Sistem peramalan beban listrik menggunakan jaringan syaraf tiruan

RAHAYU, Tri Puji, Dra. Sri Hartati, M.Sc.,Ph.D

2005 | Tesis | S2 Ilmu Komputer

Jaringan syaraf tiruan adalah model komputasi yang memiliki kemampuan untuk belajar, menggeneralisasi, atau mengorganisasi data berdasarkan pada pemrosesan paralel. Diantara beberapa jenis jaringan syaraf ( neural network network ), yang paling banyak digunakan secara luas yaitu feed-forward dan backpropagation yang mampu merepresentasikan pemetaan fungsi non-linier antara input dan output, dan disebut sebagai Universal Approximators. Jaringan ( neural network ) ini dapat dilatih dengan suatu metode yang disebut error back-propagation. Pada thesis ini, sebuah feed-forward neural network digunakan untuk meramal beban daya listrik – Electricity Load Forecasting System, dibuat dengan menggunakan bahasa pemrograman Borland Delphi. Dari penelitian yang telah dilakukan terbukti bahwa kebutuhan beban daya listrik dipengaruhi oleh banyak faktor diantaranyaproduksi energi, dan beban rata-rata. Model peramalan dalam thesis ini akan menangkap pengaruh faktor-faktor tersebut, dan menjadikan data-data tersebut bagian dari sistem peramalan ini, dan memberikan data hasil peramalan kebutuhan beban daya listrik kedepan .

A Neural Network is a group of processing elements where typically one subgroup makes independent computations model and owning ability to learn the generalizing or organization data of pursuant at parallel process. Among neural network, the feed-forward and backpropagation are capable to represent the non linier function and linear function between input and output and they are conceived of Universal of Approximators. Neural network can be trained with a method which is called error back-propagation. At such as this research, the feed-forward neural network is used to forcast the electricity load forcasting system, that the using language of Borland Delphi. This research which have proven it’s developed requirement of electricity burden. influenced by a lot of factors, such as production energy and mean burden. The forcasting’s model in catchs the factors’s influence, and make the data a part of this forcasting system, and gives the data of result of forcasting of requirement of load electricity to the fore ( Next years ).

Kata Kunci : Jaringan Syaraf Tiruan,Prediksi Beban Listrik, Neural Network, Electricity Load Forcasting, System Software