Zuboili, Zuboili (2025) ANALISIS K-FOLD CROSS VALIDATION UNTUK KLASIFIKASI METERAN LISTRIK DI PLN LHOKSUKON MENGGUNAKAN METODE K-NEAREST NEIGHBOUR DAN SUPPORT VECTOR MACHINE. S1 thesis, Universitas Malikussaleh.

	Text ZUBOILI_200170089_Cover.pdf Download (32kB)
	Text ZUBOILI_200170089_Abstrak.pdf Download (15kB)
	Text ZUBOILI_200170089_Bab I.pdf Download (68kB)
	Text ZUBOILI_200170089_Daftar Pustaka.pdf Download (78kB)
	Text ZUBOILI_200170089_Analisis K-Fold Cross Validation Untuk Klasifikasi Meteran Listrik Di PLN Lhoksukon Menggunakan Metode K-Nearest Neighbour Dan Support Vector Machine.pdf Restricted to Registered users only Download (3MB)

Abstract

Konsumsi tenaga listrik setiap tahunnya terus meningkat sejalan dengan peningkatan pertumbuhan ekonomi nasional. Untuk menentukan total daya yang tersedia di setiap area, penting untuk memperkirakan permintaan energi listrik saat ini. Permasalahan sekarang ini terjadi ketika jumlah energi listrik tidak mencukupi untuk memenuhi kebutuhan masyarakat di wilayah Lhoksukon. Selain itu masalah muncul ketika daya yang tersedia terlalu kecil untuk beban ada kekurangan energi di suatu wilayah. Supaya mengetahui daya listrik yang di berikan sudah sesuai atau belum, maka di gunakan klasifikasi dengan metode K- Nearest Neighbour (K-NN) dan Support Vektor Machine (SVM). Setelah melakukan klasifikasi selanjutnya akan diterapkan K-fold Cross Validation untuk mengevaluasi seberapa baik tingkat akurasi metode tersebut. Penelitian ini akan memakai 200 data meteran listrik terdiri dari 150 data uji dan 50 data latih dengan komposisi 75%:25%. Proses pengujian dimana proses data yang telah di bagi lalu di lakukan proses pengujian di mana proses data tersebut di dapatkan dari perhitungan manual. Sehingga pada penelitian ini mendapatkan hasil berupa metode K-NN dengan akurasi 98,33% dan metode SVM dengan akurasi 92,5. Dengan kesimpulan penerimaan listrik yang diterima masyarakat sudah sangat baik serta hasil yang didapatkan yaitu metode K-NN memiliki akurasi yang lebih tinggi di bandingan dengan metode SVM. Kata Kunci: Listrik, Klasifikasi, K-NN, SVM, K-Fold Cross Validation Electric power consumption continues to increase every year in line with the increase in national economic growth. To determine the total power available in each area, it is important to estimate the current demand for electrical energy. Current problems occur when the amount of electrical energy is insufficient to meet the needs of people in the Lhoksukon area. In addition problems arise when the available power is too small for the load there is a shortage of energy in an area. In order to find out whether the electricity provided is appropriate or not, classification is used with the K-Nearest Neighbor (K-NN) and Support Vector Machine (SVM) methods. After classification, K-fold Cross Validation will be applied to evaluate how good the accuracy of the method is. This research will use 200 electricity meter data consisting of 150 test data and 50 training data with a composition of 75%: 25%. The testing process where the data process that has been divided is then carried out in the testing process where the data process is obtained from manual calculations. So that in this study get results in the form of the K-NN method with an accuracy of 98.33% and the SVM method with an accuracy of 92.5. With the conclusion that the electricity received by the community is very good and the results obtained are the K-NN method has a higher accuracy compared to the SVM method. Keywords: Electricity, Classification, K-NN, SVM, K-Fold Cross Validation

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Zuboili Zuboili
Date Deposited:	21 Feb 2025 09:25
Last Modified:	21 Feb 2025 09:25
URI:	https://rama.unimal.ac.id/id/eprint/10230

Actions (login required)

View Item