Implementasi Metode Extreme Learning Machine (ELM) Untuk Memprediksi Jumlah Debit Air yang Layak Didistribusi (Studi Kasus: PDAM Kabupaten Gowa Makassar)

Indhira Utami P, Putri (2020) Implementasi Metode Extreme Learning Machine (ELM) Untuk Memprediksi Jumlah Debit Air yang Layak Didistribusi (Studi Kasus: PDAM Kabupaten Gowa Makassar). Sarjana thesis, Universitas Brawijaya.

Abstract

PDAM Kabupaten Gowa Kota Makassar merupakan perusahaan di bawah pemerintah yang melakukan proses produksi air dan dilanjutkan dengan pendistribusian air bersih ke rumah penduduk. Jika jumlah air yang diproduksi banyak, berarti ketersediaan air bagi PDAM juga banyak, sehingga bisa memenuhi kebutuhan masyarakat bahkan bisa untuk menambah pelanggan. Namun, faktor perubahan musim yang kadang terjadi sangat berpengaruh dalam jumlah air yang diproduksi. Sehingga masalah utama yang dihadapi adalah tidak menentunya jumlah produksi air yang tentunya berdampak pada jumlah distribusi air PDAM yang akan disalurkan ke rumah penduduk. Terlebih lagi dalam jumlah produksi air oleh PDAM, tidak semua dapat didistribusikan dikarenakan harus melewati beberapa tahap pengecekan kualitas air agar air yang didistribusikan sesuai dengan standar yang telah ditetapkan oleh pemerintah. Oleh karena itu, dibutuhkan prediksi debit air yang layak didistribusi oleh PDAM dengan tujuan agar PDAM dapat menyesuaikan debit air yang layak didistribusi dengan kebutuhan pelanggan. Penelitian ini menggunakan metode Extreme Learning Machine (ELM) untuk memprediksi debit distribusi air menggunakan jenis data single variable/time series dan multivariate. Proses penerapan metode ELM yaitu dengan proses pelatihan, pengujian, denormalisasi, dan mengevaluasi hasil prediksi dengan menggunakan Mean Percentage Absolute Error (MAPE). Berdasarkan penerapan metode ELM dan pengujian yang dilakukan, diperoleh kondisi terbaik pada data single variable ketika menggunakan 7 input neuron, 4 hidden neuron, 20 data latih dan 5 data uji dengan menghasilkan rata-rata nilai MAPE 3.938%, sedangkan pada pengujian terhadap data multivariate, menghasilkan rata-rata nilai MAPE 13.081% dengan menggunakan 4 hidden neuron, 30 data latih dan 6 data uji.

English Abstract

PDAM Gowa Regency, Makassar City is a company under the government that carries out the process of water production and continues to distribute the PDAM water to home residents. If there is a lot if water produced, it means theres is also a large amount of water that available for PDAM, so it can fulfill the public's requirement and can even to add customers. However, the seasonal change factor can take effect the discharge of water produced. So, the main problem is the uncertainty of water production which will certainly have an impact of the PDAM water distribution that will be distributed to home residents. But not all the water produced can be distributed because it has to go through several stages of water quality checking, so that the water that's distributed is in accordance with the standarts set by the government. Therefore, preduction of a proper flow of water distributed by PDAM is needed, with the aim that PDAM can adjust the proper flow of water distributed to customers. This research uses the Extreme Learning Machine (ELM) method to predict using single variable dan multivariate data types. The process of applying the ELM methods are normalizing, process of training and testing, denormalizing, and evaluating the prediction results using Mean Percentage Absolute Error (MAPE). Based on the application of the ELM method and the testing process, it produces the best conditions of single data variable when using 7 input neurons, 4 hidden neurons, 20 training data and 5 testing data to produced an average MAPE of 3.938%, while using the multivariate data, the average MAPE was 13.081% using 4 hidden neurons, 30 training data and 5 testing data.

Item Type:	Thesis (Sarjana)
Identification Number:	0520150450
Uncontrolled Keywords:	Prediksi, Distribusi PDAM, Single Variable, Multivariate, ELM, MAPE., Prediction, PDAM Distribution, Single Variable, Multivariate, ELM, MAPE
Subjects:	600 Technology (Applied sciences) > 621 Applied physics
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username nova
Date Deposited:	19 Sep 2022 02:57
Last Modified:	02 Oct 2024 07:21
URI:	http://repository.ub.ac.id/id/eprint/194377

Text Putri Indhira Utami Paudi.pdf Download (1MB)

Actions (login required)

View Item