C. Per Hari
Chart di bawah ini menggunakan periode waktu tiap hari (SeninMinggu) untuk tiap tahun. Berikut informasi yang dapat diambil dari chart ini, yakni sebagai berikut:
1) Terlihat bahwa penggunaan alat listrik paling tinggi berada pada hari Minggu, yang kemudian disusul pada hari Sabtu. Kemungkinan besar pada saat itu ( weekend), penghuni rumah sedang berada di rumah, terlepas apakah penghuninya masih lajang atau sudah berkeluarga.
2) Sebaliknya, pada harihari selain weekend, terlihat jelas bahwa penggunaan alat listriknya di bawah dari ratarata
weekend. Sehingga bisa disimpulkan bahwa pada saat itu, penghuni rumah sedang tidak berada di rumah, terlepas dari faktorfaktor eksternal lainnya.
D. Per range waktu tertentu
Chart di bawah ini menggambarkan penggunaan alat
listrik berdasarkan total kW/h dalam periode range waktu tertentu.
Berikut informasi yang dapat diambil dari hasil analisis ini: 1) Pola yang ditunjukkan setiap tahun selalu sama, jika
dilihat dari total pemakaian alat listrik dari total kW/h yang
dihasilkan. 2) Penghuni rumah sangat aktif (dalam penggunaan alat
listrik) pada pukul 21.00 hingga 07.00. Sehingga bisa
dikatakan bahwa penghuni rumah pada rumah tangga
yang data dianalisis ini tergolong “aktif pada malam hari”
(The Night Owl). 3) Jika melihat aktifitas penghuni rumah dalam penggunaan
alat listrik dari range waktu pukul 07.00 sampai 17.00,
maka bisa disimpulkan bahwa besar kemungkinan
penghuni rumah sedang berada di luar rumah pada saat
itu, terlepas dari apakah berada di luar rumah untuk alasan kerja ataupun sekolah.
Gambar 6.2.4 Analysis Chart Pola Penggunaan Alat Listrik pada Range waktu tertentu
6.3. Analisis Cluster Pola Penggunaan Alat Listrik
berdasarkan Biaya Penggunaan Listrik di
Indonesia
Tabel di bawah ini adalah referensi biaya untuk pemakaian listrikper kW/h di Indonesia untuk tahun 20022010. Dengan asumsi, apabila
pemakaian alat listrik di rumah tangga ini “diindonesiakan”, maka kita bisa
melihat biaya yang dikeluarkan oleh penghuni rumah tangga dalam waktu tertentu dalam satuan rupiah.
Gambar 6.3.1 Patokan Harga untuk rumah tangga di Indonesia http://www.pln.co.id/dataweb/STAT/STAT2010IND.pdf
Gambar 6.3.2 Analysis Chart Berdasarkan Biaya Pemakaian Listrik di Indonesia
Berdasarkan chart pola biaya pemakaian listrik di atas, dapat dinyatakan bahwa
penggunaan alatalat listriknya tidak jauh berbeda dari pola penggunaan alat listrik
berdasarkan bulan untuk tiap tahun. Dimana, tingginya tingkat pemakaian alat listrik
berbanding lurus dengan biaya yang harus dibayar. Grafik pada chart di atas menunjukkan bulanbulan sepanjang musim dingin (DesemberMaret) yang membutuhkan biaya lebih
tinggi. Hal itu disebabkan oleh pemakaian pemanas ruangan, pemanas air, dan nyala
lampu yang lebih lama. Dibandingkan bulanbulan pada musim semi (MaretJuni), musim
panas (JuniSeptember) dan musim gugur (SeptemberDesember), biaya yang dikeluarkan tidak begitu besar.
