PENERAPAN METODE KLASIFIKASI C4.5 UNTUK MEMPREDIKSI PENGGUNAAN LISTRIK RUMAH TANGGA

research
  • 29 Apr
  • 2021

PENERAPAN METODE KLASIFIKASI C4.5 UNTUK MEMPREDIKSI PENGGUNAAN LISTRIK RUMAH TANGGA

ABSTRAK

Sundus Huliyan Ramadhan (19160857), Penerapan Metode Klsifikasi C4.5 Untuk Memprediksi Penggunaan Listrik Rumah Tangga.

 

Listrik Merupakan energi vital bagi aktivitas manusia baik individu, masyarakat maupun dunia industri. Kemajuan teknologi di segala bidang meningkat dengan begitu cepat, kemajuan ini membawa peningkatan kebutuhan akan daya listrik. Kemajuan itu membuat hampir semua peralatan rumah tangga menggunakan listrik seperti kulkas, televisi, kipas angin, setrika, hingga alat komunikasi seperti handphone, laptop dan berbagai alat elektronik lainnya. Tetapi perkembangan teknologi pada saat ini juga mempengaruhi penggunaan daya listrik, semakin banyak penggunaan teknologi maupun elektronik, semakin banyak pula daya listrik yang dipakai. Untuk mengetahui penggunaan listrik tersebut maka dibutuhkan sebuah prediksi. Prediksi penggunaan listrik rumah tangga dapat menggunakan data mining dengan Algoritma C4.5. Dalam penelitian ini menggunakan metode klasifikasi C4.5. data didapat dari hasil observasi langsung dengan mendata penggunaan listrik warga Lebaksiuh 01. Hasil nya didapat 116 data populasi dan berhasil menghasilkan sampel sebanyak 82 data dengan 5 atribut yaitu Jumlah Keluarga, Luas Rumah, Lama Dirumah, Daya Listrik dan Perlengkapan Elektronik. Hasil dari pengujian 82 data di Rapid Miner, didapat accuracy sebesar 96.25%, precision 97.14%, recall 93.00%, AUC (optimistic) 1.000, AUC 0.600 dan AUC (pessimistic) 0.930. Penelitian ini juga menghasilkan pohon keputusan yang terdiri dari Perlengkapan Elektronik, Luas Rumah, Daya Listrik dan Jumlah Keluarga.


ABSTRACT

Sundus Huliyan Ramadhan (19160857), Application of Klsification method C 4.5 to predict the use of household electricity.

 

Electricity is a vital energy for human activity both individuals, communities and the industrial world. Technological advances in all areas are increasing so rapidly, this advancement brings an increase in the need for electrical power. The advancement makes almost all household appliances using electricity such as refrigerators, televisions, fans, irons, to communication devices such as mobile phones, laptops and various other electronic devices. But the development of technology at the moment also affects the use of electrical power, the more use of technology and electronics, the more electricity is used. To know the use of electricity then it takes a prediction. Predictions of household electricity use can use data mining with algorithm C 4.5.  In this study use C 4.5 classification method. Data obtained from the results of direct observation by the use of electricity usage of residents Lebaksiuh 01. The results gained 116 population data and successfully generated samples of 82 data with 5 attributes namely number of family, house size, old home, electrical power and electronic equipment. Results of testing 82 data in Rapid Miner, obtained accuracy of 96.25%, precision 97.14%, recall 93.00%, AUC (optimistic) 1,000, AUC 0600 and AUC (pessimistic) 0930. The research also produces a decision tree consisting of electronic equipment, house area, electrical power and number of families.

Unduhan

 

REFERENSI

DAFTAR PUSTAKA

 

 

Darmawan, A., Kustian, N., & Rahayu, W. (2018). Implementasi Data Mining Menggunakan Model SVM untuk Prediksi Kepuasan Pengunjung Taman Tabebuya. STRING (Satuan Tulisan Riset Dan Inovasi Teknologi), 2(3), 299. https://doi.org/10.30998/string.v2i3.2439

 

Helaluddin, H. Wi. (2019). Analisis Data Kualitatif: Sebuah Tinjauan Teori dan Praktik. In Alhadharah: Jurnal Ilmu Dakwah (Vol. 17). https://doi.org/10.18592/alhadharah.v17i33.2374

 

Kusmira, M. (2019). Penerapan Data Mining Pengajuan Pembiayaan Perumahan (Consumen Financing) Individual Menggunakan Algoritma C4.5. Jurnal Khatulistiwa Informatika, 7(1), 66–71. https://doi.org/10.31294/jki.v7i1.126

 

Mahena, Y., Rusli, M., & Winarso, E. (2015). Prediksi Harga Emas Dunia Sebagai Pendukung Keputusan Investasi Saham Emas Menggunakan Teknik Data Mining. Kalbiscentia Jurnal Sains Dan Teknologi, 2(1), 36–51. Retrieved from http://files/511/Mahena et al. - 2015 - Prediksi Harga Emas Dunia Sebagai Pendukung Keputu.pdf

 

Rahayu, G., & Pramularso, E. Y. (2019). Pengaruh Kompensasi terhadap Kepuasan Kerja Pegawai Bagian SDM & Umum PT KAI Daerah Operasi 1 Jakarta. Jurnal Perspektif, 17(1), 1–6. https://doi.org/10.31294/jp.v17i1.4744

 

Sadewo, M. G., Eriza, A., Windarto, A. P., & Hartama, D. (2019). Algoritma K-Means Dalam Mengelompokkan Desa / Kelurahan Menurut Keberadaan Keluarga Pengguna Listrik dan Sumber Penerangan Jalan Utama Berdasarkan Provinsi. Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) SAINTEKS 2019, 754–761.

 

Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Creative Information Technology Journal, 2(3), 207–217.

 

Saputra, M. R., & Riyadi, S. (2017). Sistem Informasi Populasi dan Historikal Unit Alat-Alat Berat Pada PT . Daya Kobelco Construction Machinery Indonesia. Jurnal Peneltian Dosen FIKOM (UNDA, 6(2), 1–6.

Tarigan, F. A., & Sofyan, S.. (2019). Produk Terhadap Omset Penjualan Dengan Metode. III(2), 60–67.

 

Wahyuni, E., & Suparman, S. (2020). A Comparison of Outlier Detection Techniques in Data Mining. Science, Technology, Engineering, Economics, Education, and Mathematics, 1(1), 139–147.

 

Widiawati, W. Y., & Atok, R. M. (2019). Analisis Klasifikasi Pelanggan Listrik Rumah Tangga Bersubsidi Kota Surabaya Menggunakan Support Vector Machine dan Naïve Bayes Classifier. Jurnal Sains Dan Seni ITS, 7(2). https://doi.org/10.12962/j23373520.v7i2.35366

 

Yulia, N. A. (2018). Data Mining Prediksi Besarnya Penggunaan Listrik Rumah Tangga di Kota Batam Dengan Menggunakan Algoritma C4.5. (1), 175–180.

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru