Darwis, Muhammad (2022) STUDY ALIRAN DAYA PADA SISTEM TENAGA LISTRIK MENGGUNAKAN EXTREME LEARNING MACHINE. Skripsi thesis, Universitas Hasanuddin.
![[thumbnail of cover]](/14835/1.hassmallThumbnailVersion/D032172004_tesis_28-03-2022%20cover1.png)
![](/14835/1.haspreviewThumbnailVersion/D032172004_tesis_28-03-2022%20cover1.png)
D032172004_tesis_28-03-2022 cover1.png
Download (125kB) | Preview
![[thumbnail of bab 1-2]](/style/images/fileicons/text.png)
D032172004_tesis_28-03-2022 1-2.pdf
Download (492kB)
![[thumbnail of daftar pustaka]](/style/images/fileicons/text.png)
D032172004_tesis_28-03-2022 dp.pdf
Download (182kB)
![[thumbnail of full text]](/style/images/fileicons/text.png)
D032172004_tesis_28-03-2022.pdf
Restricted to Repository staff only until 1 January 2027.
Download (1MB)
Abstract (Abstrak)
Load Flow atau analisa aliran daya listrik dalam sistem tenaga listrik digunakan untuk menentukan parameter-parameter sistem tenaga listrik seperti tegangan, arus, daya aktif, maupun daya reaktif yang terdapat pada jaringan listrik. Metode yang telah lama digunakan dalam perhitungan Load flow atau aliran daya adalah metode iterasi Newton-Raphson. Adapun dalam perkembangannya untuk menyelesaikan studi aliran daya dilakukan dengan membuat menerapkan metode Artificial Intelligence, salah satunya adalah metode Extreme Learning Machine. Metode ini digunakan dalam simulasi perhitungan sistem sederhana 39 Bus dari IEEE. Extreme Learning Machine ini dalam analisa pengujiannya dilakukan dengan 2 input, 1 hidden layer, 5 neuron, dan 2 output serta jumlah dataset sebanyak 39 untuk menghasilkan MAE dan MAPE berturut-turut sebesar 2.02 dan 0.76% serta dengan waktu proses yang sangat cepat sebesar 0.010s
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | T Technology > T Technology (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering |
Divisions (Program Studi): | Fakultas Teknik > Teknik Elektro |
Depositing User: | Nasyir Nompo |
Date Deposited: | 31 Mar 2022 01:57 |
Last Modified: | 31 Mar 2022 01:57 |
URI: | http://repository.unhas.ac.id:443/id/eprint/14835 |