<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="110413">
 <titleInfo>
  <title>PREDIKSI KECEPATAN ANGIN JANGKA MENENGAH MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) UNTUK ESTIMASI DAYA LISTRIK DARI PLTB; STUDI KASUS DI SABANG</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Abdul Malek</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik (S2)</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Theses</form>
  <extent></extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
&#13;
Kebutuhan energi listrik  di Aceh akan terus meningkat, sedangkan Aceh memiliki potensi energi terbarukan yang sangat besar seperti energi yang bersuber dari angin. Salah satu Inovasi pemamfaatan  enengi angin adalah dengan cara melakukan prediksi kecepatan angin, agar mengetahui potensi kecepatan angin yang bisa digunakan untuk perencanaan pembangkit listrik tenaga bayu (PLTB). Prediksi dilakukan dengan metode artificial neural network (ANN) menggunakan algoritma backpropogation neural network (BPNN). Data sampel penelitian ini bersumber dari BMKG pada tahun 2017-2021 dengan data sebanyak 1826 data, data sampel yang dibagi menjadi bagian testing dan training. Temuan pada penelitian ini menunjukan bahwa nilai error pada hasil testing dengan settingan hidden layer 70 pada learning rate 0,9 menghasilkan nilai error terkecil 0,0036. Dengan menghasilkan nilai daya listrik terbesar 2,72 kw/hari. System Algoritma BPNN pada penelitian ini berkerja maksimal dalam memprediksi kecepatan angin di Sabang. &#13;
&#13;
Kata kunci: Kecepatan Angin, Artificial Neural Network, Energi Listrik</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>WIND-POWERED ELECTRIC GENERATION</topic>
 </subject>
 <subject authority="">
  <topic>ELECTRIC POWER - ENGINERING</topic>
 </subject>
 <classification>621.312 136</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>110413</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-04-18 11:37:45</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-05-05 10:40:17</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>