BibTex Citation Data :
@article{JSINBIS8, author = {Radini Sinta and Rahmat Gernowo and Suryono Suryono}, title = {Rancang Bangun Sistem Peramalan Konsumsi Daya Listrik dengan Artificial Neural Network Backpropagation}, journal = {JSINBIS (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:
Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk dipublikasikan, hak cipta dari artikel adalah milik JSINBIS dan Universitas Diponegoro sebagai penerbit jurnal.Hak cipta (copyright) meliputi hak eksklusif untuk mereproduksi dan memberikan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm dan setiap reproduksi lain yang sejenis, serta terjemahan. Penulis mempunyai hak untuk hal-hal berikut:
JSINBIS dan Universitas Diponegoro serta Editor melakukan segala upaya untuk memastikan bahwa tidak ada data, pendapat atau pernyataan yang salah atau menyesatkan yang dipublikasikan di jurnal ini. Isi artikel yang diterbitkan di JSINBIS adalah tanggung jawab tunggal dan eksklusif dari masing-masing penulis.
View My Stats This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.