Perpustakaan Digital ITB

Penelitian ini bertujuan untuk mengatasi ketidakseimbangan dalam penentuan unit prioritas implementasi smart meter Advanced Metering Infrastructure (AMI) di PT PLN (Persero) UIW Bangka Belitung. Metode berbasis demografis dan geografis yang digunakan saat ini sering kali tidak mencerminkan kebutuhan operasional, sehingga inefisien dalam alokasi sumber daya dan anggaran. Penelitian ini mengusulkan pendekatan berbasis machine learning dengan K-Means untuk klasifikasi wilayah dan Analytic Hierarchy Process (AHP) untuk prioritisasi klaster. Data yang dianalisis meliputi jumlah clear tamper, penggantian meter, dan pelanggaran per pelanggan dari tahun 2016 hingga 2023. Dataset dibagi ke dalam empat periode: keseluruhan data, sebelum COVID-19 (2016–Maret 2020), saat COVID-19 (Maret 2020–Maret 2022), dan setelah COVID-19 (April 2022– Desember 2023). Hasil penelitian menunjukkan bahwa metode ini mampu memberikan rekomendasi prioritas berbasis data yang lebih akurat pada setiap periode. Pendekatan ini diharapkan meningkatkan efisiensi alokasi sumber daya, mempercepat implementasi teknologi AMI, dan meningkatkan kepercayaan pelanggan terhadap transformasi digital di sektor energi.