PREDIKSI KONSUMSI ENERGI LISTRIK BERBASIS DEEP LEARNING : Implementasi dan Analisis Komparatif LSTM dan GRU

Penerbit KBM

PREDIKSI KONSUMSI ENERGI LISTRIK BERBASIS DEEP LEARNING : Implementasi dan Analisis Komparatif LSTM dan GRU

Rp 0

NAMA PENULIS : Rajin Nahampun, S.Kom., M.Kom.

ISBN : Proses

JUMLAH HALAMAN : 177 Halaman

UKURAN : 15,5 x 23 CM

Sinopsis : Sinopsis Prediksi Konsumsi Energi Listrik Berbasis Deep Learning: Implementasi dan Analisis Komparatif LSTM dan GRU

Meningkatnya kebutuhan energi listrik dan perubahan pola konsumsi rumah tangga menuntut tersedianya metode prediksi yang mampu mengolah data historis secara akurat dan efisien. Perkembangan kecerdasan buatan, khususnya deep learning, menghadirkan pendekatan yang dapat digunakan untuk mempelajari pola temporal dan memperkirakan konsumsi energi pada periode berikutnya.

Buku monograf ini mengulas penerapan dua arsitektur deep learning yang banyak digunakan dalam pemodelan data deret waktu, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU). Pembahasan dimulai dari konsep konsumsi energi listrik, karakteristik data deret waktu, prinsip jaringan saraf berulang, hingga mekanisme kerja kedua arsitektur.

Implementasi dilakukan menggunakan dataset Household Electric Power Consumption yang tersedia melalui Kaggle. Tahapan pengolahan mencakup pemeriksaan kualitas data, penanganan nilai hilang, agregasi konsumsi energi menjadi satuan kWh per jam, pembagian data secara kronologis, normalisasi, serta pembentukan urutan masukan dengan panjang 24, 48, dan 72 jam.

Buku ini juga menyajikan perbandingan LSTM dan GRU berdasarkan kesalahan prediksi, kestabilan hasil pada beberapa random seed, analisis residual, prediksi konsumsi energi puncak, dan efisiensi komputasi. Model persistence dan seasonal naive digunakan sebagai pembanding untuk memberikan konteks terhadap kinerja kedua arsitektur.

Disusun dalam enam bab yang mengintegrasikan landasan teori, implementasi, evaluasi, dan pembahasan, buku ini ditujukan bagi mahasiswa, dosen, akademisi, serta praktisi yang ingin memahami penerapan deep learning untuk prediksi konsumsi energi listrik. Buku ini diharapkan menjadi referensi dalam memilih dan mengevaluasi model prediksi deret waktu dengan mempertimbangkan keseimbangan antara akurasi, stabilitas, dan kebutuhan komputasi.

Ready Stock (1 unit)

Ulasan Pembeli (0)

0.0

Belum ada ulasan untuk produk ini. Jadilah yang pertama memberikan ulasan!

Tulis Ulasan

Bagikan pengalaman Anda tentang produk ini untuk membantu pembeli lain.

Harga
Rp 0
Tanya WhatsApp