Article Per Year (5 Year)
p-Index From 2020 - 2025
1.556
P-Index
This Author published in this journals
All Journal Jurnal Sains Matematika dan Statistika Mathvision : Jurnal Matematika
USWATUN KHASANAH
Unknown Affiliation
Mathematics

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Prediksi Biaya Konsumsi Bahan Bakar Gas Menggunakan Metode Backpropagation Neural Network (Studi Kasus: PLTU PT. Pembangkit Jawa Bali Unit Pembangkitan Gresik) Uswatun Khasanah; Nurissaidah Ulinnuha
Jurnal Sains Matematika dan Statistika Vol 5, No 2 (2019): JSMS Juli 2019
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/jsms.v5i2.7630

Abstract

Dalam pembangkitan energi listrik diperlukan bahan bakar yang memadai karena bahan bakar merupakan komponen utama dalam pembangkitan energi listrik. Penggunaan bahan bakar yang efektif dan efisien tentu saja disesuaikan dengan kebutuhan beban yang diminta sehingga tidak ada energi yang terbuang ataupun kekurangan bahan bakar dalam proses pembangkitan. Maka dibutuhkan suatu perencanaan yang baik dengan melakukan prediksi terhadap biaya konsumsi bahan bakar gas yang dikeluarkan oleh Unit PLTU PT. PJB UP Gresik dengan menggunakan kecerdasan buatan yaitu metode Backpropagation Neural Network. Hasil Prediksi biaya konsumsi bahan bakar gas pada Unit PLTU PT. PJB UP Gresik selama tahun tahun 2019 yaitu sebesar Rp 379.039.171.701 dengan MAPE sebesar 10.418%.
ANALISIS PERAMALAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Dian Candra Rini; Uswatun Khasanah; Wika Dianita Utami; Putroue Keumala Intan
MathVisioN Vol 1 No 1 (2019): Maret 2019
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (391.087 KB)

Abstract

Prediksi atau peramalan beban listrik dibutuhkan dalam menentukan jumlah listrik yang akan diproduksi guna mencegah terjadinya beban berlebih yang dapat menyebabkan kerusakan pada sistem trafo atau kekurangan beban listrik yang mengakibatkan krisis energi listrik pada konsumen. Oleh karena itu, dibutuhkan suatu metode alternatif untuk memprediksi beban listrik jangka pendek, salah satunya yaitu metode Adaptive Neuro Fuzzy Inference System pada penelitian ini. Data diperoleh dari PT. PLN (Persero) APD Jawa Timur yang berisi data beban listrik per setengah jam dari bulan februari sampai september tahun 2018 yang digunakan sebagai data aktual. Data kemudian dilatih dengan menggunakan metode ANFIS dan didapatkan hasil peralaman bulan september 2018. Data uji coba tanggal 1 s/d 28 september tergolong memiliki tingkat kesalahan yang rendah yaitu MAPE menunjukkan hasil 7,926%. Nilai error terbesar terjadi pada tanggal 18 september yaitu sebesar 20,51% sedangkan nilai error terkecil terjadi pada tanggal 16 september yaitu sebesar 1,117%.
KLASIFIKASI MULTI CLASS MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK UNTUK PREDIKSI STUNTING PADA BALITA Khasanah, Uswatun
MathVisioN Vol 7 No 1 (2025): Maret 2025
Publisher : Prodi Matematika FMIPA Unirow Tuban

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55719/mv.v7i1.1650

Abstract

Stunting merupakan sebuah masalah gizi kronis yang menghambat pertumbuhan anak dan menyebabkan efek jangka panjang yang serius. Salah satu upaya yang dapat dilakukan untuk mengetahui stunting lebih dini yaitu dengan melakukan prediksi. Pada penelitian ini dilakukan klasifikasi multiclass menggunakan Metode Backpropagation Neural Nework untuk prediksi stunting pada balita. Proses pada penelitian ini yaitu pengumpulan data, preprocessing data, pembagian data, pembangunan model, pelatihan, pengujian dan evaluasi model. Model yang dibangun dapat mengklasifikasi status stunting menjadi 4 kategori yaitu normal, tinggi, stunting, dan sangat stunting. Data yang digunakan pada penelitian ini yaitu sebanyak 120.999 data. Data dibagi menjadi dua yaitu sebanyak 80% digunakan sebagai data latih dan 20% sebagai data uji. Perhitungan akurasi menggunakan metode cross entropy dan evaluasi akurasi. Hasil penelitian menunjukkan bahwa akurasi training yang didapatkan sebesar 99% dan akurasi testing sebesar 99%. Berdasarkan hasil tersebut menunjukkan bahwa model pembelajaran yang dibangun dengan menggunakan metode Backpropagation Neural Network mampu mencapai hasil yang sangat baik untuk melakukan klasifikasi stunting ke dalam beberapa kelas.
Co-Authors Anis Nur Laili Aulia, Aldaniah Zahrotul Esyuananik, Esyuananik Fitriyani ,, Fitriyani Fitriyani, F Junaidi Junaidi Khoirudin, Rifki Milatun Khanifah Muhammad Afif Muslimin, Edy Ningsih Fadhilah Nur Diana Nurissaidah Ulinnuha Putroue Keumala Intan Sari, Dian Candra Rini Novita Sari, Galuh Kartika Wika Dianita Utami