Konsumsi energi pada bangunan merupakan salah satu pengguna terbesar dalam
konsumsi energi listrik secara global. Berdasarkan referensi, konsumsi energi
bangunan mencapai persentase sebesar 36 %. Prediksi konsumsi energi sangat
berdampak pada efisiensi dan efektifitas dalam melakukan pengoperasian aset
bangunan. Oleh karena itu, dikembangkan berbagai metode untuk melakukan prediksi
penggunaan energi listrik pada bangunan. Prediksi dapat dilakukan dengan
mengembangkan suatu model berdasarkan algoritma. Salah satu metode yang
berkembang dalam pengembangan model prediksi adalah mengaplikasikan algoritma
Pembelajaran Mesin. Penelitian ini akan menunjukkan penerapan beberapa jenis
Algoritma Pembelajaran Mesin. Algoritma yang akan digunakan antara lain: Regresi
Vektor Pendukung dan Hutan Acak. Selain itu, Penelitian ini juga melakukan teknik
penggabungan kedua algoritma dengan Ensemble Learning atau Metode Pembelajaran
Terkoordinasi.
Dalam pengembangan model diperlukan pula teknik ekstraksi dan rekayasa fitur
(features engineering) dari data hasil pengukuran. Dalam hal ini, digunakan
pembersihan negatif untuk teknik ekstraksi dan Fitur Kontekstual untuk rekayasa fitur.
Parameter kondisi lingkungan juga digunakan untuk melengkapi rekayasa fitur.
Sehingga dihasilkan 4 (empat) kelompok himpunan data (datasets). Kemudian seluruh
himpunan data dikombinasikan dengan ketiga algoritma.
Seluruh model yang dihasilkan telah dievaluasi dengan menghitung nilai MSE (mean
square error) dan MAE (mean absolute error). Seluruh model menunjukkan hasil
evaluasi yang cukup baik, terutama Metode Pembelajaran Terkoordinasi dengan nilai
MSE < 0,1 dan nilai MAE < 0,1. Kemudian hasil prediksi menghasilkan nilai terkecil
sebesar RMSE = 0,0283 dan MAE = 0,0210 pada Masa Pre – Pandemi. Sedangkan
hasil prediksi pada Masa Pandemi menghasilkan nilai terkecil sebesar RMSE = 0,0282
dan MAE = 0,0235