Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga

Alfa Saleh

Abstract


Peranan listrik sangat penting bagi setiap lapisan masyarakat bahkan listrik juga sangat dibutuhkan sebagai sarana produksi dan untuk kehidupan sehari-hari, begitu pentingnya peranan listrik tentu saja berdampak pada permintaan listrik yang semakin besar tapi hal ini kiranya tidak linier dengan persediaan listrik yang belum mampu memenuhi permintaan listrik yang begitu besar tersebut. Untuk mengatasi hal ini perlu adanya campur tangan pemerintah dan masyarakat dalam menggunakan listrik dengan bijak sehingga kebutuhan listrik tidak menjadi lebih besar dari persediaan listrik. Oleh karena itu setiap rumah tangga haruslah paham penggunaan listrik yang efektif. Penerapan metode naïve bayes diharapkan mampu untuk memprediksi besarnya penggunaan listrik tiap rumah tangga agar lebih mudah mengatur penggunaan listrik. dari 60 data penggunaan listrik rumah tangga yang diuji dengan metode naïve bayes, maka diperoleh hasil persentase 78,3333% untuk keakuratan prediksi, di mana dari 60 data penggunaan listrik rumah tangga yang diuji terdapat 47 data penggunaan listrik rumah tangga yang berhasil diklasifikasikan dengan benar.

 

The role of electricity is very important for every layer of society and even electricity is also needed as a means of production and to everyday in life, the importance of the role of electricity of course have an impact on the growing electricity demand but it would not be linear with electricity supply not been able to meet demand the electricity is so great. To address this need for government intervention and community to use electricity wisely so that the electricity needs not be greater than the supply of electricity. Therefore, every household should be understood that the effective use of electricity. Implementation of Naïve Bayes method is able to predict the magnitude of expected electricity use per household in order to more easily manage the use of electricity. Based on 60 household electricity usage data tested with Naïve Bayes method, be obtained the percentage 78.3333% for the accuracy of the prediction, in which of the 60 household electricity usage data are tested, there are 47 household electricity usage data successfully classified correctly.


Full Text:

PDF

References


Harifuddin, 2007, Estimasi Kebutuhan Daya Listrik Sulawesi Selatan Sampai Tahun 2017, Media Elektrik, No. 2 Vol. 2, Hal 14-22.

Chahaya, S., I., 2005, Pengetahuan, Sikap dan Tindakan Masyarakat Dalam Upaya Menghemat Pemakaian Energi Listrik Di Perumahan Nasional (Perumnas) Helvetia Kecamatan Medan Helvetia Kota Medan, Jurnal Komunikasi Penelitian, Vol. 17, No.4, Hal 60-65.

Manjusha K. K., Sankaranarayanan, K., Seena P., 2014, Prediction of Different Dermatological Conditions Using Naive Bayesian Classification, International Journal of Advanced Research in Computer Science and Software Engineering, Vol 4, No 1, Hal 864-868.

Ting, S. L., Ip, W. H., Tsang, A. H.C., 2011, Is Naive Bayes a Good Classifier for Document Classification?, International Journal of Software Engineering and Its Applications, Vol. 5, No. 3, Hal 37-46.

Taruna R., S., Hiranwal, S., 2013, Enhanced Naive Bayes Algorithm for Intrusion Detection in Data Mining, International Journal of Computer Science and Information Technologies, Vol.6, No. 4, Hal 960-962.

Mabrur, A. G., Lubis, R., 2012, Penerapan Data Mining untuk Memprediksi Kriteria Nasabah Kredit, Jurnal Komputer dan Informatika (KOMPUTA), Vol.1, No. 1, Hal 53-57.

Mujiasih, S., 2011, Pemanfaatan Data Mining Untuk Prakiraan Cuaca, Jurnal Meteorologi dan Geofisika, Vol. 12, No. 2, Hal 189 - 195.

Ridwan, M., Suyono, H., Sarosa, M., 2013, Penerapan Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier, Jurnal EECCIS, Vol 1, No. 7, Hal. 59-64.

Patil, T. R., Sherekar, M. S., 2013, Performance Analysis of Naive Bayes and J48 Classification Algorithm for Data Classification, International Journal of Computer Science and Applications, Vol. 6, No. 2, Hal 256-261.

Bustami., 2013, Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi, TECHSI : Jurnal Penelitian Teknik Informatika, Vol. 3, No.2, Hal. 127-146.

Pattekari, S. A., Parveen, A., 2012, Prediction System for Heart Disease Using Naive Bayes, International Journal of Advanced Computer and Mathematical Sciences, ISSN 2230-9624, Vol. 3, No 3, Hal 290-294.

Nasari, F., 2014, Analisa Faktor Penyebab Tingginya Pemakaian Listrik Rumah Tangga Menggunakan Algoritma C 4.5 (Studi Kasus di Kelurahan Tanjung Mulia), Tesis, Program Pasca Sarjana Ilmu Komputer, Universitas Putra Indonesia (YPTK), Padang.


Refbacks

  • There are currently no refbacks.