PREDIKSI PENGGUNAAN BAHAN BAKAR PADA SEKTOR TRANSPORTASI DARI TAHUN 2015-2030 DENGAN MENGGUNAKAN METODE NEURAL NETWORK STUDI KASUS DI SUMATERA BARAT

IRZAN, PERDANA (2015) PREDIKSI PENGGUNAAN BAHAN BAKAR PADA SEKTOR TRANSPORTASI DARI TAHUN 2015-2030 DENGAN MENGGUNAKAN METODE NEURAL NETWORK STUDI KASUS DI SUMATERA BARAT. Diploma thesis, Universitas Andalas.

Text (Tugas Akhir) 201511131109th_irzan perdana 1010 911013.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Jaringan saraf tiruan (JST) adalah salah satu algoritma pembelajaran mesin yang meniru cara kerja jaringan saraf makhluk hidup. Jaringan saraf tiruan (artificial neuralnetwork) merupakan jaringan dari banyak unit pemroses kecil (yang disebut neuron) yang masing-masing melakukan proses sederhana, yang ketika digabungkan akan menghasilkan prilaku yang kompleks. Jaringan saraf tiruan dapat digunakan sebagai alat untuk memodelkan jaringan yang kompleks antara masukan (input) dan keluaran (target) pada sebuah sistem untuk menemukan pola-pola pada data. Jaringan saraf tiruan dibuat berdasarkan model biologis otak manusia. Kemampuan komputer sudah melampaui otak manusia dalam hal komputasi numerik, tetapi otak manusia dapat mengajarkan persoalan lainnya secara lebih cepat dan akurat, misalnya pada persoalan pengenalan wajah, persoalan klasifikasi, dan persoalan penarikan keputusan. Oleh karena itu, dilakukan riset yang mencoba memodelkan proses yang terjadi pada otak manusia Tugas akhir ini dimaksudkan untuk membahas prediksi pemakaian energi khususnya pada bidang transportasi. Wilayah prediksi dilakukan pada daerah Provinsi Sumatera Barat. Diharapkan dengan prediksi penggunaan bahan bakar premium dan solar dari tahun 2015-2030 pada sektor transportasi dengan menggunakan neural network, dapat membantu pemerintah dalam mengambil kebijakan yang tepat untuk pembatasan pemakaian energi, khususnya pada sektor tranportasi. Kelebihan dari metoda neural network ialah dapat memprediksi pengggunaan energi dengan menggunakan banyak variabel sehingga dapat menghasilkan prediksi dengan akurasi yang baik. Neural network juga menyesuaikan dengan keadaan lingkungan, sehingga jika ada salah satu variabel yang ditambah atau diubah sewaktu-waktu maka hasil prediksi yang didapatkan akan tetap memiliki akurasi yang baik.

Actions (login required)

View Item