SUNARDIYO, Said and Purwanto, Purwanto and Hermawan, Hermawan (2022) MODEL PRAKIRAAN ENERGI LISTRIK PADA BANGUNAN KAMPUS BERBASIS JARINGAN SYARAF TIRUAN SEBAGAI PENGEMBANGAN KAMPUS HIJAU. Doctoral thesis, UNIVERSITAS DIPONEGORO.

	Text COVER dll.pdf Download (2MB)
	Text BAB I.pdf Download (605kB)
	Text BAB II.pdf Download (1MB)
	Text BAB III.pdf Restricted to Repository staff only Download (527kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (1MB)
	Text BAB VI.pdf Download (378kB)
	Text DAFTAR PUSTAKA.pdf Download (802kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (988kB)

Abstract

Bangunan komersial menyumbang 40% dari total penggunaan energi dan 36% dari total emisi Carbon Dioksida (CO2). Kampus dipandang sebagai kawasan yang memiliki tingkat penggunaan energi yang tinggi melalui aktivitas pendidikan di gedung- gedung dari aktivitas warga kampus hijau Universitas Negeri Semarang (UNNES). Langkah yang diharapkan untuk mengurangi biaya konsumsi energi di kampus hijau adalah melalui program konservasi energi salah satunya dengan mengetahui konsumsi energi di masa depan melalui prakiraan berdasarkan data-data historis tahun-tahun sebelumnya. Prakiraan penggunaan energi di bangunan gedung penting dilakukan hal ini untuk meningkatkan kinerja energi, dengan tujuan mencapai konservasi energi dan mengurangi dampak lingkungan (emisi CO2). Lokasi penelitian di kampus hijau UNNES Sekaran Gunungpati Semarang. Hasil penelitian menunjukkan model Jaringan Syaraf Tiruan backpropagation untuk memprakirakan kebutuhan energi listrik di bangunan kampus hijau UNNES ini berdasarkan data eksternal iklim dan okupansi per bulan dari tahun 2013- 2020, meliputi data pada saat sebelum pandemi Covid 19 dan pada saat pendemi Covid 19. Temuan pertama, studi menghasilkan arsitektur jaringan terbaik dengan pola 6 neuron input layer, 20 neuron hidden layer dan 1 neuron output layer sebagai hasil dari uji coba 18 variasi fungsi aktivasi dan fungsi pelatihan dengan kecepatan perhitungan prediksi sebesar 15,349 detik. Adapun hasil validasi nilai aktual pengukuran terhadap nilai target prakiraan pada tahun 2019 dan 2020 memberikan keakurasian nilai Mean Square Error (MSE) sebesar 0,0832 dan Mean Absolute Percentage Error (MAPE) sebesar 22,553% sehingga dikategorikan peramalan wajar dipergunakan sebagai model prakiraan penggunaan energi listrik tahun 2021-2025. Temuan yang kedua studi besarnya emisi CO2 yang timbul di kampus hijau UNNES berdasarkan dari hasil prediksi konsumsi energi listrik tahun 2021 - 2025 besarnya diperoleh dengan mempertimbangkan faktor emisi listrik per tahun dari Rencana Usaha Penyediaan Tenaga Listrik (RUPTL) Sistem Jawa Bali PT. Perusahaan Listrik Negara (PLN).
Kata-kata kunci : Jaringan Syaraf Tiruan, kampus UNNES, konsumsi energi listrik, emisi CO2

Commercial buildings account for 40% of total energy use and 36% of total Carbon Dioxide (CO2) emissions. The campus is seen as an area that has a high level of energy use through educational activities in buildings from the activities of residents of the Semarang State University (UNNES) green campus. The steps that are expected to reduce energy consumption costs in green campuses are through energy conservation programs, one of which is by knowing future energy consumption through forecasts based on historical data from previous years. Forecasting energy use in buildings is important to do this to improve energy performance, with the aim of achieving energy conservation and reducing environmental impacts (CO2 emissions). The research location is on the green campus of UNNES Sekaran Gunungpati Semarang. The results showed that the backpropagation Neural Network model for estimating the need for electrical energy in the UNNES green campus building was based on external climate and occupancy data per month from 2013-2020, including data before the Covid 19 pandemic and during the Covid 19 pandemic. The first findings , the study produces the best network architecture with a pattern of 6 neurons in the input layer, 20 neurons in the hidden layer and 1 neuron in the output layer as a result of testing 18 variations of the activation function and training function with a predictive calculation speed of 15.349 seconds. The results of the validation of the actual value of the measurement against the forecast target value in 2019 and 2020 provide an accuracy of the Mean Square Error (MSE) value of 0.0832 and the Mean Absolute Percentage Error (MAPE) of 22.553% so that it is categorized as a reasonable forecast used as a model for forecasting the use of electrical energy. year 2021-2025. The second finding is a study of the amount of CO2 emissions that arise at the UNNES green campus based on the predicted results of electric energy consumption in 2021 - 2025, the amount is obtained by considering the electricity emission factor per year from the Java Bali System Electricity Supply Business Plan (RUPTL) PT. State Electricity Company (PLN).
Key words : Artificial Neural Network, UNNES campus, electricity consumption, CO2 emission

Actions (login required)

View Item