Analisis Algoritma Prediksi Sistem Tenaga Listrik Menggunakan Machine Learning dan Implikasi Aksiologis

Abstract

Deteksi gangguan listrik merupakan aspek penting dalam memastikan stabilitas dan keamanan sistem tenaga listrik. Penelitian ini bertujuan untuk mengklasifikasikan jenis gangguan listrik menggunakan algoritma data mining dengan pendekatan machine learning. Data dikumpulkan melalui simulasi rangkaian listrik dalam kondisi normal dan gangguan, kemudian dianalisis menggunakan algoritma Decision Tree, Random Forest, Naive Bayes, dan K-Nearest Neighbors. Hasil pengujian menunjukkan bahwa algoritma Decision Tree dan Random Forest mencapai tingkat akurasi dan performa 100%, sedangkan Naive Bayes juga menunjukkan performa optimal dengan akurasi 100%. Sebaliknya, K-Nearest Neighbors menunjukkan performa yang lebih rendah dengan akurasi 82,20%. Temuan ini memperlihatkan bahwa algoritma Decision Tree dan Random Forest sangat efektif dalam mendeteksi dan mengklasifikasi tipe gangguan listrik secara akurat. Hasil penelitian ini memberikan kontribusi penting dalam pengembangan sistem proteksi otomatis untuk sistem tenaga listrik yang lebih andal dan adaptif