Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Nusantara Journal of Multidisciplinary Science

Studi Karakteristik Profile Beban Kelistrikan Area Jaringan Tangerang Menggunakan Analisa Multivariate Adella Wendy Putri; Adri Senen
Nusantara Journal of Multidisciplinary Science Vol. 1 No. 8 (2024): NJMS - Maret 2024
Publisher : PT. Inovasi Teknologi Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis multivariat pada profil beban listrik adalah pendekatan yang penting untuk memahami pola penggunaan energi secara holistik dan mendalam. Dengan mengintegrasikan berbagai faktor yang mempengaruhi konsumsi energi listrik. Studi ini bertujuan untuk melakukan profilisasi beban listrik menggunakan metode analisis komponen utama (Principal Component Analysis, PCA) dan algoritma K-Means, serta mengevaluasi pemodelan dengan Regresi Linier Berganda dan menganalisis korelasi antara variabel-variabel terkait. Data beban listrik dari suatu wilayah tertentu dikumpulkan dan diolah menggunakan teknik PCA untuk mengidentifikasi pola utama dalam distribusi beban. Selanjutnya, algoritma K-Means digunakan untuk mengelompokkan pola-pola tersebut menjadi kategori yang lebih terdefinisi. Model Regresi Linier Berganda kemudian diterapkan untuk mengevaluasi hubungan antara variabel-variabel beban listrik dengan faktor-faktor yang memengaruhinya. Analisis korelasi digunakan untuk mengeksplorasi keterkaitan antara variabel beban listrik dan faktor-faktor lingkungan atau ekonomi yang dapat memengaruhi konsumsi energi. Hasil dari penelitian ini variabel PDRB,Jumlah Rumah tangga, beban listrik pada sektor bisnis dan perumahan memiliki korelasi yang dapat dikategorikan kuat yang melebihi nilai koefisien korelasi diangka 0,6. Reduksi duabelas variabel menggunakan PCA yang mempengaruhi konsumsi energi listrik menjadi empat variabel utama yaitu PDRB,Jumlah Rumah tangga, beban listrik pada sektor bisnis dan perumahan. Pemodelan yang menggunakan metode PCA mempunyai hasil yang baik dengan nilai RMSE 1.09