Random Forest Untuk Klasifikasi Jenis Gangguan Pada AHU (Air Handling Unit)

Abstract

Unit Penanganan Udara (AHU) merupakan komponen krusial dalam sistem HVAC yang rentan mengalami gangguan, menyebabkan pemborosan energi signifikan antara 15-30%.Deteksi gangguan secara manual seringkali tidak efisien dan lambat. Penelitian ini bertujuan untuk merancang dan menganalisis model klasifikasi berbasis machine learning menggunakan Random Forest untuk mengidentifikasi jenis gangguan AHU dengan target akurasi 95% dan waktu eksekusi 5 detik. Model dilatih dan diuji menggunakan dataset public LBNL yang mencakup 12 kelas gangguan. 4 skenario pengujian utama dievaluasi berdasarkan variasi pembagian data (60:20:20 dan 80:10:10) dan hyperparameter n_estimators (150 dan 250) yang dioptimalkan menggunakan GridSearchCV. Hasil penelitian menunjukkan bahwa model terbaik adalah dengan skenario 80% data latih dan n_estimators 150 berhasil mencapai akurasi 96% dengan waktu eksekusi 5.10 detik.