Hakim, Beta Deniarrahman (2018) Peramalan Debit Bendungan Dengan Menggunakan Metode Backpropagation dan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.
Abstract
Peramalan#debit bendungan diperlukan untuk merencanakan rencana alokasi air untuk berbagai kebutuhan misalnya untuk Pembangkit Listrik#Tenaga Air (PLTA), pengendalian banjir dan irigasi. Jaringan saraf tiruan dalam#hal ini metode backpropagation memliki metode pembelajaran untuk mengubah bobot dari nilai arsitektur jaringan saraf tiruan tersebut. Algoritme#genetika dapat melakukan optimasi bobot jaringan saraf tiruan untuk menghindari terjadinya lokal minimum yang menjadi kelemahan backpropagation. Algoritme genetika akan melakukan optimasi bobot jaringan saraf#tiruan sehingga dihasilkan individu#sebagai representasi bobot dengan nilai fitness terbaik bobot hasil dari proses optimasi dengan algoritme genetika kemudian digunakan sebagai bobot awal jaringan saraf tiruan metode backpropagation. Data yang digunakan sebagai data input adalah data time series debit bendungan bulan sebelumnya. Data yang digunakan adalah data debit bulanan mulai tahun 2008 sampai dengan tahun 2017. Data input akan diproses oleh sistem untuk menghasilkan nilai output yang merupakan nilai peramalan debit bendungan satu bulan ke depan. Parameter pelatihan optimal pelatihan algoritme genetika dan backpropagation adalah ukuran populasi=100, jumlah generasi=100, kombinasi Cr dan Mr adalah 0,6 dan 0,4, jumlah iterasi=500, nilai learning rate=0,7. Hasil pengujian menggunakan parameter optimal mendapatkan nilai MSE = 0,04188.
English Abstract
Dam discharge forecasting is needed to plan water allocation plans for various needs such as for Hydropower plant), flood control and irrigation. Artificial neural network in this case backpropagation method has a learning method to change the weight of the value of the architecture of the artificial neural network.#Genetic algorithms can optimize the#weight of artificial neural networks to avoid the occurrence of a minimum local which is a weakness of backpropagation. Genetic algorithms will optimize the weight of the artificial neural network so individuals which are produced as a weight representation with the best fitness value resulting from the optimization process with the genetic algorithm then used as the initial weight of the artificial neural network backpropagation method. The data used as input data is the dam discharge time series data the previous months. The data used is monthly debit data from 2008 to 2017. Input data will be processed to produce an output value which is the forecasted value of the dam discharge in the next month. The optimal training parameters for genetic algorithm and backpropagation training are the population size=100, the generation=100, Cr and Mr combination 0,6 and 0,4, the number of iterations = 500, the value of learning rate = 0.7. The test results using optimal parameters get the MSE value = 0.04188.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/740/051808802 |
| Uncontrolled Keywords: | peramalan, debit bendungan, algoritme genetika, backpropagation forecasting, dam discharge, genetic algorithm, backpropagation |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 02:59 |
| Last Modified: | 22 Oct 2021 03:30 |
| URI: | http://repository.ub.ac.id/id/eprint/13915 |
Preview |
Text
Beta Deniarrahman Hakim.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |