Perancangan Klasifikasi Kelainan Penyaluran Tenaga Listrik Jaringan Distribusi 20 kV Kota Sabang Menggunakan Neural Network
), Sitti Amalia(2), Andi M Nur Putra(3), Andi Syofian(4), Erhaneli Erhaneli(5), Antonov Antonov(6),
(1) Institut Teknologi Padang
(2) Institut Teknologi Padang
(3) Institut Teknologi Padang
(4) Institut Teknologi Padang
(5) Institut Teknologi Padang
(6) Institut Teknologi Padang
Corresponding Author
Abstract
Pada Januari 2022 sampai Desember 2023, terdapat banyak nya gangguan pada jaringan listrik 20 kV PT. PLN (Persero) ULP Sabang, lebih dari 50% gangguan tersebut tidak ditemukan penyebab gangguannya, disebabkan penentuan sebuah keputusan dalam penanganan gangguan jaringan listrik masih sangat sulit dilakukan. Gangguan-gangguan yang terjadi disebabkan banyaknya hutan lindung yang tidak dapat dilakukan penebangan, serta hewan yang berhabitat di pohon tersebut yang menyebabkan gangguan jaringan listrik. Tujuan penelitian ini yaitu diperolehnya klasifikasi gangguan jaringan listrik secara cepat dan efisien, menganalisa akurasi keberhasilan klasifikasi gangguan yang terjadi, menghitung perbandingan waktu pemulihan gangguan jaringan listrik, dan melakukan perhitungan keuntungan penjualan terhadap kecepatan pemulihan gangguan jaringan listrik. Faktor- faktor yang diklasifikasikan yaitu disebabkan oleh cuaca, pohon dan hewan. Metode yang digunakan yaitu pemanfaatan Neural Network dengan merekam jejak gangguan jaringan listrik Kota Sabang dari Bulan Januari 2024 sampai Desember 2023 ketika relai bekerja yaitu Over Current Relay dan Ground Fault Relay . Simulasi gangguan ini menggunakan aplikasi Google Collab, yang nantinya dapat memproses klasifikasi gangguan yang terjadi. Hasil yang di peroleh dari penelitian ini yaitu lebih cepatnya diketahui gangguan jaringan listrik yang terajdi sehingga tidak lama nya padam listrik yang dirasakan oleh masyarakat, dan keuntungan penjualan listrik bagi penyedia listrik itu sendiri.
Keywords
References
] Somantri, O., Sobri, S.M. and Wiro, S.G. (2015) ‘Neural Network Untuk Klasifikasi PenangananGangguan Jaringan Distribusi Listrik 20 KV’, Jurnal Knif, Vol. 3(No. 2), pp. 1–5.
D. Delen and M. D. Crossland, (2008) “Seeding the survey and analysis of research literature with text mining,” Expert Syst. Appl., vol. 34, no. 3, pp. 1707– 1720.
V. Stepchyshyn and R. S. Nelson, (2007) Library plagiarism policies. Chicago : College Library Information Packet Committee, College Libraries Section, Association of College and Research Libraries.
Somantri Oman Sungkar, Muchamad Sobri, dan Sasmito Ginanjar Wiro. (2015)
“Neural Network Untuk Klasifikasi Penanganan Gangguan Jaringan Distribusi Listrik 20 KV” (KNIF 2015) Hal 204-286,
Aryaguna Abel Aditya, Anggriawan Oky Dimas, dan Suhariningsih. (2021) “Identifikasi Jenis Gangguan Pada Jaringan Distribusi Menggunakan Metode Artificial Neural Network” (Jurnal Inovtek Seri Elektro), Vol. 3, No. 1, Hal 27-35.
Bakar, A.H.A., Moklis, H.A., Illias & Chong, P.L. (2012) “The study of Directional Overcurrent Relay and Directional Earth Fault Protection Application for 33 KV Underground Cble System in Malaysia”. Electrical Power System and Energy System 40. pp 113-119.
Deng, X., Yuan, R., Xiao, Z., Li, T., & Liu Wang, K.L., (2015) Fault Location in Loop Distribution Network Using SVM Technology, Electrical Power and Energy System 65. pp.254-261.
J. Zhang, Z.H. He, S. Lin, Y.B. Zhang, and Q.Q. Qian, (2013) “An ANFIS based fault classification approach in power distribution system,” Electrical Power and Energy System, Vol.49, pp. 243-252.
M. Widiarsana, I. M. Mataram, and Y. P. Sudarmojo, (2018) “Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Metode Jaring Syaraf Tiruan,” Maj. Ilm. Teknol. Elektro, vol. 17, no. 1, p. 1
I.. D. Irawan, , (2018) “Klasifikasi Gangguan Pada Saluran Transmisi Menggunakan Jaringan Syaraf Tiruan Metode Kohonen,” E-Link J. Tek. Elektro dan Inform., vol. 1, no. 1, p. 1.
IEEE Std 1159, (2019) IEEE Recommended Practice for Monitoring Electric Power Quality, vol. 2019.
M. S. Priyadarshini and M. Sushama, , (2016) “Classification of short-duration voltage variations using wavelet decomposition based entropy criteria,” Proc. 2016 IEEE Int. Conf. Wirel. Commun. Signal Process. Networking, WiSPNET 2016, pp. 2192–2196.
A. T. Eko Suryo, W. Wijono, and B. Siswojo, , (2020) “Analisis Kompensasi Tegangan Sag Dengan Kontrol Hysteresis Dan Ann Pada Gi Sengkaling Penyulang Pujon,” Transmisi, vol. 22, no. 3, pp. 73–79,.
Y. Han, Y. Feng, P. Yang, L. Xu, Y. Xu, and F. Blaabjerg, (2020) “Cause, Classification of Voltage Sag, and Voltage Sag Emulators and Applications: A Comprehensive Overview,” IEEE Access, vol. 8, pp. 1922–1934.
D. O. Anggriawan et al., (2020) “Detection and identification of voltage variation events based on artificial neural network,” Int. Rev. Autom. Control, vol. 13, no. 5, pp. 224–230.
P. Patil, K. Muley, and R. Agrawal, (2019)“Identification Of Power Quality Disturbance Using Neural,” 2019 3rd Int. Conf. Electron. Commun. Aerosp. Technol., pp. 990–996.
S. Farhana, (2021) “Classification of Academic Performance for University Research Evaluation by Implementing Modified Naive Bayes Algorithm,” Procedia Comput. Sci., vol. 194, pp. 224–228.
A. P. Ayudhitama and U. Pujianto, (2020)“Analisa 4 Algoritma Dalam Klasifikasi Liver Menggunakan Rapidminer,” J. Inform. Polinema, vol. 6, no. 2, pp. 1–9,
B. Charbuty and A. Abdulazeez, (2021) “Classification Based on Decision Tree Algorithm for Machine Learning,” J. Appl. Sci. Technol. Trends, vol. 2, no. 01, pp. 10.38094
L. Nurellisa and D. Fitrianah, (2020) “Analisis Rekomendasi Calon Debitur Motor pada PT.XYZ menggunakan Algortima C 4.5,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 4, p. 673.
Article Metrics
Abstract View
: 66 times
Download : 48 times
DOI: 10.57235/motekar.v2i2.3947
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Handrifan Marsadi, Sitti Amalia, Andi M Nur Putra, Andi Syofian, Erhaneli Erhaneli, Antonov Antonov
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
.png)
.png)
