REDUKSI BIAYA PEMAKAIAN ENERGI LISTRIK PADA GEDUNG PENDIDIKAN BERIKLIM TROPIS = REDUCTION OF ELECTRICITY USE COSTS IN EDUCATION BUILDINGS WITH TROPICAL CLIMATES

Universitas Hasanuddin (Unhas) dengan luas bangunan 4225,48 m2 terletak di wilayah tropis. Gedung Rektorat merupakan bangunan vital kampus Unhas, padatnya aktivitas di bangunan tersebut sejalan dengan tingginya penggunaan peralatan listrik sebagai penunjang pekerjaan. Jika hal ini dibiarkan terus-menerus, penggunaan energi listrik bisa sangat tinggi sehingga berpengaruh kepada kualitas energi serta tingginya pembayaran listrik yang harus dipenuhi. Penghematan energi adalah cara yang bijak dalam menghadapi situasi ini, salah satunya mencari peluang penghematan dengan melakukan audit. Hasil audit energi pada Gedung Rektorat Unhas adalah konsumsi energi listrik sebesar 59.149,521 kWh/bulan dengan pembagian penggunaan energi yaitu sistem pencahayaan dengan 201,760 kWh/hari, sistem pengkondisian udara 1344,176 kWh/hari dan penggunaan peralatan listrik sebesar 644,787 kWh/hari. Dari data yang ada diperoleh Intensitas Konsumsi Energi (IKE) per bulan sebesar 13,99 kWh/m2. Nilai ini termasuk kategori cukup efisien dengan kriteria IKE Bangunan Gedung Ber-AC Menurut Permen ESDM No.13 Tahun 2012. Peluang penghematan yang dilakukan adalah mengganti lampu eksisting dengan lampu LED, sehingga diperoleh penghematan pembayaran tagihan listrik dalam periode satu bulan adalah Rp 162.471. Prediksi penggunaan energi listrik Gedung Rektorat Unhas di daerah Tropis Indonesia merupakan salah satu upaya penghematan, dengan mengetahui informasi penggunaan energi listrik gedung kedepannya. Metode Support Vector Regression (SVR) dengan data waktu (hari dan jam) serta daya penggunaan energi listrik terhitung dan terukur. Data sejumlah 168 diperoleh berdasarkan aktivitas kerja pada Gedung Rektorat Unhas. Pengujian dilakukan menggunakan tiga kernel yaitu Linier, RBF dan Polynomial yang dihitung akurasinya menggunakan Mean Absolute Percentage Error (MAPE). Hasilnya menunjukkan bahwa karnel RBF paling baik dari kedua kernel yang lain dengan nilai MAPE 11,67 %.

Keywords : Audit Energi, Bentuk Konsumsi Energi, Prediksi Konsumsi Energi Bangunan, Fungsi Kernel, Support Vector Regression.