6.4. Analisis Cluster Pola Penggunaan Alat Listrik
berdasarkan Jenis Alat Listrik
Pada bagian ini, dijelaskan tentang analisis cluster polapenggunaan alat listrik berdasarkan lamanya pemakaian jenis alat listrik
yang ada. Informasi didapat secara langsung di situs https://archive.ics.uci.edu/ mengenai jenis alat listrik apa yang
dipergunakan dalam 1 rumah tangga ini. Berdasarkan informasi tersebut,
didapatlah pengetahuan bahwa atribut sub_metering_1 mewakili jenis alat
listrik untuk dapur, sub_metering_2 mewakili jenis alat listrik untuk ruang
laundry dan sub_metering_3 mewakili jenis alat listrik yang memiliki daya
yang cukup besar seperti, penghangat air elektrik dan AirConditioner. Berikut ini adalah Analysis Chart yang memberikan hasil analisis atas
proses data mining yang telah dilakukan. 1) Pola Penggunaan Alat Listrik Berdasarkan Jenis Alat Listrik dan
Lamanya Pemakaian Di bawah ini tampak sebuah analysis chart yang menggambarkan
bahwa penghuni rumah lebih sering menggunakan jenis alat
semacam penghangat air elektrik atau AirConditioner (AC). Asumsi yang bisa digunakan ialah bahwa, AC lebih sering aktif
dibanding jenis alat listrik lainnya seperti alat dapur dan alatalat di
ruang laundry, sehingga tampak jelas perbedaan di antara
ketiganya dari lama penggunaan alat listrik berdasarkan total pukul
pemakaiannya untuk tiap hari dalam 1 minggu. Sementara itu,
untuk jenis alat listrik dapur, lebih rendah di antara yang lain,
karena penggunaannya yang memang terbilang jarang dan relatif
terhadap waktu penggunannya. Di samping itu, alat listrik tertinggi
ke2 ditempati oleh jenis alat listrik di ruang laundry, dimana bisa
diasumsikan bahwa penggunaan alatalat itu cukup rutin
digunakan, karena selain mesin cuci, mesin pengering dan kulkas,
juga terdapat lampu yang notabenenya sering digunakan dibanding jenis alat dapur.
2) Pola Penggunaan Alat Listrik berdasarkan Jenis Alat Listrik dan
Total Pemakaiannya selama 47 bulan Analysis chart di bawah ini menggambarkan total pemakaian
secara keseluruhan jenis alat listrik selama 47 bulan (informasi
didapat di situs resmi) atau dengan kata lain, total keseluruhan
data dari data set yang ada. Hasil analisis ini bisa dikatakan
serupa dengan chart sebelumnya yang menginformasikan bahwa,
jenis alat listrik terlama yang digunakan adalah jenis alat listrik
dengan daya yang besar seperti penghangat air elektrik dan AC,
kemudian disusul dengan jenis alat laundry dan lalu alatalat dapur.
Gambar 6.4.2 Analysis Chart Pola Penggunaan Alat Listrik berdasarkan Jenis Alat Listrik dan Total Jam Pemakaian
3) Pola Penggunaan Alat Listrik Berdasarkan Jenis Alat Listrik dan Total Waktu Pemakaian Gambar 6.4.3 Analysis Chart Pola Penggunaan Alat Listrik berdasarkan Jenis Alat Listrik dan range waktu tertentu 1) Sub Metering 3 selalu berada pada titik teratas dengan waktu pemakaian paling
lama (6.912 jam), sekaligus jenis alat listrik yang paling sering aktif sepanjang hari.
Puncak pemakaiannya pada pukul 21.00 hingga 07.00, artinya alat listrik tersebut
aktif sepanjang malam. Sedangkan pada pukul 07.00 hingga 09.00 pemakaian
menurun secara signifikan. Kemudian, pemakaian kembali meningkat pada pukul
09.00 sampai 13.00. 2) Sub Metering 2 menempati pemakaian tertinggi kedua setelah Sub Metering 3.
Jenis alat listrik pada Sub Metering 2 mencapai puncak penggunaannya pada
pukul 21.00 hingga 07.00. Pola pemakaian jenis alat listrik Sub Metering 2 tidak
jauh berbeda dengan pola pemakaian jenis alat listrik Sub Metering 3. 3) Sub Metering 1 merupakan alatalat listrik dengan penggunaan paling rendah di
7. Kesimpulan
Penelitian terhadap data set Individual Household Power Consumption
merupakan kegiatan yang melibatkan proses KDD . Jumlah data dari data set
tersebut sebanyak 2.075.259 baris data. Proses KDD yang dilakukan memakan
waktu yang cukup lama, mengingat jumlah data yang cukup besar (big data ) dan sifat data yang masih mentah. Aplikasi/tools yang digunakan adalah KNIME versi
2.10. Hasil KDD tersebut dianalisis untuk memperoleh “potensi” informasi
tersembunyi yang mungkin ada. Informasi didapat dari analisis terhadap polapola
data. Informasi tersebut menunjukkan bagaimana pola kebiasaan penggunaan
alatalat listrik dari penghuni suatu rumah tangga selama 47 bulan terakhir (dari
tahun 2006 hingga 2010). Polapola tersebut dikategorikan ke dalam beberapa
rentang waktu. 1) Berdasarkan musim, penggunaan alat listrik paling banyak berada pada
musim dingin dibanding musim lainnya. Pada musim dingin, penghuni lebih
banyak menggunakan alatalat listrik. Kondisi udara yang dingin
menyebabkan penghuni lebih banyak/sering menggunakan penghangat
ruangan, penghangat air, hingga pengering pakaian. Selain itu, karena
siang hari lebih pendek, maka pemakaian lampu untuk penerangan juga
lebih lama digunakan. 2) Berdasarkan bulan, pola pemakaian alat listrik pada bulanbulan sepanjang
musim dingin menunjukkan kecenderungan pemakaian lebih tinggi.
