<?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="114042">
 <titleInfo>
  <title>PERBANDINGAN HASIL PRAKIRAAN BEBAN JANGKA PENDEK DENGAN ARTIFICIAL NEURAL NETWORK DAN ADAPTIF NEURO FUZZY INFERENCE SYSTEM DI GARDU INDUK BANDA ACEH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>DEFRI FRENALDI</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 Elektro</publisher>
   <dateIssued>2023</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak- Energi listrik merupakan kebutuhan yang utama dalam semua sektor kehidupan sehingga menyebabkan meningkatnya pemakaian beban listrik. Surplus energi listrik dari pembangkit tidak dapat disimpan dalam jumlah banyak dan defisit energi listrik menyebabkan terjadinya pemadaman pada pelanggan sehingga energi yang tersedia harus didistribusikan secara realtime. Oleh karena itu adanya metode peramalan yang efektif diharapkan mampu menciptakan keseimbangan energi antara pembangkit dan penggunaan. Penggunaan metode artificial neural network dan adaptif neuro fuzzy system dapat dilakukan dalam melakukan prakiraan dengan memperhatikan nilai mean absolut percentage error(MAPE) yang dihasilkan. Model yang dikembangkan berupa variasi jenis algoritma data masukan dalam sistem. Berdasarkan hasil simulasi model terbaik yang didapatkan adalah dengan menggunakan ANN menggunakan 3 Input dengan hasil MAPE 4.62%. pada hasil penelitian juga didapatkan bahwa Input yang paling berpengaruh terhadap keakuratan hasil prakiraan adalah Input beban listrik dan suhu. Sedangkan untuk beban puncak memilih pengaruh yang tidak signifikan.</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>114042</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2023-09-04 10:20:26</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2023-09-04 14:28:47</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>