SETIAWAN, RIO (2026) PENERAPAN METODE K-NEAREST NEIGHBOR DAN RANDOM FOREST DALAM MEMPREDIKSI RISIKO GANGGUAN JARINGAN LISTRIK BERDASARKAN DATA PEMELIHARAAN PERUSAHAAN LISTRIK NEGARA (PLN). S1 thesis, Universitas Malikussaleh.

	Text COVER RIO SETIAWAN.pdf Download (104kB)
	Text ABSTRAK RIO SETIAWAN.pdf Download (78kB)
	Text BAB I RIO SETIAWAN.pdf Download (146kB)
	Text DAFTAR PUSTAKA RIO SETIAWAN.pdf Download (154kB)
	Text TGA RIO SETIAWAN.pdf Restricted to Registered users only Download (2MB)

Abstract

Gangguan pada jaringan distribusi listrik dapat menurunkan keandalan sistem dan kualitas pelayanan kepada pelanggan. Strategi pemeliharaan konvensional yang bersifat korektif dan preventif seringkali tidak cukup untuk memprioritaskan aset dengan risiko gangguan lebih tinggi. Penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) dan Random Forest untuk memprediksi kategori risiko gangguan jaringan listrik berdasarkan data pemeliharaan historis dari PLN UP3 Lhokseumawe. Data melalui tahap preprocessing meliputi pembersihan, transformasi, dan normalisasi, kemudian dilabeli menggunakan metode Failure Mode and Effects Analysis (FMEA) ke dalam tiga kategori risiko, yaitu rendah, sedang, dan tinggi. Model dievaluasi menggunakan confusion matrix, precision, recall, dan F1-score. Hasil pengujian menunjukkan model K-NN mencapai akurasi 97,6% dengan rata-rata precision 95,20%, recall 98,00%, dan F1-score 96,40%, sedangkan model Random Forest mencapai akurasi 97,6% dengan rata-rata precision, recall, dan F1-score sebesar 96,2%. Analisis kepentingan fitur pada Random Forest mengidentifikasi Pengukuran, Temuan Tingkat 1, dan Inspeksi Tingkat 1 sebagai prediktor paling berpengaruh. Kedua algoritma terbukti efektif dalam mengidentifikasi tingkat risiko gangguan dan diharapkan dapat mendukung pemeliharaan prediktif berbasis data guna meningkatkan keandalan sistem distribusi tenaga listrik. Kata Kunci: Prediksi risiko gangguan, K-Nearest Neighbor,Random Forest, Pemeliharaan prediktif, Sistem distribusi daya, PLN

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) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Rio Setiawan
Date Deposited:	12 Aug 2026 04:46
Last Modified:	12 Aug 2026 04:46
URI:	https://rama.unimal.ac.id/id/eprint/21118

Actions (login required)

View Item