%L repoupi15378
%X Penelitianinimengkajitentangdesain model untukperkiraanbebanlistrikjangkamenengahdenganmetodemultiple regressiondanmetodebackpropagationberbasisjaringansyaraftiruan. Data yang dipakaiadalah data bebanlistrikdari PT. PLN (Persero) P3B Jawa Bali Region II Jawa Barat setiapbulanmulaijanuarisampaidengandesembermulaidaritahun 2007 sampaidengan 2013 yang kemudian data tersebutakandilakukanpembuatan model multiple regressiondenganmelakukanperhitungandenganmicrosoft excel. SedangkanuntukmetodeBackpropagationberbasisjaringansyaraftiruan data tersebutakandibelajarkanpadasistemperangkatlunak yang sudahdirancangdenganalgoritmabackpropagation.Softwarependukunguntukmerancang program tersebutdigunakanMatlab ver. R2009a dariThe MathWork. Inc. melaluiperhitungandarihasildesain model denganmenggunakanmetodemultiple regressionmenunjukkanrata-rata error 0,0114atausebesar 1.14% dandarihasilujiforecastuntuk data digesersatutahunmenunjukan rata-rata error 0.0386 atausebesar 3.86% halinimasihdalamtoleransinilai yang diberikanoleh PT. PLN yaitusebesar 5%. Sedangkandarihasilsimulasidesain model load forecastingdenganmetodebackpropagationberbasisjaringansyaraftiruanmenunjukantingkaterror rata-rata sebesar 0.012% dengannilaiepoch 9000 dannilailearning ratepada 0,5. Dengandemikiandapatdisimpulkanbahwaperamalanbebanlistrikjangkamenengahdenganmenggunakanmetodebackpropagationberbasisjaringansyaraftiruanlebihbaikdibandingkandengandesain model perkiraanbebanlistrikdenganmenggunakanmultiple regression.
This studyexamines thedesign ofa modelforthe medium-termelectricityloadforecastby the method ofmultiple regressionandback propagationmethodbased onartificial neuralnetworks. The dataused is theelectricityload datafromPT. PLN(Persero) P3BJawaBaliRegionIIWest Javaeverymonth startingJanuaryuntil Decemberrangingfrom 2007to 2013and thenthe data isperformedmultiple regressionmodelingtoperformcalculationswithMicrosoft Excel. As for themethod ofbackpropagationartificial neuralnetwork-based datawillbe taughtina softwaresystemthat has beendesignedwithback propagationalgorithm. Supporting softwareis usedto designthe programMatlabver. R2009afrom TheMathWork. Inc..throughthe calculationofthe results ofthe designmodelsby usingmultiple regressionmethodshowsan averageerrorof1.14% or0.0114oftest resultsandforecastsforthe datais shiftedoneyearshowedan averageerrorof0.0386or3.86%, this is stillwithinthe tolerancevaluegivenbyPT. PLNis equal to5%. While the results ofthe simulationmodel designloadforecastingmethodbased onback propagationneural networksshowan averageerrorrateof0.012% with a9000epochvalueandthe valueof learning rateat 0.5. It can be concludedthat themid-termelectricload forecastingusing amethodbased onback propagationneural networkis better than thedesignestimatemodelsof electricloadby usingmultiple regression.
%I Universitas Pendidikan Indonesia
%K Peramalan Beban Jangka Menengah, Multiple Regression, Jaringan Syaraf Tiruan Berbasis Back propagation, Beban Listrik
%A Andrian Bramana
%T DESAIN MODEL UNTUK PRAKIRAAN BEBAN JANGKA MENENGAH DENGAN REGRESI MULTIPLE DAN JARINGAN SYARAF TIRUAN : Studi Kasus Pada PT.PLN (Persero) P3B Jawa Bali Region IIJawa Barat
%D 2014
%O No. Panggil S TE BRA d-2014 ;
Pembimbing : I. Sumarto, II. Tasma Sucita.