SISTEM DIAGNOSA GANGGUAN KWH METER DENGAN METODE DECISION TREE BERBASIS WEBSITE

Authors

  • Azis Nurokhman Universitas Sains Al-Quran
  • Muhamad Fuat Asnawi Universitas Sains Al-Qur'an
  • Nur Hasanah Universitas Sains Al-Qur'an
  • Iman Ahmad Ihsanuddin Universitas Sains Al-Qur'an
  • Dimas Prasetyo Utomo Universitas Sains Al-Qur'an

DOI:

https://doi.org/10.58641/technomedia.v3i2.270

Keywords:

KWH meter, decision tree, diagnosis gangguan, sistem berbasis web

Abstract

KWH meter merupakan perangkat penting dalam sistem kelistrikan yang berfungsi mengukur konsumsi listrik pelanggan. Gangguan teknis pada KWH meter dapat menyebabkan ketidaktepatan pencatatan daya dan menurunkan kualitas layanan kelistrikan. Penelitian ini bertujuan untuk merancang dan membangun sistem diagnosis gangguan KWH meter berbasis website menggunakan metode Decision Tree. Metode pengembangan sistem menggunakan pendekatan System Development Life Cycle (SDLC) model Waterfall yang terdiri dari analisis kebutuhan, perancangan, implementasi, pengujian, dan pemeliharaan. Data gangguan diperoleh dari laporan teknisi di PT. PLN (Persero) ULP Denpasar dalam format Excel, yang kemudian digunakan untuk melatih model klasifikasi Decision Tree. Sistem ini dirancang agar dapat menerima input parameter teknis seperti tegangan, arus, dan daya, lalu mengidentifikasi jenis gangguan secara otomatis. Hasil pengujian menunjukkan bahwa model memiliki tingkat akurasi rata-rata sebesar 83,08% dalam mengklasifikasikan gangguan. Sistem juga menyediakan antarmuka web yang ramah pengguna, fitur riwayat diagnosis, serta fungsi pembaruan data dan pelatihan ulang model. Dengan demikian, sistem ini dapat menjadi alat bantu diagnosis yang efektif dan dapat dikembangkan lebih lanjut untuk jenis KWH meter lainnya.

Downloads

Published

2026-07-31

How to Cite

Azis Nurokhman, Muhamad Fuat Asnawi, Nur Hasanah, Iman Ahmad Ihsanuddin, & Dimas Prasetyo Utomo. (2026). SISTEM DIAGNOSA GANGGUAN KWH METER DENGAN METODE DECISION TREE BERBASIS WEBSITE. TECHNOMEDIA : Informatics and Computer Science, 3(2), 48–56. https://doi.org/10.58641/technomedia.v3i2.270

Issue

Section

Articles