Identifikasi Beban Listrik Rumah Tangga Menggunakan Metode Recurrent Neural Network
Abstract
Abstrak— Kebutuhan listrik rumah tangga banyaknya alat yang menggunakan energi listrik sebagai sumber energi utama tidak menutup kemungkinan konsumsi energi listrik semakin lama semakin meningkat, hal ini menyebabkan pembayaran biaya listrik akan terus meningkat terutama pada kebutuhan listrik rumah tangga. Metode Recurrent Neural Network (RNN) untuk memantau penggunaan listrik satu fasa yang ada dialat rumah tangga. Dapat mengidentifikasi perangkat listrik berdasarkan jenis beban listrik, metode ini dapat mengurangi peningkatan pembayaran biaya listrik dengan mengidentifikasi perangkat listrik yang dipakai berdasarkan jenis beban listik yang dipakai. Data diambil dengan menggunakan bantuan perangkat keras. Pengujian sistem mendeteksi jenis beban listrik yang dilakukan pada tiga perangkat listrik rumah tangga yakni kipas, pemanas air dan setrika. Penelitian ini diawali dengan pengumpulan data yang berhubungan dengan perangkat yang akan diuji. Berdasarkan hasil pengujian akan dilakukan proses pengidentifikasi jenis beban listrik yang sedang digunakan. Dari hasil pengujian sistem dapat mengidentifikasi ketiga perangkat tersebut dengan akurasi, presisi, recall, dan F1-score adalah 97.90%, 98.39%, 97.39%, dan 97.83% menggunakan metode RNN.
Kata kunci— identifikasi beban listrik; listrik rumah tangga; RNN.
References
D. Paras Mandal, "Electricity Price Forecasting Using Neural Networks and Similar Days," IEEE,
vol. 1, p. 1, 2017.
M. X. D. Heng Shi, "Deep Learning for Household Load Forecasting—A Novel Pooling Deep RNN,"
IEEE, vol. 9, p. 1, 2018.
D. T. D. Prita Ayuningtyas, "Prediksi Beban Listrik Pada PT. PLN (Persero) Menggunakan Regresi Interval Dengan Neural Fuzzy," Jurnal Coding, p. 1,
D. Lisiani, "Identifikasi dan Analisis Jenis Beban
Listrik Rumah Tangga," Tugas Akhir, p. 5, 2019.
B. Y. D. MInh Tu Hoang, "Recurrent Neural Networks For Accurate RSSI Indoor Localization,"
IEEE, vol. 1, p. 3, 2019.
U. B. Nusantara, "Magister Of Information System Management," Universitas Bina Nusantara, 26 November 2019. [Online]. Available: https://mmsi.binus.ac.id/2019/11/26/apakah-deep-
learning/. [Accessed 12 Desember 2021].
D. J. D. Tao Yao, "Load Prediction of Microgrid Optimal Operation Based on Improved Algorithm in Machine Learning," Mechatronics and Applied
Mechanics, p. 3, 2020.
M. M. A. S. A. H. G. N. Y. M. D. Despa, "Monitoring dan Manajemen Energi Listrik Gedung Laboratorium Berbasis Internet of Things (IoT)," in
Scholar, Lampung, 2018.
Z. Arifin, "Pengaruh Pembebanan Terhadap Arus
Motor EG-530AD-2F," Disprotek, vol. 10, no. 1, pp. 43-49, 2019.
A. R. a. K. M. E. Desyantoro, "Sistem Pengendali Peralatan Elektronik dalam Rumah secara Otomatis Menggunakan Sensor PIR, Sensor LM35, dan Sensor LDR," J. Teknol dan Sist Komput, vol. 3, no.
, pp. 405-411, 2015.
G. M. V. Y. S. M. G. I. M. P Arun Chandra, "Automated Energy Meter Using Wifi Enabled
Rasberry Pi," in IEEE, India, 2016.
Y. K. S. P. A.S. Salunkhe, "Data Retrieval from RS-
Implemented Energy Meter for Industrial Monitoring System," in IEEE, India, 2022.
J. D. Kelleher, Deep Learning, London: The MIT
Press, 2019.
A. T. Mayank Dixit, "An overview of deep learning architectures, libraries and its applications areas,"
IEEE, p. 2, 2018.
F. Istardi, "Prediksi Beban Listrik Pulau Bali Dengan
menggunakan Metode Backpropagasi," p. 1, 2012.
R. Siringoringo, "Klasifikasi Data Tidak Seimbang Menggunakan Algoritma SMOTE dan K-Nearest
Neighbor," Jurnal ISD, vol. 3, no. 1, pp. 44-49, 2018.
V. A. L. A. F. S. D. R. A. E. S. Arwan, "Binus University," Binus University Graduate Program Master, 8 June 2018. [Online]. Available: https://mti.binus.ac.id/2018/06/08/synthetic- minority-over-sampling-technique-smote-
algorithm-for-handling-imbalanced-data/. [Accessed
August 2022].
D. S. T. N. Y. K. N. Y. X. H. Zhaozhao Xu, "A Cluster-based Oversampling Algorithm Combining SMOTE and K-means for Imbalanced Medical Data," Information Sciences, vol. 572, pp. 574-589,
S. K. D. Tomáš Mikolov, "Extensions of recurrent
neural network language model," IEEE, p. 1, 2011.
J. S. F. C. Felix A. Gers, "Learning to Forget:
Continual Prediction with LSTM," IEEE, vol. 12, no. 10, p. 2451, 2020.
M. K. a. J. P. J. Han, "Data Mining Concepts and
Techniques," in Elselver, USA, 2011.
