Peramalan Kebutuhan Beban Listrik Jangka Menengah Menggunakan Jaringan Syaraf Tiruan (JST) Backpropagation (Studi Kasus: PLN APP Salatiga)

Ramadhan, Helmy Azzam and , Hari Prasetyo, ST, MT, Ph.D and , Eko Setiawan, ST., MT., Ph.D and , Ahmad Kholid Al Ghofari, ST. MT. (2018) Peramalan Kebutuhan Beban Listrik Jangka Menengah Menggunakan Jaringan Syaraf Tiruan (JST) Backpropagation (Studi Kasus: PLN APP Salatiga). Skripsi thesis, Universitas Muhammadiyah Surakarta.

	PDF (Naskah Publikasi) NASKAH PUBLIKASI.pdf Download (487kB)
	PDF (Halaman Depan) HALAMAN DEPAN-9.pdf Download (655kB)
	PDF (Bab I) BAB I-4.pdf Download (158kB)
	PDF (Bab II) BAB II-6.pdf Restricted to Repository staff only Download (534kB) | Request a copy
	PDF (Bab III) BAB III-5.pdf Restricted to Repository staff only Download (292kB) | Request a copy
	PDF (Bab IV) BAB IV-5.pdf Restricted to Repository staff only Download (694kB) | Request a copy
	PDF (BAB V) BAB V.pdf Restricted to Repository staff only Download (263kB) | Request a copy
	PDF (Daftar Pustaka) DAFTAR PUSTAKA.pdf Download (300kB)
	PDF (Lampiran) LAMPIRAN-2.pdf Restricted to Repository staff only Download (240kB) | Request a copy
	PDF (Pernyataan Publikasi Ilmiah) Pernyataan Publikasi Ilmiah-1.pdf Restricted to Repository staff only Download (73kB) | Request a copy

Abstract

ABSTRAKSI Peramalan merupakan kegiatan untuk memperkirakan sesuatu yang belum terjadi. Peramalan menjadi kegiatan yang sangat penting dilakukan oleh perusahaan agar mampu memenuhi kebutuhan dan permintaan pelanggan terhadap produk pada masa yang akan datang. Ketidakmampuan suatu perusahaan memenuhi kebutuhan konsumen akan membuat perusaan kehilangan kemungkinan untung, sebaliknya apabila perusahaan memproduksi secara berlebih akan membuat perusahaan menambah ongkos biaya simpan terhadap produknya. Salah satu metode peramalan yang memiliki keakurasian tinggi adalah Jaringan Syaraf Tiruan (JST). Kemampuan yang dimiliki JST yaitu mampu mentolelir input data yang tidak sempurna kemudian mengolahnya menjadi seperti yang diharapkan. JST Back Propagation mampu mengenali pola yang menyerupai data masukan yang digunakan selama pelatihan. Salah satu aplikasi dari peramalan menggunakan JST Backpropagation adalah untuk meramalkan kebutuhan beban listrik. Penelitian ini dilakukan untuk meramalkan kebutuhan beban listrik jangka menengah di kota Salatiga. Hasil dari penelitian ini menunjukkan bahwa konsumsi beban listrik sebesar 39,494,247.579 KwH pada bulan Januari 2018 dengan nilai mean squared error (MSE) sebesar 〖7×10〗^(-15) dan nilai regresi sebesar 0.98764. Kata Kunci : Peramalan, Jaringan Syaraf Tiruan, Backpropagation, Beban Listrik ABSTRACTION Forecasting is an activity to predict something that has not happened yet. Forecasting becomes a very important activity undertaken by the company in order to be able to meet the needs and customer demand for the product in the future. The inability of a company to meet the needs of consumers will make companies lose the possibility of profit, on the contrary if the company produces in excess will make the company increase the cost of store costs to its products. One method of forecasting that has a high accuracy is Artificial Neural Network (ANN). The ability of the ANN is able to tolerate the input data is not perfect then process it to be as expected. ANN Back Propagation is able to recognize patterns that resemble the input data used during the training. One of the applications of forecasting using the Backpropagation ANN is to forecast the needs of the electrical load. This study was conducted to forecast the need for medium-term electricity load in the city of Salatiga. The result of this research shows that electric load consumption is 39,494,247,579 KwH in January 2018 with mean squared error (MSE) equal to 〖7×10〗^(-15) and regression value is 0.98764. Keywords: Forecasting, Artificial Neural Networks, Backpropagation, Electricity Load

Item Type:	Karya ilmiah (Skripsi)
Uncontrolled Keywords:	Peramalan, Jaringan Syaraf Tiruan, Backpropagation, Beban Listrik
Subjects:	T Technology > TS Manufactures
Divisions:	Fakultas Teknik > Teknik Industri
Depositing User:	HELMY AZZAM RAMADHAN
Date Deposited:	01 Sep 2018 06:11
Last Modified:	01 Sep 2018 06:11
URI:	http://eprints.ums.ac.id/id/eprint/66981

Actions (login required)

View Item