PENERAPAN PARTITIONAL CLUSTERING DAN ARTIFICIAL NEURAL NETWORK UNTUK MEMPREDIKSI KONSUMSI ENERGI LISTRIK PADA BANGUNAN (Studi Kasus: National Taiwan University of Science and Technology)

Abstract

Penggunaan energi listrik khususnya di Taiwan terus mengalami peningkatan yang signifikan setiap tahunnya. Hal ini dihadapkan pada ketersediaan energi di Taiwan yang tidak mencukupi sehingga harus melakukan impor energi. Salah satu yang memiliki kontribusi besar terhadap besarnya konsumsi energi listrik di Taiwan yaitu bangunan sekolah. Penelitian ini dengan tujuan menganalisis pengaruh sistem clustering terhadap tingkat akurasi prediksi konsumsi energi mendatang pada bangunan sekolah. Algoritma k-means dan k-medoids digunakan untuk mengelompokan bangunan yang memiliki kemiripan dalam cluster yang sama. Sedangkan, proses prediksi dilakukan dengan menggunakan model MultiLayer Perceptron Neural Network (MLP-NN). Proses prediksi dilakukan pada masing-masing bangunan dengan dan tanpa mempertimbangkan cluster. Hasil pengolahan data menunjukkan bahwa prediksi pada bangunan dengan mempertimbangkan cluster memiliki nilai kesalahan prediksi yang lebih rendah dibandingkan tanpa cluster. Berdasarkan hasil uji statistik, terdapat perbedaan yang signifikan antara prediksi dengan dan tanpa cluster. Sehingga, dapat disimpulkan bahwa sistem clustering memiliki pengaruh terhadap tingkat akurasi prediksi konsumsi energi listrik pada bangunan.