IMPLEMENTASI MODEL PDCA DALAM MANAJEMEN SUMBER DAYA ENERGI LISTRIK

Miftah Muhammad, Hafid Syaifuddin

Abstract


Kebutuhan akan energi terutama energi listrik terus meningkat diiringi dengan bertumbuhnya penduduk dan rumah penduduk. Khusus di Indonesia peningkatan penggunaan listrik rumah tangga pada tahun 2017 mencapai 95%. Hal tersebut tentu sangat berpengaruh terhadap bahan baku untuk menghasilkan energi listrik. Berbagai upaya telah dilakukan untuk menekan konsumsi listrik khususnya pada rumah tangga. Salah satu cara yaitu dengan menerapkan konsep Energy Manajemen System (EMS) dengan model Plan-Do-Check-Act (PDCA). Pada penelitian juga menerapkan PDCA namun berfokus pada tahapan Plan. Tahapan plan yang dilakukan yaitu dengan menerapkan algoritma C4.5 untuk membentuk rule dalam hal prediksi listrik rumah tangga. Penelitian ini juga diuji kinerja sistem dengan menggunakan confusion matrix. Data-data yang diterapkan merupakan data real yang dikumpulkan di Kota Ternate, Maluku Utara, Indonesia. Hasil penelitian didapat bahwa rule yang terbentuk sebanyak 19 rule. Dengan akurasi sistem bervariasi tergantung jumlah data latih yang diterapkan. Namun untuk akurasi tertinggi ketika data latih yang diterapkan sebanyak 55 data latih dimana akurasi yang didapatkan yaitu sebesar 80%.


Keywords


PCDA, Manajemen sumber daya energi listrik, C4.5

References


Jasinski, T., 2019. Modeling electricity consumption using nighttime light images and artificial neural networks. Energy.179 831-842.ScienceDirect

Lee, C, Y., Kaneko, S., dan Sharifi A., 2020. Effects of building types and materials on household electricity consumption in Indonesia. Sustainable Cities and society (54). 1-11. ScienceDirect

Prashar, A. 2017. Adopting PDCA (Plan-Do-Check-Act) Cycle for Energy Optimization in Energy-Intensive SMEs. J. Clean. Prod. 145, 277–293.

Kim, J-Y., dan Cho, S-B., 2019. Electric Energy Consumption Prediction by Deep Learning with State Explainable Autoencoder. Energies.1-14. doi:10.3390/en12040739

Zhuang, Z., Chen, H., dan Luo, X., 2019.Spatial Granularity Analysis on Electricity Consumption Prediction Using LSTM Recurrent Neural Network. 10th International Conference on Applied Energy (ICAE2018), Energy Procedia. 2713-2718. Hongkong.

Chang, Z., Zhang, Y., dan Chen, W., 2019. Electricity price prediction based on a hybrid model of adam optimized LSTM neural network and wavelet transform, Energy. 187. 1-12. ScienceDirect

Harrington, P., Machine Learning In Action, New York: Manning Publication, 2012.

Ridwan, M., Suyono, H., & Sarosa, M., 2013, Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. jurnal EECCIS, 7(1), 59-64.




DOI: https://doi.org/10.33387/josae.v5i1.4676

Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Miftah Muhammad, Hafid Syaifuddin




Journal PoliciesSubmissionsPeople
 Information



Editorial Office :
Journal Of Science and Engineering
Fakultas Teknik. Universitas Khairun
Jl. Jusuf Abdulrahman Kotak Pos 53 Gambesi, Kota Ternate, Indonesia
.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.