Prediksi Daya Listrik Jangka Sangat Pendek Pembangkit Photovoltaic Berbasis Internet of Things Menggunakan Feed Forward Neural Network
Total View This Week0
Total View This Week0
Institusion
Universitas Negeri Surabaya
Author
KUKUH EKO PURWANTORO (STUDENT ID : 18050874004)
(LECTURER ID : 0021027602)
(LECTURER ID : 0021027602)
Subject
Teknik
Datestamp
2022-12-23 14:50:30
Abstract :
Penggunaan daya listrik di kalangan masyarakat semakin meningkatseiring perkembangan teknologi pada zaman sekarang. Maka dapat dilakukan pemantauan danprediksi daya listrik untuk mengaturketersediaan baterai pada pembangkit photovoltaic. Penelitian prediksidaya listrik dilakukan dengan mengambil data dengan melakukan pengujianpemodelan monitoring daya listrik pembangkit photovoltaic berbasisIoT. Rumusan masalahberdasarkan latar belakang tersebut yaitu penggunaan daya listrik dapat dipantau dengan IoT dan diprediksi untuk jangka waktu satu jam sampai hari berikutnyaserta, analisa akurasi error pada prediksi daya listrik yangdibandingkan dengan data pengujian untuk mendapatkan tingkat ketepatan terbaik. Bertujuan untuk pemantauan pemodelan yang dapat diakses melalui telepon pintar danmendapatkan akurasi kesalahan terbaik pada prediksi daya listrik yangdibandingkan dengan data pengujian. Metode yang digunakan adalah metodeeksperimen dengan pendekatan kuantitatif, dimulai dengan studi literatur, selanjutnyapengambilan data, dilanjutkan dengan analisis data, lalu membuat desain sistemperamalan, serta konfigurasi neural network, selanjutnya melakukanpembelajaran (training) dan pengujian (testing) pada software MATLAB. Kesalahan tertinggi prediksi sebesar 4,26% dan terendah pada sebesar 0,34 %. MSE pada traingdxsebesar 0.007844, Traincgb sebesar 0.043241 dan rata-rata MAPE pada traingdx sebesar 2.65% dan Pada traincgb sebesar 2.6%. Tingkat ketepatan prediksi daya terbaikdidapat pada traingdx sebesar 97,45% dan terkecil sebesar 97,15% pada traincgbpula. Semakin banyak pola dan jenis pembelajaran (train)yang dilakukan semakin baik pula hasil error yangdihasilkan.
Penggunaan daya listrik di kalangan masyarakat semakin meningkatseiring perkembangan teknologi pada zaman sekarang. Maka dapat dilakukan pemantauan danprediksi daya listrik untuk mengaturketersediaan baterai pada pembangkit photovoltaic. Penelitian prediksidaya listrik dilakukan dengan mengambil data dengan melakukan pengujianpemodelan monitoring daya listrik pembangkit photovoltaic berbasisIoT. Rumusan masalahberdasarkan latar belakang tersebut yaitu penggunaan daya listrik dapat dipantau dengan IoT dan diprediksi untuk jangka waktu satu jam sampai hari berikutnyaserta, analisa akurasi error pada prediksi daya listrik yangdibandingkan dengan data pengujian untuk mendapatkan tingkat ketepatan terbaik. Bertujuan untuk pemantauan pemodelan yang dapat diakses melalui telepon pintar danmendapatkan akurasi kesalahan terbaik pada prediksi daya listrik yangdibandingkan dengan data pengujian. Metode yang digunakan adalah metodeeksperimen dengan pendekatan kuantitatif, dimulai dengan studi literatur, selanjutnyapengambilan data, dilanjutkan dengan analisis data, lalu membuat desain sistemperamalan, serta konfigurasi neural network, selanjutnya melakukanpembelajaran (training) dan pengujian (testing) pada software MATLAB. Kesalahan tertinggi prediksi sebesar 4,26% dan terendah pada sebesar 0,34 %. MSE pada traingdxsebesar 0.007844, Traincgb sebesar 0.043241 dan rata-rata MAPE pada traingdx sebesar 2.65% dan Pada traincgb sebesar 2.6%. Tingkat ketepatan prediksi daya terbaikdidapat pada traingdx sebesar 97,45% dan terkecil sebesar 97,15% pada traincgbpula. Semakin banyak pola dan jenis pembelajaran (train)yang dilakukan semakin baik pula hasil error yangdihasilkan.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
