• Tidak ada hasil yang ditemukan

S TE 0805351 BIBIOGRAPHY

N/A
N/A
Protected

Academic year: 2017

Membagikan "S TE 0805351 BIBIOGRAPHY"

Copied!
2
0
0

Teks penuh

(1)

42

Undang Harman, 2013

Peramalan Beban Jangka Pendek Husus Hari Libur Berbasis Jaringan Syaraf Tiruan Dgn Algoritma Back Propagation

Universitas Pendidikan Indonesia | repository.upi.edu

DAFTAR PUSTAKA

Bai-Ling Zhang, Zhao-Yang Dong, 2001. “ An adaptive neural-wavelet model

for short term load forecasting”. Electric power System Research.

Barzamini, R., Menhaj, M., B., Khosravi, A., Kamalvand, S., H., 2005. “ Short Term Load Forecasting for Iran Nation Power System and Its Region Using Multi Layer Perceptron and Fuzzy Inference Systems”. Proceedings of International Joint Conference on Neural Networks, Montreal, Canada, July 31 - August 4.

G.A. Adepoju, M.Sc. , S.O.A. Ogunjuyigbe, M.Sc. , and K.O. Alawode, B.Tech., 2007. “ Application of Neural Network to Load Forecasting in Nigerian Electrical Power System”. The Pacific Journal of Science and Technology.

James W. Taylor, Lilian m. de Menezes, Patrick E. McSharry, 2006. “ A Comparison of Univariate Methods for Forecasting Electricity Demand Up to a Day Ahead”. international journal of Forecasting. Kyung-Bin Song, Member, IEEE, Young-Sik Baek, Dug Hun Hong, and

Gilsoo Jang, Member, IEEE, 2005. “ Short-Term Load Forecasting for the Holidays Using Fuzzy Linear Regression Method”. IEEE Transsactions On Power System, VOL. 20, No.1, February.

K. Kalaitzakis, G.S. Stavrakakis, E.M. Anagnostakis, 2002. “ Short-term load

forecasting based on artificial neural networks parallel

implementation”. Electric Power Systems Research.

Kwang-Ho Kim, Jong-Keun Park, Kab-Ju Hwang, Sung-Hak Kim, 1995.

“ Implementation of Hybrid Short-term Load Forecasting System Using Artificial Neural Networks and Fuzzy Expert Systems”. IEEE Transactions on Power Systems.

Lacir J. Soares, Marcelo C. Medeiros, 2008. “ Modeling and Forecasting Short-Term Electricity Load: A Comparison of Methods whit an Application

to Brazilian Data”. International Journal of Forecasting.

(2)

43

Undang Harman, 2013

Peramalan Beban Jangka Pendek Husus Hari Libur Berbasis Jaringan Syaraf Tiruan Dgn Algoritma Back Propagation

Universitas Pendidikan Indonesia | repository.upi.edu

M. A. El-Sharkawi, S. Oh, R. J. Marks, M. J. Damborg, 1991. “ Short Term Electric Load Forecasting Using An Adaptively Trained Layered

Perceptron”. Departement of Electrical Engineering University of Washington.

Marsudi, Djiteng. (2006). Operasi Sistem Tenaga Listrik. Yogyakarta: Graha Ilmu.

Mataram Made I, 2008. “ Peramalan Beban Hari Libur Menggunakan Artificial Neural Network”. Kampus Bukit Jimbaran, Bali, 80361.

Nguyen-Vu Truong, Liuping Wang, Peter K.C. Wong, 2008. “ Modelling and Short Term forecasting of daily peak power demand in Victoria using two dimensional wavelet based SDP models”. Electrical Power and Energy Systems.

Rafal weron, Adam Misiorek, 2008. “ Forecasting spot electricity prices: A Comparison of Parametric and semiparametric time series models”. International Journal of Forecasting.

RM Andri, 2010, Studi Model Prakiraan Beban Listrik Harian Menggunakan Metode Moving Average dan Metode Backpropagation, Pendidikan Teknik Elektro Fakultas Pendidikan Teknologi dan Kejuruan UPI. Saied S. Sharif, James H. Taylor, 1999. “Short-Term Load Forecasting by

Feed-Forward Neural Networks”. Department of Electrical and Computer Engineering, University of New Brunswick.

Siang, Jong Jek. (2005). Jaringan Syaraf Tiruan dan Pemogramannya dengan MATLAB, Yogyakarta: Andi

T. Yalcinoz, U. Eminoglu, 2005. “ Short term and medium term power distribution load forecasting by neural network”. Energy Conversion and Management.

Ying Chen, Peter B. Luh, Fellow, IEEE, Che Guan, Yige Zhao, Laurent D. Michel, Matthew A. Coolbeth, Peter B. Friedland, and Stephen J. Rourke, Senior Member, IEEE , 2010. “ Short-Term Load Forecasting: Similar Day-Based Wavelet Neural Networks”. IEEE Transactions on Power Systems, Vol, 25, NO.1, February.

Referensi

Dokumen terkait

Dari latar belakang masalah di atas dan berdasarkan studi pendahuluan penulis sebagai guru Geografi, maka dapat diidentifikasi masalah-masalah yaitu : 1) Kualitas pendidikan di

 Di dalam LP dengan daerah feasibel yang berupa himpunan konveks, solusi optimal adalah salah satu dari titik.

koope<aliftipe li£$\w dengan model koo~. Pcrbedaan basil belajar biologi yang menilliki adopsi infonnasi tinggi dengao. adopsi informasi rmdab.. lntcr.lksi anuw model

[r]

Hasil penelitian menunjukkan bahwa gelandangan memandang anak memang mempunyai segi ekonomi itu setelah anak tersebut sudah cukup umur dan mempunyai bekal pendidikan

Permasalahan dalam kegiatan ini mencakup tiga permasalahan, pertama bagaimana perancangan basis data di KPRI Harapan Kecamatan Gemuh, kedua bagaimana susunan dan tata bahasa

Berikut ini yang bukan bahan-bahan yang dapat dibuat anyaman adalah… A.. Salah satu benda yang dapat dibuat dengan

Aktualisasi Pendidikan Karakter, Direktorat Jenderal Manajemen Pendidikan Dasar dan Menengah Kementerian Pendidikan Nasional, Jakarta.. Strategi Pembelajaran Berorientasi