Abstract:
Sistem distribusi tenaga listrik memiliki peran penting dalam mengalirkan daya dari sumber
besar ke konsumen akhir, namun kerugian daya tidak terhindarkan karena resistansi dalam
kabel serta kebocoran atau pencurian energi di jaringan. Kerugian ini berdampak ekonomi dan
lingkungan serta dapat menyebabkan kerusakan pada komponen. Oleh karena itu, diperlukan
solusi untuk mengoptimalkan kinerja saluran listrik dan melakukan pemeliharaan yang tepat
waktu. Dalam tugas akhir ini, dilakukan analisis klasifikasi nilai kerugian daya menggunakan
metode supervised learning untuk menentukan gangguan tenaga listrik yang terjadi, baik itu
teknis maupun non-teknis, pada tingkat kerugian daya. Presentase kerugian daya menjadi
parameter utama dalam menyusun workplan gangguan, baik itu teknis maupun non-teknis,
sebagai langkah pemeliharaan untuk mengurangi tingkat kerugian daya serta mencegah
pencurian energi pada JTM atau JTR di PT. PLN (Persero) UP3 Sawangan Depok. Hasil
analisis menunjukkan bahwa model Gradient Boosting memberikan akurasi yang lebih baik
dibandingkan dengan model neural network, SVM, dan Logistic Regression, dengan akurasi
sebesar 0,958, memperkuat kesimpulan bahwa penggunaan model ini efektif dalam
memprediksi gangguan tenaga listrik.
