Analisis Pengaruh Noise pada Performa K-Nearest Neighbors Algorithm dengan Variasi Jarak untuk klasifikasi Beban Listrik

Teknik Non-Intrusive Load Monitoring (NILM) digunakan dalam pemantauan konsumsi energi. Variabel pengukuran yang digunakan yaitu Real Power dan Reactive Power. klasifikasi beban listrik menjadi acuan dalam mengurangi tagihan energi. Namun, data pengukuran sering kali terpengaruh oleh noise. Penelitian ini bertujuan untuk menganalisis pengaruh noise terhadap performa algoritma k Nearest Neighbors (k-NN) dalam klasifikasi beban listrik. Berbagai tingkat noise secara rundom diberikan pada data pengukuran yang diperoleh. Selanjutnya, model k-NN dilatih dan dievaluasi dengan nilai k = 1 sampai 9 dan 15 tipe jarak. Hasil eksperimen menunjukkan bahwa penambahan noise pada data pengukuran secara signifikan mempengaruhi performa algoritma k-NN dalam mengklasifikasikan beban listrik. Pengaruh ini terlihat pada nilai akurasi tertinggi mayoritas pada k = 3 dan Tipe jarak Cambera menghasilkan nilai akurasi di atas rata-rata