BibTex Citation Data :
@article{Transmisi38316, author = {Heru Purnomo dan Hadi Suyono dan Rini Hasanah}, title = {PERAMALAN BEBAN JANGKA PENDEK SISTEM KELISTRIKAN KOTA BATU MENGGUNAKAN DEEP LEARNING LONG SHORT-TERM MEMORY}, journal = {Transmisi: Jurnal Ilmiah Teknik Elektro}, volume = {23}, number = {3}, year = {2021}, keywords = {}, abstract = { Dalam rangka proyeksi kebutuhan listrik dimasa mendatang, maka penyedia listrik dapat melakukan peramalan terkait besarnya kebutuhan dan permintaan energi listrik. Apabila besarnya permintaan listrik tidak dilakukan peramalan, maka akan terjadi kelebihan kapasitas yang menyebabkan tidak terserapnya sumber energi yang tersedia. Berdasarkan hasil penelitian diperoleh kesimpulan bahwa model terbaik dari metode Deep Learning LSTM yang digunakan untuk melakukan prakiraan beban konsumsi listrik jangka pendek memiliki nilai RMSE (Root Mean Square Error) yang kecil Artinya tingkat akurasi dari metode Deep Learning LSTM tersebut lebih baik daripada ARIMA, hasil tersebut menunjukkan bahwa metode Deep Learning LSTM layak digunakan untuk memprakirakan beban konsumsi listrik jangka pendek di Kota Batu. }, issn = {2407-6422}, pages = {97--102} doi = {10.14710/transmisi.23.3.97-102}, url = {https://ejournal.undip.ac.id/index.php/transmisi/article/view/38316} }
Refworks Citation Data :
Dalam rangka proyeksi kebutuhan listrik dimasa mendatang, maka penyedia listrik dapat melakukan peramalan terkait besarnya kebutuhan dan permintaan energi listrik. Apabila besarnya permintaan listrik tidak dilakukan peramalan, maka akan terjadi kelebihan kapasitas yang menyebabkan tidak terserapnya sumber energi yang tersedia. Berdasarkan hasil penelitian diperoleh kesimpulan bahwa model terbaik dari metode Deep Learning LSTM yang digunakan untuk melakukan prakiraan beban konsumsi listrik jangka pendek memiliki nilai RMSE (Root Mean Square Error) yang kecil Artinya tingkat akurasi dari metode Deep Learning LSTM tersebut lebih baik daripada ARIMA, hasil tersebut menunjukkan bahwa metode Deep Learning LSTM layak digunakan untuk memprakirakan beban konsumsi listrik jangka pendek di Kota Batu.
Article Metrics:
Last update:
PREDIKSI TINGKAT TEMPERATUR KOTA SEMARANG MENGGUNAKAN METODE LONG SHORT-TERM MEMORY (LSTM)
Last update: 2024-11-21 12:50:16
Transmisi: Jurnal Ilmiah Teknik Elektro dan Departemen Teknik Elektro, Universitas Diponegoro dan Editor berusaha keras untuk memastikan bahwa tidak ada data, pendapat, atau pernyataan yang salah atau menyesatkan dipublikasikan di jurnal. Dengan cara apa pun, isi artikel dan iklan yang diterbitkan dalam Transmisi: Jurnal Ilmiah Teknik Elektro adalah tanggung jawab tunggal dan eksklusif masing-masing penulis dan pengiklan.
Formulir Transfer Hak Cipta dapat diunduh di sini: [Formulir Transfer Hak Cipta Transmisi]. Formulir hak cipta harus ditandatangani dan dikirim ke Editor dalam bentuk surat asli, dokumen pindaian atau faks:
Dr. Munawar Riyadi (Ketua Editor)Departemen Teknik Elektro, Universitas Diponegoro, IndonesiaJl. Prof. Sudharto, Tembalang, Semarang 50275 IndonesiaTelepon/Facs: 62-24-7460057Email: transmisi@elektro.undip.ac.id
