ANALISIS KONSUMSI LISTRIK ABNORMAL MENGGUNAKAN ALGORITMA FUZZY C-MEANS DAN DECISION TREE = ANALYSIS OF ABNORMAL ELECTRICITY CONSUMPTION USING FUZZY C-MEANS AND DECISION TREE ALGORITHMS

Energi listrik memiliki peran yang penting dalam mendukung aktivitas sehari-hari, khususnya di wilayah industri dan perumahan yang sangat bergantung pada ketersediaan energi ini. Di Indonesia, PT. PLN (Persero) sebagai BUMN penyedia energi listrik menghadapi tantangan dalam distribusi energi, termasuk konsumsi energi oleh pelanggan yang abnormal yang berpotensi merugikan instansi maupun pelanggan. Penelitian ini bertujuan untuk mengimlementasi penggunaan algoritma Fuzzy C-Means (FCM) dan menganalisis Decision Tree dalam mengidentifikasi dan mengklasifikasi karakteristik konsumsi energi listrik. Algoritma FCM digunakan untuk mengelompokkan karakteristik konsumsi energi listrik ke dalam klaster dan menggunakan algoritma Decision Tree untuk mengklasifikasikan karakteristik penggunaan listrik pelanggan. Data yang digunakan dalam penelitian ini adalah data penggunaan listrik pelanggan. Hasil clustering menggunakan FCM menghasilkan distribusi data ke dalam empat cluster yang berbeda dengan karakteristik dan rekomendasi spesifik. Temuan penting dari penelitian ini adalah cluster 4, mencakup hanya 2,5% dari dataset, yang menunjukkan kondisi tidak terbacanya arus yang mengalir dan rendahnya efisiensi penggunaan listrik. Sebanyak 27,8% dari dataset dikategorikan ke dalam cluster 1 yang dicirikan oleh tingginya ketidakseimbangan arus. Cluster 2, yang mencakup 8,7% dari dataset, mengalami masalah serupa dengan cluster 1 ditambah dengan rendahnya efisiensi penggunaan listrik. Sementara itu, mayoritas data berada pada cluster 3, yakni 60,8% yang menunjukkan kondisi normal. Sehingga perlu diadakan tindak lanjut untuk cluster 1, 2 dan 4. Hasil model klasifikasi menggunakan algoritma decision tree menunjukkan nilai akurasi 99,84% dengan rasio 60:40 dan 70:30. Berdasarkan penelitian yang telah dilakukan, algoritma FCM dapat mengelompokkan karakteristik penggunaan listrik dengan baik dan model klasifikasi yang dihasilkan dari algoritma decision tree menghasilkan akurasi yang baik pula.

Keyword : Fuzzy C-Means, Clustering, Decision Tree, Akurasi, Error rate, Listrik