Seleksi Aturan Menggunakan Rough Set Theory Untuk Diagnosis Gangguan Transformator Daya Berbasis Dissolved Gas Analysis (DGA)
|
|
- Devi Lie
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Seleksi Aturan Menggunakan Rough Set Theory Untuk Diagnosis Transformator Daya Berbasis Dissolved Gas Analysis (DGA) Hendra Marcos, Noor Akhmad Setiawan 2, Suharyanto 3 hendramarcos@mailugmacid, 2 noorwewe@ugmacid, 3 suharyanto@ugmacid Jurusan Teknik Elektro dan Teknik Informasi, Universitas Gadjah Mada Abstrak - Tujuan dari penelitian ini adalah mengembangkan metode seleksi aturan (rule) dari sejumlah rule yang dihasilkan dari metode induksi rule menggunakan Rough Set Theory (RST) Aturan yang terseleksi digunakan untuk diagnosis gangguan transformator daya dari dataset berbasis Dissolved Gas Analysis (DGA) Seleksi aturan berdasarkan batasan nilai accuracy dan coverage tertentu dilakukan pada tahap awal Aturan yang terseleksi kemudian diekstrak menggunakan RST dengan konsep reduksi atribut, dimana aturan terseleksi disusun membentuk decision table baru Dari percobaan yang telah dilakukan terhadap aturan (rule) yang terseleksi, metode yang diusulkan dapat memilih sejumlah kecil aturan yang berkualitas tinggi terhadap hasil klasifikasi dibandingkan dengan metode seleksi aturan sebelumnya Kata Kunci : Rough Set Theory, DGA, seleksi aturan I PENDAHULUAN Transformator merupakan salah satu peralatan paling penting dari sistem tenaga listrik, yang berfungsi untuk mengkonversikan daya [] Namun transformator seringkali menjadi peralatan listrik yang kurang diperhatikan dan tidak diberikan perawatan yang memadai Padahal perbaikan transformator yang rusak tidaklah mudah dan tidak dapat dikerjakan dalam waktu yang singkat Transformator yang tidak bekerja sebagaimana mestinya akan menimbulkan dampak terganggunya suplai listrik ke konsumen Dissolved Gas Analysis (DGA) atau analisis gas terlarut adalah salah satu cara yang paling mudah dan efektif untuk mendiagnosis gangguan permulaan pada transformator daya [2][3] Dengan ditemukannya gangguan yang lebih awal pada transformator akan memudahkan pemeliharaan rutin, dan dapat memperpanjang usia transformator Salah satu uji yang dilakukan untuk pengujian kandungan gas terlarut pada material minyak isolasi adalah dengan uji kromatografi Dengan adanya uji kromatografi ini akan diperoleh kandungan gas yang terlarut dalam minyak transformator Gas yang dapat diperoleh dari uji DGA adalah Oksigen (O 2 ), karbondioksida (CO 2 ), karbonmonoksida (CO), hidrogen (H 2 ), etana (C 2 H 6 ), metana (CH 4 ), etilen (C 2 H 4 ), dan asetilen (C 2 H 2 ) Gas yang dihasilkan diukur dalam satuan ppm (part per milion) [4] Konsentrasi dari beberapa jenis gas yang dihasilkan tergantung pada jenis gangguan yang terjadi Tetapi dapat dikatakan pula bahwa setiap jenis gangguan akan menghasilkan gas, yang dikenal dengan key gases [5] Untuk itu dibuat perbandingan 5 gas yang mewakili semua kemungkinan gas yang muncul berdasarkan pada penelitian sebelumnya Akan tetapi diagnosis gangguan transformator berdasarkan DGA yang memetakan antara variabel kandungan gas dengan jenis kesalahan tidaklah linier dan sulit dimodelkan secara matematis RST diperlukan dalam proses ini untuk menangani masalah uncertainty, imprecision, dan vagueness sehingga ditemukan pola hubungan antara gas yang dikandung dengan jenis gangguan Pola tersebut merupakan informasi yang diharapkan dapat digunakan untuk menggantikan pakar yang mahal dalam memetakan data kandungan gas terlarut lainnya di masa mendatang [6] Beberapa penelitian sebelumnya telah menggunakan teknik machine learning untuk memudahkan diagnosis Metode rough set menunjukkan hasil klasifikasi yang lebih bagus dari teknik lainnya [6][7] Kemudian beberapa penelitian dengan menggabungkan metode juga telah dilakukan, diantaranya menggunakan RST dan fuzzy logic [8], RST dan ANN [9] Dari penelitian tersebut masih terdapat kekurangan diantaranya masih sulitnya didapatkan