Search for collections on Repository Universitas Maritim Raja Ali Haji

PREDIKSI TINGKAT KONSUMSI ENERGI CHARGING STATION KENDARAAN LISTRIK DENGAN MENGGUNAKAN SUPPORT VECTOR REGRESSION (SVR)

FIRDAUS, FARIZ RAHMAT and Martaleli, Bettiza and Prasetyo, Aji (2024) PREDIKSI TINGKAT KONSUMSI ENERGI CHARGING STATION KENDARAAN LISTRIK DENGAN MENGGUNAKAN SUPPORT VECTOR REGRESSION (SVR). S1 thesis, Universitas Maritim Raja Ali Haji.

[img] Text (Cover)
FARIZ_RAHMAT_FIRDAUS_2001020055_TEKNIK INFORMATIKA_COVER.pdf - Published Version

Download (575kB)
[img] Text (Abstrak)
FARIZ_RAHMAT_FIRDAUS_2001020055_TEKNIK INFORMATIKA_ABSTRAK.pdf - Published Version

Download (625kB)
[img] Text (Bab I)
FARIZ_RAHMAT_FIRDAUS_2001020055_TEKNIK INFORMATIKA_BAB I.pdf - Published Version

Download (753kB)
[img] Text (Daftar Pustaka)
FARIZ_RAHMAT_FIRDAUS_2001020055_TEKNIK INFORMATIKA_DAFTAR PUSTAKA.pdf - Published Version

Download (685kB)
[img] Text (Full Teks)
FARIZ_RAHMAT_FIRDAUS_2001020055_TEKNIK INFORMATIKA_FULL TEKS.pdf - Published Version
Restricted to Repository staff only

Download (1MB) | Request a copy
Official URL: https://lib.umrah.ac.id

Abstract

Penggunaan kendaraan listrik telah meningkat pesat di banyak negara, termasuk Indonesia. Hingga tahun 2021, sebanyak 96 unit Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) telah dibangun di seluruh Indonesia. Infrastruktur SPKLU biasanya disediakan oleh perusahaan penyedia tenaga listrik untuk digunakan untuk mengisi daya berbagai jenis mobil listrik, seperti mobil listrik penuh, mobil hybrid, dan mobil listrik umum. Penelitian ini bertujuan untuk memprediksi konsumsi energi pada SPKLU menggunakan metode Support Vector Regression (SVR). SVR adalah algoritma yang bertujuan untuk mengubah data menjadi lebih terstruktur sehingga dapat digunakan untuk menghasilkan regresi yang akurat. Analisis dilakukan menggunakan dataset sebanyak 87 hari dalam rentang waktu 1 Januari hingga 31 Maret 2022. Hasil penelitian menunjukkan bahwa nilai Mean Absolute Percentage Error (MAPE) terendah yang didapatkan adalah 36.77% dengan parameter C = 100, ε = 0.0001, dan Gamma = 1 dan MAPE 35.51% dengan parameter C = 0.1 dan ε = 0.1 dan Gamma = 1 yang menggunakan data konsumsi energi rata-rata.

Item Type: Thesis (S1)
Contributors:
ContributionNameNIP / NIDN
UNSPECIFIEDMartaleli, BettizaNIP.197508282021212006
UNSPECIFIEDPrasetyo, AjiNIP.199007312014021003
Subjects: 000_umum > 000. Ilmu Umum dan Komputer > 005.1.Pemrograman
000_umum > 000. Ilmu Umum dan Komputer > 005.12. Sistem Analisa dan Desain Perangkat Lunak
000_umum > 000. Ilmu Umum dan Komputer > 006.3 Artificial Intelligence/Kecerdasan Buatan
Divisions: Fakultas Teknik > Program Studi Teknik Informatika
Depositing User: user Teknik Informatika
Date Deposited: 31 Jul 2024 07:29
Last Modified: 31 Jul 2024 07:29
URI: http://repositori.umrah.ac.id/id/eprint/7811

Actions (login required)

View Item View Item