Perpustakaan Digital ITB

Tugas Akhir ini merupakan penelitian yang membangun sistem smart energy metering and forecasting electricity bill. Terdapat empat subsistem utama yang dibangun, yaitu: rangkaian sistem embedded dan Internet of Things, aplikasi berbasis Android, aplikasi backend, dan machine learning. Pada laporan ini, dijelaskan pengembangan sistem forecasting electricity bill berbasis machine learning yang merupakan bagian dari sistem smart energy metering and forecasting electricity bill. Dasar dari dilakukannya penelitian ini secara umum adalah untuk meningkatkan awareness dari pengguna listrik akan kenaikan biaya listrik yang harus dibayarkan berdasarkan penggunaannya. Dalam penelitian ini dibahas secara mendalam mengenai proses machine learning dengan menggunakan model ARIMA untuk melakukan prediksi terhadap biaya listsrik yang akan dibayarkan pengguna sistem di masa yang akan datang. Dataset yang digunakan didapatkan dari bank data (opendatanetwork,com), yang sesuai dengan kebutuhan dari pengembangan subsistem ini. Penggunaan teknologi machine learning dipilih berdasarkan metrik evaluasi yang dihasilkan dari pengujian 3 model berbeda yaitu ARIMA (AutoRegressive Integrated Moving Average), SVR (Support Vector Regression), dan LR (Linear Regression). Penggunaan data yang memiliki pola musiman (seasonal) menyebabkan penggunaan ARIMA diubah menjadi SARIMAX agar sesuai dengan dataset dan menghasilkan skor RMSE(Root Mean Squared Error) terkecil dan akurasi sebesar 92,66%. Model SARIMAX (1,1,2)x(1,0,1)[12] digunakan dalam pengembangan sistem ini berdasarkan nilai AIC terendah. Hasil akhir dari sistem ini adalah prediksi (forecasting) biaya bil listrik yang akan dibayarkan pada masa yang akan datang dan diintegrasikan dengan API (Application Programming Interface) agar dapat diakses oleh backend aplikasi. Sistem telah berhasil dibangun serta diintegrasikan dengan subsistem lainnya sehingga sistem forecasting electricity bill sudah dapat dijalankan dan digunakan.