Sani, DeaLucky (2014) Penerapan Elman-Recurrent Neural Network Pada Peramalan Konsumsi Listrik Jangka Pendek Di Pt. Pln App Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Neural network (NN) adalah representasi buatan dari otak manusia yang mensimulasikan proses pembelajaran pada otak manusia untuk diimplementasikan dengan sistem komputasi sehingga mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran pada setiap permasalahan. Permasalahan utama yang melatarbelakangi dilakukan penelitian ini adalah ketidakseimbangan antara besar daya listrik yang dibangkitkan dan daya listrik yang diminta oleh pelanggan yang menyebabkan pemborosan bahkan pemadaman, sehingga dibutuhkan metode untuk memperkirakan besar daya yang dibutuhkan. NN adalah salah satu metode yang banyak digunakan untuk meramalkan konsumsi listrik per jam jangka pendek di berbagai negara. Pada penelitian ini digunakan metode yaitu Recurrent Neural Network. Metode ini dimungkinkan sangat bagus untuk pencocokan data terurut karena memiliki keutamaan yaitu terdapat loop feedback. Prosedur umum dari jaringan recurrent yaitu pengakomodasian output jaringan untuk menjadi input pada jaringan itu lagi dalam rangka menghasilkan output pada jaringan berikutnya. Ada 2 input jaringan Elman-RNN yang dikaji dan dicobakan untuk peramalan pada data, yaitu input matrik sesuai lag-lag yang signifikan dari plot ACF dan PACF dan input matrik lag-lag kelipatan 24-168. Kedua jaringan ini menggunakan satu lapisan tersembunyi dengan fungsi aktivasi tangent sigmoid dan satu output dengan fungsi linier. Hasil perbandingan akurasi ramalan melalui nilai MAPE data testing menunjukkan bahwa jaringan pertama, yaitu Elman-RNN (13,4,1) merupakan model terbaik untuk peramalan konsumsi listrik per jam jangka pendek di Blimbing, Malang. Peramalan ini menghasilkan ramalan beban listrik per jam.
English Abstract
Neural Network (NN) is artificial representation of brain that gives simulation learning to brain for being implemented with computation system until capable to finishing many calculations during learning processes every problem. The main problems this research is done, are unequal both electricity energy that raised up and demands from consumer cause make waste of electricity energy and burnout. So we need method to predict the electricity energy that we need. NN is one of the methods that can finish the forecast of electricity short term demands in many countries. In this research we use the Recurrent Neural Network (RNN). This method is the best way to finished time series data because this method have a virtue in the form of loop feedback in this procedure. The general procedure of this neural network is accommodation network output to be input in this network again in order to produce output in the next network. We make 2 neural networks. First one, is that matrix according to significant lagged of the plot ACF and PACF. And the second, the inputs are matrix of 24 multiplied lagged of the data. By comparing the MAPE of both neural network, the best network we get is the first one, Elman-RNN (13,4,1). The first neural network performs well and brings less MAPE than the second inputs. The result is electricity demand hourly.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2014/348/051406245 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 16 Sep 2014 07:56 |
| Last Modified: | 21 Oct 2021 06:06 |
| URI: | http://repository.ub.ac.id/id/eprint/153983 |
Preview |
Text
SKRIPSI_LISTRIK.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |