OPTIMASI ARTIFICIAL NEURAL NETWORK DENGAN GENETIC ALGORITHM PADA PREDIKSI DEBIT INFLOW WADUK SENGGURUH

Yandria Elmasari
Nurhadi Nurhadi


DOI: http://dx.doi.org/10.29100/jipi.v4i2.1442

Abstract


Waduk merupakan salah satu sumber daya yang memiliki banyak fungsi, diantaranya sebagai sumber energi dalam pengelolaan Pembangkit Listrik Tenaga Air (PLTA), irigasi lahan pertanian, pasokan persediaan Perusahaan Air Minum dan berfungsi sebagai pencegah banjir. Dengan vitalnya peran waduk tersebut diperlukan suatu strategi pengelolaan waduk agar mendapatkan hasil yang optimal dalam pengoperasiannya, salah satunya dengan meramalkan debit inflow (debit masuk). Pada penelitian ini digunakan Jaringan Syaraf Tiruan sebagai model peramalan debit inflow dengan metode pelatihan Algoritma Genetika. Pelatihan Jaringan Syaraf Tiruan menggunakan Algoritma Genetika dilakukan dengan mengkodekan bobot dan bias jaringan kedalam kromosom dan nilai fitness  didapat dari error hasil proses feedforward. Pada penelitian ini dapat diketahui parameter genetika mampu mempengaruhi besar nilai fitness diantaranya probabilitas crossover dan jumlah generasi.Hasil dari pengujian didapatkan nilai fitness terkecil adalah 0,157

Full Text:

PDF

References


Xu, B., Zhong, P., Zhao, Y., Zhu, Y., & Zhang, G. (2014). Comparison between dynamic programming and genetic algorithm for hydro unit economic load dispatch. Water Science and Engineering, 7(4), 420–432. http://doi.org/10.3882/j.issn.1674-2370.2014.04.007

Tatar, A., Naseri, S., Sirach, N., Lee, M., & Bahadori, A. (2015). Prediction of reservoir brine properties using radial basis function ( RBF ) neural network. Petroleum, 1(4), 349–357. http://doi.org/10.1016/j.petlm.2015.10.011

Ji, H., & Qinglin, W. (2012). Douhe Reservoir Flood Forecasting Model Based on Data Mining Technology, 12, 93–98. http://doi.org/10.1016/j.proenv.2012.01.252

Heydari, H., Sajedi, S., & Goudarzi, V. (2018). Saturation exponent determination by using genetic algorithm in carbonate reservoirs : A case study in Sarvak Formation. Egyptian Journal of Petroleum, 27(2), 241–247. http://doi.org/10.1016/j.ejpe.2017.07.013

Zhong, S., Xie, X., Lin, L., & Wang, F. (2017). Genetic algorithm optimized double-reservoir echo state network for multi-regime time series prediction. Neurocomputing. http://doi.org/10.1016/j.neucom.2017.01.053

Sattari, M. T., Yurekli, K., & Pal, M. (2012). Performance evaluation of artificial neural network approaches in forecasting reservoir inflow. Applied Mathematical Modelling, 36(6), 2649–2657. http://doi.org/10.1016/j.apm.2011.09.048

Negash, B. M., Tufa, L. D., Marappagounder, R., & Bt, M. (2016). Conceptual Framework for Using System Identification in Reservoir Production Forecasting. Procedia Engineering, 148, 878–886. http://doi.org/10.1016/j.proeng.2016.06.479

You, L., Tan, Q., Kang, Y., Xu, C., & Lin, C. (2018). Reconstruction and prediction of capillary pressure curve based on Particle Swarm Optimization-Back Propagation Neural Network method. Petroleum, 4(3), 268–280. http://doi.org/10.1016/j.petlm.2018.03.004

F. Rozi and F. Sukmana, “Metode siklis dan adaptive neuro fuzzy inference system untuk peramalan cuaca,” J. Ilm. Penelit. dan Pembelajaran Inform., vol. 1, no. 1, pp. 7–13, 2016.

F. Rozi and F. Sukmana, “Penggunaan moving average dengan metode hybrid artificial neural network dan fuzzy inference system untuk prediksi cuaca,” J. Ilm. Penelit. dan Pembelajaran Inform., vol. 01, no. 02, pp. 38–42, 2016.

F. Rozi, C. Fatichah, and D. Purwitasari, “Inisialisasi Klaster Menggunakan Fuzzy Association,” vol. 13, no. Mcvm, pp. 190–197, 2015.

F. Sukmana, and F. Rozi, “Rekomendasi Solusi Pada Sistem Computer Maintenance Management System Menggunakan Association Rule, Fisher Exact Test One Side P-Value Dan Double One Side P-Value,” vol. 4, pp. 213–220, 2017.


Article Metrics :

Abstract view : 163 times

PDF View : 120 times

About The Author :

Yandria Elmasari Pendidikan Teknologi Informasi-STKIP PGRI Tulungagung (Indonesia)

Nurhadi Nurhadi Universitas Nahdlatul Ulama Blitar