Search for collections on EPrints Repository UNTIRTA

+ Advanced search

PRAKIRAAN KEBUTUHAN ENERGI LISTRIK WILAYAH PROVINSI BANTEN TAHUN 2021-2030 MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

setiawan, irvan (2023) PRAKIRAAN KEBUTUHAN ENERGI LISTRIK WILAYAH PROVINSI BANTEN TAHUN 2021-2030 MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

[img] Text
IRVAN_SETIAWAN_3332160057_Fulltext.pdf
Download (2MB)
[img] Text
IRVAN_SETIAWAN_3332160057_01.pdf
Download (1MB)
[img] Text
IRVAN_SETIAWAN_3332160057_02.pdf
Download (637kB)
[img] Text
IRVAN_SETIAWAN_3332160057_03.pdf
Download (428kB)
[img] Text
IRVAN_SETIAWAN_3332160057_04.pdf
Download (931kB)
[img] Text
IRVAN_SETIAWAN_3332160057_05.pdf
Download (213kB)
[img] Text
IRVAN_SETIAWAN_3332160057_Ref.pdf
Download (434kB)
[img] Text
IRVAN_SETIAWAN_3332160057_Lamp.pdf
Download (473kB)
[img] Text
IRVAN_SETIAWAN_3332160057_CP.pdf
Download (6MB)

Abstract

The need for electrical energy in the future requires good planning and prediction, Therefore it is necessary to plan systematically based on past historical data. This research uses Artificial Neural Network with an algorithm backpropagation to predict the electricity demand of Banten Province in the future. From the results of the best network architecture training is to use the third training model which has an average percentage fault smallest is 6 neuron on input layer,18 neuron on hidden layer and 4 neuroun on output layer. Forecast results with the ANN method backpropagation the demand for electrical energy in Banten Province increases by 23,981.67 GWh in 2021 to 29,732.27 GWh in 2030. JST forecast backpropagation has a lower error value of 0,64% compared to PT PLN RUPTL of 3,72%.

Item Type: Thesis (S1)
Contributors:
ContributionContributorsNIP/NIM
UNSPECIFIEDHartono, HM197601032002121003
UNSPECIFIEDPramono, Lantip-
Additional Information: Permintaan kebutuhan energi listrik di masa depan memerlukan perencanaan dan peramalan yang baik. Oleh karena itu, diperlukan perencanaan yang sistematis berdasarkan data historis masa lalu. Penelitian ini menggunakan metode jaringan syaraf tiruan dengan algoritma propagasi balik untuk meramalkan kebutuhan energi listrik Provinsi Banten dimasa depan. Hasil pelatihan terbaik pada arsitektur jaringan menggunakan model pelatihan ke-3 dengan rata-rata tingkat kesalahan terkecil yaitu dengan 6 neuron pada lapisan masukan, 18 neuron pada lapisan tersembunyi dan 4 neuron pada lapisan keluaran. Hasil peramalan dengan metode JST backpropagation menunjukkan bahwa kebutuhan listrik Provinsi Banten akan meningkat sebesar 23.981,67 GWh pada tahun 2021 hingga mencapai 29.732,27 GWh pada tahun 2030. Ramalan JST backpropagation memiliki error sebesar 0,64% lebih rendah dibandingkan RUPTL PT PLN sebesar 3,72%.
Subjects: Q Science > Q Science (General)
T Technology > T Technology (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: 03-Fakultas Teknik
03-Fakultas Teknik > 20201-Jurusan Teknik Elektro
Depositing User: MR IRVAN SETIAWAN
Date Deposited: 29 Sep 2023 15:42
Last Modified: 29 Sep 2023 15:42
URI: http://eprints.untirta.ac.id/id/eprint/30126

Actions (login required)

View Item View Item