PERAMALAN BEBAN GAS DENGAN METODE FEED-FORWARD NEURAL NETWORKS STUDI KASUS DI PT. GAS NEGARA

Jaringan saraf tiruan Artificial Neural networks adalah model komputasi yang mempunyai kemampuan untuk belajar menggenaralisir ataupun mengorganisir data base pada proses paralel. Diantara bermacam - macam jaringan yang paling banyak digunakan adalah multi-layer feed-forward neural network yang mampu memetakan fungsi non linier antara input dan output. Jaringan syaraf tersebut dapat ditraining dengan benar dan metode yang efisien secara komputasi yang disebut error backpropagation. Pada tugas akhir ini Model peramalan pemakaian beban gas di PT. Perusahaan Gas Negara berbasis jaringan syaraf multi layer feed forward diimplementasikan dengan bahasa pemrograman untuk menunjukkan bagaimana proses pad a jaringan syaraf tersebut. Beban gas bergantung pada beberapa faktor seperti cuaca kalender dan informasi ekonomi yang lain. Faktor - faktor terse but akan di refleksikan ke dalam model sehingga dari model didapat nilai peramalan data untuk beban yang akan datang. Model - model yang sarna dapat juga dibangun untuk mengatasi problem - problem dilapangan selama hubungan antara input dan output dapat dikaptur ke dalam model.

1.  ITS-Undergraduate-12991-1297109035-Abstract_id.pdf - 26 KB
2.  ITS-Undergraduate-12991-1297109035-Conclusion.pdf - 21 KB

• PENGENALAN POLA EPILEPTIC SPIKES PADA REKAMAN EEG DENGAN MENGGUNAKAN WAVELET NEURAL NETWORK
• PENGENALAN CITRA MANUSIA DENGAN FITUR-FITUR TEPI, TEKSTUR, DAN WARNA KULIT MENGGUNAKAN NEURAL NETWORK
• MEMORI HETEROASOSIATIF DUA ARAH UNTUK PEMBELAJARAN POLA BIPOLAR DAN GRAYSCALE MENGGUNAKAN JARINGAN SARAF TIRUAN
• METODE PERAMALAN FUZZY GROUP BERBASIS JARINGAN SARAF TIRUAN PADA PREDIKSI NILAI TUKAR MATA UANG
• PENERAPAN JARINGAN SYARAF TIRUAN RUNGE KUTTA UNTUK IDENTIFIKASI SISTEM DINAMIK NONLINEAR