dc.description.abstract | Transformator merupakan komponen utama dalam sistem tenaga listrik
yang berfungsi sebagai pengubah level tegangan. Pada umumnya transformator
diharuskan bekerja secara terus-menerus agar proses penyaluran energi listrik tetap
berjalan lancar. Karena perannya yang vital, untuk menjaga keandalan
transformator perlu dilakukan suatu pengujian untuk mengetahui kondisi
transformator secara dini.
Metode pengujian yang dapat dilakukan untuk mengetahui kondisi
transformator adalah pengujian minyak transformator dengan metode DGA. Dalam
metode DGA terdapat berbagai macam metode interpretasi data untuk
mengidentifikasi kondisi transformator secara dini, salah satunya yaitu
menggunakan Standar IEC 60599. Metode IEC merupakan metode yang efektif
untuk mendeteksi kondisi transformator. Cara kerja metode ini yaitu dengan
membandingkan konsentrasi zat terlarut, kemudian hasilnya direpresentasikan
kedalam sembilan macam kondisi. Akan tetapi metode ini memiliki kelemahan
yaitu lama waktu dalam proses analisis. Oleh karena itu untuk mengatasi
kekurangan tersebut maka pada penelitian ini digunakan metode Artificial Neural
Network (ANN) dengan rasio perbandingan gas sebagai inputnya dan kondisi
transformator sebagai targetnya.
Berdasarkan uraian tersebut maka dalam penelitian ini dirancang sebuah
penelitian yang berjudul “Analisis Kondisi Transformator Daya dengan Metode
DGA (Dissolved Gas Analysis) Menggunakan Artificial Neural Network Berbasis
Standar IEC pada PT.PLN Transmisi Jawa Bagian Timur dan Bali”. Penggunaan
metode neural network pada penelitian ini diharapkan mampu meningkatkan
akurasi dan mempercepat proses dalam analisis kondisi transformator. Sehingga
dalam pelaksanaannya mampu menjadi salah satu cara yang efektif dan cepat guna
untuk mengidentifikasi kondisi transformator.
Proses training algoritma neural network menggunakan 100 data untuk
setiap kondisi berdasarkan standar IEC. Konfigurasi arsitektur jaringan yang paling
baik yaitu konfigurasi dengan 3 neuron pada input layer, 20 neuron pada hidden
layer pertama, 10 neuron pada hidden layer kedua dan 4 neuron pada output layer
dengan fungsi transfer logsig, tansig dan purelin. Hasil training tersebut
memberikan nilai regression sebesar 0,9998 dan MSE (Mean Square Error) sebesar
0,0008. Kekurangan dari model neural network adalah ketidak mampuan untuk
membedakan konsentrasi minyak yang memiliki konsentrasi zat terlarut rendah dan
tinggi, selain itu karena metode IEC ini menggunakan perbandingan Rasio untuk
menentukan kondisi transformator maka metode IEC atau neural network biasa
susah mengidentifikasi hasil Rasio yang memiliki nilai NaN dan infinity (hasil
pembagian dengan bilangan penyebut 0). Oleh karena itu penambahan fungsi IEEE
digunakan untuk menambah sensitifitas sistem dalam membaca kondisi normal
pada sistem neural network.
Pengujian neural network dilakukan sebanyak 351 data yang diperoleh dari
PT. PLN Transmisi Jawa Bagian Timur dan Bali. Pengujian pertama dilakukan
untuk mengetahui jumlah kondisi transformator yang dapat didiagnosis oleh
masing-masing metode. Dari pengujian tersebut diperoleh hasil bahwa metode IEC
mampu mendiagnosis 131 data, metode neural network biasa mampu mendiagnosis
282 data dan metode neural network dengan fungsi tambahan IEEE C57.108-2008
mampu mendiagnosis 314 data. Pengujian yang kedua dilakukan untuk mengetahui
akurasi dari metode NN dan NN+. Perbandingan nilai akurasi dari kedua metode
tersebut mengacu pada standar IEC 60599, sehingga data yang digunakan
berdasarkan data yang terdeteksi oleh metode IEC yaitu sebanyak 131 data. Dari
pengujian data tersebut diperoleh nilai akurasi untuk model neural network sebesar
92,37 %, sedangkan untuk model neural network dengan fungsi tambahan IEEE
diperoleh akurasi sebesar 94,66 %. Sehingga penambahan fungsi IEEE C57.1082008
pada
sistem
mampu
memperbaiki
hasil
dari
metode
neural
network
biasa. | en_US |