18219001 Dimas Farhan Anshari.pdf
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
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.