Pengelompokan Data Pendistribusian Listrik Menggunakan Algoritma Density Based Spatial Clustering of Application With Noise (DBSCAN)
Clustering Electricity Distribution Data Using Density-Based Spatial Clustering of Applications With Noise (DBSCAN) Algorithm
DOI:
https://doi.org/10.57152/malcom.v4i3.1426Keywords:
Analisis Data, DBSCAN, Distribusi Listrik, PengelompokanAbstract
Pada masa kini, listrik sudah menjadi kebutuhan penting dalam kehidupan, karena kebanyakan aktivitas manusia bergantung pada listrik. Kebutuhan listrik pada setiap wilayah di Indonesia dipengaruhi oleh sejumlah faktor dan karakteristik khusus masing-masing. PLN mempublikasikan statistik penggunaan listrik untuk setiap wilayah di Indonesia dari tahun 2014 hingga 2022, yang terdiri dari 35 provinsi di Indonesia. Data ini menawarkan wawasan berharga untuk prediksi permintaan listrik, pelacakan tren historis untuk memprediksi pengembangan wilayah, memprioritaskan wilayah dengan permintaan tinggi untuk efisiensi dan konservasi energi, dan lain sebagainya. Salah satu alat untuk mencapai tujuan tersebut adalah dengan mengelompokkan (clustering) wilayah berdasarkan karakteristik dan ciri-ciri wilayahnya. Penelitian ini melakukan proses clustering dengan membagi data pada tiga regional utama: Sumatera, Jawa-Bali, dan Kalimantan-Sulawesi, sementara regional Papua tidak dianalisis karena jumlah wilayah/propinsi yang terbatas. Metode yang dipakai adalah Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Tuning parameter dengan cara pencarian grid dilakukan untuk memperoleh hasil optimal berdasarkan silhouette score. Hasil clustering dapat memberikan gambaran keunikan profil konsumsi listrik di tiap wilayah, dengan silhouette score terbaik sebesar 0.62 untuk regional Jawa-Bali, 0,67 untuk Kalimantan-Sulawesi, dan 0,64 untuk Sumatera. Penelitian menunjukkan bahwa algoritma DBSCAN dapat digunakan untuk pengelompokkan distribusi listrik dengan hasil yang efektif.
References
C. Astria, A. P. Windarto, A. Wanto, and E. Irawan, “Metode K-Means pada Pengelompokan Wilayah Pendistribusian Listrik,” Semin. Nas. Sains Teknol. Inf., pp. 306–312, 2019, [Online]. Available: http://prosiding.seminar- id.com/index.php/sensasi/issue/archivePage%7C306
A. Herlambang, “Pengelompokkan Data Penggunaan Energi Listrikmenggunakan Algoritma Mini Batch,” vol. 9, no. 5, pp. 2144–2153, 2022.
A. K. Poluakan, R. F. Runtuwene, and S. A. P. Sambul, “Pengaruh Kompensasi Terhadap Kinerja Pegawai PT. PLN (Persero) UP3 Manado,”
J. Adm. Bisnis, vol. 9, no. 2, p. 70, 2019, doi: 10.35797/jab.9.2.2019.25114.70-77.
Kementrian Energi dan Sumber Daya Mineral Direktrat Jenderal Keteragalistrikan, “Statistik Ketenagalistrikan 2020,” Kementrian Energi dan Sumber Daya Miner. Direktrat Jenderal Keteragalistrikan, vol. 34, no. April, p. 122, 2021.
S. PLN, “01001 - 210621,” Stat. PLN 2020, vol. 2, no. 2, pp. 407–416, 2021.
H. Hendrocahyo and L. Kurniawati, “Understanding the Financial Performance of PT PLN (Persero): A Narrative on State-Owned Enterprise (SOE) with a Mandate of Electricity in Indonesia,” Binus Bus. Rev., vol. 13, no. 3, pp. 241–258, 2022, doi: 10.21512/bbr.v13i3.7883.
T. Wang, C. Ren, Y. Luo, and J. Tian, “NS-DBSCAN: A density-based clustering algorithm in network space,” ISPRS Int. J. Geo …, 2019, [Online]. Available: https://www.mdpi.com/2220-9964/8/5/218
D. N. Batubara, A. P. Windarto, A. Wanto, D. Hartama, and E. Irawan, “Penerapan Datamining Klastering Pada Perusahaan Industri Mikro di Indonesia,” Semin. Nas. Teknol. Komput. Sains, vol. 1, no. 1, pp. 330–335, 2020, [Online]. Available: http://prosiding.seminar- id.com/index.php/sainteks/article/view/457
K. Wang, R. Yang, C. Liu, T. Samarasinghalage, and Y. Zang, “Extracting Electricity Patterns from High-dimensional Data: A comparison of K-Means and DBSCAN algorithms,” IOP Conf. Ser. Earth Environ. Sci., vol. 1101, no. 2, 2022, doi: 10.1088/1755-1315/1101/2/022007.
M. Civera, L. Sibille, L. Z. Fragonara, and R. Ceravolo, “A DBSCAN-based automated operational modal analysis algorithm for bridge monitoring,” Measurement, 2023, [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0263224123000155
T. Cerquitelli et al., “Discovering electricity consumption over time for residential consumers through cluster analysis,” 2018 14th Int. Conf. Dev. Appl. Syst. DAS 2018 - Proc., pp. 164–169, 2018, doi: 10.1109/DAAS.2018.8396090.
