Prediksi Konsumsi Energi Listrik Berbasis Metode Pohon Keputusan (Studi Kasus: Universitas Widya Dharma Pontianak)

Seiiring dengan berkurangnya ketersediaan bahan bakar fossil sebagai penghasil utama dari energi listrik, umat manusia modern dituntut untuk dapat mengoptimalkan penggunaan energi listrik secara optimal. Salah satu cara untuk mengoptimalkan penggunaan energi listrik adalah dengan memanfaatkan model berbasis data. Penelitian ini bertujuan untuk membangun algoritma prediksi konsumsi energi listrik dengan menggunakan metode pohon keputusan. Terdapat 6 variasi pohon keputusan yang digunakan dalam penelitian ini: Gradient Boosting-Least Square (GBLS) Gradient Boosting-Bagging (GBB), Random Forest (RF)-10, RF-50, RF-100 dan pohon regresi. Model pohon keputusan yang telah dibangun kemudian divalidasi akurasi model prediktifnya dengan menggunakan data konsumsi energi listrik dari gedung Padre Pio Universitas Widya Dharma Pontianak. Berdasarkan pada hasil percobaan yang dilakukan, metode GBLS merupakan metode yang paling akurat dalam memprediksikan konsumsi energi listrik, dengan akurasi sebesar 90,34%. Lebih lanjut, prediksi konsumsi energi listrik bulanan berbasis algoritma GBLS memiliki kesalahan maksimum sebesar 3 %, dengan kesalahan prediksi tahunan sebesar 0,04%. Hal ini menunjukan potensi dari metode GBLS dalam memprediksikan konsumsi energi listrik dari suatu gedung secara presisi.