Fachrony, Alif (2018) Implementasi Algoritme Extreme Learning Machine (ELM) Untuk Prediksi Beban Pemanasan Dan Pendinginan Bangunan. Sarjana thesis, Universitas Brawijaya.
Abstract
Konservasi Energi merupakan hal yang sangat penting seiring pertumbuhan zaman dan teknologi. Membuat bangunan yang hemat energi perlu dilakukan dengan cara mengoptimalkan penggunaan alat untuk pendingin dan pemanas ruangan tanpa mempengaruhi kesehatan dan kenyamanan pengguna bangunan tersebut. Bangunan hemat energi dapat dicapai dengan memperhatikan beban pemanasan (HL) dan pendinginan (CL). HL dan CL adalah laju aliran kalor yang harus diambil atau ditambahkan dari suatu ruangan untuk mempertahankan temperatur dan kelembaban udara relatif ruangan pada kondisi yang diinginkan. Prediksi HL dan CL tersebut akan digunakan dalam perhitungan beban daya penggunaan alat pemanas atau pendingin ruangan. Saat ini perhitungan HL dan CL masih memiliki kendala antara lain perhitungan yang sangat rumit, membutuhkan waktu lama sebab banyak disiplin ilmu yang terlibat serta penggunaan parameter yang sangat bervariasi. Diperlukan learning machine untuk memprediksi HL dan CL dengan mudah, dan cepat. Penulis menggunakan algoritma Extreme Machine Learning (ELM) untuk memprediksi HL dan CL. Dalam Analisa pengujian menggunakan algoritma ELM yang dilakukan dengan fungsi aktivasi sigmoid biner, 3 input, 1 hidden neuron, output target sebanyak 2 serta jumlah data 130 menghasilkan Mean Absolute Error Percentage (MAPE) terbaik yaitu 24.73% dengan waktu proses 0.0176 detik.
English Abstract
Energy conservation is a very important thing as the growth of the times and technology. Making energy-efficient buildings needs to be done by optimizing the use of tools for cooling and heating the building without affecting the health and comfort of the user of the building. Energy-efficient buildings can be achieved by calculate heating (HL) and cooling (CL) loads. HL and CL are the heat flow rates to be taken or added from the building to maintain relative air temperature and humidity of the building under desired conditions. The prediction of HL and CL will be used in calculating the power loads of heater or air conditioner. Currently HL and CL calculations still have constraints such as very complex calculations, time consuming because many disciplines are involved and it use very varied parameters. It needs learning machine to predict HL and CL easily, and quickly. The author uses the algorithm Extreme Machine Learning (ELM) to predict HL and CL. In the test analysis using ELM algorithm performed using binary sigmoid activation function, 3 input, 1 hidden neurons, 2 output targets and 130 dataset, the best Mean Absolute Error Percentage (MAPE) is 24.73% and it takes 0.0176 seconds to complete the process.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/183/051801205 |
| Uncontrolled Keywords: | Konservasi Energi, beban pemanasan, beban pendinginan, Jaringan Syaraf Tiruan, learning machine, ELM |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 31 May 2018 04:00 |
| Last Modified: | 26 Oct 2021 09:30 |
| URI: | http://repository.ub.ac.id/id/eprint/11295 |
Preview |
Text
BAB VI.pdf Download (679kB) | Preview |
Preview |
Text
BAB VII.pdf Download (456kB) | Preview |
Preview |
Text
Lampiran.pdf Download (586kB) | Preview |
Preview |
Text
BAB I.pdf Download (508kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (1MB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (582kB) | Preview |
Preview |
Text
BAB II.pdf Download (851kB) | Preview |
Preview |
Text
BAB III.pdf Download (493kB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Preview |
Text
BAB V.pdf Download (929kB) | Preview |
Actions (login required)
 |
View Item |