ANALISIS POLA KONSUMSI ENERGI BANGUNAN BERDASARKAN DATA SENSOR LINGKUNGAN BERBASIS ALGORITMA APRIORI

Jadiaman Parhusip; Naufal Ihsan Sriyanto; Tegar Pratama; Zhykwa Cerryl Mavanudin; Darryl Sandi Augustin

doi:10.23960/jitet.v14i1.8524

Authors

Jadiaman Parhusip Teknik Informatika, Universitas Palangka Raya
Naufal Ihsan Sriyanto Teknik Informatika, Universitas Palangka Raya
Tegar Pratama Teknik Informatika, Universitas Palangka Raya
Zhykwa Cerryl Mavanudin Teknik Informatika, Universitas Palangka Raya
Darryl Sandi Augustin Teknik Informatika, Universitas Palangka Raya

DOI:

https://doi.org/10.23960/jitet.v14i1.8524

Abstract Views: 36 File Views: 28

Keywords:

frequent pattern mining, Apriori algorithm, energy consumption, association rules, environmental sensors

Abstract

Abstrak. Konsumsi energi listrik pada bangunan sangat dipengaruhi oleh faktor-faktor lingkungan seperti suhu dan kelembapan yang dapat diidentifikasi melalui analisis pola data. Penelitian ini bertujuan untuk menemukan hubungan antara kondisi lingkungan dengan tingkat konsumsi energi menggunakan algoritma Apriori. Dataset yang digunakan adalah Tetuan City Power Consumption yang terdiri atas 52.416 entri dengan sembilan atribut sensor. Data diproses melalui tahap pra-pemrosesan, diskritisasi, dan penerapan algoritma Apriori dengan parameter minimum support sebesar 5% dan minimum confidence sebesar 30%. Hasil analisis menunjukkan bahwa kondisi kelembapan tinggi dan suhu rendah berkorelasi kuat dengan konsumsi energi rendah dengan nilai lift 1,973 dan confidence 65,8%. Sebaliknya, kondisi suhu tinggi dan kelembapan rendah menjadi faktor yang memicu lonjakan konsumsi energi dengan nilai lift 1,857 dan confidence 61,8%. Temuan ini memberikan wawasan penting dalam pengembangan sistem manajemen energi bangunan yang efisien serta dapat dijadikan dasar dalam perancangan sistem peringatan dini untuk mengantisipasi beban puncak berdasarkan data sensor lingkungan.

Downloads

Download data is not yet available.

References

M. Ashouri, H. Rezaie, dan M. Hammad, "Development of building energy saving advisory: A data mining approach," Energy Build., vol. 163, pp. 128-140, Mar. 2018, doi: 10.1016/j.enbuild.2018.01.034.

S. Mishra et al., "DECODE: Data-driven Energy Consumption Prediction leveraging Historical Data and Environmental Factors in Buildings," Energy Build., vol. 288, p. 113950, 2024, doi: 10.1016/j.enbuild.2024.113950.

T. Triyanto, H. Yulianti, dan M. Ikhwani, "Penerapan Data Mining Terhadap Data Penjualan Dengan Menggunakan Algoritma Apriori Pada Toko Citra Utama," Journal of Information System, Applied, Management, Accounting and Research (JISAMAR), vol. 8, no. 2, pp. 401-415, May 2024, doi: 10.52362/jisamar.v8i2.1485.

M. Nazeriye, A. Haeri, and F. Martínez-Álvarez, “Analysis of the Impact of Residential Property and Equipment on Building Energy Efficiency and Consumption—A Data Mining Approach,” Applied Sciences, vol. 10, no. 10, p. 3589, 2020, doi: 10.3390/app10103589.

P. Chapman, J. Clinton, R. Kerber, T. Khabaza, T. Reinartz, C. Shearer, and R. Wirth, CRISP-DM 1.0: Step-by-Step Data Mining Guide. CRISP-DM Consortium (NCR Systems Engineering, DaimlerChrysler, SPSS, OHRA), 2000.

R. Maulid, "Teknik Analisis Data CRISP-DM dalam Data Mining," DQLab Blog, 2022. [Online]. Available: https://dqlab.id/teknik-analisis-data-crisp-dm-dalam-data-mining.

M. Fitriani, G. F. Nama, and Mardiana, “Implementasi Association Rule Dengan Algoritma Apriori Pada Data Peminjaman Buku UPT Perpustakaan Universitas Lampung Menggunakan Metodologi CRISP-DM,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 1, 2022.

IBM, "Apa algoritma Apriori?" IBM, 2024. [Online]. Tersedia: https://www.ibm.com/id-id/think/topics/apriori-algorithm.

DQLab, "Algoritma Association Rule Learning dalam Data Science," 2024. [Online]. Tersedia: https://dqlab.id/algoritma-association-rule-learning-dalam-data-science

S. Sunardiyo, H. Ananta, R. D. M. Putri, R. T. Yofanda, and R. M. Yofatama, “Model Prakiraan Konsumsi Energi Listrik di Bangunan Gedung Kampus Berbasis Artificial Neural Network Backpropagation,” in Konservasi Alam, vol. 3, pp. 149–194, 2022, doi: 10.15294/ka.v1i3.153.

R. P. Atadjawa, T. Haryanti, and L. Kurniawati, “Penerapan Asosiasi Algoritma Apriori Pada Data Penjualan Alat-Alat Listrik dan Tekhnik,” METIK, vol. 5, no. 2, pp. 71–76, 2021, doi: 10.47002/metik.v5i2.290

E. Suswitaningrum, N. Hudallah, R. D. M. Putri, and B. Sunarko, “Analisis Intensitas Konsumsi Energi Listrik dan Peluang Penghematan Energi Listrik pada Gedung C Kantor Sekretariat Daerah Kabupaten Semarang,” J. ELTIKOM: J. Tek. Elektro, Teknol. Inf. dan Komput., vol. 6, no. 1, pp. 26–39, Jun. 2022, doi: 10.31961/eltikom.v6i1.545.

C. A. Abukhadra et al., "Analysis and Prediction of Energy Consumption Using Apriori Algorithm," IJCSNS Int. J. Comput. Sci. Netw. Secur., vol. 23, no. 3, 2023.

K. Almalki dan A. Amine, "Improving Sensor Data Accuracy Using Frequent Pattern Mining," IEEE Sensors Journal, vol. 20, no. 5, pp. 2345-2352, 2024.

M. Dolores, C. Fernandez-Basso, J. Gómez-Romero, and M. J. Martin-Bautista, "A big data association rule mining based approach for energy building behaviour analysis in an IoT environment," Scientific Reports, vol. 13, no. 1, Art. no. 19810, Nov. 2023, doi: 10.1038/s41598-023-47056-1.