PENERAPAN PARTICELE SWARM OPTIMIZATION UNTUK MENCARI HASIL UJI LAIK OPERASI SERTIFIKASI INSTALASI LISTRIK DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE

PENERAPAN PARTICELE SWARM OPTIMIZATION UNTUK MENCARI HASIL UJI LAIK OPERASI SERTIFIKASI INSTALASI LISTRIK DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE

• By Suswandi;
• S1 - Teknik Informatika
• 9
• 1-65

Prediksi adalah suatu system yang bisa memprediksi masa depan dengan data atau informasi yang telah terjadi, penelitian ini akan memprediksikan atau mencari hasil uji laik operasi instalasi listrik didasari oleh data yang di peroleh dari lembaga sertifikasi instalasi listrik, metode yang digunakan pada penelitian ini adalah Support Vector Machine dengan penerapan Particle Swarm Optimization. SVM sangat baik memiliki generalisasi sangat baik dalam memecahkan suatu permasalahan. Tetapi, beberapa atribut data dapat membuat algoritma SVM lebih kompleks dan kurang akurat. Untuk itu , pemilihan atribut di butuhkan dalam analisis data, oleh karena nya metode Particle Swarm Optimization (PSO) diterapkan untuk pemilihan atribut yang tepat dalam menentukan hasil uji laik operasi instalasi listrik, karena metode PSO akan meningkatkan akurasi dalam menentukan pemilihan atribut. Algoritma SVM menghasilkan tingkat akurasi 94.89% dan AUC sebesar 0.994%, sedangkan dengan SVM dengan penerapan PSO nilai akurasinya adalah 96% dan AUC 0.994%. Oleh karna itu ada peningkatkan nilai akurasi sebesar 2%, dan dengan hasil tersebut
merupakan kategori klasifikasi baik.

