Evolutionary algorithm pada neuro-fuzzy network untuk electrical load time series data forecasting - Digital Collection of Petra Christian University

Dalam long term forecasting (LTF) data beban listrik Jatim-Bali (2005-2007) menggunakan struktur jaringan neuro-fuzzy dengan algoritma training Levenberg-Marquardt algorithm (LMA) diperoleh nilai MSE yaitu 2 x10-3 tetapi dirasa masih belum optimal (Tugas Akhir Henry Kuswanto). Oleh karena itu, Evolutionary Algorithm akan digunakan untuk optimasi parameter sehingga diharapkan output dari Evolutionary Algorithm merupakan global minimum. Tipe Evolutionary Algorithm yang digunakan adalah Real Coded Genetic Algorithm karena parameter mean dan variance dari Gaussian Membership Function adalah bilangan real. Metode yang digunakan dalam proses crossover adalah Heuristic Crossover dan untuk proses mutasi menggunakan Multiple Uniform Mutation. Hasil mean dan variance dengan MSE LTF terkecil diperoleh dari proses Evolutionary Algorithm inilah yang akan digunakan untuk long term forecasting. Parameter Evolutionary Algorithm untuk memperoleh mean dan variance terbaik adalah pc = 0.9, pm = 0.2 dengan jumlah populasi = 120. MSE LTF terbaik yang diperoleh adalah 1.9x10-3.

Contributor
• (99-034) Felix Pasila
• (97-031) Thiang
• (98-056) Hany Ferdinando

Keyword
evolutionary algorithm, neuro-fuzzy, electrical load forecasting, long-term forecasting

Category
s1 - Skripsi/Undergraduate Thesis (Program Studi Teknik Elektro S1)

Rights
Skripsi No.02010870/ELK/2008; William (23404046)
The resource(s) is/are owned by the Creator/Contributor.Reproduction & distribution for non-commercial purposes is permitted provided that the credit for the Creator/Contributor and the source are explicitly stated,and no alteration are made

FILE(s)