PRAKIRAAN KEBUTUHAN ENERGI LISTRIK DENGAN JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) METODE BACKPROPAGATION TAHUN 2020-2025 (Studi Kasus: PT PLN (Persero) UP3 Semarang)
Diah Setyowati , 5301415008 (2019) PRAKIRAAN KEBUTUHAN ENERGI LISTRIK DENGAN JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) METODE BACKPROPAGATION TAHUN 2020-2025 (Studi Kasus: PT PLN (Persero) UP3 Semarang). Under Graduates thesis, UNNES.
![[thumbnail of PRAKIRAAN KEBUTUHAN ENERGI LISTRIK DENGAN JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) METODE BACKPROPAGATION TAHUN 2020-2025 (Studi Kasus: PT PLN (Persero) UP3 Semarang)]](http://lib.unnes.ac.id/style/images/fileicons/application_pdf.png) Preview |
PDF (PRAKIRAAN KEBUTUHAN ENERGI LISTRIK DENGAN JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) METODE BACKPROPAGATION TAHUN 2020-2025 (Studi Kasus: PT PLN (Persero) UP3 Semarang))
- Published Version
Download (822kB) | Preview |
Abstract
Kebutuhan energi listrik dari tahun ke tahun semakin meningkat. Meningkatnya permintaan kebutuhan energi listrik sejalan dengan perkembangan berbagai sektor yang didukung oleh kemajuan teknologi dan laju pertumbuhan penduduk. Perusahaan Listrik Negara (PLN) sebagai penyedia energi listrik harus mengantisipasi sedini mungkin agar dapat menyediakan dalam jumlah yang cukup dan harga yang sesuai permintaan. Dengan menggunakan prinsip keandalan dan Standar Operasional Prosedur (SOP) yang baik dan benar diharapkan pihak penyedia listrik dapat memprakirakan kebutuhan energi listrik untuk masa yang akan datang dengan perencanaan yang tepat. Penelitian dilakukan untuk memprediksi kebutuhan energi listrik PT PLN (Persero) UP3 Semarang tahun 2020-2025 dengan mengembangkan suatu model Jaringan Saraf Tiruan metode Backpropagation menggunakan software Matlab. Variabel yang digunakan yaitu jumlah penduduk, jumlah pelanggan, PDRB, daya tersambung, beban puncak dan total produksi energi listrik. Variabel tersebut merupakan beberapa faktor yang mempengaruhi peningkatan kebutuhan energi listrik di masa yang akan datang. Hasil penelitian menghasilkan model TRAINGDX 24 dengan fungsi pembelajaran LEARNGDM memiliki selisih (error) terkecil dengan data aktual PT PLN (Persero) UP3 Semarang tahun 2014-2018 dengan selisih error 3,64% sedangkan RUKN PT PLN (Persero) UP3 Semarang memiliki selisih error 5,92%. Hasil penelitian menunjukkan Jaringan Saraf Tiruan metode Backpropagation menjadi salah satu alternatif untuk memprediksi kebutuhan energi listrik untuk masa yang akan datang oleh penyedia listrik karena dapat mengenali pola, melakukan perhitungan dan mengontrol organ-organ tubuh dengan kecepatan yan lebih tinggi dari komputer digital.
| Item Type: | Thesis (Under Graduates) |
|---|---|
| Uncontrolled Keywords: | Prakiraan kebutuhan energi listrik, Jaringan Saraf Tiruan, Backpropagation, Software Matlab |
| Subjects: | T Technology > TK Electrical and Electronic Engineering |
| Fakultas: | Fakultas Teknik > Pendidikan Teknik Elektro, S1 |
| Depositing User: | budi Budi santoso perpustakaan |
| Date Deposited: | 15 Jun 2020 12:31 |
| Last Modified: | 15 Jun 2020 12:31 |
| URI: | http://lib.unnes.ac.id/id/eprint/36790 |
Actions (login required)
 |
View Item |