SMART HOME DAN ANALITIK KONSUMSI ENERGI: Metode Multi-Clustering untuk Optimasi dan Evaluasi Algoritma

Penulis

Teti Desyani, M.Kom
Universitas Pamulang image/svg+xml
Syaeful Machfud, M.Kom
Universitas Pamulang image/svg+xml

Kata Kunci:

SMART HOME, INTERNET OF THINGS, DATA SCIENCE, ARTIFICIAL INTELEGENCE

Sinopsis

Buku ”Smart Home dan Analitik Konsumsi Energi: Metode Multi-Clustering untuk Optimasi dan Evaluasi Algoritma” membahas penerapan teknik data mining dan machine learning dalam menganalisis pola konsumsi energi pada sistem smart home berbasis Internet of Things (IoT). Seiring berkembangnya teknologi rumah pintar, berbagai perangkat elektronik mampu menghasilkan data konsumsi energi secara real-time yang dapat dimanfaatkan untuk memahami perilaku penggunaan energi rumah tangga secara lebih mendalam.
Buku ini mengintegrasikan konsep smart home, data science, clustering, serta evaluasi performa algoritma untuk menghasilkan analisis pola konsumsi energi yang lebih komprehensif. Berbagai algoritma clustering seperti K-Means, Fuzzy C-Means, DBSCAN, dan Hierarchical Clustering dibahas secara teoritis maupun implementatif menggunakan dataset smart home yang terintegrasi dengan data cuaca. Selain itu, buku ini juga menjelaskan tahapan preprocessing data, penanganan missing value, normalisasi data, serta teknik evaluasi clustering menggunakan Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Index.
Melalui pendekatan multi-clustering, pembaca diajak memahami kelebihan, kekurangan, serta karakteristik masing-masing algoritma dalam mengelompokkan pola konsumsi energi rumah tangga. Buku ini juga dilengkapi dengan contoh perhitungan, visualisasi cluster, kode implementasi Python, interpretasi hasil, serta analisis perbandingan performa algoritma clustering.
Buku ini sangat cocok digunakan oleh mahasiswa, dosen, peneliti, maupun praktisi yang tertarik pada bidang:
• Data Science
• Machine Learning
• Clustering
• Smart Home dan IoT
• Analisis Data Energi
• Artificial Intelligence (AI)
Dengan pendekatan teoritis dan praktis yang seimbang, buku ini diharapkan dapat menjadi referensi dalam pengembangan penelitian maupun implementasi sistem analisis energi cerdas berbasis data.

Bab

  • KATA PENGANTAR
  • DAFTAR ISI
  • BAB 1 PENDAHULUAN SMART HOME DAN ANALISIS ENERGI
  • BAB 2 DASAR TEORI SMART HOME DAN IOT
  • BAB 3 DATASET DAN KARAKTERISTIK DATA
  • BAB 4 DATA PREPROCESSING
  • BAB 5 CLUSTERING MULTI-ALGORITMA
  • BAB 6 EVALUASI DAN PERBANDINGAN KINERJA CLUSTERING
  • DAFTAR PUSTAKA
  • GLOSARIUM
  • LAMPIRAN
  • PROFIL PENULIS

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Teti Desyani, M.Kom, Universitas Pamulang

Teti Desyani, S.Kom., M.Kom. merupakan akademisi dan peneliti di bidang Teknik Informatika yang aktif mengajar di Universitas Pamulang, Tangerang Selatan, Banten, Indonesia. Fokus kajian dan penelitiannya meliputi Artificial Intelligence, Machine Learning, Data Mining, Computer Vision, Sistem Pendukung Keputusan, serta pengembangan aplikasi berbasis web dan teknologi digital.

Penulis aktif menghasilkan berbagai karya ilmiah yang dipublikasikan pada jurnal nasional maupun internasional, khususnya pada bidang kecerdasan buatan dan penerapan teknologi informasi dalam pendidikan, kesehatan, serta klasifikasi data. Beberapa penelitian yang telah dilakukan di antaranya mengenai klasifikasi penyakit tanaman menggunakan Convolutional Neural Network (CNN), penerapan algoritma K-Means, metode SAW dan TOPSIS untuk sistem pendukung keputusan, hingga implementasi model deep learning untuk klasifikasi citra.

Selain aktif dalam penelitian, penulis juga terlibat dalam kegiatan pengabdian kepada masyarakat, khususnya pada pengembangan kompetensi digital dan media pembelajaran berbasis teknologi. Melalui karya tulis dan penelitian yang dilakukan, penulis berharap dapat memberikan kontribusi nyata terhadap perkembangan ilmu pengetahuan dan pemanfaatan teknologi informasi di Indonesia.

Google Scholar menunjukkan bahwa penulis telah memiliki ratusan sitasi ilmiah dengan indeks akademik yang terus berkembang sebagai bentuk kontribusi dalam dunia penelitian dan pendidikan tinggi.

