ABSTRAK
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOUR UNTUK MENEMUKAN POLA KLASIFIKASI ARUS LISTRIK PLTA DENGAN PENDEKATAN METODE TWO CROWS (Oleh : Lisa Ulkhair; Pembimbing : H. Irwan Budiman, S.T., M.Kom. dan Dwi Kartini, S.Kom., M.Kom; 2018; 115 Halaman)
Kebutuhan listrik masyarakat di Kalimantan Selatan jauh lebih besar daripada listrik yang diproduksi, sehingga dilakukan upaya peningkatan arus listrik pada pembangkit listrik untuk menghasilkan daya yang lebih besar. Metodologi Two Crows dan algoritma K-Nearest Neighbour dimanfaatkan untuk membentuk pola klasifikasi besar arus listrik yang dihasilkan pada ketiga buah generator PLTA Ir. Pangeran Muhammad Noor berdasarkan dam, intake, dan elevasi_dcc dengan menggunkan nilai k = 7. Hasil yang didapatkan pada generator 1 yaitu 74.53% data Lemah, 25.47% data Kuat, dan akurasi 94.11%. Pada generator 2 yaitu 285.97% data Lemah, 14.03% data Kuat, dan akurasi 85.97%. Pada generator 3 yaitu 84.28% data Lemah, 15.72% data Kuat, dan akurasi 93.08%. Pola klasifikasi yang didapatkan menunjukkan bahwa persentase jumlah arus kategori Lemah dan Kuat pada data training dan data testing dapat mempengaruhi persentase jumlah arus kategori Lemah dan Kuat yang dihasilkan dari proses prediksi serta persentase tingkat akurasinya. Sedangkan waktu yang diperlukan untuk mengerjakan masing-masing tahap pada metodologi Two Crows antara lain pada tahap Define Business Problem selama 156 menit, Build Data Mining Database selama 968 menit, Explore Data selama 148 menit, Prepare Data For Modeling selama 1630 menit, Build Data Mining Model selama 2185 menit, dan Evaluation and Interpretation selama 252 menit.
Kata Kunci : K-Nearest Neighbour, Two Crows, Pola Klasifikasi, Prediksi, Data Mining, Arus Listrik, Generator, PLTA