BibTex Citation Data :
@article{JSINBIS6211, author = {Radini Sinta and Rahmat Gernowo and Suryono Suryono}, title = {Rancang Bangun Sistem Peramalan Konsumsi Daya Listrik dengan Artificial Neural Network Backpropagation}, journal = {Jurnal Sistem Informasi Bisnis}, volume = {3}, number = {1}, year = {2013}, keywords = {}, abstract = { Jaringan saraf tiruan model jaringan layar jamak yang diimplementasikan dengan menggunakan program komputasi untuk menyelesaikan masalah yang kompleks melalui proses perhitungan dengan algoritma Backpropagation . Salah satu masalah yang dapat dipecahkan adalah sistem peramalan berdasarkan data time series , data time series untuk data masukan adalah data konsumsi daya listrik dalam satuan kWh pada LWBP dan WBP, data okupansi tahun 2011. Jaringan yang sudah dilatih menghasilkan akurasi peramalan MSE pada LWBP 7,48738e-12, MSE pada WBP 1,11035e-10, dan MAPE pada LWBP 1,6141e-9%, MAPE pada WBP 2,50e-8%, untuk jaringan yang tidak dilatih dapat meramalkan konsumsi daya listrik dengan uji validitas pada LWBP R = 0,837, dan pada WBP R = 0,835. Pada pelatihan dan pengujian sistem optimal dengan 8 neuron pada lapisan tersembunyi. Katakunci: Jaringan Saraf Tiruan; algoritma Backpropagation ; data time series; sistem peramalan. }, issn = {2502-2377}, pages = {48--58} doi = {10.21456/vol3iss1pp48-58}, url = {https://ejournal.undip.ac.id/index.php/jsinbis/article/view/8} }
Refworks Citation Data :
Jaringan saraf tiruan model jaringan layar jamak yang diimplementasikan dengan menggunakan program komputasi untuk menyelesaikan masalah yang kompleks melalui proses perhitungan dengan algoritma Backpropagation. Salah satu masalah yang dapat dipecahkan adalah sistem peramalan berdasarkan data time series, data time series untuk data masukan adalah data konsumsi daya listrik dalam satuan kWh pada LWBP dan WBP, data okupansi tahun 2011. Jaringan yang sudah dilatih menghasilkan akurasi peramalan MSE pada LWBP 7,48738e-12, MSE pada WBP 1,11035e-10, dan MAPE pada LWBP 1,6141e-9%, MAPE pada WBP 2,50e-8%, untuk jaringan yang tidak dilatih dapat meramalkan konsumsi daya listrik dengan uji validitas pada LWBP R = 0,837, dan pada WBP R = 0,835. Pada pelatihan dan pengujian sistem optimal dengan 8 neuron pada lapisan tersembunyi.
Katakunci: Jaringan Saraf Tiruan; algoritma Backpropagation; data time series; sistem peramalan.
Article Metrics:
Last update:
Last update: 2024-04-24 07:59:48
Authors who submit the manuscripts to Journal JSINBIS must understand and agree that if the manuscript is accepted for publication, the copyright of the article belongs to JSINBIS and Diponegoro University as the journal publisher.
Copyright includes the exclusive right to reproduce and provide articles in all forms and media, including reprints, photographs, microfilm and any other similar reproductions, as well as translations. The author reserves the rights to the following:
JSINBIS and Diponegoro University and the Editors make every effort to ensure that no false or misleading data, opinions or statements are published in this journal. The content of articles published in JSINBIS is the sole and exclusive responsibility of the respective authors.
Copyright transfer agreement can be found here: [Copyright transfer agreement in doc] and [Copyright transfer agreement in pdf].
JSINBIS (Jurnal Sistem Informasi Bisnis) is published by the Magister of Information Systems, Post Graduate School Diponegoro University. It has e-ISSN: 2502-2377 dan p-ISSN: 2088-3587 . This is a National Journal accredited SINTA 2 by RISTEK DIKTI No. 48a/KPT/2017.
Journal JSINBIS which can be accessed online by http://ejournal.undip.ac.id/index.php/jsinbis is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
View My Stats
