<?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="1710037">
 <titleInfo>
  <title>MODEL HYBRID MULTILAYER PERCEPTRON DAN GREY WOLF OPTIMIZATION UNTUK PREDIKSI BEBAN PUNCAK KOTA BANDA ACEH</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rudi Yusmawarsyah</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</publisher>
   <dateIssued>2026</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>Pertumbuhan konsumsi energi listrik di Kota Banda Aceh terus mengalami peningkatan, terutama pada periode beban puncak yang menjadi tantangan utama dalam menjaga keandalan sistem tenaga listrik. Ketidakakuratan prediksi beban puncak dapat mengakibatkan ketidakseimbangan suplai dan permintaan, menurunkan efisiensi operasi pembangkit, bahkan menimbulkan risiko pemadaman. Penelitian ini bertujuan mengembangkan model prediksi beban puncak berbasis machine learning dengan mengintegrasikan Multilayer Perceptron (MLP) dan algoritma optimasi Grey Wolf Optimizer (GWO) untuk menghasilkan performa prediksi yang lebih stabil dan presisi. Data yang digunakan berupa data historis beban listrik Kota Banda Aceh dari Januari 2024 hingga Januari 2025 serta variabel cuaca sebagai penunjang. Model yang dibangun dievaluasi menggunakan metrik Mean Square Error (MSE), Root Mean Squared Error (RMSE), dan Mean Absolute Erorr (MAE). Hasil prediksi menunjukkan bahwa model MLP dan GWO pada TD 1 menghasilkan kinerja terbaik dengan RMSE sebesar 0,1712 MWh, MAE 0,1382 MWh, R-squared 0,9940, dan MAPE 0,15%. Hal ini menunjukkan bahwa optimasi berbasis GWO mampu mempercepat proses konvergensi, meningkatkan stabilitas model, serta mempertajam kemampuan model dalam menangkap pola nonlinier beban puncak harian sehingga pendekatan integrasi MLP dan GWO efektif digunakan sebagai model prediksi beban puncak yang presisi. Model ini dapat menjadi referensi penting dalam proses perencanaan kapasitas pembangkit, penguatan jaringan distribusi, serta pengembangan strategi integrasi energi terbarukan di Kota Banda Aceh untuk mendukung sistem tenaga listrik yang lebih andal dan berkelanjutan.&#13;
&#13;
Kata kunci: Prediksi beban puncak, Multilayer Perceptron, Grey Wolf Optimizer, Banda Aceh.&#13;
</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ELECTRIC POWER - ENGINERING</topic>
 </subject>
 <subject authority="">
  <topic>ELECTRICITY - GENERATION</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>1710037</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2026-01-23 09:43:21</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2026-01-23 10:30:52</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>