O OPTIMALISASI NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI LAMA PENYINARAN MATAHARI DALAM MEMENUHI KEBUTUHAN ENERGI

Main Article Content

Wahyudin Hasyim
Alter Lasarudin

Abstract

Tingginya beban listrik  yang mencapai 325 MegaWatt, hal ini merupakan perhatian penting bagi pemerintah Provinsi Gorontalo dalam  kebutuhan energi listrik, maka perlu memprediksi lama penyinaran matarahari pada suatu daerah, Energi sel surya salah satunya bergantung pada lamanya penyinaran cahaya matahari. Diantaranya dengan melakukan perancangan model prediksi. Metode prediksi yang mimiliki nilai error terkecil adalah Neural Network, akan tetapi masih adanya kelemahan pada waktu pelatihan untuk mencapai konvergen dan overfitting. Maka  perlu dilakukan optimalisasi pada bobot jaringan dengan menggunakan Particle Swarm Optimazition, yang merupakan salah satu metode terbaik dalam optimasi. Dengan penggunaan optimasi yang diukur melalui hasil peroleha Root Mean Square Error (RMSE). Hasil pengujian terhadap algoritma menunjukkan bahwa nilai RMSE mengunakan Neural Network 0,131, sedangkan dengan penerapan optimasi dengan particle swarm optimization  hasil RMSE  0,127. Dengan penerapan metode optimasi terserbut dapat mengurangi nilai error

Article Details

How to Cite
Hasyim, W., & Lasarudin, A. (2019). O OPTIMALISASI NEURAL NETWORK BERBASIS PARTICLE SWARM OPTIMIZATION UNTUK MEMPREDIKSI LAMA PENYINARAN MATAHARI DALAM MEMENUHI KEBUTUHAN ENERGI. JTII (Jurnal Teknologi Informasi Indonesia), 4(2), 6-16. https://doi.org/10.30869/jtii.v4i2.391
Section
Articles

References

[1] N. Arumsari and F. A. Pamuji, “Peramalan Irradiance Cahaya Matahari Pada Sel Surya Untuk Memenuhi Kebutuhan Energi Listrik Dengan Metode Support Vector Regression (Svr),” J. Nas. Tek. Elektro, vol. Vol : 6, N, no. 1, 2017.
[2] R. Pratama and Z. Kamus, “Pembuatan Sistem Pengukuran Durasi Penyinaran Matahari Berbasis Mikrokontroler Atmega8535 Menggunakan Sensor Ldr,” J. pillar physics, Jur. Fis. Univ. Negeri Padang, vol. 2, pp. 99–106, 2013.
[3] Y. S. Utomo, “Prediksi radiasi surya global bulanan kota bandung menggunakan data lpm (lama penyinaran matahari),” J. Mater. dan Energi Indones. FMIPA Univ. Padjadjaran, vol. 07, no. 02, pp. 21–27, 2017.
[4] A. Pujiastuti, “Sistem Perhitungan Lama Penyinaran Matahari ( Studi Kasus : ST . KLIMATOLOGI BARONGAN ),” ugm, FMIPA, vol. Volume 5, 2016.
[5] E. Noersasongko, F. T. Julfia, A. Syukur, , P., R. A. Pramunendar, and C. Supriyanto, “A Tourism Arrival Forecasting using Genetic Algorithm based Neural Network,” Indian J. Sci. Technol., vol. 9, no. 4, pp. 3–7, 2016.
[6] S. Sma, P. Prestasi, S. Sman, Y. A. Lesnussa, S. Latuconsina, and E. R. Persulessy, “Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA ( Studi kasus : Prediksi Prestasi Siswa SMAN 4 Ambon ),” J. Mat. Integr., vol. 11, no. 2 Oktober, pp. 149–160, 2015.
[7] D. Rahmalia and T. Herlambang, “Prediksi Cuaca Menggunakan Algoritma Particle Swarm Optimization-Neural Network ( Psonn ),” pp. 41–48, 2017.
[8] Y. D. Lestari, “Jaringan syaraf tiruan untuk prediksi penjualan jamur menggunakan algoritma backropagation,” J. ISD, vol. 2, no. 1, pp. 40–46, 2017.
[9] B. Di, P. Kota, S. Tiruan, B. Di, and P. Kota, “Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan,” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 2 January, pp. 83–87, 2016.
[10] I. Cholissodin, S. Sutrisno, A. A. Soebroto, L. Hanum, and C. A. Caesar, “Optimasi Kandungan Gizi Susu Kambing Peranakan Etawa (PE) Menggunakan ELM-PSO Di UPT Pembibitan Ternak Dan Hijauan Makanan Ternak Singosari-Malang,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 1, p. 31, 2017.
[11] R. F. Margeritha, R. S. Hartati, and N. P. Satriya Utama, “AnalisisPenyambungan Distributed Generation Guna Meminimalkan Rugi-Rugi Daya Menggunakan Metode Particle Swarm Optimization (PSO),” Maj. Ilm. Teknol. Elektro, vol. 16, no. 3, p. 122, 2017.
[12] C. A. Caesar, L. Hanum, and I. Cholissodin, “Perbandingan Metode ANN-PSO Dan ANN-GA Dalam Pemodelan Komposisi Pakan Kambing Peranakan Etawa (PE) Untuk Optimasi Kandungan Gizi,” J. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 3, p. 216, 2016.
[13] H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, p. 180, 2017.
[14] Irvan Muzakkir, A. Syukur, and I. N. Dewi, “Backpropagation Dengan Seleksi Fitur Particle Swarm Optimization Dalam Prediksi Pelanggan Telekomunikasi,” Pseudocode, vol. 1, pp. 1–10, 2014.
[15] A. Wanto, A. P. Windarto, D. Hartama, and I. Parlina, “Use of Binary Sigmoid Function And Linear Identity In Artificial Neural Networks For Forecasting Population Density,” IJISTECH (International J. Inf. Syst. Technol., vol. 1, no. 1, p. 43, 2017.