<?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="149443">
 <titleInfo>
  <title>IMPLEMENTASI BAYESIAN REGULARATION NEURAL NETWORK (BRNN) UNTUK MODAL PRAKIRAAN BEBAN LISTRIK JANGKA PENDEK DI KOTA LANGSA</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Ahmad Fauzi</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>Program Studi Magister Teknik Elektro</publisher>
   <dateIssued>2025</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>Penelitian ini menerapkan algoritma bayessian regularization neural network (BRNN) dalam membuat model prediksi beban listrik. Penerapan algoritma BRNN dimaksudkan untuk mencegah kondisi overfitting yang kerap terjadi pada penerapan algoritma neural network dalam membuat model prediksi. Kondisi overfitting mempengaruhi tingkat akurasi model prediksi sehingga nilai prediksi yang diinginkan tidak mendekati nilai sebenarnya. Dalam penelitian ini, model prediksi BRNN dibangun dengan 5 (lima) topologi jaringan dengan skema supervised learning feed forward network. Kelima topologi jaringan model BRNN tersebut dilatih dan diuji dengan menggunakan konstruksi dataset yang berbeda. Selain itu, model BRNN dibandingkan dengan model prediksi levenberg marquardt neural network (LMNN) dengan skema topologi jaringan yang sama. Hasil penelitian menunjukkan, model BRNN yang dibangun dengan 5 topologi jaringan tersebut mampu menghasilkan model prediksi dengan tingkat akurasi yang tinggi berdasarkan simulasi pelatihan model dan pengujian model prediksi</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ELECTRIC POWER - ENGINERING</topic>
 </subject>
 <subject authority="">
  <topic>NEURAL NETWORKS (COMPUTER SCIENCE)</topic>
 </subject>
 <classification>006.32</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>149443</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-02-04 14:31:48</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-02-04 15:02:39</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>