pengetahuan yang intrinsik dan masih rendahnya nilai akurasi klasifikasi Dengan metode DGA dan RST yang sudah dilakukan [6], didapatkan jumlah rule dari atribut perbandingan gas hasil reduksi yang masih berjumlah besar, kemudian dengan metode rule filtering menggunakan RST [] Dengan batasan support dan coverage didapatkan rule yang lebih sedikit Pengujian terhadap data uji menunjukkan hasil akurasi yang masih rendah yaitu 8,5% [6] Pada paper ini diusulkan metode klasifikasi menggunakan DGA dan rough set theory Dengan konsep dataset gangguan dibuat binary classification Metode seleksi rule (aturan) pada tahap awal diusulkan pada penelitian ini Dengan batasan nilai support dan coverage terhadap sejumlah aturan yang masih berjumlah besar, didapatkan aturan yang lebih sedikit Teknik RST kemudian digunakan untuk mereduksi sejumlah aturan agar didapatkan aturan yang lebih sedikit, sehingga hasil akurasi klasifikasi meningkat dari penelitian sebelumnya II METODOLOGI A DATASET GANGGUAN TRANSFORMATOR Dataset transformator daya diambil dari New IEC Publication dan IEC TC Databases [2] yang mengadopsi data transformator dengan data Normal Dengan total data 65 obyek, data ini digunakan untuk data latih dan data uji Perbandingan data gas yang terlarut
2 kemudian dibuat menjadi 5 perbandingan gas yang mewakili dari seluruh kemungkinan rasio gas yang dapat diklasifikasikan menjadi 6 jenis gangguan B Rough Set Theory (RST) Rough set theory (RST) dikembangkan oleh Zdzislaw Pawlak pada tahun 98-an [2], RST ini sangat berguna untuk menemukan hubungan dalam data yang disebut pengetahuan Hasil penemuan pengetahuan berupa rule (aturan) yang mudah dimengerti dan bermakna, yang dihasilkan dari ekstraksi pola data Metode RST muncul sebagai salah satu metode matematika untuk mengelola ketidakpastian, ambiguitas dan ketidakjelasan dari hubungan data yang tidak lengkap dan sulit dimodelkan secara matematis Untuk S=(U,A) dan B A, dimana a B, dengan : INDs (B) = {(x, x') U x U a B, a(x) = a(x')} dapat dikatakan bahwa a dapat diabaikan dalam B, dan : INDs (B) = INDs (B {a} jika sangat diperlukan a dapat diabaikan Himpunan B dikatakan independen jika semua atributnya diperlukan Setiap subset B' dari B disebut reduct dari B jika B' adalah independen dan INDs (B ) = INDs (B) Reduct dapat didefinisikan sebagai subset minimal dari beberapa atribut yang memiliki hasil klasifikasi yang sama Dengan kata lain, atribut yang bukan unsur reduct merupakan redundant dari klasifikasi Reducts relatif didasarkan pada elemen obyek-obyek tertentu C Rule Extraction dan Rule Selection Ekstraksi rule (aturan) didasarkan pada nilai coverage dan support dari masing-masing rule Hal ini telah dilakukan pada penelitian sebelumnya [] Misalnya untuk, DS = (U, C D) Yang merupakan decision table dari x U, maka c (x),,c k (x), d(x) dapat didefinisikan, dimana {c,,c k } = C dan {d} = D Decision rule didapatkan dari, c (x),,c 2 (x) d(x) C merupakan reduct dari atribut kondisi yang merupakan perbandingan gas yang direduksi dari decision table Seleksi rule RST dilakukan karena rule yang ada terlalu banyak dan panjang Untuk menyerderhanakan jumlah rule dapat dilakukan melalui metode RST Jika R = {Rule, Rule 2,, Rule j } merupakan subset rule yang didapatkan dari Rough Set sebagai decision table yang baru, dimana rule berlaku sebagai subset atribut Nilai dari atribut Rule a jika obyek x b pada decision (d) mempunyai nilai yang sama dengan decision table, dan bernilai jika tidak bernilai sama Nilai pada kolom (atribut) j+ sama dengan nilai decision, dengan a =,,j dan b =,,i Tabel keputusan baru dapat direduksi menggunakan konsep rough set Reduct yang didapat dari hasil reduksi atribut merupakan rule yang memiliki nilai accuracy dan coverage besar Untuk selanjutnya sejumlah rule hasil reduksi RST dapat diuji coba nilai accuracy dan coverage-nya menggunakan data uji kembali Untuk lebih jelas decision table dari seleksi rule yang akan dilakukan menggunakan