PARAMETER TERBAIK UNTUK PREDIKSI PRODUKSI BAN GT3 MENGGUNAKAN JARINGAN SYARAF TIRUAN RESILIENT PROPAGATION Fitrisia, Adiwijaya, dan Andrian Rakhmatsyah Program Studi S1 Teknik Informatika,
Lebih terperinciPeramalan Data IHSG Menggunakan Metode Backpropagation
Peramalan Data IHSG Menggunakan Metode Backpropagation Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Diterima 31 Agustus 2012 Disetujui
Lebih terperinciUNNES Journal of Mathematics
UJM 4 (1) (2015) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm SISTEM PREDIKSI TAGIHAN LISTRIK USAHA JASA LAUNDRY MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Muhamad
Lebih terperinciPeramalan Beban Listrik Jangka Menengah Menggunakan Jaringan Syaraf Tiruan Pada Sistem Kelistrikan Kota Ambon Soleman Sesa
Beban Listrik Jangka Menengah Menggunakan Jaringan Syaraf Tiruan Pada Sistem Kelistrikan Kota Ambon Soleman Sesa leman.sesa@yahoo.com Teknik Elektro Universitas Brawijaya, Malang, Indonesia. Hadi Suyono
Lebih terperinciBAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan
BAB I PENDAHULUAN 1.1 Latar Belakang Krisis keuangan yang terjadi di Asia pada pertengahan tahun 1997 diawali di Thailand dan merembet ke berbagai negara di Asia lainnya seperti di Indonesia, Malaysia,
Lebih terperinciPENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO)
PENENTUAN JALUR TERPENDEK PADA APLIKASI OJEK ONLINE GO-JEK DENGAN PROBABILISTIC NEURAL NETWORK (PNN) DAN PARTICLE SWARM OPTIMIZATION (PSO) Levina Fitri Rahmawati, Isnandar Slamet, dan Diari Indriati Program
Lebih terperinciPREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK
Berkala Fisika ISSN : 1410-9662 Vol.18, No.4, Oktober 2015, hal 151-156 PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK Zaenal
Lebih terperinciPREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK
PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR 16-18 TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK R. Mh. Rheza Kharis *), R. Rizal Isnanto, and Ajub Ajulian Zahra Jurusan Teknik
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR
IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR Sofi Dwi Purwanto Teknik Informatika Universitas Islam Negeri Maulana Malik
Lebih terperinciImplementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series
Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series Oleh: ABD. ROHIM (1206 100 058) Dosen Pembimbing: Prof. Dr. M. Isa Irawan, MT Jurusan Matematika
Lebih terperinciPrediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi
Prediksi Beban Listrik Pulau Bali Dengan Menggunakan Metode Backpropagasi Qoriatul Fitriyah 1),Didi Istardi 2) 1) Jurusan Teknik Elektro Politeknik Batam, Batam 29461, email: fitriyah@polibatam.ac.id Jurusan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.6. Jaringan Syaraf Tiruan Jaringan syaraf tiruan atau neural network merupakan suatu sistem informasi yang mempunyai cara kerja dan karakteristik menyerupai jaringan syaraf pada
Lebih terperinciOptimalisasi Neural Network dengan Bootstrap Aggregating (Bagging) untuk Penentuan Prediksi Harga Listrik
Scientific Journal of Informatics Vol. 1, No. 2, November 2014 p-issn 2407-7658 http://journal.unnes.ac.id/nju/index.php/sji e-issn 2460-0040 Optimalisasi Neural Network dengan Bootstrap Aggregating (Bagging)
Lebih terperinciPREDIKSI DATA RUNTUN WAKTU MENGGUNAKAN JARINGAN SYARAF TIRUAN
PREDIKSI DATA RUNTUN WAKTU MENGGUNAKAN JARINGAN SYARAF TIRUAN TIME SERIES DATA PREDICTION USING ARTIFICIAL NEURAL NETWORKS Agung Mubyarto Prodi Teknik Elektro, Universitas Jenderal Soedirman Jl. Kampus
Lebih terperinciStudi Aliran Beban Berbasis Jaringan Syaraf Buatan
Studi Aliran Beban Berbasis Jaringan Syaraf Buatan Dr. Eng. Syafaruddin, S.T, M.Eng Syafaruddin@unhas.ac.id Jurusan Teknik Elektro Universitas Hasanuddin, Makassar Abstrak- Perhitungan aliran beban merupakan
Lebih terperinciPREDIKSI HARGA SAHAM PERUSAHAAN KELAPA SAWIT MENGGUNAKAN PEMODELAN MLP DAN RBF
PRDIKSI HARGA SAHAM PRUSAHAAN KLAPA SAWIT MNGGUNAKAN PMODLAN MLP DAN RBF Linda Sari Dewi Program Studi Sistem Informasi STMIK Nusa Mandiri Jakarta Jl. Damai No. 8 Warung Jati Barat (Margasatwa) Jakarta
Lebih terperinciPenyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks
Penyelesaian Masalah Syarat Batas dalam Persamaan Diferensial Biasa Orde Dua dengan Menggunakan Algoritma Shooting Neural Networks Dewi Erla Mahmudah 1, Ratna Dwi Christyanti 2, Moh. Khoridatul Huda 3,
