Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Elektro (JTE)
Erryka Ayu Diah Charisma
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Prediksi Daya Listrik Jangka Sangat Pendek Pembangkit Listrik Mikrohidro Menggunakan Metode Hybrid Decomposisi Feed Forward Neural Network (FFNN) Erryka Ayu Diah Charisma; Kartini, Unit
JURNAL TEKNIK ELEKTRO Vol. 14 No. 2 (2025): MEI 2025
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jte.v14n2.p176-184

Abstract

Pengembangan model prediksi daya listrik satu jam kedepan pada sistem mikrohidro PLTMH Kare menggunakan pendekatan Decomposisi Feed Forward Neural Network (D-FFNN) merupakan tujuan dari penelitian ini. Fenomena yang diangkat adalah pentingnya efisiensi dalam memprediksi daya listrik yang dihasilkan oleh sistem mikrohidro PLTMH Kare yang dipengaruhi oleh beberapa faktor seperti arus, tegangan, debit air, dan daya listrik. PLTMH Kare berlokasi di Desa Kare, Kabupaten Madiun. Tujuan utama penelitian ini adalah untuk mengevaluasi akurasi model D-FFNN dalam memprediksi daya listrik berdasarkan data yang dikumpulkan dari sistem mikrohidro yang telah terpasang, sehingga mendapatkan hasil peramalan yang akurat. Metode yang digunakan meliputi pengumpulan data arus, tegangan, daya listrik, dan debit air selama tujuh hari dimulai tanggal 18 November sampai 24 November 2024, dari jam 10:00 WIB hingga 17:00 WIB, diikuti dengan pemrosesan data dan pelatihan model D-FFNN. Model ini kemudian diuji untuk membandingkan hasil prediksi daya listrik dengan data aktual yang tercatat. Hasil penelitian menunjukkan bahwa model D-FFNN berhasil memprediksi daya listrik dalam satu jam ke depan sebesar 7312 Watt dengan tingkat kesalahan rata-rata kurang dari 1%. Kata Kunci: Decomposisi, Feed Forward Neural Network, Daya Listrik, Prediksi
Co-Authors Kartini, Unit