Melola Discovery

← Melola Discovery

Jurnal

Prediksi Besar Daya Listrik Tenaga Gelombang Laut Metode Oscillating Water Coloumn (PLTGL-OWC) di Banyuwangi Menggunakan Extreme Learning Machine (ELM)

Unnes Journal of Mathematics · Vol. 11 No. 1 (2022) · hlm. 1–7

DOI
10.15294/ujm.v11i1.50967
ISSN
2460-5859, 2252-6943
Terbit
2022-05-30
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Peningkatan kebutuhan listrik harus diiringi dengan pengingkatan sumber daya listrik, namun pada kenyataannya sumber energi listrik yang ada ternyata semakin lama semakin menurun. Menurunnya tingkat sumber energi listrik disebabkan karena sumber energi yang digunakan selama ini berasal dari bahan bakar fosil yang sifatnya tidak dapat diperbaharui, sehingga jika digunakan terus-menerus akan sumber energi tersebut akan habis, maka dari itu dibutuhkan sumber energi alternatif yang sifatnya dapat diperbaharui dan tidak akan habis jika digunakan secara terus-menerus. Sumber energi alternatif yang dapat digunakan untuk sumber energi listrik salah satunya yaitu gelombang laut dengan memanfaatkan sistem PLTGL-OWC yang mampu merubah menghasilkan energi listrik dari gelombang laut. Pada penelitian dilakukan peramalan terhadap energi listrik yang dihasilkan untuk menghindari ketidsksesuaian saat memasok energi listrik ke konsumen. Metode yang digunakan pada penelitian ini adalah metode Extreme Learning Machine (ELM) dengan jumlah node pada hidden layer sebanyak 100 yang menghasilkan nilai MAPE sebesar 2.3367%.

Jaringan kolaborasi para penulis

40 penulis · 129 tautan kepenulisan bersama · 35 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • UIN Sunan Ampel Surabaya
  • Institut Teknologi Sepuluh Nopember
  • Universitas Bakti Tunas Husada
  • Meteorological, Climatological, And Geophysical Agency
  • National Taiwan University of Science and Technology
  • Badan Pusat Statistik
  • Universiti Teknologi MARA
  • Organisasi lain
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Abdulloh HamidUIN Sunan Ampel Surabaya6
Wika Dianita UtamiUIN Sunan Ampel Surabaya5
Hani KhaulasariUIN Sunan Ampel Surabaya5
Ghaluh Indah Permata SariNational Taiwan University of Science and Technology4
Moh. HafiyusholehUIN Sunan Ampel Surabaya3
Diah Devi PramestiUIN Sunan Ampel Surabaya3
Ahmad Hanif AsyharUIN Sunan Ampel Surabaya3
Nanang WidodoAfiliasi tidak diketahui2
Aris FananiUIN Sunan Ampel Surabaya2
Eka Alifia KusnantiInstitut Teknologi Sepuluh Nopember2
Mohammad HafiyusholehAfiliasi tidak diketahui2
Lutfi HakimUIN Sunan Ampel Surabaya2
Risma Madurahma PutriUIN Sunan Ampel Surabaya2
Firda Yunita SariUIN Sunan Ampel Surabaya2
Anisa Nur AzizahInstitut Teknologi Sepuluh Nopember2
Putroue Keumala IntanUIN Sunan Ampel Surabaya2
Unix Izyah ArfiantiUIN Sunan Ampel Surabaya1
Yuniar FaridaUIN Sunan Ampel Surabaya1
Achmad Teguh WibowoUIN Sunan Ampel Surabaya1
Chalawatul AisUIN Sunan Ampel Surabaya1
Felia Dria YuliawantiUIN Sunan Ampel Surabaya1
Ilmiatul MardiyahUIN Sunan Ampel Surabaya1
Dewi SulistiyawatiBadan Pusat Statistik1
Alvin Nuralif RamadantiUIN Sunan Ampel Surabaya1
Indra Ariyanto WijayaAfiliasi tidak diketahui1
Victory Tyas Pambudi SwindiartoAfiliasi tidak diketahui1
Shukor Sanim Mohd FauziUniversiti Teknologi MARA1
Maunah SetyawatiUIN Sunan Ampel Surabaya1
Jeneiro MaulanaAfiliasi tidak diketahui1
Achmad Fachril Yusuf AbabilUIN Sunan Ampel Surabaya1
Syamil Waris Dien MuhammadUIN Sunan Ampel Surabaya1
Ahmad YusufUIN Sunan Ampel Surabaya1
Ahmad HidayatullahMinistry of Religious Affairs1
Kusaeri KusaeriUIN Sunan Ampel Surabaya1
Ruswanto RuswantoUniversitas Bakti Tunas Husada1
Nur RahayuningsihUniversitas Bakti Tunas Husada1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Prediksi Besar Daya Listrik Tenaga Gelombang Laut Metode Oscillating Water Coloumn (PLTGL-OWC) di Banyuwangi Menggunakan Extreme Learning Machine (ELM)</dc:title>
	<dc:creator>Phiadelvira, Bunga Yuwa</dc:creator>
	<dc:creator>Haq, Dina Zatusiva</dc:creator>
	<dc:creator>Novitasari, Dian C Rini</dc:creator>
	<dc:creator>Setiawan, Fajar</dc:creator>
	<dc:description xml:lang="en-US">Peningkatan kebutuhan listrik harus diiringi dengan pengingkatan sumber daya listrik, namun pada kenyataannya sumber energi listrik yang ada ternyata semakin lama semakin menurun. Menurunnya tingkat sumber energi listrik disebabkan karena sumber energi yang digunakan selama ini berasal dari bahan bakar fosil yang sifatnya tidak dapat diperbaharui, sehingga jika digunakan terus-menerus akan sumber energi tersebut akan habis, maka dari itu dibutuhkan sumber energi alternatif yang sifatnya dapat diperbaharui dan tidak akan habis jika digunakan secara terus-menerus. Sumber energi alternatif yang dapat digunakan untuk sumber energi listrik salah satunya yaitu gelombang laut dengan memanfaatkan sistem PLTGL-OWC yang mampu merubah menghasilkan energi listrik dari gelombang laut. Pada penelitian dilakukan peramalan terhadap energi listrik yang dihasilkan untuk menghindari ketidsksesuaian saat memasok energi listrik ke konsumen. Metode yang digunakan pada penelitian ini adalah metode Extreme Learning Machine (ELM) dengan jumlah node pada hidden layer sebanyak 100 yang menghasilkan nilai MAPE sebesar 2.3367%.</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2022-05-30</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/50967</dc:identifier>
	<dc:identifier>10.15294/ujm.v11i1.50967</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 11 No 1 (2022); 1-7</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v11i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/50967/21856</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2022 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>