Syaeful Machfud, M.Kom, Universitas Pamulang

Syaeful Machfud, S.Kom, M.Kom. Kelahiran Bogor Jawa Barat, menamatkan Pendidikan SDN Tahun 1995, dan SLTPN Tahun 1998, serta SLTA Tahun 2001, Lulus S1 Program Studi Teknik Informatika Tahun 2014, Lulus S2 Tahun 2020. Saat ini adalah Dosen Tetap Universitas Pamulang, Prodi Teknik Informatika S-1 dan Mengampu beberapa mata kuliah Jaringan Komputer, Komunikasi Data,Interaksi Manusia Dengan Komputer, Analisa dan Perancangan Sistem, Pemrograman Web 1, Sistem Informasi Manajemen, Jaringan Nirkabel dll.

Menulis beberapa artikel jurnal ilmiah.

Penelitian terikait tentang :

1.      Sistem penunjang keputusan penentuan penerima dana bantuan rumah tidak layak huni dengan metode smarter dan topsis pada desa rawakalong

2.      Analisis Prediksi Penyakit Demensia Alzheimer Menggunakan Metode Decision Tree C4. 5 dan Naive Bayes

3.      PENDEKATAN HYBRID SVM DAN KNN UNTUK KLASIFIKASI PENYAKIT TIROID

4.      ANALISIS DAMPAK PENERAPAN TEKNOLOGI ARTIFICIAL INTELLIGENCE TERHADAP EFEKTIFITAS PEMBELAJARAN BAGI SISWA SMK

5.      Klasifikasi Penyakit Kanker Paru-Paru Menggunakan Metode C4.5

6.      Klasifikasi Penyakit Mata Pada Data OCT Menggunakan Convolutional Neurtal

7.      KLASIFIKASI PENYAKIT JANTUNG KORONER MENGGUNAKAN EXTREME LEARNING MACHINE

8.      ANALYSIS OF SECURITY VULNERABILITY ASSESSMENT IN WEB APPLICATION ENVIRONMENT USING COMMON VULNERABILITY SCORING SYSTEM METHOD

9.      Rekayasa Teknologi dalam Implementasi Rumah Pintar Berbasis Internet untuk Segala (IoT)

10.   Mapping of Darunnajah 6 Muko-Muko Bengkulu Oil Palm Plantation Using GIS

11.   Perancangan Sistem Informasi Penduduk Berbasis Desktop

Dan PkM terkain :

1.      Pelatihan Komputer Microsoft Excel Di SMPN 2 Gunung Sindur

2.      Sosialisasi Penggenalan Pentingnya Cyber Security Guna Menjaga Keamanan Data Di Era Digital Pada Siswa/i SMK Bakti Idhata Jakarta

3.      PEMANFAATAN DIGITAL MARKETING UNTUK MENINGKATKAN BRAND AWARENESS TAMAN BACA MASYARAKAT (TBM) KOLONG CIPUTAT

4.      Laporan Akhir Pengabdian Kepada Masyarakat : Otomatisasi Penyusunan Presentasi Menggunakan AI Gamma Untuk Meningkatkan Kreativitas Dan Efisiensi Di Bidang Pendidikan

5.      Perancangan Sistem Informasi Perpustakaan Berbasis Web SMPN 2 Solear

 

 

 

Referensi

1. Eugine Prince, M. et al. Quantum-enhanced neuro-fusion framework for intelligent decision-making in Smart Home IoT surveillance. Franklin Open 15, (2026).

2. Leonori, S., Rocca, R., Ricci, M. & Frattale Mascioli, F. M. Smart Home energy flow optimization, a practical case study. Energy Conversion and Management: X 28, (2025).

3. Rodrigues, T., Morgado, J., Barros, M., Oliveira De Sá, A. & Cecílio, J. AI-driven IoT recommender system for enhancing energy efficient management in smart houses. Expert Syst. Appl. 296, (2026).

4. Liu, L. & Zheng, F. An improved cohesive hierarchical clustering for indoor air quality monitoring in smart gymnasium with healthy sport areas. Alexandria Engineering Journal 105, 204–217 (2024).

5. Aghdam, F. H., Rasti, M., Pongracz, E. & Anvari-Moghaddam, A. Digital twin assisted real-time energy management system for Smart Homes. Energy Build. 355, 116978 (2026).

6. Alkanan, K., Zhong, Y., Luo, X. & Dong, R. Advanced multimodal biometric authentication for IoT-enabled Smart Home security: Integrating deep learning-based face recognition with behavioral patterns. Kuwait Journal of Science 53, (2026).

7. Franco, P., Martinez, J. M., Kim, Y. C. & Ahmed, M. A. IoT Based Approach for Load Monitoring and Activity Recognition in Smart Homes. IEEE Access 9, 45325–45339 (2021).

8. Ngo, M. H., Do, H. H., Pham, H. D., Do, Q. H. & Nguyen, H. S. Anomaly Detection Based on Frequent Pattern Mining in Smart Home Devices. IEEE Access 13, 161436–161452 (2025).

