Implementasi Data Mining Penentuan Daya Pelanggan Baru untuk Klasifikasi Subsidi dan Non Subsidi di Wilayah PLN Kota Lhokseumawe

Andik Bintoro, Safwandi Safwandi

Abstract


Penerapan model data mining dalam klasifiaksi K-Nearest Neighbor (KNN) dalam
penentuan Daya Pelanggan Baru untuk Klasifikasi Subsidi dan Non Subsidi di
Wilayah PLN Kota Lhokseumawe sangatlah perlu untuk dilakukan. Hal ini untuk
mengetahui pelanggan PLN dalam klasifikasi pengelompokkan berdasarkan
dengan variable yang digunakan. Pelanggan baru PLN yang ingin mengetahui
berapa klasifikasi pengelompokkan listrik untuk pasang baru dapat menggunakan aplikasi ini dalam penentuan besaran daya yang digunakan untuk pasang baru. Variable yang digunakan adalah untuk K1 adalah pendapatan keluarga secara keseluruhan, K2 adalah pekerjaan orang tua, K3 adalah pekerjaan orang tua, K4 adalah luas rumah. Dari variable ini akan dimasukkan kedalam sistem dengan sub kriteria yang akan dimasukkan. Adapun Golongan tarif daya listrik subsidi terbagi menjadi dua yaitu Tarif R-1/450 VA untuk penggolongan K1 dan golongan R-1/900 VA Subsidi Tarif R-1/586 kWh untuk penggolongan K2, sedangkan Golongan K3 non subsidi Tarif R-1/1352 VA untuk rumah tangga mampu. Tujuan dari penelitian ini adalah memudahkan pelanggan baru dalam penentuan golongan yang diberikan oleh pihak PLN kota lhokseumawe dan pelanggan mengetahui besaran yang akan digunakan. Sehingga pelanggan kota lhokseumawe dapat melihat besaran jumlah daya yang diberikan. Model klasifikasi KNN menggunakan data training untuk di uji coba dengan data pengujian untuk pelanggan baru dan hasilnya dari nilai terdekat dari data training yang telah diujikan. Dalam penelitian ini data training yang digunakan adalah 30 data training, hal ini berguna untuk nilai pengujian lebih akurat dan hasil yang diharapkan menjadi lebih baik. Untuk pengujian V1 adalah dengan nilai 3, untuk kriteria V2 adalah 3, dan nilai variabel V=3 adalah 2 dan nilai variabel terakhir V4 adalah 1. Selanjutnya untuk hasil pengujian dari pelanggan baru adalah termasuk kedalam golongan subsidi R-1/900 VA Subsidi Tarif R-1/586 kWh yang telah dilihat dari hasil training. Hasil dari aplikasi ini dapat menampilkan besaran daya yang digunakan untuk pelanggan baru berdasarkan nilai pengujian yang dilakukan.


Kata kunci : Klasifikasi, Daya Listrik ,KNN


Full Text:

PDF

References


D. T. Larose, DATA MINING METHODS AND MODELS, New Jersey:John Wiley & Sons, Inc, 2006.

Larose, D.T. (2005). Discovering Knowledge in Data. New Jersey :John

Willey & Sons Inc.

Kusrini, M.Kom. 2007. Strategi Perancangan dan Pengelolaan Basis Data:CV. Andi Offset.

Kusrini, Luthfi, Emha Taufiq, Algoritma Data Mining, Penerbit ANDI,Yogyakarta, 2009. Xu, R., & Wunsch II, D. C. (2009). Clustering.Kanada: IEEE Press.

McLeod, Jr.R. dan G.P. Schell. 2007. Management Information System. 10thed. Pearson Education, Inc.

Han, J., Kamber M., Pei, J., 2011, Data Mining : Technique and Concepts 3rded., San Fransisco, CA, USA : Morgan Kaufmann.

Han, J., and Kamber M., 2006, Data Mining: Concepts and Techniques 2e,Morgan Kaufmann Publishers , San Francisco.

Turban, E., Aronson, J. E., Liang, T. P., & Sharda, R.(2007). Decision supportand business intelligencesystems (Eighth ed.). Pearson Education

Turban, E, 2005, Decision Support Systems and Intelligent Systems Edisi

Bahasa Indonesia Jilid 1, Andi, Yogyakarta.




DOI: https://doi.org/10.29103/sisfo.v2i2.1011

Article Metrics

 Abstract Views : 762 times
 PDF Downloaded : 217 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Andik Bintoro, Safwandi Safwandi

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 


 
 

Universitas Malikussaleh		  

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.