<?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="122472">
 <titleInfo>
  <title>AUDIT ENERGI LISTRIK DAN PREDIKSI BEBAN LISTRIK PADA GEDUNG BERBASIS ALGORITMA ARTIFICIAL NEURAL NETWORK</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Teuku Syaufi Hayu</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>Prog. Studi Magister Teknik Elektro</publisher>
   <dateIssued>2024</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>Kebutuhan akan energi listrik di Indonesia semakin lama semakin besar karena pertumbuhan ekonomi yang terus meningkat seiring berjalannya waktu. Sesuai instruksi Presiden No. 10 Tahun 2005 dan Peraturan Presiden No. 5 Tahun 2006 mengeluarkan ketentuan dalam bentuk peraturan mengenai penghematan energi dan kebijakan penggunaan energi nasional. Oleh karena itu pada penelitian ini membahas audit energi listrik dan prediksi beban listrik pada Gedung PT. Telkom Indonesia Daerah Lhokseumawe dengan menggunakan Algoritma Artificial Neural Network (ANN). Penelitian ini bertujuan untuk menghasilkan peluang penghematan energi listrik. Selain itu dalam penelitian ini juga dilakukan prediksi beban pemakaian energi listrik sebelum dan sesudah dilakukan audit menggunakan Algoritma Artificial Neural Network (ANN). Didapatkan bahwa beban terbesar pada Gedung adalah pendingin udara (AC) sebesar 61% dari seluruh total beban yang ada pada Gedung sehingga dibutuhkan audit terhadap beban tersebut. Setelah dilakukan inspeksi lokasi, pendingin udara yang digunakan melebihi kapasitas AC yang dibutuhkan sehingga diperlukan untuk pengajuan perangkat baru sesuai kebutuhan ruangan untuk menghasilkan potensi penghematan pemakaian energi listrik pada Gedung. Berdasarkan pelatihan dan validasi jaringan syaraf yang telah dilakukan model Regresi Bilayered Neural Network (BNN) dengan 3 Layers adalah model yang paling sesuai untuk dataset yang dimiliki. Dengan nilai yang didapat RMSE sebesar 1210.7, R-Squared 1.00, MSE 1.4658e+06, MAE 901.19, Prediction Speed ~1500obs/Sec, Training Time 4.8719 Sec. Hasilnya didapatkan potensi penghematan hingga 17023 kWh/bulan atau sebesar 163327 kWh/tahun. Payback Period yang dibutuhkan untuk mengembalikan investasi yang telah dikeluarkan adalah selama 14 bulan.&#13;
&#13;
Kata kunci: Audit Energi, Prediksi Beban, Peluang Hemat Energi, Model Regresi, Artificial Neural Network (ANN).</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ALGORITHMS - COMPUTER PROGRAMMING</topic>
 </subject>
 <subject authority="">
  <topic>ELECTRIC POWER - ENGINERING</topic>
 </subject>
 <classification>621.31</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>122472</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-04-17 18:40:52</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-04-18 09:48:35</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>