Klasifikasi Penggunaan Listrik Rumah Tangga Menggunakan Metode Algoritma C4.5, Random Forest, Dan SVM pada PT. PLN ULP Benjeng

Bagas Diki Saputra; Alfi Zuhriya Khoirunnisaa

doi:10.31004/innovative.v5i4.21025

Authors

Bagas Diki Saputra Universitas Muhammadiyah Gresik
Alfi Zuhriya Khoirunnisaa Universitas Muhammadiyah Gresik

DOI:

https://doi.org/10.31004/innovative.v5i4.21025

Keywords:

Data Mining, Klasifikasi, Listrik rumah tangga, Pohon keputusan

Abstract

Penggunaan listrik rumah tangga terus meningkat seiring dengan bertambahnya kebutuhan energi akibat perkembangan teknologi. Untuk mendukung efisiensi energi dan pengelolaan. daya yang lebih baik, dibutuhkan sistem klasifikasi yang mampu memprediksi tingkat konsumsi. listrik. Penelitian ini bertujuan untuk mengklasifikasikan penggunaan listrik rumah tangga menggunakan metode algoritma C4.5, SVM, dan random forest berbasis decision tree yang diimplementasikan melalui perangkat lunak Python. Data yang digunakan diperoleh dari PT. PLN (Persero) ULP Benjeng dan mencakup atribut seperti daya, tarif, pemakaian per KWh, serta komponen biaya lainnya. Proses meliputi tahap prapemrosesan data, pembentukan model klasifikasi, dan evaluasi akurasi dengan confusion matrix. Hasil penelitian diharapkan dapat membantu masyarakat dan penyedia layanan listrik dalam mengelola konsumsi energi secara efisien dan tepat guna.

References

G. P. Kawani, “Implementasi Naive Bayes,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 73–81, 2019, doi: 10.20895/inista.v1i2.73.

N. S. Syam et al., “Model Support Vector Machine untuk Prediksi pada Penggunaan Energi Listrik di Rumah Hemat Energi,” J. Inform., vol. 1, no. 2, pp. 56–59, 2022, [Online]. Available: https://jurnal.uniraya.ac.id/index.php/JI

Yulia and N. Azwanti, “Data Mining Prediksi Besarnya Penggunaan Listrik Rumah Tangga di Kota Batam Dengan Menggunakan Algoritma C4.5,” Semin. Nas. Ilmu Sos. dan Teknol., no. 1, pp. 175–180, 2018.

Y. P. Tanjung, S. R. Sentinuwo, and A. Jacobus, “Penentuan Daya Listrik Rumah Tangga Menggunakan Metode Decision Tree,” J. Tek. Inform., vol. 9, no. 1, 2016, doi: 10.35793/jti.9.1.2016.14141.

M. A. A. Riyadi, K. Fithriasari, and Dwiatmono, “Data Mining Peramalan Konsumsi Listrik dengan Pendekatan Cluster Time Series sebagai Preprocessing,” J. Sains dan Seni ITS, vol. 5, no. 1, pp. 2337–3520, 2016, [Online]. Available: http://archive.ics.uci.edu/ml/datasets/ElectricityLoad

A. A. Arifiyanti, R. M. Pradana, and I. F. Novian, “Klasifikasi Produk Retur dengan Algoritma Pohon Keputusan C4.5,” J. IPTEK, vol. 22, no. 1, p. 79, 2018, doi: 10.31284/j.iptek.2018.v22i1.243.

A. Almira and dan Ali Ikhwan, “Implementasi Data Mining Menggunakan Algoritma Fp-Growth pada Analisis Pola Pencurian Daya Listrik,” J. Inform. Univ. Pamulang, vol. 6, no. 2, pp. 442–448, 2021, [Online]. Available: http://openjournal.unpam.ac.id/index.php/informatika442

D. A. C, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes,” vol. 2, no. 1, pp. 39–46.

I. Junaedi, N. Nuswantari, and V. Yasin, “Perancangan Dan Implementasi Algoritma C4 . 5 Untuk Data Mining,” J. Inf. Syst. Informatics Comput., vol. 3, no. 1, pp. 29–44, 2019, [Online]. Available: http://journal.stmikjayakarta.ac.id/index.php/jisicom/article/view/203%0Ahttp://journal.stmikjayakarta.ac.id/index.php/jisicom/article/download/203/158

Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.

[11] A. Bahtiar and D. Firmansyah, “Prediksi Cacat Sofware Menggunakan Algoritma C4 . 5,” vol. XX, no. Xx.

M. Safii, “Implementasi Data Mining Dengan Metode Pohon Keputusan Algoritma ID3 Untuk Menentukan Status Mahasiswa,” J. Mantik Penusa, vol. 2, no. 1, pp. 82–86, 2018, [Online]. Available: http://download.garuda.kemdikbud.go.id/article.php?article=814312&val=11774&title=Implementasi Data Mining Dengan Metode Pohon Keputusan Algoritma ID3 Untuk Menentukan Status Mahasiswa