Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JSI: Jurnal Sistem Informasi (E-Journal)
Risfa Fadila
Universitas Bengkulu
Computer Science & IT Decision Sciences, Operations Research & Management Library & Information Science Other

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Implementasi Artificial Neural Network dengan menggunakan Deep Multi-Layer Perceptron untuk Estimasi Konsumsi Energi pada Industri Manufaktur Baja Athaya Fairuzindah; Risfa Fadila; Aurel Giovani Aria; Wina Ayu Lestari; Riwi Dyah Pangesti
JSI: Jurnal Sistem Informasi (E-Journal) Vol 18 No 1 (2026): JSI: Jurnal Sistem Informasi (E-Journal)
Publisher : Jurusan Sistem Informasi Fakultas Ilmu Komputer Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.18495/jsi.v18i1.460

Abstract

Industri baja memegang peranan strategis dalam menunjang pertumbuhan ekonomi dan pembangunan infrastruktur nasional. Dalam proses pengolahan baja bergantung pada pengoperasian mesin dan peralatan yang membutuhkan konsumsi energi dalam jumlah besar. Tingginya konsumsi energi tersebut memerlukan upaya pengelolaan dan efisiensi energi untuk meningkatkan kinerja industri manufaktur baja. Salah satu pendekatan yang dapat digunakan untuk estimasi konsumsi energi pada industri manufaktur baja adalah Artificial Neural Network dengan Deep Multi-Layer Perceptron, yang dapat merepresentasikan hubungan nonlinier yang sangat kompleks pada industri baja. Penelitian ini mengusulkan implementasi Artificial Neural Network untuk konsumsi energi pada industri manufaktur baja dari perusahaan DAEWOO Steel Co. Ltd. Sehingga, diperoleh nilai RMSE sebesar 0.9261, nilai MAPE sebesar 63.46%., dan R-Squared sebesar 0.9992. Dapat disimpulkan bahwa penggunaan energi di perusahaan baja 99.92% dipengaruhi oleh Lagging Current Reactive Power, Leading Current Reactive Power, CO2, Lagging Current Power Factor, Leading Current Power Factor, NSM, Week, Day of Week, dan Load Type.
Co-Authors Athaya Fairuzindah Aurel Giovani Aria Lestari, Wina Ayu Riwi Dyah Pangesti