M. Z. Hossain, M. J. Islam, M. W. R. Miah, and ..., “Develop a dynamic DBSCAN algorithm for solving initial parameter selection problem of the DBSCAN algorithm,” … Journal of Electrical …. researchgate.net, 2021. [Online]. Available: https://www.researchgate.net/profile/Md-Hossain- 1195/publication/354622722_Develop_a_dynamic_DBSCAN_algorithm_f or_solving_initial_parameter_selection_problem_of_the_DBSCAN_algorit hm/links/6174b6b9eef53e51e1db7806/Develop-a-dynamic-DBSCAN- algorithm-for-sol
C. Dewi, E. P. Siam, G. A. Wijayanti, M. Putri, and ..., “Comparison of DBSCAN and K-Means clustering for grouping the village status in Central Java 2020,” J. Mat. …, 2021, [Online]. Available: http://journal.unhas.ac.id/index.php/jmsk/article/view/11704
K. Wang, R. Yang, C. Liu, and ..., “Extracting Electricity Patterns from High-dimensional Data: A comparison of K-Means and DBSCAN algorithms,” … Ser. Earth …, 2022, doi: 10.1088/1755- 1315/1101/2/022007.
PT. PLN (PERSERO), “Rencana Usaha Penyediaan Tenaga Listrik (RUPTL) PT PLN (Persero) 2021-2030.,” Rencana Usaha Penyediaan Tenaga List. 2021-2030, pp. 2019–2028, 2021.
S. Qianhao, L. Yunhao, D. Zeyu, and ..., “Data Mining-based Multi- objective Economic Dispatching of Distribution Network with Distributed Generation and Electric Vehicle,” … Power Energy …, 2021, [Online]. Available: https://ieeexplore.ieee.org/abstract/document/9735877/
R. Simarmata and Y. T. Samuel, “Analisa Pengaruh Penggunaan Gadget Terhadap Nilai Akhir
A. Journal et al., “Penggunaan Data Mining sebagai Pengambilan Keputusan Penerimaan Bantuan Terhadap Rumah Ibadah (Studi Kasus?: Rumah Ibadah di Kabupaten Tanggamus),” Aisyah J. Informatics Electr. Eng., vol. 4, no. 1, pp. 55–65, 2022, [Online]. Available: https://jti.aisyahuniversity.ac.id/index.php/AJIEE/article/view/105
N. Nazeriandy, Y. Syahra, and M. Syaifudin, “Penerapan Data Mining Untuk Memprediksi Penggunaan Daya Listrik Pada PT.PLN (Persero) Rayon Medan Selatan Dengan Menggunakan Metode Regresi Linier Berganda,” J. SAINTIKOM (Jurnal Sains Manaj. Inform. dan Komputer), vol. 20, no. 1, p. 20, 2021, doi: 10.53513/jis.v20i1.2431.
P. N. Lhokseumawe, K. Pengantar, rahayu deny danar dan alvi furwanti Alwie, A. B. Prasetio, and R. Andespa, “Prediksi Beban Listrik Menggunakan Metode Fuzzy Time Series Dan Particle Swarm Optimization (Studi Kasus: Pt Pln Rayon Panam),” J. Ekon. Vol. 18, Nomor 1 Maret201, vol. 2, no. 1, pp. 41–49, 2020.
N. R. Hikmiyah, R. R. A. Siregar, B. Prayitno, D. T. Kusuma, and N. G. Pahiyanti, “Metode Fuzzy Subtractive Clustering Dalam Pengelompokkan Penggunaan Energi Listrik Rumah Tangga,” Petir, vol. 14, no. 2, pp. 269– 279, 2021, doi: 10.33322/petir.v14i2.1448.
G. C. Pamuji and H. Rongtao, “A Comparison study of DBScan and K- Means Clustering in Jakarta rainfall based on the Tropical Rainfall Measuring Mission (TRMM) 1998-2007,” IOP Conf. Ser. Mater. …, 2020, doi: 10.1088/1757-899X/879/1/012057.
S. Chowdhury, N. Helian, and R. C. de Amorim, “Feature weighting in DBSCAN using reverse nearest neighbours,” Pattern Recognition. Elsevier, 2023. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0031320323000158
Y. Xu, Y. Zheng, C. He, and Z. Wang, 2019 Chinese Control And Decision Conference (CCDC), no. 2019 Ccdc. 2019.
P. PLN (PERSERO), “Company Profile Company Profile,” Mki, no. 16, pp. 1–17, 2019, [Online]. Available: https://www.usf.edu/business/documents/departments/finance/smif/analysis-baba.pdf%0Ahttps://stories.starbucks.com/uploads/2019/01/AboutUs- Company-Profile-1.6.21-FINAL.pdf
AHMAD, Ghulab Nabi, et al. Efficient medical diagnosis of human heart diseases using machine learning techniques with and without GridSearchCV. IEEE Access, 2022, 10: 80151-80173.
Li, Z., Zhang, Y., & Wu, X. (2020). Silhouette-based clustering for time series data. In 2020 IEEE International Conference on Data Science (ICDS) (pp. 274-279). IEEE.
S. Mulyadi, F. Insani, S. Agustian, and L. Afriyanti, “Pengelompokkan Data Pendistribusian Listrik Menggunakan Algoritma Mini Batch K-Means,” vol. 3, 2024.
R. Utari, F. Insani, S. Agustian, and L. Afriyanti, “Pengelompokkan Data Pendistribusian Listrik Menggunakan Algoritma Mean shift,” vol. 3, 2024.
