Semua kelas Silabus Klasifikasi Gangguan Kualitas Daya Wavelet · Episode 5 dari 6

Kelas Klasifikasi Gangguan Kualitas Daya Wavelet #5: Klasifikasi dengan SVM, Random Forest, dan XGBoost

0 kali dilihat

Kelas klasifikasi gangguan kualitas daya dengan SVM, Random Forest, dan XGBoost bahasa Indonesia: fitur wavelet, akurasi, confusion matrix. Episode 5 seri klasifikasi gangguan kualitas daya wavelet.

Software: Python (PyWavelets, scikit-learn, XGBoost)
Level: Mahir
Durasi: ± 6 menit
Total seri: 40 menit · 6 video
Terbit: 25 Oktober 2026

Episode 5 dari 6 · lihat silabus

Berlangganan ▶ Tonton video praktik0 kali ditonton

Memeriksa akses...

Ingin belajar lebih dalam?

Ikuti kursus kami atau tanyakan langsung lewat WhatsApp.

Lihat silabus lengkap 6 episode Lihat Kursus Kualitas Daya Listrik Tanya via WhatsApp

Kelas yang direkomendasikan untuk Anda

Dipilih dari software, topik, dan level “Kelas Klasifikasi Gangguan Kualitas Daya Wavelet #5: Klasifikasi dengan SVM, Random Forest, dan XGBoost”.

6 episodeAda gratis

Python · Menengah–Mahir

Optimasi Distributed Generation PSO-GWO

6 episode video + PDF, total 1 jam. Dimulai dari: Sistem Distribusi Radial IEEE 33-Bus: Data Saluran dan Beban.

1 jam 0 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

Manajemen Energi Microgrid MPC

6 episode video + PDF, total 54 menit. Dimulai dari: Komponen Microgrid & Profil PV, Angin, Beban, dan Tarif Listrik.

54 menit 0 0

Lihat kelas

6 episodeAda gratis

Python · Menengah–Mahir

PID & FOPID Metaheuristik

6 episode video + PDF, total 52 menit. Dimulai dari: Sistem Kendali: Fungsi Alih, Respon Step, dan Spesifikasi Kinerja.

52 menit 1 0

Lihat kelas

10 episodeAda gratis

Cycle-Tempo · Pemula–Mahir

Cycle-Tempo

10 episode video + PDF, total 1 jam 14 menit. Dimulai dari: Siklus Rankine Sederhana (PLTU Dasar).

1 jam 14 menit 51 0

Lihat kelas

3 episodeAda gratis

LINGO · Pemula

LINGO

3 episode video + PDF, total 22 menit. Dimulai dari: Linear Programming untuk Pemula.

22 menit 13 0

Lihat kelas

Kelas MATLAB: Optimasi Kapasitas PLTS dan Inverter untuk Biaya Hidrogen (LCOH) Termurah

Gratis

MATLAB R2025b · Menengah

Kelas MATLAB: Optimasi Kapasitas PLTS dan Inverter untuk Biaya Hidrogen (LCOH) Termurah

Kelas MATLAB dari proyek kosong: mengunduh data PVGIS, memodelkan PLTS atap on-grid dan inverter per jam (8.760 jam), lalu mencari kapasitas dengan biaya hidrogen (LCOH) terendah memakai Particle Swarm Optimization, divalidasi Exhaustive Grid Search, lengkap dengan sensitivitas dan uji asumsi. 19 file kode ditulis dan dijelaskan baris demi baris.

1 jam 8 menit 12 0

Lihat kelas

Simulasi Wave Flume 2D dengan Breakwater di Ansys Fluent

Premium

ANSYS 2026 R1 (SpaceClaim, Meshing, Fluent) · Menengah

Simulasi Wave Flume 2D dengan Breakwater di Ansys Fluent

Simulasi wave flume 2D di Ansys Fluent 2026 R1: geometri flume 100 m dan breakwater terendam, mesh, VOF dengan gelombang Airy, numerical beach, sampai profil muka air.

15 menit 10 0

Lihat kelas

Simulasi Aliran Saluran Terbuka Dua Fase dengan Ansys Fluent

Premium

ANSYS 2026 R1 (SpaceClaim, Meshing, Fluent) · Menengah

Simulasi Aliran Saluran Terbuka Dua Fase dengan Ansys Fluent

Simulasi aliran saluran terbuka dua fase di Ansys Fluent 2026 R1: saluran lurus 12 m, mesh, VOF dengan Open Channel, kondisi batas inlet dan outlet, model turbulen k-epsilon, run transient 20 detik, dan pengukuran kedalaman air.

11 menit 8 0

Lihat kelas

Butuh lebih dari video?

Pilihan lain dari kami untuk Python.

Belajar bareng mentor

Kursus Simulasi & Rekayasa Teknik terjadwal, dibimbing langsung, bersertifikat.

Kursus

Kursus Ansys: Analisis Perpindahan Panas dan Heat Flux Menggunakan ANSYS Fluent dari Dasar Hingga Studi Kasus Industri

★ 5.0 (10)

Kursus

Kursus Matlab: Perancangan Aplikasi MATLAB: Panduan utama untuk Aplikasi MATLAB

★ 5.0 (10)

Kursus

Kursus Ansys: Simulasi Aliran Udara pada Radiator Mobil dengan ANSYS Fluent

★ 5.0 (9)

Lihat semua Simulasi & Rekayasa Teknik →

Minta dibuatkan

Tidak sempat belajar Python? Tim kami bisa mengerjakan proyeknya.