RST, dapat dilihat pada Tabel I TABEL I DECISION TABLE RULE SEBAGAI ATRIBUT x U Rule Rule 2 Rule j- Rule j D x x 2 x i- x i non- D Langkah-langkah Penelitian Langkah-langkah pada penelitian ini dapat dilihat pada Gambar dibawah ini GAMBAR LANGKAH-LANGKAH PENELITIAN Pertama dataset gangguan transformator daya sebagai decision table dibuat menjadi binary, dimana untuk 6 jenis klasifikasi menjadi 6 dataset Data dinormalisasi dengan sebaran - Kemudian didiskretisasi dengan algoritme boolean reasoning yang kemudian data terdiskretisasi tersebut direduksi atributnya memakai exhaustive calculation dengan piihan object related reduct yang sekaligus menghasilkan rule Untuk proses selanjutnya dilakukan ekstraksi dan seleksi rule menggunakan teknik RST III HASIL DAN ANALISIS A Data Preprocessing Pada proses awal data set dibuat menjadi dua kelas yaitu kelas positif dan kelas negatif, untuk kelas positif merupakan jenis gangguan/normal dan kelas negatif adalah yang bukan terkena gangguan Dapat dilihat pada Tabel II dengan perincian jumlah obyek masing-masing jenis gangguan Label Kelas Positif TABEL II DATA SET BINARY KELAS Data Kelas Positif Label Kelas Negatif Data Kelas Negatif 9 non- 56 D 26 non-d 39 D2 48 non-d2 7 T&T2 5 non-t&t2 5 T3 8 non-t3 47 Normal 49 6
3 Untuk atribut adalah 5 perbandingan gas yang mewakili kemungkinan dari perbandingan gas yang terlarut pada isolasi minyak transformator TABEL III KODE PERBANDINGAN GAS TERLARUT C C 2 H 2 /C 2 H 4 C2 CH 4 /H 2 C3 C 2 H 4 /C 2 H 6 C4 C 2 H 6 /CH 4 C5 CH 4 /C 2 H 4 C6 C 2 H 2 /CH 4 C7 C 2 H 2 /C 2 H 6 C8 C 2 H 6 /H 2 C9 C 2 H 4 /H 2 C C 2 H 2 /H 2 C CH 4 /Total Hydrocarbon C2 C 2 H 4 /Total Hydrocarbon C3 C 2 H 6 /Total Hydrocarbon C4 C 2 H 2 /Total Hydrocarbon C5 H 2 /Total Hydrocarbon +H 2 ) Dengan skala yang besar dari hasil 5 perbandingan gas, data dinormalisasi menggunakan persamaan (), untuk kemudian dilakukan discretization menggunakan boolean reasoning algorithm [3] X () Dimana : x max dan x min masing-masing adalah nilai maksimal dan minimal dari data set untuk tiap-tiap atribut pada decision table Dan, masing-masing adalah nilai normalisasi dari data yang dicari dari nilai x, dimana i bernilai sampai 65 Sesuai dengan jumlah data set gangguan berjumlah 9 obyek dan non- berjumlah 56 obyek Pada Tabel IV diperlihatkan data set hasil normalisasi dengan nilai yang mempunyai skala - TABEL IV DECISION TABLE DATA HASIL NORMALISASI No C C2 C3 C3 C4 C5 Diag,5,8726 9,47 2,5395,,9,7627,428 9,695 3,23 9,929 63,35,6,77 6,348,369 3,473 non- 64,2698,32,4 5,87,357 2,599 non- 65,2698,2,4 5,87,357 8,48 non- Tabel V contoh hasil diskretisasi untuk kasus gangguan dan selain itu dibuat non- TABEL V HASIL DISKRETISASI DATA SET DAN NON- Atribut Nilai Diskret C C2H2/C2H4 [2,*) - [*,2) C2 CH4/H2 [28,*) - [*,28) C3 C2H4/C2H6 [32,*) - [*,32) C4 C2H6/CH4 [79,*) - [*,79) C5 CH4/C2H4 [6,*) - [*,6) C6 C2H2/CH4 [,*) - [*,) C7 C2H2/C2H6 [8,*) - [*,8) C8 C2H6/H2 [3,*) - [*,3) C9 C2H4/H2 [2,*) - [*2) C C2H2/H2 [8,*) - [*,8) C CH4/Total [4474,*) [4474, 4638) [*,4638) C2 C2H4/Total [2,*) - [*,2) C3 C2H6/Total [,263,*) [263, 6887) [*,6887) C4 C2H2/Total [83,*) - [*,83) C5 H2/Total+H2) [57622,*) - [*,57622) Untuk contoh kasus dan non-, dimana untuk atribut C (C 2 H 2 /C 2 H 4 ) [2,*) rasio gas C 2 H 2 dan C 2 H 4 <,2 dan,2 Untuk atribut C (CH 4 /Total Hydrocarbon) [4474,4638) artinya,4474 C<4,638 dimana rasio gas CH 4 dan Total Hydrocarbon berkisar antara,4474 dan 4,638 Selanjutnya diskretisasi dilakukan untuk 5 data set berikutnya yaitu Normal-, D-non-D, D2-non- D2, T&T2-non-T&T2, dan T3-non-T3 Kemudian direduct menggunakan Exhaustive Calculation Reduct dan discernibility object related, didapatkan minimal subset atribut tereduksi, dan selanjutnya akan dilakukan generate rule Hasil selengkapnya dapat dilihat pada Tabel VI Data di-split menjadi 5:5, dimana 83 obyek data untuk data latih dan 82 obyek data dijadikan data uji Kemudian diujikan ke data uji untuk dilihat hasil