Informasi Umum

Kode

23.04.1684

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Web Programming,

Dilihat

261 kali

Informasi Lainnya

Abstraksi

<p>Dalam beberapa dekade terakhir, teknologi berkembang semakin pesat dan mengarah ke perangkat elektronik. Ditambah lagi, pengaruh gaya hidup modern dapat mempengaruhi meningkatnya pemakaian energi listrik. Apabila dibiarkan secara berkelanjutan dapat mengakibatkan kelangkaan energi listrik dalam waktu dekat. Tujuan penelitian Tugas Akhir untuk memprediksi pemakaian energi listrik yang ditampilkan ke dalam website. Penelitian Tugas Akhir dimulai dengan pengambilan gambar sisa pulsa listrik yang diolah menjadi data pemakaian energi listrik untuk proses pembuatan model prediksi. Algoritma prediksi yang diusulkan adalah Long Short-Term Memory (LSTM) yang dipilih karena cocok dalam mengatasi tipe data time series. Penelitian ini juga dikembangkan sebuah website yang digunakan sebagai antarmuka hasil prediksi. Model LSTM dirancang agar dapat memprediksi pemakaian energi listrik selama 1 hari ke depan dan digunakan untuk menghitung lama waktu sisa pulsa listrik akan habis. Untuk memperoleh model LSTM terbaik, dilakukan pengujian dataset dan hyperparameter. Hasil pengujian model LSTM terbaik mendapatkan nilai loss Mean Square Error (MSE) sebesar 0.00059, sedangkan hasil pengujian alpha pada website mendapatkan tingkat akurasi sebesar 100%, dan pengujian beta mendapatkan tingkat akurasi rata-rata sebesar 82.64%.</p>

  • TUI4B4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Anda harus log in untuk mengakses flippingbook

Pengarang

Nama FATHONI WASESO JATI
Jenis Perorangan
Penyunting Budhi Irawan
Penerjemah

Penerbit

Nama Universitas Telkom, S1 Teknik Komputer
Kota Bandung
Tahun 2023

Sirkulasi

Harga sewa IDR 0,00
Denda harian IDR 0,00
Jenis Non-Sirkulasi