• Login
    View Item 
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Computer Science
    • View Item
    •   Home
    • UNDERGRADUATE THESES (Koleksi Skripsi Sarjana)
    • UT-Faculty of Computer Science
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Optimasi Persediaan Material Transformator Menggunakan Metode Jaringan Syaraf Tiruan dan Ant Colony Optimization di PT. PLN (Persero) Area Jember

    Thumbnail
    View/Open
    Rizki Herdatullah-122410101035.pdf (2.323Mb)
    Date
    2019-07
    Author
    Herdatullah, RIZKI
    Metadata
    Show full item record
    Abstract
    PT PLN (Persero) Area Jember sebagai Badan Usaha Milik Negara yang ditugaskan oleh pemerintah untuk mengelola ketanagalistrikan berperan penting dalam menjaga ketersediaan pasokan dan pendistribusian tenaga listrik serta pelayanan produknya terhadap masyarakat Kabupaten Jember. Terkait dengan hal tersebut, terdapat dua indikator untuk mengukur kinerja PLN dalam menangani masalah keandalan pasokan dan pendistribusian tenaga listrik kepada pelanggan, yaitu SAIDI (System Average Interruption Duration Index) dan SAIFI (System Interruption Frequency Index). Salah satu cara untuk mencapai kinerja SAIDI dan SAIFI yang baik adalah dengan melakukan optimasi ketersediaan material yang digunakan yakni salah satunya transformator atau biasa disebut trafo. Demi terwujudnya komitmen PLN dalam menurunkan nilai angka SAIDI dan SAIFI secara berkesinambungan, diperlukan manajemen optimasi material transformator yang lebih baik, sehingga ketika dibutuhkan replacement, material transformator yang dibutuhkan tersedia. Optimasi berasal dari kata dasar optimal yang berarti terbaik, tertinggi, paling menguntungkan, menjadikan paling baik, dan perbuatan mengoptimalkan (menjadikan paling baik, paling tinggi, dan sebagainya). Salah satu cara yang dapat dilakukan adalah dengan melakukan prediksi. Prediksi adalah upaya untuk meramal masa depan. Prediksi dapat dilakukan dengan mempelajari pola data historis untuk menemukan suatu permodelan yang dapat menggambarkan data masa depan. Metode ini dinamakan prediksi time series. Salah satu algoritma yang dapat membentuk model dari data historis adalah Artificial Neural Networks (ANN). Algoritma ini meniru sistem saraf manusia sehingga dapat menyelesaikan masalah non-linear, seperti prediksi kebutuhan trafo dalam setahun.
    URI
    http://repository.unej.ac.id//handle/123456789/95443
    Collections
    • UT-Faculty of Computer Science [1025]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    Context

    Edit this item

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository