Perpustakaan Digital ITB

Konsumsi energi pada bangunan merupakan salah satu pengguna terbesar dalam konsumsi energi listrik secara global. Berdasarkan referensi, konsumsi energi bangunan mencapai persentase sebesar 36 %. Prediksi konsumsi energi sangat berdampak pada efisiensi dan efektifitas dalam melakukan pengoperasian aset bangunan. Oleh karena itu, dikembangkan berbagai metode untuk melakukan prediksi penggunaan energi listrik pada bangunan. Prediksi dapat dilakukan dengan mengembangkan suatu model berdasarkan algoritma. Salah satu metode yang berkembang dalam pengembangan model prediksi adalah mengaplikasikan algoritma Pembelajaran Mesin. Penelitian ini akan menunjukkan penerapan beberapa jenis Algoritma Pembelajaran Mesin. Algoritma yang akan digunakan antara lain: Regresi Vektor Pendukung dan Hutan Acak. Selain itu, Penelitian ini juga melakukan teknik penggabungan kedua algoritma dengan Ensemble Learning atau Metode Pembelajaran Terkoordinasi. Dalam pengembangan model diperlukan pula teknik ekstraksi dan rekayasa fitur (features engineering) dari data hasil pengukuran. Dalam hal ini, digunakan pembersihan negatif untuk teknik ekstraksi dan Fitur Kontekstual untuk rekayasa fitur. Parameter kondisi lingkungan juga digunakan untuk melengkapi rekayasa fitur. Sehingga dihasilkan 4 (empat) kelompok himpunan data (datasets). Kemudian seluruh himpunan data dikombinasikan dengan ketiga algoritma. Seluruh model yang dihasilkan telah dievaluasi dengan menghitung nilai MSE (mean square error) dan MAE (mean absolute error). Seluruh model menunjukkan hasil evaluasi yang cukup baik, terutama Metode Pembelajaran Terkoordinasi dengan nilai MSE < 0,1 dan nilai MAE < 0,1. Kemudian hasil prediksi menghasilkan nilai terkecil sebesar RMSE = 0,0283 dan MAE = 0,0210 pada Masa Pre – Pandemi. Sedangkan hasil prediksi pada Masa Pandemi menghasilkan nilai terkecil sebesar RMSE = 0,0282 dan MAE = 0,0235