HYBRID MULTI LAYER PERCEPTRON DENGAN FIREFLY ALGORITHM UNTUK MEMPREDIKSI KONSUMSI LISTRIK

ANGGRAENI SUSANTI, 081112055 (2015) HYBRID MULTI LAYER PERCEPTRON DENGAN FIREFLY ALGORITHM UNTUK MEMPREDIKSI KONSUMSI LISTRIK. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text
gdlhub-gdl-s1-2015-susantiang-41579-5.-abstr-k.pdf

Download (197kB) | Preview
[img] Text (FULLTEXT)
MPM.71-15 Sus h.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Listrik hingga saat ini memang erat hubungannya dengan kehidupan sehari-hari. Pertumbuhan penduduk serta pertumbuhan ekonomi yang mengalami peningkatan sangat berpengaruh terhadap ketersediaan listrik di masa yang akan datang. Jumlah penduduk yang terus meningkat mengakibatkan produksi listrik yang dihasilkan juga harus sesuai dengan jumlah yang dibutuhkan penduduk atau lebih besar dari jumlah yang dibutuhkan penduduk. Hal ini menyebabkan perlu dilakukan prediksi konsumsi listrik. Prediksi konsumsi listrik menggunakan hybrid Multi Layer Perceptron dengan Firefly Algorithm bertujuan untuk mengetahui jumlah listrik yang dikonsumsi, sehingga dapat menyediakan listrik untuk masa yang akan datang. Hal tersebut perlu dilakukan karena masyarakat yang hampir sepenuhnya bergantung pada listrik akan mengakibatkan krisis listrik jika persediaan listrik tidak sesuai dengan jumlah listrik yang dibutuhkan. Multi Layer Perceptron (MLP) merupakan ANN turunan dari Perceptron berupa Artificial Neural Network (ANN) feedforward dengan satu atau lebih hidden layer. Sedangkan Firefly Algorithm (FA) merupakan algoritma yang terinspirasi dengan perilaku kunang-kunang. Pada proses prediksi konsumsi listrik, data yang digunakan sebanyak 65 data konsumsi listrik rumah tangga dari bulan Januari tahun 2010 hingga bulan Mei 2015. Data tersebut merupakan data bulanan dari PT. PLN (Persero) Distribusi Jawa Timur. Data yang digunakan, selanjutnya dilatih kemudian dicari nilai Mean Square Error (MSE) dan bobot yang optimal. Bobot optimal yang diperoleh, selanjutnya diuji dengan uji validasi untuk mengetahui seberapa baik pola yang dikenali. Berdasarkan implementasi pada data konsumsi listrik tersebut, diperoleh nilai MSE hasil pelatihan sebesar 5.47625E-08, dengan arsitektur jaringan yang optimal yaitu jumlah node pada lapisan input sebesar 2, jumlah node pada lapisan tersembunyi (hidden) sebesar 2, dengan nilai selisih rata-rata sebesar 0,06165 %. Berdasarkan nilai selisih rata-rata yang diperoleh dari tahap validasi, maka dapat disimpulkan bahwa prediksi yang dilakukan mampu mendekati nilai yang sebenarnya.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 71/15 Sus h
Uncontrolled Keywords: FIREFLY ALGORITHM
Subjects: Q Science > QA Mathematics > QA11-14 Study and Teaching, Research
Q Science > QA Mathematics > QA150-272.5 Algebra
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsEmail
ANGGRAENI SUSANTI, 081112055UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorHerry Suprajitno,, Dr., M.SiUNSPECIFIED
Depositing User: prasetyo adi nugroho
Date Deposited: 27 Nov 2015 12:00
Last Modified: 07 Sep 2016 01:00
URI: http://repository.unair.ac.id/id/eprint/28351
Sosial Share:

Actions (login required)

View Item View Item