klasifikasinya TABEL VI PERBANDINGAN JUMLAH RULE DAN AKURASI Reduct Rule (det) Akurasi (%) Normal dan ,68 dan non ,, D dan non-d ,46 D2 dan non-d ,37 T&T2 dan non ,34 T&T2 T3 dan non-t ,2 Dari 6 decision table yang ada, untuk dan non- memperoleh hasil akurasi klasifikasi yang paling tinggi yaitu % dengan jumlah rule 56 Sedangkan hasil akurasi yang paling rendah untuk kasus gangguan D2 dan non-d2 dengan akurasi klasifikasi 85,37% jumlah rule-nya 987 rule TABEL VII RULE UNTUK KASUS DAN NON- No Decision Rule Support IF C2,9 => Diag(non-) 77 2 IF C9,2 => Diag(non-) 75 3 IF C < 4,9673 => Diag(non-) IF C7,8 AND C <,8 AND C 4,9673 => Diag() 55 IF C7,8 AND C 4,9673 AND 7633 C3<,45 => Diag() 56 IF C7,8 AND C 4,9673AND C4 <,74 => Diag()
4 B Rule Extraction dan Rule Selection Pada proses ini rule yang didapatkan kemudian diekstraksi menggunakan basic filtering, dimana parameter yang digunakan adalah berdasar nilai coverage dan support Tabel VII dan VIII memperlihatkan rule hasil seleksi untuk satu kasus yaitu dan non- Selanjutnya akan dilakukan untuk 5 gangguan lainnya TABEL VIII RULE TEREKSTRAKSI UNTUK KASUS DAN NON- No Decision Rule Support IF C2,9 => Diag(non-) 77 2 IF C9,2 => Diag(non-) 75 3 IF C< 4,9673 => Diag(non-) 73 4 IF C,8 => Diag(non-) 73 4 IF C8 <,3 AND C2 <,9 => Diag() 5 5 IF C2<,9 AND C4<,74 => Diag() 5 6 IF C3 <,33 AND C4 <,74 => Diag() 5 Tabel VII dan VIII memperlihatkan contoh untuk kasus gangguan dan non- dari 56 rule yang didapatkan dari RST dengan seleksi rule menggunakan pengurangan rule dengan nilai coverage dan support akhirnya didapatkan 6 rule terseleksi dengan nilai akurasi klasifikasi tetap % Untuk selanjutnya dapat dilihat pada Tabel IX perbandingan dari jumlah rule dan nilai akurasinya dari sebelum dan sesudah seleksi rule TABEL IX PERBANDINGAN JUMLAH RULE DAN AKURASI SEBELUM DAN SESUDAH SELEKSI Rule (det) Accuracy (%) Rule Selection Method (Basic Filter process) Rule Accuracy Selection (%) Normal dan Coverage, ,68 2 Length ,24 dan Coverage,8 non- 56, 2 Length 3 6, 3 Coverage, D dan Coverage,3 non-d 75 9,46 2 Length ,2 3 Support 5 D2 dan Coverage,3398 non-d ,37 2 Length ,9 T&T2 dan Coverage,25 non-t&t ,34 2 Length ,34 3 Support 3 T3 dan Support 9 non-t ,2 2 Length ,2 3 Coverage,8399 Dengan teknik seleksi rule, kemudian dibuat decision table dari rule yang sudah terekstraksi Rule yang ada disusun menjadi atribut dari tabel keputusan baru, dan 83 obyek dari data latih sebagai instance Hasil seleksi rule dengan metode RST mendapatkan jumlah rule yang lebih sedikit, dapat dilihat pada Tabel X TABEL X RULE YANG SUDAH TERSELEKSI Jenis Rule RuleNo IF C4 < 3333 AND C5 26 THEN Rule IF C4 < 3333 AND C 3 AND C3 < 284 Rule 5 THEN IF C2 < 42 AND C4 < 3333 THEN Rule IF C 4364 AND C2 < 42 THEN Rule 5 Normal IF C < 4364 AND C3 633 AND C3 < 284 Rule 3 THEN IF C AND 832 C < 4585 AND C2 Rule THEN Normal IF C < 4364 AND C < 832 AND C3 284 Rule 6 THEN Normal IF C5 < 26 AND C 48 C < 3 THEN Rule 73 Normal IF C6 < AND C9 < 2 THEN Rule 6 IF C < 8535 AND C5 < 4268 THEN non-d Rule IF C4 595 AND C THEN non-d Rule 2 D IF C7 < 88 AND C4 < THEN non-d Rule 8 IF 239 C < 2972 AND C THEN non- Rule 37 D IF C7 < 533)) AND C3 472 THEN non-d2 Rule 2 IF C5 < 85 AND C6 < 583 THEN non-d2 Rule 5 D2 IF C2 < THEN non-d2 Rule 4 IF C6 583 AND C8 < 5)) AND C THEN D2 Rule 8 IF C7 533 AND C8 < 5)) AND C9 3 Rule 9 D2 AND C THEN D2 IF C5 85 AND C8 < 5)) AND C < 3498)) Rule 5 AND C THEN D2 IF C5 < 26 AND C < THEN non-t&t2 Rule 2 IF C5 < 26)) AND C 526 THEN non-t&t2 Rule 3 IF C3 76 AND C6 7 AND C9 3 Rule 22 T&T2 THEN non-t&t2 IF C2 < 297 AND C3 < 76 AND C5 < 26 Rule 42 THEN non-t&t2 IF C2 < 297 AND C2 < 5578 THEN non-t&t2 Rule 56 IF C9 < 42 AND C2 < 552 THEN non-t3 Rule T3 IF C4 897 AND C2 < 552 THEN non-t3 Rule 23 IF C2 < 2 AND C < 224 THEN non-t3 Rule 24 IF C < 32 AND C9 < 42 THEN non-t3 Rule 38 Selanjutnya dilakukan pengujian rule terseleksi kepada 82 obyek data ujiting, dengan hasil ditunjukkan pada Tabel XI TABEL XI