Generator uap merupakan unit plant yang memiliki sistem nonlinear dan kompleks dengan konfigurasi multiple-input-multiple-output (MIMO) yang cukup sulit untuk dimodelkan. Padahal, model generator uap dibutuhkan untuk membuat simulasi seperti operator training simulator (OTS). Tujuan dari penelitian ini yaitu untuk mendapatkan model generator uap yang memiliki 8 parameter luaran dan 9 parameter masukan berbasis jaringan saraf tiruan (JST) menggunakan algoritme pelatihan BPGD-ALAM sehingga diperoleh model yang mendekati sistem nyata. Data diperoleh dari generator uap PT. Chevron Pacific Indonesia, Duri dan dibagi menjadi tiga jenis, yaitu data latih, data validasi dan data uji. Data latih digunakan untuk mendapatkan model setiap luaran melalui proses pelatihan. Verifikasi model juga dilakukan untuk setiap epoch-nya menggunakan data validasi untuk memantau proses pelatihan apakah terjadi overfitting atau tidak. Delapan model JST yang diperoleh diuji menggunakan data uji untuk mengetahui performa dari model. Dari hasil penelitian, diperoleh konfigurasi arsitektur model JST yang berbeda-beda untuk setiap luaran dengan nilai RMSE rendah dari 9,71 % artinya telah dihasilkan model yang mendekati sistem nyata dari generator uap.
(klik disini untuk selengkapnya)
Tags: jst, mimo, neural network, ots
March 12th, 2018 at 6:46 am
Sangat menarik pak
April 18th, 2018 at 11:41 am
keep it up !
May 14th, 2018 at 11:49 am
thank you for sharing. it’s so helpful
December 13th, 2018 at 10:49 pm
terimakasih sangat membantu
February 6th, 2020 at 6:09 pm
In respect of any kind of research or the preparations, these types of resources of blogs and articles are really fantastic for academics and the professional papers. As I have been writing my assignment paper for Artificial Neural Networks uses in the modern age.
March 31st, 2020 at 3:55 pm
Ini informasi yang sangat menarik. Terima kasih sudah berbagi. Pasti saran Anda akan membantu saya