Lebih terperinciMETODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN A. Kerangka Pemikiran Perusahaan dalam era globalisasi pada saat ini, banyak tumbuh dan berkembang, baik dalam bidang perdagangan, jasa maupun industri manufaktur. Perusahaan
Lebih terperinciPERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Seminar Nasional Aplikasi Teknologi Informasi 20 (SNATI 20) ISSN: 19-5022 Yogyakarta, 16 Juni 20 PERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION
Lebih terperinciPeramalan Beban Listrik Jangka Pendek Menggunakan Optimally Pruned Extreme Learning Machine (OPELM) pada Sistem Kelistrikan Jawa Timur
JURNAL EKNIK IS Vol. 1, No. 1 (Sept. 2012) ISSN: 2301-9271 B-64 Peramalan Beban Listrik Jangka Pendek Menggunakan Optimally Pruned Extreme Learning Machine () pada Sistem Kelistrikan Jawa imur Januar Adi
Lebih terperinciIMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR
Seminar Nasional Teknologi Informasi dan Multimedia 205 STMIK AMIKOM Yogyakarta, 6-8 Februari 205 IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI
Lebih terperinciBAB I PENDAHULUAN I-1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kabupaten Purworejo adalah daerah agraris karena sebagian besar penggunaan lahannya adalah pertanian. Dalam struktur perekonomian daerah, potensi daya dukung
Lebih terperinciSATIN Sains dan Teknologi Informasi
SATIN - Sains dan Teknologi Informasi, Vol. 2, No., Juni 206 SATIN Sains dan Teknologi Informasi journal homepage : http://jurnal.stmik-amik-riau.ac.id Penerapan Jaringan Syaraf Tiruan Untuk Estimasi Needs
Lebih terperinciJURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: A-403
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 201-9271 A-0 Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya Ani Rahmadiani dan Wiwik
Lebih terperinciJurnal Fisika Unand Vol. 2, No. 4, Oktober 2013 ISSN
PREDIKSI CURAH HUJAN BULANAN MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN BEBERAPA FUNGSI PELATIHAN BACKPROPAGATION (Studi Kasus: Stasiun Meteorologi Tabing Padang, Tahun 2001-2012) Cici Oktaviani, Afdal
Lebih terperinciEstimasi Beban Puncak Harian Berbasis Algoritma Self Organizing Map (SOM)
SEMINAR NASIONAL ELECTRICAL, INFORMATICS, AND IT S EDUCATIONS 2009 Estimasi Beban Puncak Harian Berbasis Algoritma Self Organizing Map (SOM) Yadi Mulyadi 1) Ade Gafar Abdullah 2) Risman Nurjaman 3) Electric
Lebih terperinciPERAMALAN DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN SUPPORT VECTOR REGRESSION
PERAMALAN DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN SUPPORT VECTOR REGRESSION Budi Santosa, Riza Nugraha Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo
Lebih terperinciJurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia.
ANALISIS PERBANDINGAN METODE JARINGAN SARAF TIRUAN TANPA DAN DENGAN FUZZY CLUSTERING PADA PROYEKSI KEBUTUHAN ENERGI LISTRIK DI INDONESIA SAMPAI TAHUN 9 Muhammad Addin Bratawijaya *), Hermawan, and Susatyo
Lebih terperinciANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA
ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA Nurmahaludin (1) (1) Staf Pengajar Jurusan Teknik Elektro Politeknik Negeri Banjarmasin Ringkasan Kebutuhan
Lebih terperinciANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN
ANALISIS PERBANDINGAN METODE LOGIKA FUZZY DAN REGRESI LINEAR PADA PERAMALAN KONSUMSI ENERGI LISTRIK DI RAYON SEMARANG BARAT TAHUN 2015-2019 Wisnu Prayogo *), Bambang Winardi, and Agung Nugroho Departemen
Lebih terperinciAPLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA
Aplikasi Jaringan Syaraf Tiruan Multilayer Perceptron (Joni Riadi dan Nurmahaludin) APLIKASI JARINGAN SYARAF TIRUAN MULTI LAYER PERCEPTRON PADA APLIKASI PRAKIRAAN CUACA Joni Riadi (1) dan Nurmahaludin
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman Online di:
ISSN: 2339-24 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 20, Halaman 74-74 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA
Lebih terperinciPemodelan Sistem dengan Metode Neural Network Back Propagation. Modeling System Using Neural Network Backpropagation
Pemodelan Sistem dengan Metode Neural Network Back Propagation Modeling System Using Neural Network Backpropagation Dwi Sudarno Putra 1), Toto Sugiarto 1) & Meri Azmi 2) 1) Jurusan Teknik Otomotif Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Jaringan Syaraf Tiruan Artificial Neural Network atau Jaringan Syaraf Tiruan (JST) adalah salah satu cabang dari Artificial Intelligence. JST merupakan suatu sistem pemrosesan
Lebih terperinci