Sedangkan pada pertengahan tahun, yakni, sepanjang musim gugur dan
musim semi, penggunaan alatalat listrik cenderung menurun. Hingga
musim panas, pola pemakaian alatalat listrik tetap mengalami penurunan.
Pada bulan September, dimana musim panas mulai berakhir, pemakaian
alat listrik mengalami kenaikan hingga musim dingin berlangsung. 3) Berdasarkan hari, pola penggunaan alatalat listrik tidak terlalu tinggi pada
hari kerja (SeninJumat). Umumnya, penghuni yang bekerja hanya berada
di rumah setelah jam kerja. Sehingga, alatalat listrik yang digunakan
cukup terbatas. Sedangkan pada weekend (SabtuMinggu), pemakaian
listrik cenderung meningkat. Dimana pada hari itu, penghuni lebih banyak
menghabiskan waktu di rumah. Sehingga, alatalat listrik yang digunakan juga lebih banyak.
4) Berdasarkan range waktu, penggunaan alat listrik setiap tahun
menunjukkan pola yang hampir sama. Penghuni menunjukkan kebiasaan
menggunakan alat listrik paling banyak antara pukul 21.00 hingga pukul
07.00. Dengan kata lain, alatalat listrik yang digunakan memiliki
fungsionalitas yang lebih panjang di malam hari. 5) Pola pemakaian alat listrik berdasarkan jenis alat listrik dan lamanya
pemakaian, menunjukkan alat listrik dalam kategori Sub Metering 3
merupakan alatalat listrik yang selalu digunakan dalam waktu lama. Sub
Metering 3 mewakili alat listrik berupa; penghangat air elektrik dan Air Conditioner. Alat listrik tersebut menempati posisi paling lama
penggunaannya setiap hari. Diikuti oleh Sub Metering 2 berupa alat listrik
dengan penggunaan paling lama ke2. Sub Metering 3 merupakan alat
listrik dengan penggunaan paling singkat sepanjang hari. 6) Berdasarkan pola penggunaan alat listrik berdasarkan jenis alat listrik,
dapat ditarik kesimpulan bahwa alat listrik berupa Air Conditioner dan penghangat air elektrik merupakan alat listrik yang paling panjang waktu penggunaannya dibandingkan alat listrik lainnya.
8. Daftar Pustaka
Han, Jiawei., Kamber, Micheline., dan Pei, Jian. (2006). Data Mining:Concepts and Techniques. (ed. 3). USA: MK Publishers
Natalius, Samuel. 2010. “Metoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen”. Makalah II2092 Probabilitas dan Statistik, Bandung.
Rajaraman, Anand., Leskovec, Jure., dan Ullman, Jeffrey D. Mining of Massive Datasets. (ed. 4). Palo Alto, California.
Silipo, Rosario dan Phil Winters. (2013) “big data, Smart Energy, and Predictive Analytics”. Time Series Prediction of Smart Energy Data. 137.
Esling, Philippe dan Agon Carlos. (2012). TimeSeries Data Mining . (Vol. 45). ACM Computing System, Paris.
Silipo, Rosario. (2013). KNIME and big data. (Online). Tersedia:
http://www.dataminingreporting.com/blog/knimeandbigdata [28 September 2014] https://archive.ics.uci.edu/ml/datasets/Individual+household+electric+power+consu mption [1 Oktober 2014] http://www.thefreedictionary.com/telemetry [10 Oktober 2014] http://en.wikipedia.org/wiki/Artificial_neural_network [13 Oktober 2014]