PENGELOMPOKAN SEBARAN TRANSFORMATOR DISTRIBUSI BERDASARKAN KAPASITAS DAYA MENGGUNAKAN METODE NAÏVE BAYES Studi Kasus: PT. PLN RAYON KOTA SAMARINDA
-
Rheo Malani(1*)
Politeknik Negeri Samarinda
-
Bedi Suprapty(2)
Politeknik Negeri Samarinda
(*) Corresponding Author
Abstrak
Kebutuhan manusia terhadap energi sebagian besar diperoleh dari energi listrik, baik untuk kebutuhan untuk sehari-hari maupun untuk kebutuhan industri. PT. PLN (Persero) salah satu perusahaan listrik negara yang melayani kebutuhan masyarakat akan listrik. Transformator atau lebih dikenal dengan nama “transformator” atau “trafo” sejatinya adalah suatu peralatan listrik yang mengubah daya listrik AC pada satu level tegangan yang satu ke level tegangan berdasarkan prinsip induksi elektromagnetik tanpa merubah frekuensinya. Karena masih kurangnya penyebaran trafo di sekitar wilayah Samarinda dapat berakibat pada layanan kebutuhan listrik kepada masyarakat. Oleh karena itu dibutuhkan suatu metode yang dapat memudahkan penyebaran trafo PT. PLN Rayon Kota Samarinda, salah satu metode tersebut adalah dengan menerapkan Naïve Bayes. Tujuan penelitian ini yaitu memudahkan penyebaran di setiap wilayah dan jenis trafo yang digunakan. Hasil dari perhitungan menggunakan metode Naïve Bayes, diperoleh hasil probabilitas pengelompokan data latih adalah P(160) = 0.006441224 , P(100) = 0.016304348, P(80) = 0.001610306, P(50) = 0.001610306, P(40) = 0.000402576, P(20) = 0.000679348. Dari hasil perhitungan, terlihat bahwa nilai probabilitas P(100) lebih dominan, maka 100 direkomendasikan untuk konsumsi real yang digunakan sebagai data latih. Metode Naïve Bayes menghasilkan tingkat akurasi sebesar 92%.
##plugins.generic.usageStats.downloads##
Referensi
A. Gumay, “Transformator,” dari http://eprints.polsri.ac.id, pp. 1-31, 2015.
A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Citec Journal, vol. 2, no. 3, pp. 207-217, 2015.
A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga ISSN : 2354-5771,” Citec Journal, vol. 2, no. 3, pp. 207-217, 2015.
E. Irwansyah, and M. Faisal, Advanced Clustering: Teori dan Aplikasi, p.^pp. 4-5: DeePublish, 2015.
Bustami, “PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENGKLASIFIKASI DATA NASABAH ASURANSI,” JUrnal Informatika, vol. 8, no. 1, pp. 884-898, 2014.
M. Ridwan, H. Suyono, and M. Sarosa, “Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier,” JURNAL EECCIS, vol. 7, no. 1, pp. 59-64, 2013.
R. G. Rafsanjani, N. Hidayat, and R. K. Dewi, “Diagnosis Penyakit Hati Menggunakan Metode Naive Bayes Dan Certainty Factor,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 11, pp. 4478-4482, 2018.
R. Malani, and B. Suprapty,"Implementasi Sistem Seleksi Kinerja Pegawai Negeri Khususnya Tenaga Pengajar Terbaik Menggunakan Metode K-Means Clustering Pada Politeknik Negeri Samarinda," Seminar Nasional Teknologi Terapan, Vol.3, pp.1491, 2016
P.R. Nastiti, and A.B.W. Putra, "Perbandingan Algoritma K-Means dan Fuzzy C-Means Clustering Untuk Kualifikasi Data Kinerja Dosen di Jurusan Teknologi Informasi POLNES," Prosiding Seminar SEBATIK, Vol.1, No.1, pp.71-76, 2017
##submission.copyrightStatement##
##submission.license.cc.by4.footer##Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk diterbitkan, penulis memiliki hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution (CC-BY) 4.0 License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
