Berikut adalah Silabus 20 Sesi (1,5 Jam per Sesi) untuk topik “Prediksi Konsumsi Energi Rumah Tangga Menggunakan Algoritma LightGBM dengan Python”. Silabus ini cocok untuk skripsi, pelatihan, atau proyek mandiri, dengan pendekatan praktik dan teori terstruktur.
Silabus 20 Sesi (Total: 30 Jam)
Topik Utama: Prediksi konsumsi energi rumah tangga berbasis data time series dan fitur, menggunakan algoritma LightGBM dan teknik evaluasi modern.
Tahap 1: Dasar Data Science & Persiapan Proyek
Sesi 1: Pengenalan Data Science dan Machine Learning untuk Energi
-
Konsep dasar prediksi konsumsi energi
-
Studi kasus real-time
-
Overview algoritma LightGBM dan perbandingan dengan ML lainnya
Sesi 2: Instalasi dan Persiapan Lingkungan
-
Instalasi Python, Jupyter, dan library utama (pandas, scikit-learn, lightgbm)
-
Struktur folder proyek
-
Dataset yang digunakan: UCI Household Energy Dataset / alternatif lokal
Sesi 3: Eksplorasi Dataset Energi
-
Memahami fitur: daya aktif, daya reaktif, tegangan, sub-metering
-
Data time series vs data tabular
-
Visualisasi awal konsumsi energi
Sesi 4: Pembersihan dan Pra-pemrosesan Data
-
Penanganan missing values
-
Konversi tipe waktu
-
Agregasi (menit → jam / harian)
Sesi 5: Feature Engineering untuk Prediksi Energi
-
Membuat fitur waktu (jam, hari, akhir pekan)
-
Lag features dan rolling window
-
Korelasi antar fitur
Tahap 2: Pemodelan dengan LightGBM
Sesi 6: Pengenalan Algoritma LightGBM
-
Konsep boosting, leaf-wise tree growth



