Jayanti, Heny Dwi (2018) Peramalan Pemakaian Air Pada PLTGU Di Pembangkitan Listrik Jawa Bali Unit Gresik Menggunakan Extreme Learning Machine Dengan Optimasi Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Air merupakan kebutuhan mutlak sehari-hari yang memiliki peran penting. Banyak orang yang memanfaatkan air tidak hanya untuk kebutuhan rumah tangga namun juga untuk kebutuhan perindustrian. Salah satu pemanfaatan air yang digunakan untuk sektor industri adalah PLTGU pada PT Pembangkitan Jawa Bali. Dalam penggunaan air terdapat 2 jenis air yang harus diperhatikan yaitu air laut dan air tawar. Untuk air laut memilki kapasitas lebih banyak sehingga mampu memenuhi kebutuhan industri dibandingkan dengan air tawar. Hal ini membuat industri listrik tersebut telah mengolah air laut menjadi air tawar yang disebut dengan proses desalinasi. Namun pada proses PLTGU sering mengalami masalah dalam pengolahan air seperti terjadinya kebocoran pipa karena terjadi korosi, perbedaan perlakuan pengisian air, serta proses desalinasi yang memakan waktu lama mengakibatkan kinerja turbin tidak stabil. Dengan beberapa permasalahan yang muncul, maka dibutuhkan sebuah solusi. Pada penelitian ini peneliti telah mengusulkan sebuah sistem peramalan pemakaian air dengan menggunakan metode extreme learning machine (ELM) dengan optimasi Algoritme genetika. Algoritme genetika digunakan untuk mengoptimasi nilai input weight yang didapatkan secara random pada metode ELM. Sedangkan untuk merepresentasikan kromosom menggunakan real code. Pada tahap reproduksi menggunakan crossover dengan metode extended intermediate crossover dan mutasi dengan metode random mutation. Hasil pengujian metode ELM&Algoritme genetika menghasilkan rata-rata nilai MAPE sebesar 0.428 dengan parameter perbandingan nilai crossover rate (Cr) senilai 0.4 dan mutation rate (Mr) senilai 0.6, jumlah popsize sebesar 200, jumlah generasi sebesar 1000, dan jumlah data training sebesar 80% dari keseluruhan dataset. Sedangkan dengan parameter yang sama dilakukan pengujian menggunakan metode ELM memiliki rata-rata MAPE sebesar 4.517. Dari hasil MAPE menunjukkan bahwa gabungan metode ELM dengan algoritme genetika mampu memperkecil nilai error pada peramalan dibandingkan dengan metode ELM.
English Abstract
Water is an absolute necessity every day that has an important role. Many people use the water not only for household needs but also for industrial needs. One of the utilization of water used for the industrial sector is PLTGU in PT Pembangkitan Jawa Bali. In the user of water, there are two types of water that must consider, that is the sea water and fresh water. For seawater has more capacity so that it can meet needs of industry compared with fresh water. This makes the electricity industry has treated the sea water into fresh water called desalination process. However, in the PLTGU process often experience problems in water treatment such as the occurrence of leaking pipe due to corrosion, the difference of water filling treatment, and the long-time desalination process resulted in unstable turbine performance. With some problems that arise, then needed a solution. In this study, researchers have proposed a water forecasting system using the method of extreme learning machine (ELM) with the optimization of Genetic Algorithm. The genetic algorithm is used to optimize the input weight values obtained randomly on the ELM method. Meanwhile, to represent chromosomes using real code. At the reproduction stage using the crossover with extended intermediate crossover method and mutation by random mutation method. The result of ELM test method and genetic algorithm resulted in average MAPE value of 0.428 with a parameter value of crossover rate (Cr) value 0.4 and mutation rate (Mr) equal to 0.6, popsize amount 200, number of generation 1000, and training data amount 80% of the entire dataset. While the same parameters were tested using ELM method has MAPE average of 4.517. From the results obtained MAPE, shows that the combined ELM method with genetic algorithm able to minimize the error value in forecasting compared with the ELM method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/345/051805126 |
| Uncontrolled Keywords: | Peramalan, optimasi, pemakaian air, Extreme Learning Machine, Algoritme Genetika. Forecasting, Optimation, water used, Extreme Learning Machine, Genetic Algorithm. |
| 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: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 07:06 |
| Last Modified: | 16 Oct 2021 06:26 |
| URI: | http://repository.ub.ac.id/id/eprint/13470 |
Preview |
Text
Heny Dwi Jayanti.pdf Download (7MB) | Preview |
Actions (login required)
 |
View Item |