Klasifikasi Beban Charging Station dengan menggunakan Metode K-Nearest Neighbor

Abstract

Charging Station adalah sebuah infrasutruktur yang mendukung pengisian energi Listrik untuk kendaraan Listrik, di antaranya mobil Listrik, sepeda motor Listrik, dan sejenisnya namun di bebebrapa statiun pengisian kendaraan Listrik tersebut belum terdapat sistem monitoring daya secara real-time yang dapat memberikan Early Warning System apabila terjadi overload pada pengisian. Hal ini dapat mengakibatkan kerusakan pada hardware dapat terjadi sehingga biaya perawatan dan perbaikan menjadi sangat tinggi. Pada penelitian ini penulis membuat sebuah Early Warning System berbasis website yang dapat memonitoring daya dan ditampilkan dalam bentuk chart dengan menggunakan metode K-Nearest Neighbor untuk mendeteksi overload pada sistem Charging Station. K-Nearest Neighbor merupakan rangkaian algoritma klasifikasi yang menentukan kelas data baru dengan mengambil sejumlah K data terdekat (neighbor) sebagai bahan acuan. Algoritma ini bekerja dengan cara mengklasifikasikan data berdasarkan kemiripan atau kedekatannya terhadap data lainnya. K-Nearest Neighbor dapat digunakan untuk mengklasifikasi hasil data daya dan menemukan pola abnormality yang mungkin terjadi. Setelah dilakukan penentuan K=3 kemudian dilakukan perhitungan Euclidean distance dan diurutkan pada jarak terkecil untuk melakukan klasifikasi. Sementara itu, pengujian deteksi dan klasifikasi daya dengan metode K-Nearest Neighbor dapat digunakan untuk deteksi dini ketidaknormalan pada daya listrik di Charging Station dengan akurasi sebesar 100%. Penelitian ini dapat memonitoring daya secara real-time dan memberikan peringatan dini untuk mengurangi cost maintenance dan kerusakan pada perangkat keras.