AKURASI HASIL KLASIFIKASI RULE TERSELEKSI No Akurasi Normal dan % 2 dan non- 98,78% 3 D dan non-d 92,68% 4 D2 dan non-d2 % 5 T&T2 dan non-t&t2 % 6 T3 dan non-t3 96,34% Rata-rata 98% Tabel XII menunjukkan hasil perbandingan akurasi antara beberapa metode konvensional, kecerdasan buatan dan metode yang diusulkan TABEL XII PERBANDINGAN AKURASI HASIL KLASIFIKASI No Metode Akurasi Segitiga Duval 48% 2 Rasio Roger 4% 3 IEC 58% 4 MLP 75% 5 RST 8,5% 6 Metode Usulan 98% Metode konvensional menunjukkan hasil akurasi yang masih rendah yaitu dibawah 7%, metode kecerdasan buatan seperti MLP 75%, metode RST pada paper sebelumnya memberikan akurasi 8,5%
5 IV KESIMPULAN Dari seleksi aturan (rule) menggunakan metode RST didapatkan jumlah aturan yang lebih sedikit dan mudah dipahami Hasil akurasi yang bagus dari masing-masing decision table ditunjukkan pada klasifikasi menggunakan DGA dengan akurasi 98%, diharapkan dapat digunakan untuk memudahkan proses klasifikasi selanjutnya Untuk selanjutnya rule berkualitas tinggi akan digunakan untuk memudahkan pengambilan keputusan dalam mendiagnosis gangguan transformator daya dengan membuat fuzzy inference-nya REFERENSI [] WHTang, QHWu, Condition Monitoring and Assessment of Power Transformers Using Computational Intelligence The University of Liverpool, Springer, 2 [2] M Duval, M Interpretation of Gas-In-Oil Analysis Using New IEC Publication 6599 and IEC TC Databases Electrical Insulation Magazine, IEEE, Vol 7:2, pp 3-4, 2 [3] M Duval, Dissolved gas analysis: It can save your transformer, IEEE Electrical Insulation Magazine, vol 5, no 6, pp 22-27, 989 [4] Dr DiGiorgio, Dissolved Gas Analysis Of Mineral Oil Insulating Fluids, Northern Technology & Ujiting, 2 [5] R R Rogers, IEEE and IEC codes to interpret incipient faults in transformers, using gas in oil analysis, IEEE Trans on Electrical Insulation, vol 3, no 5, pp , 978 [6] NASetiawan,Sarjiya,ZArdhiaga, Power Transformer Incipient Faults Diagnosis Using Dissolved Gas Analysis and Rough Set, IEEE International Conference, 22 [7] YC Huang, HC Sun, KY Huang and YS Liao, Fault Diagnosis of Power Transformers Using Rough Set Theory Proceeiding of Fourth International Conference on Innovative Computing, Information, and Control, pp , 29 [8] XZheng Intelligent Fault Diagnosis of Power Transformer based on Fuzzy logic and Rough Set Theory Proceeding, of the 7th, 28 [9] X Yu and H Zang, Transformer Fault Diagnosis Based on Rough Sets Theory and Artificial Neural Networks International Conference on Condition Monitoring and Diagnosis pp , 28 [] MZhou, TWang, Fault Diagnosis of Power Transformer Based on Assosiation Rules Gained by Rough Set, IEEE 2 [] NASetiawan,PAVenkathachalam,and Ahmad Fadzil MH, Rule Selection for Coronary Artery Disease Diagnosis Based on Rough Set, International Journal of Recent Trends Engineering, 29 [2] Z Pawlak, "Rough Sets," International Journal of Computer and Information Sciences, vol, pp , 982 [3] T Agotnes, "Filtering large propositional rule sets while retaining classifier performance," in Department of Computer and Information Science: Norwegian Universtiy of Science and Technology, 999, pp 43
ANALISIS MINYAK TRANSFORMATOR DAYA BERDASARKAN DISSOLVED GAS ANALYSIS (DGA) MENGGUNAKAN DATA MINING DENGAN ALGORITMA J48 ABSTRAK
ANALISIS MINYAK TRANSFORMATOR DAYA BERDASARKAN DISSOLVED GAS ANALYSIS (DGA) MENGGUNAKAN DATA MINING DENGAN ALGORITMA J48 Agus Pramono 1, Muhamad Haddin 2, Dedi Nugroho 3 1),2) Magister Teknik Elektro,
Lebih terperinciSeleksi Rule Menggunakan Rough Set Theory Untuk Diagnosis Penyakit Tuberkulosis
Seleksi Menggunakan Rough Set Theory Untuk Diagnosis Penyakit Tuberkulosis Suhardi, or Akhmad Setiawan 2, Indriana Hidayah 3 Jurusan Teknik Elektro dan Teknologi Informasi Universitas Gadjah Mada Yogyakarta
Lebih terperinciDAFTAR ISI HALAMAN JUDUL HALAMAN PENGESAHAN HALAMAN PERNYATAAN KATA PENGANTAR PERSEMBAHAN DAFTAR TABEL DAFTAR GAMBAR ARTI LAMBANG DAN SINGKATAN