• Katakunci Analisis Sistem, Klasifikasi, Data Mining
• URL http://
• Penerbit ,

REFERENSI

A Ahmad. (2021). Memahami teknik pengolahan dan analisis data
kualitatif.
Adam Slowik. (2020). Swarm Intelligence Algorithms: Principles, Analysis and Applications. Springer:52-58.
Ahmed G. Gad. (2022). Particle Swarm Optimization Algorithm and Its Applications: A Systematic Review.
Alfina Febiani. (2024). Implementasi Algoritma “Particle Swarm
Optimization” (PSO)Penjadwalan Belajar Mengajar.
Andika Dwi Cahyo. (2024). Prediksi Beban Daya Listrik (W)
Menggunakan Metode SupportVector Machine (SVM) Pada Listrik
Token Rumah Tangga.
Andri Yani. (2023). Implementasi Data Mining Menganalisa Data
Penjualan Menggunakan Algoritma K-Means Clustering.
Ardiansyah. (2023). PERANCANGAN VIDEO PROMOSIRANDANG
JAGUANG MAKRANIN.
Aslam, J. S. & A. (2021). Feature evaluation of emerging e-learning
systems using machine learning: An extensive survey.
Christopher M. Bishop. (2021). Pattern Recognition and Machine
Learning. Springer:180-190.
Debby Alita. (2020). iMPLEMENTASI ALGORITMA MULTICLASS SVM
PADA OPINI PUBLIKBERBAHASA INDONESIA DI TWITTER.
34
Dhita Diana Dewi. (2023). PERBANDINGAN METODE NEURAL
NETWORK DAN SUPPORT VECTOR MACHINE DALAM
KLASIFIKASI DIAGNOSA PENYAKIT DIABETES.
DHURATUN NUSKHA. (2021). Pengaruh Pemberian Insentif Pajak di
Tengah Pandemi Corona Terhadap Tingkat Kepatuhan Wajib Pajak
Orang Pribadi dalam Pelaporan Surat Pemberitahuan (SPT) (Studi
Kasus Pada KPP Malang Utara).
EA Wijayanti. (2021). Perbandingan Algoritma SVM dan SVM Berbasis
Particle Swarm Optimization Pada Klasifikasi Beras Mekongga.
F FIRMANSYAH. (2023). Penerapan Data Mining Menggunakan
Algoritma Frequent Pattern-Growth Untuk Menentukan Pola
Pembelian Produk Chemicals.
FA Indriyani. (2023). Analisis sentimen aplikasi tiktok menggunakan
algoritma naïve bayes dan support vector machine.
Fathurahman Bei. (2021). ANALISIS SENTIMEN APLIKASI TIKET
ONLINEDI PLAY STORE MENGGUNAKAN METODE SUPPORT
VECTOR MACHINE (SVM).
Fei Chen. (2024). A multi-objective particle swarm optimization with a competitive hybrid learning strategy.
Fenilinas Adi Artanto. (2022). Algoritma Decision Tree C. 45 dalam
analisa kelulusan mahasiswa Program Studi Manajemen Informatika
UMPP.
Freska Rolansa. (2020). SISTEM PREDIKSI DAN EVALUASI PRESTASI
AKADEMIK MAHASISWA DIPROGRAM STUDI TEKNIK
INFORMATIKA MENGGUNAKAN DATA MINING.
35
Hendra. (2023). Prediksi Daya Listrik Pada Pembangkit ListrikSiklus
Gabungan Berdasarkan KondisiLingkungan Menggunakan
MetodeMachine Learning.
IA Sapitri, Y. Y. M. F. (2023). Pengklasifikasian Sentimen Ulasan Aplikasi
Whatsapp Pada Google Play Store Menggunakan Support Vector
Machine.
Ir. Mega Bagus Herlambang, S. M. P. I. ASEAN. E. (2024). LAPORAN
AKHIR PENELITIAN IMPLEMENTASI ALGORITMA MACHINE
LEARNING DALAMMEMPREDIKSI ACTIVE POWER DI
PERUSAHAAN PEMBANGKITLISTRIK TENAGA BATUBARA.
J Nayak. (2023). 25 years of particle swarm optimization: Flourishing
voyage of two decades.
Jajang Jaya Purnama. (2022). KLASIFIKASI KONSUMSI ENERGI
INDUSTRI BAJA MENGGUNAKANTEKNIK DATA MINING.
Jiawei Han. (2022). Data Mining: Concepts and Techniques. Morgan
Kaufmann:100-110.
KA Azzahra. (2024). PENYELESAIAN MULTI DEPOT VEHICLE
ROUTING PROBLEM WITH TIME WINDOWS MENGGUNAKAN
PARTICLE SWARM OPTIMIZATION ALGORITHM : Studi Kasus:
Rute Pengambilan Bahan Baku.
Khairul Hafiz. (t.t.). Analisis Proses Bisnis Sertifikasi Halal di Era
BaruSertifikasi Badan Penyelenggara Jaminan Produk Halal.
M Teguh Saefuddin. (2023). Teknik Pengumpulan Data Kuantitatif dan
Kualitatif pada Metode Penelitian.
Markus Hofmann. (2020). RapidMiner: Data Science Platform for
Analytics and Machine Learning. Packt Publishing; 45-55.
36
Mustafa Abdullah & Mohsin Abdulazeez. (2021). Machine learning
applications based on SVM classification a review.
N B Putri & A W Wijayanto. (2022). Analisis Komparasi Algoritma
Klasifikasi Data Mining Dalam Klasifikasi Website Phishing.
N Suriani. (2023). Konsep populasi dan sampling serta pemilihan
partisipan ditinjau dari penelitian ilmiah pendidikan.
O Irnawati, K. S. (2023). Komparasi Algoritma Support Vector Machine
Dan Naïve Bayes Berbasis Particle Swarm Optimization Pada
Analisis Sentimen Ulasan Aplikasi Flip.
P Fajar. (2022). Hubungan Self-Efficacy dengan Penyesuaian Diri: Sebuah
Studi Literatur.
Peter T. Hunt. (2023). Electrical Installation and Inspection: Techniques
and Standards. Routledge:97-103.

Primandani Arsi. (2021). Optimasi SVM Berbasis PSO pada Analisis
Sentimen Wacana PindahIbu Kota Indonesia.
R Fauziah. (2021). Posedur Pembuatan Sertifikat Laik Operasi pada PT.
Perintis Perlindungan Instalasi Listrik Nasional (PPILN) Pekanbaru.
Ramadhan et al. (2021). Studi Pustaka Kemampuan Menganalisis pada
Pembelajaran Geometri dengan Menerapkan Teori Van Hiele
terhadap Peserta Didik Kelas V SD.
Septi Putri Azzahra. (2023). ANALISIS SENTIMEN ULASAN APLIKASI
DEEPL PADA GOOGLEPLAY DENGAN METODE SUPPORT
VECTOR MACHINE (SVM).

Sianturi, H. (2020). LKP Pemeriksaan dan Pengujian Instalasi
Pemanfaatan Tenaga Listrik Tegangan Rendah SLO PT. Jasa
Kelistrikan Indonesia (JKI) Medan.
Sri Anardani. (2021). Prediksi Beban Daya Listrik (W) Menggunakan
Metode Support Vector Machine (SVM) Pada Listrik Token Rumah
Tangga.
Suamanda Ika Novichasari. (2021). PENINGKATAN AKURASI
KELAYAKANKREDIT MENGGUNAKAN PARTICLESWARM
OPTIMIZATION.
SYARIF, A. A. (2023). PENERAPAN ALGORITMA SUPPORT VECTOR
MACHINE (SVM) UNTUK ANALISIS SENTIMEN OPINI
MASYARAKAT TERHADAP GANJAR PRANOWO DARI SOSIAL
MEDIA TWITER.
Urszula Stańczyk. (2020). Feature Selection for Data and Pattern
Recognition. Springer :65-75.
Yao Liang. (2021). Machine Learning Techniques for Smart Grid
Applications. Wiley:145-152.