Analisis Estimasi Konsumsi Batubara Indonesia Menggunakan Jaringan Saraf Tiruan


FALLO, SETIAWAN TITORA (2026) Analisis Estimasi Konsumsi Batubara Indonesia Menggunakan Jaringan Saraf Tiruan. Thesis thesis, UNIVERSITAS HASANUDDIN.

[thumbnail of D112231001-ypJICbjoYh2WgSQM-20260811154112.pdf] Text
D112231001-ypJICbjoYh2WgSQM-20260811154112.pdf
Restricted to Repository staff only

Download (5MB)

Abstract (Abstrak)

Indonesia merupakan salah satu produsen dan eksportir batubara terbesar di dunia, sehingga estimasi konsumsi batubara menjadi aspek yang sangat penting dalam mendukung perencanaan energi serta perumusan strategi industri pertambangan. Penelitian ini bertujuan untuk mengestimasi konsumsi batubara di Indonesia menggunakan metode Jaringan Saraf Tiruan (JST) tipe Multilayer Perceptron (MLP). Kebaruan penelitian ini terletak pada evaluasi komprehensif terhadap kombinasi parameter utama MLP untuk memperoleh konfigurasi model yang optimal dalam estimasi konsumsi batubara Indonesia, yang masih jarang dilaporkan pada penelitian sebelumnya. Model JST menggunakan variabel input berupa populasi, Produk Domestik Bruto (PDB), nilai ekspor, nilai impor, serta konsumsi batubara historis sebagai variabel target. Proses pelatihan model dilakukan menggunakan algoritma Levenberg–Marquardt (trainlm) dan Bayesian Regularization Backpropagation (trainbr), dengan mempertimbangkan variasi skema normalisasi data serta jumlah neuron pada lapisan tersembunyi. Evaluasi kinerja model dilakukan menggunakan nilai Correlation Coefficient (R) pada data yang telah dinormalisasi dan nilai Mean Absolute Percentage Error (MAPE) pada data hasil denormalisasi. Hasil penelitian menunjukkan bahwa algoritma trainbr yang dikombinasikan dengan normalisasi data pada rentang [−1,1] memberikan kinerja paling optimal, yang ditunjukkan oleh nilai R yang tinggi serta MAPE yang lebih rendah dibandingkan konfigurasi lainnya. Berdasarkan konfigurasi model yang optimal, konsumsi batubara Indonesia diestimasikan terus meningkat hingga mencapai puncaknya pada tahun 2032 sekitar 343,95 juta ton, sebelum memasuki fase perlambatan pada periode 2033–2034. Temuan ini memberikan kontribusi metodologis dalam permodelan estimasi konsumsi energi berbasis JST serta kontribusi praktis sebagai referensi bagi perencanaan energi nasional, penyusunan strategi pada sektor pertambangan maupun sektor pengguna batubara, serta sebagai dasar pertimbangan dalam perumusan kebijakan dekarbonisasi di Indonesia.

Item Type: Thesis (Thesis)
Uncontrolled Keywords: artificial neural networks; multilayer perceptron; coal consumption; trainbr; energy estimation
Subjects: T Technology > T Technology (General)
Divisions (Program Studi): Fakultas Teknik > Teknik Pertambangan
Depositing User: Unnamed user with username takdim
Date Deposited: 04 Nov 2026 03:25
Last Modified: 04 Nov 2026 03:25
URI: http://repository.unhas.ac.id:443/id/eprint/61078

Actions (login required)

View Item
View Item