<![CDATA[Kebutuhan manusia dalam memenuhi sandang, pangan dan papan pada kehidupannya saat ini tidak terlepas dari terlibatnya energi listrik. Pada beberapa sektor kehidupan, yaitu sektor rumah tangga, industri, bisnis, sosial, gedung kantor pemerintah, dan penerangan jalan umum membutuhkan energi listrik. Sektor industri konsumsi energi relatif lebih tinggi dibandingkan sektor lainnya, sehingga perlu adanya pengendalian konsumsi energi terutama di sektor industri. Akibatnya, untuk suatu Bangsa atau wilayah, prakiraan penggunaan energi listrik menjadi mendesak dan krusial. Penelitian mengenai hal ini muncul dari berbagai negara misalnya penelitian asal Korea tentang model prediksi konsumsi energi untuk smart factory menggunakan algoritma data mining yang memperkenalkan dan mengeksplorasi model prediksi konsumsi energi industri baja dengan menghasilkan model terbaik yaitu Random Forest dengan nilai RMSE 7,33 pada set pengujian. Selain itu, penelitian lain mengangkat judul model prediksi konsumsi energi yang efisien untuk suatu data analitik bangunan industri di kota pintar dengan menyajikan dan mengeksplorasi model konsumsi energi prediktif berdasarkan teknik penambangan data untuk industri baja skala kecil yang cerdas di Korea Selatan menggunakan variabel seperti lagging dan arus utama daya reaktif, faktor daya lagging dan arus terdepan, emisi karbon dioksida, dan jenis beban. Penelitian asal Australia juga tidak ketinggalan, membahas mengenai prediksi konsumsi energi industri menggunakan teknik data mining yang menyajikan dan mengeksplorasi model prediksi konsumsi energi menggunakan pendekatan data mining untuk industri baja hingga menunjukkan bahwa model Random Forest dapat memprediksi konsumsi energi terbaik dan mengungguli algoritma konvensional lainnya dalam perbandingan. Penelitian ini menyajikan klasifikasi konsumsi energi pada industri baja, agar dapat diketahui pola penggunaan beban ringan, beban sedang, dan beban maksimum menggunakan teknik data mining pada data publik yang sudah tersedia mengenai hal tersebut, dengan tujuan para pengguna energi di industri baja lebih bijak dalam menggunakan energi karena telah mengetahui pola masing-masing beban. Dengan metode yang digunakan diantaranya Random Forest, Decision Tree, Naïve Bayes dan Artificial Neural Network menghasilkan akurasi berturut-turut yaitu 91,13%, 90,50%, 70,97% dan 75,56%, sehingga metode klasifikasi yang paling cocok digunakan dalam melakukan klasifikasi konsumsi energi industri pada dataset steel industry energy consumption adalah Random Forest.]]>
Copyrights © 2022
