| dc.contributor.author | BUDIARTA, ARI NUR | |
| dc.date.accessioned | 2019-12-03T02:14:10Z | |
| dc.date.available | 2019-12-03T02:14:10Z | |
| dc.date.issued | 2019 | |
| dc.identifier.uri | http://repository.umy.ac.id/handle/123456789/30700 | |
| dc.description | Perusahaan Listrik Negara (PLN) as the manager of the Indonesian State's electricity energy is responsible as the recipient of electricity needs. The times are in harmony with the number of population growth, technological advances and information demands PLN to increase the amount of energy needed. This research discusses the method of peak load transformer using Artificial Neural Network (ANN) method. This research uses Matlab R2014b software to produce peak load forecasting on the Transformer II Transformer II 150 kV Kentungan within the next 10 years using the Artificial Neural Network (ANN) Backpropagation method. The results obtained from forecasting peak load using the ANN Feed-forward backpropagation method resulted in MSE training of 9,6023e-06 and 7.8609e-06 for MSE testing. While forecasting peak loads using the Cascade-forward backpropagation ANN method results in MSE training of 9.7739e-06 and 6.6751e-06 for MSE testing. While in the case of feasibility for its use in conducting network training it is more appropriate to use the Feed-forward backpropagation method from Cascade-forward backpropagation, because Feed-forward backpropagation has an error value that is better than the Cascade-forward backpropagation. | en_US |
| dc.description.abstract | Perusahaan Listrik Negara (PLN) sebagai pengelola energi listrik Negara Indonesia bertanggung jawab sebagai wadah ketersediaan kebutuhan energi listrik. Perkembangan jaman yang selaras dengan meningkatnya jumlah penduduk, kemajuan teknologi dan informasi menuntut PLN untuk meningkatkan jumlah ketersediaan kebutuhan energi yang dibutuhkan. Dalam penelitian ini membahas metode peramalan beban puncak transformator dengan menggunakan metode Jaringan Syaraf Tiruan (JST). Penelitian ini menggunakan software Matlab R2014b menghasilkan peramalan beban puncak pada Transformator II Gardu Induk 150 kV Kentungan dalam kurun waktu 10 tahun kedepan menggunakan metode Jaringan Syaraf Tiruan (JST) Backpropagation. Hasil yang didapatkan bahwa peramalan beban puncak menggunakan metode JST Feed-forward backpropagation menghasilkan MSE pelatihan sebesar 9,6023e-06 dan 7,8609e-06 untuk MSE pengujian. Sementara peramalan beban puncak dengan menggunakan metode JST Cascade-forward backpropagation menghasilkan MSE pelatihan sebesar 9,7739e06 dan 6,6751e-06 untuk MSE pengujian. Sedangkan kelayakan penggunaanya dalam melakukan pelatihan jaringan lebih layak menggunakan metode Feedforward backpropagation daripada menggunakan metode Cascade-forward backpropagation, karena Feed-forward backpropagation memiliki nilai error yang lebih baik daripada Cascade-forward backpropagation | en_US |
| dc.publisher | FT UMY | en_US |
| dc.subject | PERAMALAN BEBAN PUNCAK | en_US |
| dc.subject | JARINGAN SYARAF TIRUAN (JST) | en_US |
| dc.subject | FEED-FORWARD BACKPROPAGATION | en_US |
| dc.subject | CASCADE-FORWARD BACKPROPAGATION | en_US |
| dc.subject | MATLAB | en_US |
| dc.subject | PEAK LOAD FORECASTING, | en_US |
| dc.subject | ARTIFICIAL NEURAL NETWORKS (ANN) | en_US |
| dc.title | ANALISA PERAMALAN BEBAN PUNCAK TRANSFORMATOR DAYA MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN BACKPROPAGATION GARDU INDUK 150 KV KENTUNGAN | en_US |
| dc.type | Thesis
SKR
FT
390 | en_US |
