KLASIFIKASI BEBAN LISTRIK DENGAN MACHINE LEARNING
MENGGUNAKAN METODE K-NEAREST NEIGHBOR
ELECTRICAL LOAD CLASIFICATION USING MACHINE
LEARNING K-NEAREST NEIGHBOR METHOD
SALMA
Informasi Umum
Kode
21.04.4846
Klasifikasi
621.382 - Artificial intelligence, Big data. Electrical engineering.
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Artificial Intelligence
Informasi Lainnya
Abstraksi
Sistem pengenalan beban listrik memiliki keandalan dalam memperoleh informasi yang relevan dari masing-masing beban listrik dan memainkan peran penting dalam pengelolaan dan penghematan energi. Dalam studi ini akan menganalisis karakteristik dari beban listrik secara independen dengan algoritma klasifikasi yang berbeda yaitu dengan membandingkan algoritma k-Nearest Neighbors dengan Regresi Logistik Multinomial. Fitur beban listrik yang akan dipelajari meliputi amplitudo tegangan dan arus RMS, harmonisa arus, dan faktor daya dan daya dari variasi beban listrik yang berbeda. Hasil penelitian dari metode k-Nearest Neighbors diperoleh akurasi 99,619% sedangkan metode Regresi Logistik Multinomial diperoleh akurasi 91,125%
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | SALMA |
| Jenis | Perorangan |
| Penyunting | Favian Dewanta, Muhammad Abdillah |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Teknik Telekomunikasi |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
