Perpustakaan Digital ITB

Terjadinya rugi-rugi atau Non-Technical Losses (NTLs) merupakan dampak nyata dari masih maraknya kesalahan non-teknis baik dalam proses instalasi, transmisi, maupun distribusi energi listrik. Hal tersebut dapat dilihat pada presentase angka susut jaringan tenaga listrik di Indonesia pada tahun 2020 yang mencapai 9,2%. Faktor yang paling sering ditemui di lapangan adalah maraknya angka kasus pencurian daya listrik (electricity theft). Pendeteksian perilaku anomali dengan mengekstraksi profil beban dan pola penggunaan energi listrik merupakan langkah awal yang berpotensi untuk mengungkap adanya tindakan pencurian daya listrik. Pada penelitian tugas akhir ini akan dikembangkan suatu sistem deteksi perilaku anomali dengan menggunakan metode pengelompokan (clustering) berdasarkan algoritma k-means. Data masukan diperoleh dari sistem manajemen energi Gedung Labtek VI Institut Teknologi Bandung (ITB) yang telah dilakukan serangkaian pemrosesan data berupa Exploratory Data Analysis (EDA), dan data normalisasi. Dari serangkaian proses pengolahan dan simulasi model didapatkan hasil penelitian berupa fitur yang digunakan sebagai fitur masukan model adalah daya (P), tegangan pada tiap fasa (V1, V2, V3), kuat arus pada tiap fasa (A1, A2, A3), power factor pada tiap fasa (PF1, PF2, PF3), dan On_hours. Selain itu juga digunakan fitur timestamp untuk plot grafik identifikasi pola penggunaan daya listrik. Dari hasil simulasi, pada visualisasi metode elbow dihasilkan nilai derajat optimum k = 3 yang menunjukan jumlah klaster yang akan terbentuk. Dari ketiga klaster tersebut kemudian dihasilkan grafik sebar yang menunjukkan klaster 2 merupakan klaster dengan anomali terbanyak. Kemudian, dari proses simulasi juga dihasilkan plot grafik penggunaan listrik harian yang dengan jelas menunjukkan adanya lompatan penggunaan daya atau disebut anomali.