<?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="95728">
 <titleInfo>
  <title>PRAKIRAAN BEBAN LISTRIK JANGKA PENDEK KOTA BANDA ACEH BERBASIS LOGIKA  FUZZY</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Rio Syahputra</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></dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Salah satu aspek teknis yang menunjang perencanaan pengoperasian optimal suatu pembangkit baik ditinjau dari segi keandalan  sistem  maupun  segi ekonomis  operasi sistem tenaga adalah masalah prakiraan  beban listrik jangka pendek.  Tugas Akhir ini bertujuan untuk memprakirakan  beban listrikjangka pendekjam  beban puncak (17.30&#13;
- 22.30  WIB) pembebanan  harian  Unit Penyaluran  Transmisi  Banda Aceh  P3B PT PLN  Persero  wilayah  Aceh  150-20  kV  dengan  mengaplikasikan   metode  Adaptive Neuro Fuzzy Inference System (ANFIS).Perangkat lunak yang digunakan untuk memprediksi  beban  listrik  jangka  pendek  dalam  tugas  akhir  ini  dengan  bantuan perangkat  lunak MATLAB  R 2007b  dan Microsoft  Excel 2007.  Simulasi dilakukan dengan memanfaatkan  4 bulan training data set pembebanan  harian.  Struktur ANFIS yang    nantinya    dilatih    menggunakan    model    ANFIS   Sugeno,   3    jenis    fungsi keanggotaan  dengan 3 dan 4 fuzzy set untuk masing-masing jenis  fungsi  keanggotaan. Struktur  ANFIS  tersebut    nantinya  dilatih  dengan  menggunakan   algoritma  hybrid. Dari hasil simulasi diperoleh  bahwa  struktur ANFIS  3  masukan  fungsi  keanggotaan gbe/1 dengan  3 fuzzy   set  sebagai  struktur  ideal.  Selanjutnya  hasil  estimasi  ANFIS dibandingkan  dengan  metode rat.a-rat.a  bergerak. Hasil simulasi menunjukkan model prediksi  ANFIS  menghasilkan   MAPE  sebesar  3,42  %,  sedangkan   model  prediksi metode rata-rata bergerak sebesar 6,58 %.&#13;
&#13;
Kata Kunci  :   ANFIS,  Fungsi  Keanggotaan,  Algoritma  hybrid,  MAPE (Mean Absolut&#13;
Percentage Error)&#13;
&#13;
&#13;
&#13;
&#13;
&#13;
</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>ALGORITMA AND FUZZY SISTEMS</topic>
 </subject>
 <classification>511.313</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>95728</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2021-12-07 10:02:04</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2022-02-24 15:13:40</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>