PRAKIRAAN KONSUMSI ENERGI LISTRIK JANGKA PANJANG DI PULAU JAWA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION

Yeri Pramadhan Hermanu, - (2022) PRAKIRAAN KONSUMSI ENERGI LISTRIK JANGKA PANJANG DI PULAU JAWA DENGAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION. S1 thesis, Universitas Pendidikan Indonesia.

Baca Full Text klik disini
[img] Text
S_TE_1806548_Title.pdf
Download (320kB)
[img] Text
S_TE_1806548_Chapter 1.pdf
Download (187kB)
[img] Text
S_TE_1806548_Chapter 2.pdf
Restricted to Staf Perpustakaan
Download (504kB)
[img] Text
S_TE_1806548_Chapter 3.pdf
Download (691kB)
[img] Text
S_TE_1806548_Chapter 4.pdf
Restricted to Staf Perpustakaan
Download (602kB)
[img] Text
S_TE_1806548_Chapter 5.pdf
Download (146kB)
[img] Text
S_TE_1806548_Appendix.pdf
Restricted to Staf Perpustakaan
Download (5MB)
Official URL: http://repository.upi.edu

Abstract

Energi listrik saat ini memiliki peran yang sangat penting. Perkembangan Teknologi dan pertumbuhan penduduk akan meningkatkan kebutuhan energi listrik. Agar ketersediaan energi selalu terjaga, dibutuhkan suatu prakiraan konsumsi energi listrik. Pulau Jawa sebagai pulau terpadat dan juga sebagai penopang pertumbuhan ekonomi di Indonesia kebutuhan energinya mesti selalu terpenuhi. Penelitian ini bertujuan untuk membuat model jaringan, memperkirakan kebutuhan energi listrik di pulau Jawa hingga tahun 2030, dan membandingkan hasil prakiraan dengan RUPTL. Metode yang digunakan untuk melakukan prakiraan konsumsi listrik adalah metode Jaringan Syaraf Tiruan dengan algoritma Backpropagation. Data yang digunakan adalah jumlah penduduk, PDRB, Jumlah pelanggan berbagai sektor, dan jumlah energi terjual di pulau Jawa tahun 2013- 2021. Pembuatan jaringan syaraf tiruan backpropagation dibuat menggunakan sebuah tool di dalam Software Matlab R2018A yaitu NNTOOL. Arsitektur Jaringan Syaraf Tiruan Backpropagation terbaik adalah interval [0;1] pada fungsi aktivasi Sigmoid Bipolar, Kombinasi Fungsi pelatihan TRAINCGB dan fungsi pembelajaran LEARNGD, dan Kombinasi 8 - 20 - 1 untuk kombinasi Input Layer - Hidden Layer - Output Layer. MAPE pelatihan sebesar 0,0002%. MAPE pengujian sebesar 0,57%. MAPE perbandingan dengan RUPTL sebesar 2,60%. Hasil prakiraan menggunakan JST Backpropagation menghasilkan hasil yang sangat baik. Dengan adanya penelitian ini diharapkan perencanaan produksi energi listrik dapat lebih optimal sehingga ketersediaan energi listrik dapat terjaga.

Item Type: Thesis (S1)
Uncontrolled Keywords: Prakiraan, Energi Listrik, Pulau Jawa, Jaringan Syaraf Tiruan, Backpropagation
Subjects: L Education > L Education (General)
Divisions: Fakultas Pendidikan Teknologi dan Kejuruan > Jurusan Pendidikan Teknik Elektro > Program Studi Teknik Tenaga Elektrik
Depositing User: Yeri Pramadhan Hermanu
Date Deposited: 15 Sep 2022 07:27
Last Modified: 15 Sep 2022 07:27
URI: http://repository.upi.edu/id/eprint/75173

Actions (login required)

View Item View Item