PRAKIRAAN BEBAN TENAGA LISTRIK JANGKA PENDEK DENGAN MENGGUNAKAN METODE JARINGAN SYARAF TIRUAN STUDI KASUS DI KANTOR P.T PLN DISTRIBUSI BANDUNG BURDEN ELECTRICITY SHORT-RANGE ASSESMENT WITH ARTIFICIAL NEURAL NETWORK METHOD RESEARCH IN P.T. PLN DISTRIBUSI B

SIGIT PRAMONO

Informasi Umum

Kode

113020255

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

11 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Tenaga listrik tidak dapat disimpan dalam skala besar, sehingga akan menjadi masalah apabila P.T PLN membangkitkan tenaga listrik lebih besar dari kebutuhan konsumen. Untuk itu akan lebih baik apabila tenaga listrik dibangkitkan sesuai dengan kebutuhan masyarakat, tidak mengalami kelebihan tenaga listrik yang terlalu besar sehingga terjadi pemborosan energi. Untuk itu diperlukan suatu metode yang digunakan untuk memprediksikan seberapa besar tenaga listrik yang perlu dibangkitkan agar sesuai dengan kebutuhan konsumen.<br> Untuk memprediksikan seberapa besar tenaga listrik yang perlu dibangkitkan agar sesuai dengan kebutuhan konsumen, akan dibuat suatu applikasi yang dapat memperkirakan jumlah tenaga listrik yang diperlukan konsumen P.T PLN dalam jangka pendek atau setiap jam dalam satu hari. Dimana applikasi ini akan dibuat dengan metode Jaringan Syaraf Tiruan Backpropagation Momentum. Keunggulan utama Jaringan Syaraf Tiruan adalah kemampuan komputasi yang pararel dengan cara belajar dari pola-pola yang diajarkan.<br> Keuntungan yang didapatkan dari hasil pembuatan sistem ini adalah mampunya P.T PLN untuk memprediksikan kebutuhan tenaga listrik sesuai dengan kebutuhan konsumen.Kata Kunci : Jaringan Syaraf Tiruan Backpropagation Momentum, komputasi yang pararel.ABSTRACT: It is realized that electricity can not be kept in big amount, will become a trouble if P.T PLN rises electricity higher than customers need. So it’s better that electricity is risen as much as people need, not overloaded that makes a wasteful of energy. Therefore we need a method to predict how much electricity should be risen appropriately to the customers need.<br> In order to predict how much electricity shoul be risen appropriately to the customers need, we will make an application that approximate the number of electricity needed in a short term or in every hours in a day. This application will be made by Backpropagation Momentum of Artificial Neural Network method. The major superiority of Artificial Neural Network is the ability of paralel computing by learning the taught patterns.<br> The advantage of this system application is P.T PLN can predict much electricity that should be risen appropriately to the customers need.Keyword: Backpropagation Momentum of Artificial Neural Network, parallel computation.