<![CDATA[Konsumsi energi listrik pada rumah tangga terus mengalami peningkatan seiring bertambahnya penggunaan peralatan elektronik dalam aktivitas sehari-hari. Kondisi tersebut mendorong perlunya suatu metode yang mampu memperkirakan kebutuhan energi listrik secara akurat sehingga penggunaan energi dapat dikelola dengan lebih efisien. Penelitian ini bertujuan menerapkan metode Adaptive Neuro-Fuzzy Inference System (ANFIS) untuk memprediksi konsumsi energi listrik rumah tangga berdasarkan data hasil pemantauan menggunakan prototipe. Pengambilan data dilakukan selama 30 hari melalui sistem monitoring berbasis Arduino yang terintegrasi dengan sensor PZEM-004T, sensor DHT, Python, dan web sehingga mampu merekam parameter tegangan, arus, daya, energi listrik, suhu, serta kelembapan secara berkala. Data yang diperoleh kemudian melalui tahapan pembersihan, normalisasi menggunakan min-max scaling, pembagian data menjadi data pelatihan sebesar 70% dan data pengujian sebesar 30%, dilanjutkan dengan proses pembentukan serta pelatihan model ANFIS menggunakan fungsi keanggotaan segitiga. Tingkat kinerja model dianalisis menggunakan nilai Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Mean Absolute Percentage Error (MAPE). Hasil pengujian menunjukkan bahwa model mampu mengikuti pola perubahan konsumsi energi listrik dengan tingkat kesalahan yang relatif rendah. Nilai MAE yang diperoleh sebesar 3,64, RMSE sebesar 5,64, dan MAPE sebesar 5,90%, sehingga tingkat akurasi model termasuk dalam kategori sangat baik. Berdasarkan hasil tersebut, metode ANFIS dinilai mampu memberikan prediksi konsumsi energi listrik rumah tangga secara andal serta berpotensi mendukung upaya penghematan dan pengelolaan energi listrik yang lebih efektif.]]>
Copyrights © 2026
