Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Coding Jurnal Komputer dan Aplikasi
Mira Karmila
Universitas Tanjungpura
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PREDIKSI JUMLAH PRODUKSI KEBUTUHAN AIR PADA PERUMDA AIR MINUM TIRTA KHATULISTIWA PONTIANAK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) Mira Karmila; Irma Nirmala
Coding Jurnal Komputer dan Aplikasi Vol 11, No 1 (2023): Edisi April 2023
Publisher : Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/coding.v11i1.58052

Abstract

Perumda Air Minum Tirta Khatulistiwa merupakan Badan Usaha Milik Daerah yang bergerak di bidang produksi air yang disalurkan ke masyarakat. Produksi air dilakukan pada beberapa Instalasi Pengolahan Air (IPA) yaitu IPA Iman Bonjol, IPA Selat Panjang, IPA Sungai Jawi Luar, dan IPA Parit Mayor. Air yang diproduksi biasanya tidak stabil, masih banyak pelanggan yang mendapatkan air kurang dari kebutuhan air minimal. Oleh karena itu, dibangun aplikasi yang mampu memprediksi jumlah produksi kebutuhan air untuk sebulan kedepan. Metode yang digunakan dalam prediksi jumlah produksi kebutuhan air adalah metode Extreme Learning Machine (ELM). Metode ELM menguji kinerja Mean Absolute Percentage Error (MAPE) berdasarkan jumlah neuron yang digunakan. Data yang digunakan sebanyak 56 data periode Mei 2016 – Desember 2020 dengan parameter masukkan yaitu jumlah produksi air Iman Bonjol, jumlah produksi air Selat Panjang, jumlah produksi air Sungai Jawi Luar, dan jumlah produksi air Parit Mayor. Data keluaran sistem adalah jumlah produksi kebutuhan air untuk sebulan kedepan. Pada pengujian 100 neuron diperoleh MAPE terkecil yaitu sebesar 0.0037499% pada pelatihan data neuron ke 65, sehingga hasil prediksi yang diperoleh pada bulan Juni 2016 berdasarkan bobot keluaran MAPE terkecil dengan masukkan data pada bulan Mei 2016 sebesar 4.622.658 m3.
Co-Authors Irma Nirmala