Riyanto, AdeAsti Dwi (2012) Prediksi Beban Pemakaian Listrik Pln Kabupaten Gresik Menggunakan Metode Adaptive Neuro Fuzzy Inference System (Anfis). Sarjana thesis, Universitas Brawijaya.
Abstract
Pemenuhan kebutuhan daya listrik yang berfluktuasi membutuhkan suplai daya yang tepat dan sesuai dengan permintaan beban. Dalam memenuhi kebutuhan daya listrik yang tidak tetap, pihak perusahaan listrik harus mengetahui beban atau permintaan daya untuk beberapa bulan ke depan. Untuk dapat memperkirakan beban pemakain listrik yang tidak tetap, diperlukan penelitian prediksi beban pemakaian listrik bagi perusahaan seperti PLN. Dalam penelitan ini, metode yang digunakan adalah metode Adaptive Neuro Fuzzy Inference System (ANFIS). Sistem ANFIS diterapkan sebagai proses pelatihan dan proses prediksi. Pada proses ANFIS membutuhkan proses clustering, salah satunya adalah K-Means Clustering. Proses clustering digunakan untuk mendapatkan nilai cetroid awal yang nantinya akan digunakan untuk mencari nilai mean dan standar deviasi. Didalam Proses ANFIS juga terdapat Least Square Estimator (LSE) digunakan untuk pembelajaran umpan maju dan steepest descent untuk umpan baliknya diterapkan inferensi fuzzy Takagi Sugeno Kang (TSK) orde 1. Pada tahap pengujian hanya dapat dilakukan satu kali umpan maju saja tanpa disertai dengan LSE karena nilai konsekuen parameter telah didapatkan dari hasil pelatihan. Hasil dari penelitian ini menunjukkan bahwa penambahan data latih dapat mempengaruhi nilai akurasi. Akurasi terbaik yang dihasilkan oleh sistem dari 48 data latih menghasilkan nilai MSE terkecil sebesar 0.00249563050038952.
English Abstract
Fulfillment of fluctuating electric power requires the appropriate power supply and according to the load demand. In fulfilling the need of electricity which unpredictable, the electrical companies have to know the power load or requirement for months later. In order to predict the unstable electricity consumption load, a research which prediction the electricitiy consumption charge is needed by companies such as PLN. The method used in this research is Adaptive Neuro Fuzzy Inference System (ANFIS). It was applied on training and forecasting process. ANFIS method also requires a process of clustering, one of which is k-means clustering. Clustering process is used to get initial centroid value which will be used later to look for values of mean and standard deviation. In the process of ANFIS , there is also Least Square Estimator (LSE) used for forward feed learning and steepest descent method, fuzzy Takagi Sugeno Kang (TSK) orde 1 implemented as its backward learning. On testing phase, the feed forward can be done only once without LSE because consequence value of parameters is already obtained from training results. The results of this research showed that the addition of training data will add to the value of accuracy. The best accuracy generated by the system uses as many as 48 of training data produce the smallest value of MSE is 0.00249563050038952.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2012/353/051203260 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Kedokteran > Farmasi |
| Depositing User: | Endang Susworini |
| Date Deposited: | 25 Sep 2012 15:11 |
| Last Modified: | 17 Nov 2021 01:38 |
| URI: | http://repository.ub.ac.id/id/eprint/153186 |
Preview |
Text
skripsi.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |