Rofi’ah, Anim (2018) Peramalan Jumlah Pemakaian Air di PT Pembangkit Jawa Bali Unit Gresik dengan Extreame Learning machine dan Ant Colony Optimization. Sarjana thesis, Universitas Brawijaya.
Abstract
Air memegang peranan penting dalam kehidupan, salah satu pemanfaatan air adalah sebagai sumberdaya alami yang dapat digunakan untuk menggantikan bahan bakar sebagai tenaga pembangkit. PT. Pembangkit Jawa Bali Unit Gresik memanfaatkan air sebagai tenaga pembangkit listrik tenaga uap. Air memiliki kelebihan yang lebih mudah didapat dan juga lebih ramah lingkungan seperti halnya air laut. Namun air laut membutuhkan proses pemurnian terlebih dahulu agar dapat digunakan. Penggunaan air dalam pembangkit listrik sering mengalami masalah pengurangan air diakibatkan masalah-masalah tertentu sehingga membutuhkan penambahan air. Untuk mengantisipasi kekurangan air yang dapat menghambat proses tersebut dibutuhkan suatu sistem cerdas yang dapat memperkirakan jumlah air yang dibutuhkan dalam proses pembangkitan. Salah satu metode dalam peramalan adalah Extreme Learning Machine (ELM), untuk memaksimalkan hasil peramalan dilakukan optimasi dengan algoritme Ant Colony Optimization yang dapat digunakan dalam optimasi parameter ELM. Penelitian ini menggunakan 103 data dengan 3 fitur. Berdasarkan penelitian yang telah dilakukan, didapatkan parameter optimal yaitu jumlah semut 40, batas parameter bobot awal adalah 0 sampai 1, menggunakan 82 data training dan 21 data testing (80%:20%), serta iterasi maksimum adalah 500. Dari parameter tersebut didapatkan nilai MAPE untuk ELM-ACO sebesar 0.170 dan untuk algoritme ELM menghasilkan nilai MAPE 3.318, sehingga optimasi parameter ELM mampu meningkatkan hasil peramalan yang dilakukan dengan ELM biasa.
English Abstract
Water plays an important role in life, one of them is the use of water as a natural resource that can be used to replace fuel as power plant. PT. Pembangkit Jawa Bali Unit Gresik utilizes water as a steam power plant. Water has advantages such as it’s high availability and environmentally friendly. However, seawater requires a refining process in order to be used. Using seawater as a power plant often experiences water-reduction problems caused by certain problems, so that additional water is required. To anticipate the lack of water that can inhibit the process, an intelligent system required to estimate the amount of water that generation process needed. One of forecasting method is Extreme Learning Machine (ELM), to maximize forecasting results with optimization algorithm Ant Colony Optimization that can be used in the optimization of ELM parameters. This study uses 103 data with 3 features. Based on the research, the optimal parameter number of ants is 40, the parameter range of the input weight is 0 to 1, the amount of training data is 82 data and 21 training data (80%: 20%), and the maximum iteration is 500. From these parameters obtained the MAPE value for ELM-ACO is 0.17 and for the ELM algorithm the MAPE value is 3.318, so the optimization of ELM parameters can improve the forecasting results that done by regular ELM.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/344/051805125 |
| Uncontrolled Keywords: | peramalan, pemakaian air, extreme learning machine, optimasi, ant colony optimization forecasting, water usage, extreme learning machine, optimization, ant colony optimization |
| Subjects: | 300 Social sciences > 333 Economics of land and energy > 333.9 Other natural resources > 333.91 Water and lands adjoining bodies of water > 333.914 Water for generation of energy |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Apr 2019 02:54 |
| Last Modified: | 10 Mar 2022 08:49 |
| URI: | http://repository.ub.ac.id/id/eprint/161589 |
Preview |
Text
Anim Rofi’ah.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |