Analisis Clustering Pada Data Pelanggan PT. PLN (Persero) Distribusi Jawa Barat Dan Banten APJ Bandung

Zulkarnaen, Berry (2013) Analisis Clustering Pada Data Pelanggan PT. PLN (Persero) Distribusi Jawa Barat Dan Banten APJ Bandung.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

PT PLN (Persero) menerapkan sistem penggolongan pelanggan berdasarkan jenis pemanfaatan serta kapasitas daya yang tersambung. Ada 6 (Enam) penggolongan yang berlaku saat ini yaitu Rumah Tangga, Industri, Sosial, Bisnis, Pemerintahan, dan Penerangan Jalan Umum. Masing-masing golongan memiliki tarif dasar listrik dan abodemen yang berbeda-beda. Namun, seiring dengan berjalannya waktu serta perkembangan teknologi kerap terjadi kesamaan dalam jumlah pemakaian listrik antar golongan. Hal ini terjadi karena ada kemungkinan kesalahan dalam tujuan pemanfaatannya. Untuk itu perlu dilakukan analisis pengelompokkan pelanggan dengan menggunakan metode clustering. Metode Clustering merupakan salah satu teknik dari Data Mining yang memiliki fungsi untuk menemukan kelompok/group secara alami dengan menggunakan tolak ukur kemiripan serta ketidakmiripan. Penerapan dari metode clustering adalah dengan cara mengelompokkan pelanggan berdasarkan kemiripan jumlah pemakaian listrik setiap bulannya (KWh). Untuk mengukur kemiripan jarak antar data digunakan algoritma K-mean. Dalam algoritma k-mean, prinsip kedekatan jarak direpresentasikan dengan nilai centroid (mean), setelah dilakukan perhitugan jarak dengan teknik Euclidian Distance maka data-data yang memiliki jarak terdekat dikelompokkan dalam satu cluster dan berlaku untuk seluruh data. Setelah dilakukan pengujian proses clustering akan terlihat kelompok-kelompok pelanggan yang terbentuk. Akan terlihat golongan pelanggan yang intensitas pemakaian listriknya hampir mirip dengan pelanggan lain tetapi terdapat perbedaan golongan yang telah ditetapkan sebelumya. Dengan demikian bisa disimpulkan bahwa metode clustering mampu menemukan atau membuat kelompok pelanggan berdasarkan intensitas pemakaian listrik (KWh).

Item Type: Article
Uncontrolled Keywords: penggolongan, kelompok, clustering, k-mean, centroid, Euclidian Distance, dan cluster
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2012
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 08:02
Last Modified: 16 Nov 2016 08:02
URI: https://repository.unikom.ac.id/id/eprint/23066

Actions (login required)

View Item View Item