OPTIMASI JARINGAN DISTRIBUSI MENGGUNAKAN MACHINE LEARNING DI PT PLN (PERSERO) UP3 SAWANGAN DEPOK.

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.