DAFTAR ISI Hal HALAMAN JUDUL i HALAMAN PENGESAHAN ii HALAMAN PERNYATAAN iii KATA PENGANTAR iv MOTTO vi PERSEMBAHAN vii DAFTAR ISI viii DAFTAR TABEL xi DAFTAR GAMBAR xiii ARTI LAMBANG DAN SINGKATAN xv ABSTRAK
Lebih terperinciAnalisis Properti Fisik-Kimia Minyak Isolasi Transformator Daya Berbasis Jaring Saraf Tiruan
JURNAL TEKNIK POMITS 1 Analisis Properti Fisik-Kimia Minyak Isolasi Transformator Daya Berbasis Jaring Saraf Tiruan Boby Adi Pratama, Ardyono Priyadi, Mauridhi Hery Purnomo Jurusan Teknik Elektro, Fakultas
Lebih terperinciProf. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. Eng.Ardyono Priyadi, S.T, M.Eng. Boby Adi Pratama
INSTITUT TEKNOLOGI SEPULUH NOPEMBER Dosen Pembimbing 1 : Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dosen Pembimbing 2 : Dr. Eng.Ardyono Priyadi, S.T, M.Eng. Boby Adi Pratama 22.09.100.110 INSTITUT TEKNOLOGI
Lebih terperinciANALISIS KUALITAS TRANSFORMATOR DAYA 150 kv/70 kv DI GI BANARAN BERDASARKAN HASIL PENGUJIAN ISOLASI MINYAK MENGGUNAKAN METODE STOKASTIK
ANALISIS KUALITAS TRANSFORMATOR DAYA 150 kv/70 kv DI GI BANARAN BERDASARKAN HASIL PENGUJIAN ISOLASI MINYAK MENGGUNAKAN METODE STOKASTIK Lailiyana Farida Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh
Lebih terperinciAnalisis Performa Transformator GI Gandul 2 60 MVA Menggunakan Metode Indeks Kesehatan Transformator Berdasarkan Karakteristik Dissolved Gas Analysis
Analisis Performa Transformator GI Gandul 60 MVA Menggunakan Metode Indeks Kesehatan Transformator Berdasarkan Karakteristik Dissolved Gas Analysis Muhammad Munawar 1, Ir. I Made Ardita Y, M.T. Departemen
Lebih terperinciAnalisa Gas Kimia Dalam Minyak Trafo Distribusi 150/20 KV Dengan Menggunakan Metode Logika Fuzzy Evolusioner
Jurnal Elektro ELTEK Vol., No. 1, April 011 ISSN: 08-89 Analisa Gas Kimia Dalam Minyak Trafo Distribusi 150/0 KV Dengan Menggunakan Metode Logika Fuzzy Evolusioner Teguh Herbasuki dan Falkudin Jurusan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciDiagnosis Kondisi Transformator Berbasis Analisis Gas Terlarut Menggunakan Metode Sistem Pakar Fuzzy
Diagnosis Kondisi Transformator Berbasis Analisis Gas Terlarut Menggunakan Metode Sistem Pakar Fuzzy Gatut Yulisusianto, Hadi Suyono, Rini Nurhasanah Abstract---Dissolved gas analysis of transformer oil
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciManajemen Pemeliharaan Transformator Tegangan Menengah Berbasis Hasil Analisis Gas Terlarut
ISSN: 2085-6350 Yogyakarta, 7-8 Oktober 2013 CITEE 2013 Manajemen Pemeliharaan Transformator Tegangan Menengah Berbasis Hasil Analisis Gas Terlarut I G. N. Segara Putra*, W. G. Ariastina, I N. S. Kumara,
Lebih terperinciANALISA SISTEM PENUNJANG KEPUTUSAN DISTRIBUSI PENJUALAN BAHAN POKOK DENGAN MENGGUNAKAN METODE ROUGH SET PADA CV SAMA SENANG
ANALISA SISTEM PENUNJANG KEPUTUSAN DISTRIBUSI PENJUALAN BAHAN POKOK DENGAN MENGGUNAKAN METODE ROUGH SET PADA CV SAMA SENANG Helmi Kurniawan Jurusan Teknik Informatika, STMIK Potensi Utama Jl. K.L. Yos
Lebih terperinciAnalisa Gas Terlarut Pada Minyak Transformator Daya 150 kv Dengan Menggunakan Metode Duval Pentagon
Analisa Gas Terlarut Pada Minyak Transformator Daya 150 kv Dengan Menggunakan Metode Duval Pentagon Devita Amalia, Fri Murdiya Jurusan Teknik Elektro S1 Fakultas Teknik Universitas Riau Kampus Bina Widya
Lebih terperinciTEKNIK DETEKSI KEGAGALAN PERAWATAN TRANSFORMER DENGAN MENGGUNAKAN DISSOLVED GAS ANALYSIS
TUGAS MATA KULIAH MESIN LISTRIK I TEKNIK DETEKSI KEGAGALAN PERAWATAN TRANSFORMER DENGAN MENGGUNAKAN DISSOLVED GAS ANALYSIS Disusun Oleh: Yusuf Dewantoro 21060111130106 JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK
Lebih terperinciTabel Klasifikasi Sistem Pendingin Pada Transformator Daya: Sirukulasi. Sirkulasi. Paksa. 1. AN - - Udara - 2. AF Udara
LAMPIRAN 1 : Tabel Klasifikasi Sistem Pendingin Pada Transformator Daya: No. Macam Sistem Pendingin Di dalam Transformator Media Di luar Transformator Sirukulasi Sirkulasi Sirkulasi Sirkulasi Alami Paksa
