Pemodelan Minyak Kemiri Sunan dengan Campuran APAR Power Oil TO 20 Sebagai Alternatif Pengganti Minyak Transformator Menggunakan Neural Network

Abstract

Pada saat ini, kebutuhan manusia terhadap energi listrik terus meningkat baik dalam bidang industri maupun rumah tangga. Demi memenuhi kebutuhan manusia terhadap energi listrik maka diperlukan sistem tenaga listrik yang terorganisir dengan baik dan optimal.salah satu peralatan listrik yang digunakan adalah transformator. Dan untuk menjaga keawetan tranformator tersebut diperlukan minyak transformator. Seiring ketersediaan minyak transformator tambang yang semakin menipis maka diperlukan sumber daya baru yang berupa minyak nabati, yang merupakan sumber daya yang dapat diperbaharui. Penilitian ini merupakan kelanjutan dari penelitian sebelumnya yang berjudul Studi Karakteristik Bio Transformer Oil Berbahan Dasar Minyak Kemiri Sunan (Reutealis Trisperma Blanco) sebagai Alternatif Isolasi Cair pada Transformator Daya dengan Variasi Fenol dan APAR Poweroil TO 20 yang dilakukan oleh Nur Wahyu Utomo. Data yang dihasilkan oleh penelitian tersebut akan diolah menggunakan software matlab sehingga dapat memperkirakan kualitas biotransformer oil dengan menggunakan presentase campuran yang berbeda. Metode yang digunakan pada penelitian ini adalah dengan menggunakan metode backpropagation. Data yang digunakan pada simulasi ini adalah data minyak dengan campuran 5% hingga 20% dimana data tersebut akan disusun menjadi 6 data input dan 3 data target serta 3 data yang akan digunakan untuk menguji keakurasian hasil pemodelan. Hasil dari simulasi tersebut yaitu nilai MAPE (Mean Average Precentage Error) yang merupakan perhitungan akurasi peramalan terhadap target, pada pengujian peramalan/pemodelan biotransformer oil menggunakan metode bacproagation neural netwrk didapatkan nilai akurasi sebesar 3,619441162%. Bisa diartikan bahwa hasil forecasting sudah menunjukan akurasi yang cukup tinggi. Dimana C.D. Lewis pada bukunya yang berjudul A Radical Guide to Exponential Smoothing and Curve Fitting, menyebutkan bahwa nilai MAPE yang berada dibawah 10% menunjukan keakuratan yang termasuk tinggi.