PREDIKSI KONSUMSI LISTRIK DENGAN MENGGUNAKAN HYBRID MULTI LAYER PERCEPTRON DAN ALGORITMA GENETIKA

Intan Nirmala Kristy, 081012027 (2014) PREDIKSI KONSUMSI LISTRIK DENGAN MENGGUNAKAN HYBRID MULTI LAYER PERCEPTRON DAN ALGORITMA GENETIKA. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2015-kristyinta-35098-6.ABSTRAK.pdf

Download (564kB) | Preview
[img] Text (FULLTEXT)
gdlhub-gdl-s1-2015-kristyinta-35098-1.FULLTEXT.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Meningkatnya konsumsi listrik masyarakat disebabkan oleh kemajuan teknologi yang sangat bergantung kepada listrik. Namun, persediaan listrik yang dimiliki oleh negara sangat terbatas. Oleh karena itu, untuk mempersiapkan persediaan listrik, perlu memprediksi konsumsi listrik di masa yang akan datang. Salah satu cara untuk mengatasi keterbatasan persediaan listrik adalah dengan prediksi konsumsi listrik berdasarkan data konsumsi listrik sebelumnya. Pada penulisan skripsi ini, prediksi konsumsi listrik bertujuan untuk mendapatkan jumlah listrik yang akan dikonsumsi oleh masyarakat dari sebuah negara dengan menggunakan hybridmulti layer perceptron dan algoritma genetika. Multi layer perceptron adalah sebuah metode pembelajaran dalam jaringan saraf tiruan yang berjalan dengan cara memperbarui bobotnya dan membandingkannya dengan target sampai menghasilkan output yang mendekati target. Sedangkan algoritma genetika adalah metode pencarian yang berdasarkan pada mekanisme dari seleksi alam dan genetika alam. Dalam memprediksi konsumsi listrik, data akan dilatih dan dicari bobot yang paling optimal. Selanjutnya, dengan melakukan proses pengujian data terlatih akan diketahui seberapa baik pola yang dikenali oleh jaringan sehingga nilai error yang didapatkan mencapai nilai minimum. Dengan uji validasi akan diperoleh nilai dari prediksi konsumsi listrik tahun berikutnya dengan menggunakan bobot optimal dari proses pelatihan. Berdasarkan implementasi yang dilakukan pada data konsumsi listrik, diperoleh arsitektur jaringan yang optimal yaitu, jumlah node pada lapisan input sebanyak 2, jumlah node pada lapisan tersembunyi sebanyak 3, jumlah node pada lapisan output sebanyak 1, maksimum iterasisebanyak 25000. Prediksi yang disimulasikan pada data konsumsi listrik yang menggunakan data tahun 1981 sampai dengan 2013 menghasilkan nilai selisih rata-rata sebesar 0,003%, dapat disimpulkan bahwa peramalan yang dilakukan mampu mendekati nilai sebenarnya.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK. MPM. 46-14 Kri p
Uncontrolled Keywords: GENETIC ALGORITHM
Subjects: Q Science > QA Mathematics
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM/NIDN
Intan Nirmala Kristy, 081012027UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorAuli Damayanti, S.Si, M.SiUNSPECIFIED
ContributorHerry Suprajitno, Dr. M.SiUNSPECIFIED
Depositing User: Mrs Nadia Tsaurah
Date Deposited: 28 Jan 2015 12:00
Last Modified: 30 Aug 2016 02:33
URI: http://repository.unair.ac.id/id/eprint/28502
Sosial Share:

Actions (login required)

View Item View Item