Perpustakaan Digital ITB

Pencurian listrik masih menjadi tantangan yang signifikan bagi PT PLN (Persero), penyedia listrik utama Indonesia, yang melayani lebih dari 89 juta pelanggan pada tahun 2023. Studi ini berfokus pada pelanggan tarif industri dan bisnis, menggunakan dataset dari tahun 2019 hingga 2023, yang mencakup data konsumsi bulanan dari pelanggan pascabayar PLN di tiga puluh unit operasional dengan tingkat Pengendalian Pemakaian Tenaga Listrik (P2TL) tertinggi, dengan daya maksimum 6.600 VA. Pendekatan ini berbeda dari studi sebelumnya yang mengandalkan data meter terbuka atau pintar, karena studi ini menggunakan meter konvensional untuk pengumpulan data. Dalam dataset yang digunakan untuk penelitian ini, kerugian dari pencurian listrik yang dikonfirmasi berjumlah sekitar Rp 19 miliar. Penelitian ini bertujuan untuk meningkatkan deteksi pencurian listrik melalui model berbasis pembelajaran mesin yang memanfaatkan teknik klasifikasi Support Vector Machine (SVM). Tujuannya adalah untuk meningkatkan mekanisme P2TL dengan mengidentifikasi target operasi (TO) secara akurat untuk verifikasi lapangan. Berbagai kernel SVM diuji, termasuk Radial Basis Function (RBF), Linear, Polynomial (Poly), dan Sigmoid, beserta classifier seperti SVM, Logistic Regression, Decision Tree, dan Naïve Bayes. Hasil penelitian menunjukkan bahwa model SVM, khususnya dengan kernel RBF, mencapai kinerja optimal, dengan precision dan recall yang seimbang, terutama dengan data historis selama 30 bulan. Model yang dioptimalkan ini berkontribusi untuk meningkatkan efisiensi operasional PLN, menawarkan identifikasi kasus pencurian listrik yang lebih akurat, yang mengarah pada penghematan finansial yang substansial dengan mengurangi kerugian dari konsumsi yang tidak dibayar. Temuan ini menawarkan manfaat praktis untuk mengurangi pencurian listrik dan meningkatkan sistem pemantauan PLN, terutama di sektor industri dan bisnis.