Loading...
Please wait, while we are loading the content...
Similar Documents
Estimasi Kebutuhan Daya Listrik Menggunakan Jaringan Syaraf Tiruan Backpropagation Pada Gedung H Fakultas Teknik Universitas Lampung
| Content Provider | Semantic Scholar |
|---|---|
| Author | Harigan, Jofanda Delao |
| Copyright Year | 2018 |
| Abstract | Penelitian estimasi kebutuhan daya listrik menggunakan hasil pengukuran smart monitoring besaran elektrik di Gedung H Fak.Teknik Unila. Data hasil pengukuran prototype tersebut telah disimpan pada server TIK yang dapat diakses secara real-time menggunakan aplikasi web. Metode Artificial neural networks backpropagation adalah metode yang digunakan karena mempunyai kemampuan pendekatan yang baik terhadap ketidaklinieran. Variabel yang digunakan adalah data tanggal, data hari, data jam, data hari libur, data ruangan, dan data daya listrik pada masa lampau. Hasil pengujian estimasi kebutuhan daya listrik yang telah dilakukan pada panel distribusi Teknik Elektro dan Teknik Mesin Universitas Lampung menunjukan bahwa metode ini telah dapat digunakan untuk melakukan estimasi daya listrik dengan range waktu satu bulan kedepan dengan akurasi sebesar 99,12%. Dengan demikian penelitian ini dapat di aplikasikan untuk proses estimasi secara real-time yang dapat diakses melalui aplikasi web. Kata kunci : Estimasi kebutuhan daya listrik, smart monitoring besaran elektrik, artificial neural networks, backpropagation, Gedung H Fak.Teknik Unila This research carried out the electric power estimation. It used the results of smart monitoring measurement of electrical quantities in H Building Faculty of Engineering UNILA that had been saved on TIK's server. Therefore it can be accessed and displayed by web in real-time. The backpropagation artificial neural networks is a method that has a good approach to a nonlinearity. The variables that used to electric power estimation are date, day, clock, holiday, room, and electrical power data in the past. The results of testing the estimation of electric power had been done in the distribution panel of Electrical Engineering and Mechanical Engineering UNILA. It indicated that this method can be used to estimate electric power for one month ahead with an accuracy of 99,12%. Thus this research can be applied to real-time estimation processes that can be accessed and displayed by web in real-time. Keyword : Estimation of electric power, smart monitoring of electrical quantities, artificial neural networks, backpropagation, H Building Faculty Of Engineering UNILA |
| File Format | PDF HTM / HTML |
| Alternate Webpage(s) | http://digilib.unila.ac.id/54578/2/SKRIPSI%20TANPA%20BAB%20PEMBAHASAN.pdf |
| Language | English |
| Access Restriction | Open |
| Content Type | Text |
| Resource Type | Article |
