Model Fuzzy Tahani Untuk Pencarian Pelanggaran Pelanggan Dalam Pemakaian Tenaga Listrik
Abstract
Sebagai salah satu perusahaan BUMN dibidang jasa penyedia tenaga listrik bagi kepentingan seluruh rakyat Indonesia baik secara umum maupun khusus, PT. PLN (Persero) berusaha untuk memberikan pelayanan terbaiknya. Salah satu upayanya adalah dengan menyediakan dan meningkatkan pasokan listrik yang cukup bagi seluruh rakyat Indonesia yang membutuhkan dimana pun mereka berada. Salah satu upaya peningkatan pelayanan dari PT. PLN (Persero) adalah dengan melakukan pencarian pelanggaran pelanggan PLN dalam menggunakan daya tenaga listrik. Pelanggaran ini diindikasikan dengan adanya pemakaian energy listrik yang berlebih dari kententuan jumlah beban listrik yang telah ditentukan oleh PT. PLN (Persero) kepada para pelanggan sesuai dengan perjanjian diawal pada saat pelanggan melakukan pemasangan instalasi tenaga listrik yang akan mereka gunakan. Beberapa krteria penting yang dapat digunakan dalam pencarian pelanggaran pelanggan ini terdiri dari tegangan daya, temuan daya dan temuan energi. Kriteria-kriteria ini memiliki nilai atau data yang masih ambigu (kabur). Logika fuzzy model Tahani dapat digunakan untuk menghilangkan nilai ambiguitas dari kriteria-kriteria yang ada. Penerapan logika fuzzy model Tahani bertujuan untuk mengevaluasi pemakaian daya energi listrik yang mereka gunakan, apakah ditemukannya pelanggaran atau tidak. Sedangkan hasil penelitian ini adalah model pendukung keputusan untuk memberikan informasi tentang pencarian pelanggaran pelanggan dalam pemakaian tenaga listrik dengan menggunakan fuzzy Tahani. Dan Fuzzy Tahani dapat digunakan untuk melakukan pencarian pelanggaran pelanggan dengan 21 sampel pelanggan, maka ditemukan tegangan daya. temuan daya dan temuan energi dengan nilai fuzzy Tinggi yang ditentukan dengan firestrengh tertingi (rekomendasi) dengan nilai 1 mendapatkan hasil pelanggaran yaitu pelanggan dengan ID 547200063988 atas nama H. Mutu Sani C.
References
Astari, A. P., & Komarudin, R. (2018). Sistem Pendukung Keputusan Pemilihan Karyawan Terbaik Dengan Metode Fuzzy Tahani. PIKSEL : Penelitian Ilmu Komputer Sistem Embedded and Logic, 6(2), 169–178. https://doi.org/10.33558/piksel.v6i2.1507
Hadi, A. (2015). Adaptive Neuro Fuzzy Inference System (ANFIS) Untuk Prediksi Pembayaran Pinjaman Berdasarkan Rencana Pembiayaan Nasabah. SATIN - Sains Dan Teknologi Informasi, 1(2), 1–9. https://doi.org/10.33372/stn.v1i2.20
Jannah, M., Putra, K. O., & Tambunan, L. (2021). Penerapan Metode Analytic Network Process ( ANP ) Dalam Menentukan Penerima Bantuan Langsung Tunai ( BLT ). SATIN - Sains Dan Teknologi Informasi, 07(01), 81–90. https://doi.org/10.33372/stn.v7i1.708
Kurnia, D. (2017). Analisa Penentuan Masyarakat Miskin pada Pemetaan Swadaya dalam Penerimaan Bantuan untuk Masyarakat dengan Fuzzy Mamdani. SATIN - Sains Dan Teknologi Informasi, 3(2), 19–27. https://doi.org/https://doi.org/10.33372/stn.v3i2.267
Kusumadewi, S., & Hartati, S. (2010). Neuro-Fuzzy Integrasi Sistem Fuzzy & Jaringan Syaraf (2nd ed.). Yogyakarta: Graha Ilmu.
Nu’man, N., Kusumadewi, S., & Muzayyanah, N. (2020). Sistem Inferensi Fuzzy Untuk Membantu Diagnosis Penyakit Pneumonia Anak. IT Journal Research and Development, 5(1), 53–62. https://doi.org/10.25299/itjrd.2020.vol5(1).5088
Nurjayadi, N. (2015). Implementasi Neuro Fuzzy dalam Proses Belajar Mengajar untuk Meningkatkan Prestasi Mahasiswa. SATIN - Sains Dan Teknologi Informasi, 1(2), 97–103. https://doi.org/https://doi.org/10.33372/stn.v1i2.29
Prabandani, E. A., & ‘Uyun, S. (2021). Comparative analysis of fuzzy database Tahani model and Fuzzy Multi-Attribute Decision Making TOPSIS method in cotton product for determination recommendations in textile industry (Case study: PT. Pandatex). In IOP Conference Series: Materials Science and Engineering (Vol. 1077, pp. 1–12). IOP Publishing. https://doi.org/10.1088/1757-899x/1077/1/012027
Sahir, S. H., Rosmawati, R., & Rahim, R. (2018). Fuzzy model tahani as a decision support system for selection computer tablet. International Journal of Engineering and Technology(UAE), 7(2.9), 61–65. https://doi.org/10.14419/ijet.v7i2.9.13348
Sunanto, S. (2015). Pengaturan Kecepatan Putaran Motor Listrik 3 Phasa Menggunakan Logika Fuzzy Tsukamoto pada Proses Penyaringan Minyak Goreng. SATIN - Sains Dan Teknologi Informasi, 1(2), 10–16. https://doi.org/10.33372/stn.v1i2.21
Supardianto, Kusumadewi, S., & Rosita, L. (2021). Fuzzy expert system untuk membantu diagnosis awal. JIRE (Jurnal Informatika & Rekayasa Elekronika), 4(1), 30–39. https://doi.org/ttps://doi.org/10.36595/jire.v4i1.313
Susanti, M. (2017). Sistem Penunjang Keputusan Untuk Penilaian Guru Menggunakan Model Logika Fuzzy Tahani. Swabumi, 5(1), 90–98. Retrieved from https://ejournal.bsi.ac.id/ejurnal/index.php/swabumi/article/view/3399
