ANALISIS HISTORI DATA PEMAKAIAN ENERGI LISTRIK HARIAN GUNA MENGIDENTIFIKASI STRUKTUR BEBAN DASAR DAN BEBAN VARIABEL DI PT. XYZ MELALUI CLUSTERING K-MEANS DAN VALIDASI RANDOM FOREST

Jamaludin, Harits (2025) ANALISIS HISTORI DATA PEMAKAIAN ENERGI LISTRIK HARIAN GUNA MENGIDENTIFIKASI STRUKTUR BEBAN DASAR DAN BEBAN VARIABEL DI PT. XYZ MELALUI CLUSTERING K-MEANS DAN VALIDASI RANDOM FOREST. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (COVER) 00. COVER.pdf - Accepted Version Download (358kB)
	Text (BAB I-III) 01. BAB I-III.pdf - Accepted Version Restricted to Registered users only Download (516kB) | Request a copy
	Text (BAB IV) 02. BAB IV.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 03. BAB V.pdf - Accepted Version Restricted to Registered users only Download (261kB) | Request a copy
	Text (DAFTAR PUSTAKA) 04. Daftar Pustaka.pdf - Accepted Version Download (244kB)
	Text (Lampiran) 05 LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (81kB) | Request a copy

Abstract

Ketidakefisienan energi di PT. XYZ sering terjadi akibat sulitnya membedakan antara baseload dan beban variabel produksi. Penelitian ini bertujuan untuk mengidentifikasi struktur beban energi guna menentukan potensi efisiensi. Metode yang digunakan adalah pipeline OSEMN dengan algoritma K-Means Clustering dengan jumlah K=2 dan validasi Random Forest. Hasil segmentasi menunjukkan profil baseload pada klaster C2 dengan rata-rata sebesar 4.395,86 kWh/hari, sementara beban variabel pada klaster C1 mencapai 26.744,99 kWh/hari. Model ini divalidasi dengan tingkat kepercayaan tinggi, memiliki Silhouette Score 0,69, akurasi klasifikasi CA 99,7%, dan AUC 1,000. Analisis kepentingan fitur mengungkapkan bahwa penggunaan kompresor dan jumlah produksi adalah faktor penentu utama konsumsi energi. Hasil dari penelitian pada pemisahan struktur beban ini memberikan dasar data objektif bagi manajemen untuk mengoptimalkan sistem utilitas dan mengurangi pemborosan energi saat periode produksi rendah.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Baseload, Efisiensi Energi, K-Means Clustering, Random Forest, OSEMN.
Subjects:	Industrial & Manufacturing Engineering > Industrial System Design Industrial & Manufacturing Engineering > Project Management Industrial & Manufacturing Engineering > Service Industry Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Teknik Industri
Depositing User:	Harits Jamaludin
Date Deposited:	19 Feb 2026 03:09
Last Modified:	19 Feb 2026 03:09
URI:	https://repository.bakrie.ac.id/id/eprint/13051

Actions (login required)

View Item