Analisis Decision Tree pada Sistem Monitoring Arus Listrik Pelanggan Satu Fasa Terintegrasi IoT untuk Mendeteksi Pelanggaran Pemakaian Tenaga Listrik

Akmal, Wahyu Syahrul (2025) Analisis Decision Tree pada Sistem Monitoring Arus Listrik Pelanggan Satu Fasa Terintegrasi IoT untuk Mendeteksi Pelanggaran Pemakaian Tenaga Listrik. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 01_Cover dan Abstrak_Wahyu Syahrul Akmal_2010952004.pdf - Published Version Download (471kB)
	Text (Bab 1 Pendahuluan) 02_Bab 1 Pendahuluan_Wahyu Syahrul Akmal_2010952004.pdf - Published Version Download (480kB)
	Text (Bab 5 Penutup) 03_Bab 5 Penutup_Wahyu Syahrul Akmal_2010952004.pdf - Published Version Download (401kB)
	Text (Daftar Pustaka) 04_Daftar Pustaka_Wahyu Syahrul Akmal_2010952004.pdf - Published Version Download (379kB)
	Text (Tugas Akhir Fulltext) 05_Final Laporan Akhir_Wahyu Syahrul Akmal_2010952004.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Pencurian daya listrik merupakan penyebab utama dari susut daya non teknis yang dapat menyebabkan kerugian bagi PLN. Adapun Modus pencurian listrik adalah melakukan sambung langsung instalasi milik pelanggan ke sambungan rumah tanpa melalui alat pengukur dan pembatas, serta perusakan miniature circuit breaker. Untuk menangani permasalahan yang ditimbulkan akibat adanya susut daya, PLN membentuk divisi P2TL (Penertiban Pemakaian Tenaga Listrik). Namun, pada pelaksanaannya petugas P2TL masih kesulitan dalam menentukan target operasi. Hal itu dikarenakan petugas P2TL harus menyisir keseluruhan wilayah untuk melakukan pengecekan ke setiap pelanggan apakah terdapat indikasi pelanggaran atau tidak. Oleh karena itu, penelitian ini bertujuan membuat sebuah sistem yang dapat memonitoring arus listrik dan dapat dipantau melalui smartphone oleh petugas P2TL. Sistem ini diimplementasikan menggunakan 2 buah sensor ACS712 yang membandingkan arus pada fasa dan netral serta diklasifikasi menggunakan metode decision tree. Pengujian dilakukan menggunakan beberapa variasi beban dengan waktu sampel selama 1 detik. Hasil akurasi sensor didapatkan sebesar 99,7%, Akurasi model decision tree sebesar 99,38% pada data training dan 100% pada data testing, sedangkan akurasi pada model if else konvensional sebesar 100% pada data training dan testing. Selain itu, sistem berhasil memberikan notififikasi adanya pencurian listrik menggunakan Telegram dan menyimpan data historis pemakaian listrik pelanggaran menggunakan Google Sheet.

Actions (login required)

View Item