Ramadhani, Idham Kholid (2023) IMPLEMENTASI DATA MINING PENENTUAN KELOMPOK PELANGGAN LISTRIK SUBSIDI ATAU NON SUBSIDI. Skripsi thesis, UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text
1_195410220_HALAMAN_DEPAN.pdf - Published Version Download (563kB) |
|
Text
2_195410220_BAB_I.pdf - Published Version Download (116kB) |
|
Text
3_195410220_BAB_II.pdf - Published Version Download (222kB) |
|
Text
4_195410220_BAB_III.pdf - Published Version Restricted to Repository staff only Download (507kB) |
|
Text
5_195410220_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (2MB) |
|
Text
6_195410220_BAB_V.pdf - Published Version Download (33kB) |
|
Text
7_195410220_DAFTAR_PUSTAKA.pdf - Published Version Download (100kB) |
|
Text
8_195410220_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (29kB) |
|
Text
9_195410220_LISTING_PROGRAM.pdf - Published Version Restricted to Repository staff only Download (473kB) |
Abstract
Penggunaan data mining dalam melakukan klasterisasi ataupun prediksi data berdaya guna untuk pengambilan keputusan yang berbasis data historis. Penelitian ini menggunakan algoritma data mining untuk melakukan proses pencarian pengetahuan terhadap data pelanggan PLN di Kebumen khususnya untuk penentuan pelanggan PLN. Terdapat 2 tahapan penerapan data mining yang dikerjakan pada penelitian ini yaitu proses auto labeling pelanggan PLN menggunakan k-medoids dan proses prediksi status pelanggan menggunakan K-NN. Dataset yang digunakan pada penelitian ini sebanyak 8.737 data dan diberikan 2 label menggunakan k-medoids yaitu subsidi dan non-subsidi. Proses training dataset yang telah mempunyai label akan menghasilkan model yang digunakan untuk prediksi data pelanggan baru. Akurasi prediksi metode KNN pada penelitian ini dihasilkan 99% pada k bernilai 3, nilai tersebut sudah diuji dengan melakukan perbandingan akurasi pada k=3 dengan accuracy score 0.9995, k=5 dengan accuracy score 0.9990 dan k=7 dengan accuracy score 0.9990, sehingga disimpulkan bahwa nilai k yang diimplementasikan pada prediksi status pelanggan PLN menghasilkan nilai mendekati akurat dan tepat. Proses klasterisasi ataupun prediksi status pelanggan PLN secara auto label, bermanfaat dalam menghemat waktu pengerjaan pengambilan keputusan pelanggan subsidi dan non-subsidi. Hasil keputusan tersebut dapat dialihkan ke pihak PLN dan diharapkan dengan hasil tersebut pembagian listrik subsidi dapat terbagi secara merata dan tepat sasaran. Kata kunci: Data mining, K-medoids, Klaster, PLN, Prediksi.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing : Sri Redjeki, S.Si., M.Kom., Ph.D |
| Uncontrolled Keywords: | Data mining, K-medoids, Klaster, PLN, Prediksi. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma A Karya Umum (General) > Ilmu Komputer (Computer Science) > Database > Data Mining |
| Divisions: | Jenjang S1 > Informatika (S1) |
| Depositing User: | Mr. Andi Setyanto |
| Date Deposited: | 13 Okt 2023 06:31 |
| Last Modified: | 13 Okt 2023 06:31 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10073 |
Actions (login required)
 |
View Item |