9. Shahcheraghian, A., Ilinca, A. & Sommerfeldt, N. K-means and agglomerative clustering for source-load mapping in distributed district heating planning. Energy Conversion and Management: X 25, 100860 (2025).

10. Liu, X., Vasantha, G., Goh, K., Lin, W. & Marzano, A. Data-driven smart product design, smart service design, and smart product-service system design – A comprehensive review. Advanced Engineering Informatics vol. 73 Preprint at https://doi.org/10.1016/j.aei.2026.104534 (2026).

11. Fernandez-Basso, C., Díaz-Jimenez, D., López, J. L. & Espinilla, M. Fuzzy processing applied to improve multimodal sensor data fusion to discover frequent behavioral patterns for smart healthcare. Information Fusion 123, (2025).

12. Rosyani, P., Suhendi, A., Apriyanti, D. H. & Waskita, A. A. Color Features Based Flower Image Segmentation Using K-Means and Fuzzy C-Means. Building of Informatics, Technology and Science (BITS) 3, 253–259 (2021).

13. Sträng, H. & Dinh, T. Silhouette-upper-bound: An upper bound on the silhouette evaluation metric for clustering. Software Impacts 28, 100835 (2026).

14. Firnando, R., Nurmaini, S. & Naufal Rachmatullah, M. Clustering Data Bibliografi menggunakan Algoritma DBSCAN dengan Author Matching Classifier Berbasis Deep Neural Network. JSI : Jurnal Sistem Informasi (E-Journal) 14, 2022.

15. Bermejo, U., Almeida, A., Bilbao-Jayo, A. & Azkune, G. Embedding-based real-time change point detection with application to activity segmentation in Smart Home time series data. Expert Syst. Appl. 185, (2021).

16. Lin, Y. W., Lin, Y. B., Wu, Y. F. & Shen, P. H. VoiceTalk: A No-Code Approach for Creating Voice-Controlled Smart Home Applications. IEEE Open Journal of the Computer Society 6, 874–883 (2025).

17. Nimmy, K., Sankaran, S., Achuthan, K. & Calyam, P. Lightweight and Privacy-Preserving Remote User Authentication for Smart Homes. IEEE Access 10, 176–190 (2022).

18. Sträng, H. & Dinh, T. An upper bound of the silhouette validation metric for clustering. https://doi.org/10.1016/j.patcog.2026.113402 (2025) doi:10.1016/j.patcog.2026.113402.

19. Huang, Y., Jiang, J., Gao, Z., Sun, H. & Gao, Z. PIUL-DERs: Physics-informed pseudo-labeling unsupervised learning for Smart Homes with distributed energy resources. Appl. Energy 403, (2026).

20. Devanathan, B. et al. AI-Based energy consumption forecasting in Smart Homes using multi-Algorithm analysis across temporal resolutions. Results in Engineering 29, (2026).

21. Kumar, A. et al. Imputation of missing data for domain mean estimation using simple random sampling. Kuwait Journal of Science 52, 1–10 (2025).

22. Guo, Y. & Holy, T. E. Recovering Missing Features in Nonnegative Matrix Factorization via Generalized Singular Value Decomposition. iScience 114708 (2026) doi:10.1016/j.isci.2026.114708.

23. de Sousa Guilhon Araujo, M. A., Cyrino Oliveira, F. L. & Souza, R. C. Missing data imputation using climate data reanalysis in solar energy generation time series. Energy Conversion and Management: X 30, 101653 (2026).

24. Downing, N. J. Missing Value imputation in environmental, social, and governance data: an impact on emissions scores. Financ. Res. Lett. 85, 1–10 (2025).

25. Yu, Y. et al. Dynamic Dual-Channel Asynchronous Graph Neural Network for Traffic Prediction with Missing Values. Fundamental Research https://doi.org/10.1016/j.fmre.2026.01.019 (2026) doi:10.1016/j.fmre.2026.01.019.

26. Li, W., Subašić, G., Korolija, I., Guida, R. & Hong, S. M. Data imputation methods for missing U-values of building envelopes in building performance database. Journal of Building Engineering 118, (2026).

SMART HOME DAN ANALITIK KONSUMSI ENERGI : Metode Multi-Clustering untuk Optimasi dan Evaluasi Algoritma

Unduhan

PREVIEW
GOOGLE PLAYBOOK

Diterbitkan

21 Juni 2026
Hak Cipta (c) 2026 Teti Desyani, M.Kom, Syaeful Machfud, M.Kom (Author)

Lisensi

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Detail format terbitan yang tersedia: PREVIEW

PREVIEW

ISBN-13 (15)

978-634-278-463-1

Dimensi Fisik

Cara Mengutip

SMART HOME DAN ANALITIK KONSUMSI ENERGI: Metode Multi-Clustering untuk Optimasi dan Evaluasi Algoritma. (2026). PENERBIT KARYA BAKTI MAKMUR (KBM) INDONESIA. https://librarypenerbitkbm.science/index.php/buku/catalog/book/1400