Nugroho, WillySatrio (2017) Peramalan kWh Produksi dan Prediksi Beban Tertinggi (Sistem Jamali) Dengan Metode Jaringan Syaraf Tiruan berbasis Python di PT.PLN (Persero. Sarjana thesis, Universitas Brawijaya.
Abstract
Peningkatan jumlah permintaan energi listrik pada PT.PLN (Persero) area Malang mengakibatkan semakin banyaknya rencana anggaran biaya (RAB) yang harus disusun oleh karyawan bagian perencanaan PT.PLN (Persero) sehingga menganggu tugas-tugas rutin karyawan bagian perencanaan PT.PLN (Persero). Salah satu tugas rutin yang terganggu adalah melakukan peramalan kWh produksi dimana dalam melakukan peramalan kWh produksi pada bagian perencanaan PT.PLN (Persero) belum terdapat tools yang dapat digunakan dengan mudah dan cepat untuk melakukan peramalan kWh produksi selain itu, PT.PLN (Persero) area Malang belum secara mandiri melakukan peramalan beban tertinggi (sistem Jamali) yang merupakan salah satu faktor penting untuk dipertimbangkan dalam pengambilan keputusan pihak manajemen PT.PLN (Persero) area Malang. Berdasarkan permasalahan yang ada penelitian ini bertujuan untuk merancang aplikasi komputer yang mudah digunakan untuk melakukan peramalan kWh produksi serta dapat melakukan peramalan beban tertinggi (sistem Jamali) dengan jaringan syaraf tiruan (JST) berbasis Python. Faktor yang digunakan untuk melakukan peramalan kWh produksi dan beban tertinggi (sistem Jamali) adalah data historis kWh produksi, kWh jual, daya tersambung, Jumlah pelanggan, dan beban tertinggi. Data yang dikumpulkan merupakan data sekunder yang merupakan data historis selama 5 tahun yaitu dari 2010-2015 untuk setiap faktor. Pengolahan data dimulai dengan melakukan pemrosesan awal pada data berupa normalisasi ke rentang biner serta pemrosesan awal lainnya adalah eliminasi trend untuk mengeliminasi kecenderungan pada data. Set data disusun dalam file berekstensi comma separated value (csv) berikutnya dilakukan perancangan struktur JST untuk menentukan banyaknya neuron dan hidden layer lalu menentukan jenis fungsi aktivasi yang digunakan untuk mentransformasi input yaitu pada skripsi ini digunakan fungsi log sigmoid. Setelah itu akan dilakukan pelatihan JST dengan algoritma Backpropagation dengan parameter learning rate 0,2 dan momentum 0,3 sebagai nilai parameter default pada aplikasi yang dirancang. Setelah aplikasi dirancang menggunakan bahasa Python maka berikutnya akan dilakukan peramalan untuk menguji coba kapabilitas aplikasi yang telah dirancang. Aplikasi dirancang dengan 2 tampilan yaitu Graphical User Interface (GUI) dan Command Line Interface (CLI) untuk memberi feedback. Menu yang terdapat dalam aplikasi adalah menu peramalan kWh produksi, menu peramalan beban tertinggi, dan menu bantuan. Berdasarkan hasil, pengujian aplikasi ini menghasilkan nilai hasil ramalan yang akurat dengan MSE sebesar 61721017468, MAE sebesar 6957.94571, dan RMSE sebesar 78527.149141.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FT/2017/105/051701258 |
Subjects: | 600 Technology (Applied sciences) > 670 Manufacturing |
Divisions: | Fakultas Teknik > Teknik Industri |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 14 Feb 2017 14:37 |
Last Modified: | 23 Oct 2021 04:01 |
URI: | http://repository.ub.ac.id/id/eprint/145304 |
Preview |
Text
Daftar-Isi.pdf Download (1MB) | Preview |
Preview |
Text
Lempeng.pdf Download (1MB) | Preview |
Preview |
Text
Isi.pdf Download (4MB) | Preview |
Preview |
Text
Lampiran.pdf Download (2MB) | Preview |
Preview |
Text
COVER.pdf Download (1MB) | Preview |
Preview |
Text
Orisinalitas.pdf Download (1MB) | Preview |
Preview |
Text
DAFTAR_PUSTAKA.pdf Download (1MB) | Preview |
Actions (login required)
View Item |