Pemodelan Hybrid Decomposition Neural Network Untuk Klasifikasi Gangguan Sistem Tenaga Listrik Pada Disturbance Fault Rrcorder (DFR)

  • At - Thariq Ramadhan Universitas Negeri Surabaya
  • Unit Three Kartini Universitas Negeri Surabaya

Abstract

Disturbance Fault Recorder (DFR) adalah perangkat yang merekam kualitas daya dalam bentuk gelombang fasa yang memilikiĀ  variable berupa current (ampere) dan voltage (volt) pada saat pre fault, in fault, dan after fault. Perangkat ini banyak digunakan pada peralatan jaringan listrik untuk terus memantau peralatan jaringan listrikĀ  dan merekam kesalahan/ketidaknormalan yang terjadi.. Tujuan dari penelittian ini adalah memodelkan Hybrid Decomposition Neural Network untuk mengklasifikasi jenis gangguan sistem tenaga listrik pada Disturbance Fault Recorder (DFR). Metode dekomposisi digunakan untuk membagi masalah menjadi beberapa bagian yang lebih sederhana atau komponen yang lebih kecil, sedangkan jaringan saraf digunakan untuk mempelajari dan memodelkan hubungan antara komponen-komponen tersebut. Data yang digunakan merupakan data rekaman gangguan Disturbance Fault Recorder (DFR) yang diakses di PT. PLN UP2B Jawa Timur. Klasifikasi jenis gangguan yang dipakai hanya untuk gangguan eksternal yaitu gangguan oleh petir dan short circuit. Dengan mengguanakan 100 data training yang berupa 50 data gangguan petir dan 50 data gangguan short circuit mendapatkan Data training memiliki akurasi sebesar 0,83 dan nilai loss sebesar 0,46. Untuk data validasi, nilai loss pada iterasi pertama adalah 0,70 dan nilai loss adalah 1,97. Data pelatihan memiliki akurasi 1,0 dan nilai kerugian 0,004. Untuk data validasi sebesar 0,70 dan nilai loss sebesar 18,50 pada iterasi kelima. Untuk hasil testing mendapatkan akurasi pada data training sebesar 0.8000 dan loss pada data training 1.9730, akurasi pada data test adalah 0.8000 dan loss pada data test adalah 1.930. Hasil untuk pengujian pada record gangguan yang mengghunakan data acak dari rekaman DFR mendapakan probalilitas 1.0 untuk setiap kelasnya. Sehingga bias dikatakan bahwa moedel Hybrid Decomposition Neural Network cocok digunakan untuk menhgklasifikasi jenis ganguan pada hasil rekaman pada DFR.

Kata Kunci: DFR, Klasifikasi, Petir, Short Circuit, Dekomposisi.

Published
2023-07-18
How to Cite
Ramadhan, A.- T., & Kartini, U. (2023). Pemodelan Hybrid Decomposition Neural Network Untuk Klasifikasi Gangguan Sistem Tenaga Listrik Pada Disturbance Fault Rrcorder (DFR). JURNAL TEKNIK ELEKTRO, 12(1), 67-72. https://doi.org/10.26740/jte.v12n1.p67-72
Section
Vol 12 No 1 (2023): JANUARI 2023
Abstract Views: 60
PDF Downloads: 50