Implementasi Data Mining Prediksi Kebutuhan Tenaga Listrik Di Kota Lubuklinggau

Authors

  • Robi Yanto STMIK Bina Nusantara Jaya Lubuklinggau

DOI:

https://doi.org/10.33633/tc.v19i2.3447

Keywords:

Data Mining, Listrik, Regresi Linear Berganda

Abstract

Kota Lubuklinggau dengan jumlah penduduk mencapai 229.224 Jiwa. Dan luas wilayah 401 KM2 merupakan kota terpadat kedua di sumatera selatan. Dalam memenuhi kebutuhan tenaga listrik bagi seluruh jenis pelanggan yang berjumlah 99805, Perusahaan Listrik Negara Kota Lubuklinggau di tahun 2018 memproduksi tenaga listrik sebesar 235.752 ribu KWH. Tenaga listrik merupakan kebutuhan pokok manusia untuk dapat membantu dalam menjalankan semua aktivitas yang dilakukan. Pemenuhan akan kebutuhan tenaga listrik merupakan suatu kewajiban yang harus dilakukan karena tanpa adanya tenaga listrik akan mengakibatkan kelumpuhan bagi aktivitas yang ada di Kota Lubuklinggau. Untuk mengatasi hal tersebut tentunya pemerintah wajib memiliki rencana jangka panjang untuk memenuhi kebutuhan tenaga listrik. Seiring dengan pertumbuhan penduduk dan berkorelasi pada peningkatan jumlah pelanggan mengakibatkan kebutuhan tenaga listrik yang akan terus bertambah. Dengan demikian maka perlu dilakukan analisa terhadap kebutuhan tenaga listrik dalam jangka panjang menggunakan algoritma regresi linear berganda. Berdasarkan hasil penelitian dapat diketahui pertumbuhan pelanggan sampai 2024 sebesar 169.037 pelanggan dan produksi tenaga listrik sebesar 336.887 Ribu KWH sehingga dihasilkan prediksi kebutuhan listrik sampai tahun 2024 adalah sebesar 162.569 Ribu KWH.

Author Biography

Robi Yanto, STMIK Bina Nusantara Jaya Lubuklinggau

Sistem Informasi

References

BPS Kota Lubuklinggau., 2019, Kota Lubuklinggau Dalam Angka Tahun 2019, Penerbit BPS Kota lubuklinggau.

Handoko, K., 2016, Penerapan Data Mining Dalam Meningkatkan Mutu Pembelajaran Pada Instansi Perguruan Tinggi Menggunakan Metode K-Means Clustering (Studi Kasus Di Program Studi TKJ Akademi Komunitas Solok Selatan), Jurnal TEKNOSI Vol 2 No 3 Hal 31-40.

Yanto, R., 2018, Implementasi Data Mining Estimasi Ketersediaan Lahan Pembuangan Sampah Menggunakan Algoritma Regresi Linear, Jurnal Rekayasa Sistem dan Teknologi Informasi, vol 2, No 1 hal 361-366.

Noviyanto, R.,Goeirmanto, R., 2019, Penerapan Data Mining Menggunakan Algoritam K-Means Clustering Untuk Menganalisa Bisnis Perusahaan Asuransi, Jurnal Teknik Informatika dan Sistem Informasi (JATISI MDP), Vol 6, No 1 Hal 85-95.

Sartika, D., Sensuse, I.D., 2017, Perbandingan Algoritma Klasifikasi Naive Bayes, Nearest Neighbour, dan Decision Tree pada Studi Kasus Pengambilan Keputusan Pemilihan Pola Pakaian, Jurnal Teknik Informatika dan Sistem Informasi (JATISI MDP), Vol 1, No 2 Hal 151-161.

Utama, N.P.S., 2017, Prakiraan Kebutuhan Tenaga Listrik Propinsi Bali Sampai Tahun 2018 Dengan Metode Regresi Berganda Deret Waktu, Jurnal Teknologi Elektro, Vol 6 , No 1, Hal 20-25.

Antonov., Rahman, A., 2015, Prakiraan Dan Analisa Kebutuhan Energi Listrik Provinsi Sumatera Barat Hingga Tahun 2024 Dengan Metode Analisis Regresi Linear Berganda, Jurnal Teknik Elektro ITP, Vol 4, No 2 Hal 34-43

Izzah, A., Widiastuti, R., 2017, Prediksi Harga Saham Menggunakan Improved Multiple Linear Regression Untuk Pencegahan Data Outlier, Jurnal KINETIK, Vol 2, No 3 Hal 141-150.

Purwadi., Ramadhan, P.S., Safitri., 2019, Penerapan Data Mining Untuk Mengestimasi Laju Pertumbuhan Penduduk Menggunakan Metode Regresi Linier Berganda Pada BPS Deli Serdang, Jurnal Sains dan Komputer, Vol 18, No 1 Hal 55-61.

Widagdo, S.P., 2016, Estimasi Harga Tebasan Jagung Bagi Tengkulak Menggunakan Metode Regresi Linier Berganda, Skripsi, Fakultas Teknik, UN PGRI Kediri, Kediri.

Triyanto, E., Sismoro, A., Laksito, A.D., 2019, Implementasi Algoritma Regresi Linear Berganda Untuk Memprediksi Produksi Padi Di Kabupaten Bantul, Jurnal Teknologi dan Sistem Informasi UNIVRAB, Vol 4, No 2 Hal 66-75.

Astno, W., Purwaningrum, P., Wahyudyanti, R., 2015. Perencanaan Tempat Pembuangan Akgir Sampah demgan menggunakan Metode Sanitary Landfill, Jurnla JTL, Vol.7 No.1, Hal 7-16.

Downloads

Published

2020-05-26

Issue

Vol. 19 No. 2 (2020): Mei 2020

Section

Articles

License

Copyright (c) 2020 Robi Yanto

Creative Commons License

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

 

License Terms

All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:

1. Attribution

Readers and users are free to:

  • Share – Copy and redistribute the material in any medium or format.

  • Adapt – Remix, transform, and build upon the material.

As long as proper credit is given to the original work by citing the author(s) and the journal.

2. Non-Commercial Use

  • The material cannot be used for commercial purposes.

  • Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.

3. Rights of Authors

  • Authors retain copyright and grant Techno.COM Journal the right to publish the article.

  • Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.

4. No Additional Restrictions

  • The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.

5. Disclaimer

  • The journal is not responsible for how the published content is used by third parties.

  • The opinions expressed in the articles are solely those of the authors.

For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/

 

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.