Article Per Year (5 Year)
p-Index From 2019 - 2024
0.718
P-Index
This Author published in this journals
All Journal Perfecting a Video Game with Game Metrics TIERS Information Technology Journal
Naser Jawas
Institut Teknologi dan Bisnis STIKOM Bali
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Feature engineering and long short-term memory for energy use of appliances prediction I Wayan Aditya Suranata; I Nyoman Kusuma Wardana; Naser Jawas; I Komang Agus Ady Aryanto
TELKOMNIKA (Telecommunication Computing Electronics and Control) Vol 19, No 3: June 2021
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12928/telkomnika.v19i3.17882

Abstract

Electric energy consumption in a residential household is one of the key factors that affect the overall national electricity demand. Household appliances are one of the most electricity consumers in a residential household. Therefore, it is crucial to make a proper prediction for the electricity consumption of these appliances. This research implemented feature engineering technique and long short-term memory (LSTM) as a model predictor. Principal component analysis (PCA) was implemented as a feature extractor by reducing the final 62 features to 25 principal components for the LSTM inputs. Based on the experiments, the two-layered LSTM model (composed by 25 and 20 neurons for the first and second later respectively) with lookback number of 3 found to give the best performance with the error rates of 62.013 and 26.982 for RMSE and MAE, respectively.
Prediksi Penggunaan Energi Listrik pada Rumah Hunian Menggunakan Long Short-Term Memory I Nyoman Kusuma Wardana; Naser Jawas; I Komang Agus Ady Aryanto
TIERS Information Technology Journal Vol. 1 No. 1 (2020)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1656.616 KB)

Abstract

Prediksi konsumsi listrik pada rumah hunian adalah penting untuk dilakukan. Ini dikarenakan peralatan listrik rumah tangga merupakan salah satu faktor yang berpengaruh besar terhadap penggunaan energi listrik secara nasional.  Penelitian ini menggunakan Long Short-Term Memory (LSTM) sebagai model prediktor. Sebanyak 13 jenis atribut dari dataset yang tersedia digunakan sebagai input untuk LSTM. Berdasarkan penelitian, 8 neuron dalam LSTM dengan lookback sebanyak 7 memiliki kinerja paling baik. Besarnya nilai error terhadap data uji masing-masing sebesar  60,992 dan 28,278 untuk RMSE dan MAE.
Prediksi Penggunaan Energi Listrik pada Rumah Hunian Menggunakan Long Short-Term Memory I Nyoman Kusuma Wardana; Naser Jawas; I Komang Agus Ady Aryanto
TIERS Information Technology Journal Vol. 1 No. 1 (2020)
Publisher : Universitas Pendidikan Nasional

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1656.616 KB)

Abstract

Prediksi konsumsi listrik pada rumah hunian adalah penting untuk dilakukan. Ini dikarenakan peralatan listrik rumah tangga merupakan salah satu faktor yang berpengaruh besar terhadap penggunaan energi listrik secara nasional.  Penelitian ini menggunakan Long Short-Term Memory (LSTM) sebagai model prediktor. Sebanyak 13 jenis atribut dari dataset yang tersedia digunakan sebagai input untuk LSTM. Berdasarkan penelitian, 8 neuron dalam LSTM dengan lookback sebanyak 7 memiliki kinerja paling baik. Besarnya nilai error terhadap data uji masing-masing sebesar  60,992 dan 28,278 untuk RMSE dan MAE.
Co-Authors I Komang Agus Ady Aryanto I Nyoman Kusuma Wardana I Wayan Aditya Suranata