Cover Image

Prakiraan Kebutuhan Energi Listrik Menggunakan Support Vector Regression (SVR) dengan Optimasi Algoritma Genetika (Studi Kasus PLN Kota Malang)

Main Author: Sari, TantiMeta
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2016
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/147051/1/PAPER_125150201111041_TANTI_META_SARI.pdf
http://repository.ub.ac.id/147051/2/SKRIPSI_125150201111041_TANTI_META_SARI.pdf
http://repository.ub.ac.id/147051/
ctrlnum 147051
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/147051/</relation><title>Prakiraan Kebutuhan Energi Listrik Menggunakan Support Vector Regression (SVR) dengan Optimasi Algoritma Genetika (Studi Kasus PLN Kota Malang)</title><creator>Sari, TantiMeta</creator><subject>005 Computer programming, programs, data</subject><description>Listrik merupakan salah satu kebutuhan manusia yang paling penting. Hampir semua kegiatan manusia membutuhkan energi listrik. Tingginya kebutuhan konsumsi manusia akan listrik menyebabkan semakin tinginya konsumsi listrik yang dibutuhkan. Kota Malang merupakan salah satu kota yang memiliki penduduk yang besar yaitu 973.716 jiwa per tanggal 1 Juli 2015. Dengan besarnya jumlah penduduk Kota Malang maka berbanding lurus dengan kebutuhan akan konsumsi listrik. Mengingat konsumsi listrik Kota Malang yang cenderung meningkat terus menerus setiap bulannya, maka dibutuhkan perancangan kedepannya untuk membangun pembangkit listrik baru jika sewaktu-waktu jumlah konsumsi listrik melebihi batas maksimum yang mampu disediakan. Namun untuk membangun pembangkit baru memerlukan biaya yang sangat besar dan perancangan yang sangat matang. Oleh karena prakiraan konsumsi energi listrik sangat diperlukan untuk membantu membuat keputusan dalan membangun pembangkit listrik. Dengan demikian prakiraan kebutuhan konsumsi listrik merupakan langkah tepat untuk mengantisipasi kebutuhan energi listrik yang diduga akan bertambah setiap bulannya. Banyak teknik prakiraan atau peramalan yang dapat digunakan untuk memprakiraan jumlah konsumsi listrik, salah satunya adalah Support Vector Regression (SVR). SVR adalah pengembangan dari Support Vector Machine untuk masalah prakiraan dan peramalan untuk kasus regresi. Support Vector Regression meminimalisir pembatasan dikarenakan metode ini memungkinkan penggunaan fungsi non-linier. Berdasarkan permasalahan beserta solusi dari beberapa penelitian sebelumnya, dirasa belum optimal. Saat ini, banyak metode baru untuk melakukan optimasi yang dirasa mampu menyelesaikan permasalahan di atas. Salah satu algoritma yang dapat digunakan untuk optimasi adalah algoritma genetika. Algoritma genetika adalah metode ilmiah heuristik yang didasarkan pada teori evolusi biologis Darwin. Sesuai dengan pengujian yang dilakukan menggunakan data yang didapat dari PLN Kota Malang berupa konsumsi kebutuhan listrik (kWh) dari tahun 2010 hinggan 2014, metode SVR yang dioptimasi dengan algoritma genetika dapat menghasilkan MAPE dengan nilai 0.161741.</description><date>2016-07-21</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/147051/1/PAPER_125150201111041_TANTI_META_SARI.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/147051/2/SKRIPSI_125150201111041_TANTI_META_SARI.pdf</identifier><identifier> Sari, TantiMeta (2016) Prakiraan Kebutuhan Energi Listrik Menggunakan Support Vector Regression (SVR) dengan Optimasi Algoritma Genetika (Studi Kasus PLN Kota Malang). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2016/484/051608746</relation><recordID>147051</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Sari, TantiMeta
title Prakiraan Kebutuhan Energi Listrik Menggunakan Support Vector Regression (SVR) dengan Optimasi Algoritma Genetika (Studi Kasus PLN Kota Malang)
publishDate 2016
isbn 1251502011110
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/147051/1/PAPER_125150201111041_TANTI_META_SARI.pdf
http://repository.ub.ac.id/147051/2/SKRIPSI_125150201111041_TANTI_META_SARI.pdf
http://repository.ub.ac.id/147051/
contents Listrik merupakan salah satu kebutuhan manusia yang paling penting. Hampir semua kegiatan manusia membutuhkan energi listrik. Tingginya kebutuhan konsumsi manusia akan listrik menyebabkan semakin tinginya konsumsi listrik yang dibutuhkan. Kota Malang merupakan salah satu kota yang memiliki penduduk yang besar yaitu 973.716 jiwa per tanggal 1 Juli 2015. Dengan besarnya jumlah penduduk Kota Malang maka berbanding lurus dengan kebutuhan akan konsumsi listrik. Mengingat konsumsi listrik Kota Malang yang cenderung meningkat terus menerus setiap bulannya, maka dibutuhkan perancangan kedepannya untuk membangun pembangkit listrik baru jika sewaktu-waktu jumlah konsumsi listrik melebihi batas maksimum yang mampu disediakan. Namun untuk membangun pembangkit baru memerlukan biaya yang sangat besar dan perancangan yang sangat matang. Oleh karena prakiraan konsumsi energi listrik sangat diperlukan untuk membantu membuat keputusan dalan membangun pembangkit listrik. Dengan demikian prakiraan kebutuhan konsumsi listrik merupakan langkah tepat untuk mengantisipasi kebutuhan energi listrik yang diduga akan bertambah setiap bulannya. Banyak teknik prakiraan atau peramalan yang dapat digunakan untuk memprakiraan jumlah konsumsi listrik, salah satunya adalah Support Vector Regression (SVR). SVR adalah pengembangan dari Support Vector Machine untuk masalah prakiraan dan peramalan untuk kasus regresi. Support Vector Regression meminimalisir pembatasan dikarenakan metode ini memungkinkan penggunaan fungsi non-linier. Berdasarkan permasalahan beserta solusi dari beberapa penelitian sebelumnya, dirasa belum optimal. Saat ini, banyak metode baru untuk melakukan optimasi yang dirasa mampu menyelesaikan permasalahan di atas. Salah satu algoritma yang dapat digunakan untuk optimasi adalah algoritma genetika. Algoritma genetika adalah metode ilmiah heuristik yang didasarkan pada teori evolusi biologis Darwin. Sesuai dengan pengujian yang dilakukan menggunakan data yang didapat dari PLN Kota Malang berupa konsumsi kebutuhan listrik (kWh) dari tahun 2010 hinggan 2014, metode SVR yang dioptimasi dengan algoritma genetika dapat menghasilkan MAPE dengan nilai 0.161741.
id IOS4666.147051
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:48:53Z
last_indexed 2021-10-28T07:34:23Z
recordtype dc
_version_ 1751454631288897536
score 17.538404

Lihat Juga