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Kanker payudara adalah jenis kanker yang dimulai pada sel-sel payudara sebagai sekelompok sel kanker, yang kemudian dapat menyerang jaringan di sekitarnya atau menyebar
Lebih terperinciPENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO
PENILAIAN KINERJA DOSEN DENGAN MENGGUNAKAN METODE SUGENO Magdalena Simanjuntak Program Studi Teknik Informatika, STMIK Kaputama E-mail : magdalena.simanjuntak84@gmail.com ABSTRACT This study aimed to analyze
Lebih terperinciDiah Wulandari. Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus Keputih-Sukolilo, Surabaya-60111,
Studi Analisis Penjadwalan Pemeliharaan Transformator Daya 15KV di PT.PLN (Persero) P3B Jawa Bali Berdasarkan Prediksi Karakteristik Minyak Transformator Diah Wulandari Jurusan Teknik Elektro-FTI, Institut
Lebih terperinciDIAGNOSIS GANGGUAN PERMULAAN TRANSFORMATOR DAYA DENGAN JARINGAN SYARAF TIRUAN
ISSN: 693-6930 6 DIAGNOSIS GANGGUAN PERMULAAN TRANSFORMATOR DAYA DENGAN JARINGAN SYARAF TIRUAN Noor Akhmad Setiawan Program Diploma Teknik Elektro Fakultas Teknik Universitas Gadah Mada Email: noorwewe@ugm.ac.id
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bencana kebakaran dapat terjadi dimana saja dan kapan saja, misalkan terjadi di area tempat tinggal, di tambang atau di hutan. Untuk kebakaran hutan, kerugian yang
Lebih terperinciANALISIS GAS TERLARUT PADA MINYAK ISOLASI TRANSFORMATOR TENAGA AKIBAT PEMBEBANAN DAN PENUAAN. Hermawan, Abdul Syakur, Irwan Iryanto *)
ANALISIS GAS TERLARUT PADA MINYAK ISOLASI TRANSFORMATOR TENAGA AKIBAT PEMBEBANAN DAN PENUAAN Hermawan, Abdul Syakur, Irwan Iryanto *) Abstract The lifetime of transformers and its equipments are highly
Lebih terperinciAnalisis Kualitas Minyak Transformator Daya 25 KVA Berdasarkan Data Citra Kamera Termal dan Data Hasil Uji Gas Chromatograph
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1 Analisis Kualitas Minyak Transformator Daya 25 KVA Berdasarkan Data Citra Kamera Termal dan Data Hasil Uji Gas Chromatograph Subkhi Abdul Aziz, Vita Lystianingrum
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
1.1 Latar belakang BAB I PENDAHULUAN Paru-paru adalah organ penting yang merupakan salah satu organ vital bagi kehidupan manusia. Organ ini memiliki peranan pada sistem pernapasan, karena dapat memenuhi
Lebih terperinciPENGARUH KEGAGALAN MINYAK TRANSFORMATOR DAYA 18.5 MVA PLTG UNIT 1 DI PT PLN (PERSERO) SEKTOR PEMBANGKITAN KERAMASAN
PENGARUH KEGAGALAN MINYAK TRANSFORMATOR DAYA 18.5 MVA PLTG UNIT 1 DI PT PLN (PERSERO) SEKTOR PEMBANGKITAN KERAMASAN LAPORAN AKHIR Dibuat untuk memenuhi syarat menyelesaikan Pendidikan Diploma III Program
Lebih terperinciDiagnosis Transformator Daya Menggunakan Metode Indeks Kesehatan Transformator
JURNAL TEKNIK POMITS Vol., No., (204) -6 Diagnosis Transformator Daya Menggunakan Metode Indeks Kesehatan Transformator Akhbar Candra M, Dimas Anton Asfani, dan I.G.N. Satriyadi Hernanda. Jurusan Teknik
Lebih terperinciBab III Penilaian Kondisi
Bab III Penilaian Kondisi 3.1. Latar Belakang Penggunaan Penilaian Kondisi 3.1.1. Pengertian Penilaian Kondisi Penilaian Kondisi merupakan suatu metode penilaian terhadap suatu obyek yang berdasarkan pada
Lebih terperinciPenghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori
Penghitungan k-nn pada Adaptive Synthetic-Nominal (ADASYN-N) dan Adaptive Synthetic-kNN (ADASYN-kNN) untuk Data Nominal- Multi Kategori Abstrak 1 Sri Rahayu, 2 Teguh Bharata Adji & 3 Noor Akhmad Setiawan
Lebih terperinciAnalisis Dissolved Gas Analysis terhadap Kinerja Transformator 30 MVA Gardu Induk Betung Menggunakan Metode Fuzzy
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 1, MARET 2012: 59-64 59 Analisis Dissolved Gas Analysis terhadap Kinerja Transformator 30 MVA Gardu Induk Betung Menggunakan Metode Fuzzy Djulil Amri Jurusan Teknik
Lebih terperinciANALISIS KONDISI TRANSFORMATOR PELEBURAN EAF 9 BERDASARKAN PENGUJIAN DGA MINYAK TRANSFORMATOR DI PABRIK BAJA SLAB 2 PT.
