PERAMALAN DAYA LISTRIK PLTS ON GRID PADA RUMAH TINGGAL MENGGUNAKAN METODE k-NEAREST NEIGHBOR DECOMPOSITION FEED FORWARD NEURAL NETWORK BERDASARKAN DATA METEOROLOGI
Total View This Week0
Total View This Week0
Institusion
Universitas Negeri Surabaya
Author
MASVIKI AGAM (STUDENT ID : 15050874049)
(LECTURER ID : 0021027602)
(LECTURER ID : 0021027602)
Subject
Teknik
Datestamp
2022-12-23 14:40:58
Abstract :
Pemanfaatan energi terbarukan merupakan suatu hal yangsangat penting dalam upaya mengurangi penggunaan energi fosil yang semakin menipis. Sumberenergi baru dan terbarukan ramah lingkungan yang dimaksud adalah sistemPembangkit Listrik Tenaga Surya (PLTS) yang terintegrasi dengan sistem grid atau on grid pada rumah tinggal. Dengan sistem PLTS on grid pasokan listrik untuk rumah tinggal berasal dari dua sumberyaitu PLTS dan PLN.Peramalandaya listrik PLTS on grid sangatdiperlukan untuk mengetahui berapa besar daya listrik yang akan diproduksi PLTSon grid . Penggabungan tiga metode dalampenelitian ini terdiri dari metode k-Nearest Neighbor, metode decomposition dan metode feedforward neural network atau bisa disebut dengan metode hybrid k-NearestNeighbor decomposition feed forward neural network (k-NNDcNN) digunakan dalam peramalan jangka sangat pendek.Penelitian ini bertujuan membahas tentang peramalan daya listrik yang diproduksiPLTS on grid selama lima jam kedepan. PLTS on grid pada penelitian ini berkapasitas 1000 Watt.Hasil penelitian menunjukkan nilai rata-rata MSE metode k-Nearest Neighbour Decomposition adalah 7,726531231 Watt sedangkan metode Hybrid k-Nearest Neighbour Decomposition Feed Forward adalah 0,627315211 Watt dan nilai MAPE rata-rata metode k-NearestNeighbour Decomposition adalah 0,025386522%sedangkan metode Hybrid k-NearestNeighbour Decomposition Feed Forward adalah0,004340221%. Sehingga, dapat disimpulkanbahwa metodeHybrid k-Nearest Neighbour DecompositionFeed Forward mendapatkan hasil yang lebih baik. KataKunci : Peramalan, PLTS on grid, k-Nearest Neighbor, decomposition, feedforward neural network.
Pemanfaatan energi terbarukan merupakan suatu hal yangsangat penting dalam upaya mengurangi penggunaan energi fosil yang semakin menipis. Sumberenergi baru dan terbarukan ramah lingkungan yang dimaksud adalah sistemPembangkit Listrik Tenaga Surya (PLTS) yang terintegrasi dengan sistem grid atau on grid pada rumah tinggal. Dengan sistem PLTS on grid pasokan listrik untuk rumah tinggal berasal dari dua sumberyaitu PLTS dan PLN.Peramalandaya listrik PLTS on grid sangatdiperlukan untuk mengetahui berapa besar daya listrik yang akan diproduksi PLTSon grid . Penggabungan tiga metode dalampenelitian ini terdiri dari metode k-Nearest Neighbor, metode decomposition dan metode feedforward neural network atau bisa disebut dengan metode hybrid k-NearestNeighbor decomposition feed forward neural network (k-NNDcNN) digunakan dalam peramalan jangka sangat pendek.Penelitian ini bertujuan membahas tentang peramalan daya listrik yang diproduksiPLTS on grid selama lima jam kedepan. PLTS on grid pada penelitian ini berkapasitas 1000 Watt.Hasil penelitian menunjukkan nilai rata-rata MSE metode k-Nearest Neighbour Decomposition adalah 7,726531231 Watt sedangkan metode Hybrid k-Nearest Neighbour Decomposition Feed Forward adalah 0,627315211 Watt dan nilai MAPE rata-rata metode k-NearestNeighbour Decomposition adalah 0,025386522%sedangkan metode Hybrid k-NearestNeighbour Decomposition Feed Forward adalah0,004340221%. Sehingga, dapat disimpulkanbahwa metodeHybrid k-Nearest Neighbour DecompositionFeed Forward mendapatkan hasil yang lebih baik. KataKunci : Peramalan, PLTS on grid, k-Nearest Neighbor, decomposition, feedforward neural network.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