Jasa

Jasa Pembuatan Matlab — Complete Neural Signal Processing and Analysis Zero to hero

★ 5.0 (59)

Jasa

Jasa Pembuatan Ansys Maxwell

★ 5.0 (50)

Jasa

Jasa Pembuatan Petrel

★ 5.0 (14)

Lihat semua Simulasi & Rekayasa Teknik →

Kabari saya kalau ada kelas Python baru

Paling banyak satu email per minggu. Berhenti kapan saja dengan satu klik.

Transkrip

Narasi lengkap video ini. Kalimat yang sedang diucapkan disorot saat video diputar; klik kalimat untuk melompat ke sana.

Tampilkan transkrip

Pembuka

Inilah hasil akhirnya, tiga algoritma machine learning mengenali sembilan jenis gangguan kualitas daya dari fitur Wayflat, dengan akurasi uji sampai 99,1 persen. Confusion Matrix memperlihatkan satu-satunya kelas yang masih sering tertukar. Ayo kita mulai. Halo, selamat datang di episode kelima seri klasifikasi gangguan kualitas daya dengan Wayflat. Fitur sudah siap, sekarang saatnya machine learning. Kita membandingkan tiga algoritma yang paling sering muncul di paper, Support Vector Machine, Random Forest, dan XGBoost. Buat file klasifikasi .py.

Langkah 1: Tiga model klasifikasi

Fungsi buat model menyiapkan tiga model. SVM dengan kernel RBIF butuh fitur berskala sama, jadi digabung dengan standar scalar dalam satu pipeline. Random Forest memakai 300 pohon keputusan yang hasilnya di-voting. XGBoost membangun 300 pohon secara bertahap, setiap pohon memperbaiki kesalahan pohon sebelumnya. Fungsi ini juga dipakai di episode terakhir.

Langkah 2: Akurasi & waktu latih

Bagian utama membagi data 70 persen latih dan 30 persen uji secara stratifiat, lalu melatih dan menguji ketiga model. Jalankan. SVM mencapai akurasi 97,8 persen, Random Forest 99,0, dan XGBoost 99,1 persen. Semua dilatih dalam hitungan detik. Kesalahan terbanyak model terbaik adalah NOC yang dikira normal, 5 sinyal, karena NOC yang dangkal sangat mirip sinus murni.

“ Langkah 3: Confusion matrix

Mari lihat Confusion Matrix XGBoost. Baris adalah kelas sebenarnya dan kolom kelas tebakan. Hampir semua nilai berada di diagonal. Kesalahan yang tersisa masuk akal secara fisik, NOC dangkal dengan normal, intrupsi singkat dengan sec dalam, dan sec kelas harmonik yang SAG-nya kecil dengan harmonik.

Selesai!

Selesai. Kita sudah melatih SVM, Random Forest, dan XGBoost, mencapai akurasi sekitar 99 persen, dan menganalisis kesalahannya dengan Confusion Matrix. Tapi sinyal ini masih bersih. Di episode terakhir kita uji ketahanannya terhadap NICE. Sedang menyusun skripsi, tesis, atau riset di bidang kualitas daya listrik dan pengolahan sinyal? Cerdas inovasi digital membantu implementasi machine learning, dari pembangkitan sinyal gangguan sesuai IEEE-159, transformasi wave-lat, ekstraksi fitur, sampai klasifikasi dengan SVM, Random Forest, dan XGBoost, serta membuka kursus pemrograman Python untuk teknik elektro. Ingin menguasai seluruh seri ini, dari sinyal sintetis sampai uji ketahanan NICE? Semua 6 episode, lengkap dengan PDF panduan langkah demi langkah dan source code, tersedia untuk pelanggan tutorial premium. Berlangganan mulai Rp69.000 per bulan, hemat 28% dengan paket 12 bulan, atau sekali bayar Rp999.000 untuk akses seumur hidup. Mau satu kelas saja? Beli kelas satuan dengan akses selamanya. Langganan sekarang di halaman premium cerdasinovasidigital.com. Hubungi WhatsApp kami, atau kunjungi cerdasinovasidigital.com. Terima kasih telah menonton, Sampai jumpa di episode berikutnya.

Tanya materi kelas

Ketik pertanyaan atau kata kunci; kami carikan bagian episode ini yang menjelaskannya dan lompatkan videonya ke sana.

Catatan saya

Catatan disimpan bersama menit video saat ini dan hanya terlihat oleh Anda.

Tanya jawab

Bingung di salah satu langkah? Tanyakan di sini; pengajar dan peserta lain bisa menjawab.

Belum ada pertanyaan.

Pengajar

Tim Cerdas Inovasi Digital

Pengembang software, engineer BIM & 3D, dan praktisi AI

52 kelas video1.277 episode

Sehari-hari kami mengerjakan software, model BIM, game, dan otomasi AI untuk klien, lalu menjadikan pengalaman praktik itu kelas langkah demi langkah: setiap langkah diperlihatkan di layar dan dilengkapi panduan PDF.

Lihat klien kami →

Memuat

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:44Langkah 1: Tiga model klasifikasi

2:24Langkah 2: Akurasi & waktu latih

4:01“ Langkah 3: Confusion matrix

4:59Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Kelas yang direkomendasikan untuk Anda

Butuh lebih dari video?

Transkrip

0:03Pembuka

0:44Langkah 1: Tiga model klasifikasi

2:24Langkah 2: Akurasi & waktu latih

4:01“ Langkah 3: Confusion matrix

4:59Selesai!

Tanya materi kelas

Catatan saya

Tanya jawab

Pengajar

Pembuka

Langkah 1: Tiga model klasifikasi

Langkah 2: Akurasi & waktu latih

“ Langkah 3: Confusion matrix

Selesai!

Pembuka

Langkah 1: Tiga model klasifikasi

Langkah 2: Akurasi & waktu latih

“ Langkah 3: Confusion matrix

Selesai!