ANALISIS KONDISI TRANSFORMATOR PELEBURAN EAF 9 BERDASARKAN PENGUJIAN DGA MINYAK TRANSFORMATOR DI PABRIK BAJA SLAB 2 PT. KRAKATAU STEEL Arnaldo H Saragi 1, Rudy Setiabudy 2 1. Departemen Teknik Elektro,
Lebih terperinciANALISIS KEGAGALAN TRANSFORMATOR BERDASARKAN HASIL PENGUJIAN DGA
ANALISIS KEGAGALAN TRANSFORMATOR BERDASARKAN HASIL PENGUJIAN DGA Nurhabibah Naibaho Teknik Elektro, Fakultas Teknik, Universitas Krisnadwipayana Email: bibahoo@gmail.com Abstrak Transformator berisi minyak
Lebih terperinciANALISIS INFORMATION GAIN ATTRIBUTE EVALUATION UNTUK KLASIFIKASI SERANGAN INTRUSI
ANALISIS INFORMATION GAIN ATTRIBUTE EVALUATION UNTUK KLASIFIKASI SERANGAN INTRUSI Aulia Essra (1), Rahmadani (2), Safriadi (3) Magister Teknik Informatika, Universitas Sumatera Utara Jl. Universitas No.24A
Lebih terperinciBAB II KAJIAN PUSTAKA
BAB II KAJIAN PUSTAKA 2.1 State Of The Art Review Sebagai acuan yang mendasari penelitian ini penulis merujuk pada beberapa penelitian terdahulu yang membahas permasalahan isolasi minyak transformator
Lebih terperinciBandung, Indonesia Bandung, Indonesia
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6353 Analisis dan Implementasi Pengklasifikasian Pesan Singkat pada Penyaringan SMS Spam Menggunakan Algoritma Multinomial Naïve
Lebih terperinciINTEGRASI PERINGKAS DOKUMEN OTOMATIS SEBAGAI FEATURE REDUCTION PADA CLUSTERING DOKUMEN
INTEGRASI PERINGKAS DOKUMEN OTOMATIS SEBAGAI FEATURE REDUCTION PADA CLUSTERING DOKUMEN Abu Salam 1, Catur Supriyanto 2, Amiq Fahmi 3 1,2 Magister Teknik Informatika, Univ. Dian Nuswantoro Email: masaboe@yahoo.com
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Jantung adalah organ dalam tubuh manusia yang memiliki peran penting pada sistem peredaran darah. Jantung merupakan pompa paling efisien dan tahan lama yang dikenal
Lebih terperinciMENGGUNAKAN DATA MINING
E.11 MENGGUNAKAN DATA MINING UNTUK SEGMENTASI CUSTOMER PADA BANK UNTUK MENINGKATKAN CUSTOMER RELATIONSHIP MANAGEMENT (CRM) DENGAN METODE KLASIFIKASI (AGORITMA J-48, ZERO-R DAN NAIVE BAYES) Maghfirah, Teguh
Lebih terperinciTUGAS AKHIR ANALISA KENAIKAN COMBUSTIBLE GAS MINYAK ISOLASI TRANSFORMATOR TENAGA 150 KV GT 2.2 PLTGU BLOK 2 MUARA KARANG
TUGAS AKHIR ANALISA KENAIKAN COMBUSTIBLE GAS MINYAK ISOLASI TRANSFORMATOR TENAGA 150 KV GT 2.2 PLTGU BLOK 2 MUARA KARANG Diajukan guna melengkapi sebagai syarat dalam mencapai gelar Sarjana Strata Satu
Lebih terperinciPenerapan Logika Samar dalam Peramalan Data Runtun Waktu
Penerapan Logika Samar dalam Peramalan Data Runtun Waktu Seng Hansun Program Studi Teknik Informatika, Universitas Multimedia Nusantara, Tangerang, Indonesia hansun@umn.ac.id Abstract Recently, there are
Lebih terperinciBAB IV HASIL DAN ANALISA
BAB IV HASIL DAN ANALISA 4.1 Tata Cara Pengambilan Sampel Minyak Pengambilan sampel minyak untuk pengujian DGA sangat menentukan kehandalan diagnose yang akan didapatkan. Ada beberapa hal yang harus diperhatikan
Lebih terperinciANALISIS DETEKSI KEADAAN MINYAK TRANSFORMATOR DENGAN METODE GAS TERLARUT MENGGUNAKAN PERALATAN DISSOLVE GAS ANALISYS ( DGA)
ANALISIS DETEKSI KEADAAN MINYAK TRANSFORMATOR DENGAN METODE GAS TERLARUT MENGGUNAKAN PERALATAN DISSOLVE GAS ANALISYS ( DGA) SURYA DARMA Dosen Tetap Yayasan Pada Program Studi Teknik Elektro Fakultas Teknik
Lebih terperinciSistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy
Sistem Pendukung Keputusan untuk Penentuan Kelolosan Beasiswa Sekolah Menengah Kejuruan (SMK) Menggunakan Metode Fuzzy Yogiek Indra Kurniawan 1 dan Pungki Arina Windiasani 2 Program Studi Informatika,
Lebih terperinciAPLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR
APLIKASI LOGIKA FUZZY PADA PERAMALAN KEBUTUHAN ENERGI LISTRIK JANGKA PANJANG DI PROVINSI SUMATERA BARAT SAMPAI TAHUN 2018 TUGAS AKHIR Sebagai Salah Satu Syarat Untuk Menyelesaikan Program Stratum-1 (S1)
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Rough Set Teori Rough set sampai saat ini pendekatan lain untuk ketidakjelasan (Pawlak, 1982). Demikian pula untuk teori himpunan fuzzy bukan merupakan alternatif untuk teori
Lebih terperinciDiah Wulandari. 1. Ir.Syariffuddin Mahmudsyah,M.Eng 2. IGN Satriyadi, ST,MT
Studi Analisis Penjadwalan Pemeliharaan Transformator Daya 150KV di PT.PLN PLN (Persero) P3B Jawa Bali berdasarkan Prediksi Karakteristik tik Minyak Transformator Diah Wulandari 2208 100 604 Dosen Pembimbing:
Lebih terperinciLailiyana Farida
ANALISIS KUALITAS TRANSFORMATOR DAYA 150 kv/70 kv DI GI BANARAN BERDASARKAN HASIL PENGUJIAN ISOLASI MINYAK MENGGUNAKAN METODE STOKASTIK Lailiyana Farida 2205 100 091 Pembimbing : IGN Satriyadi H,ST,MT
Lebih terperinciJurnal Sistem Informasi (Journal of Information Systems). 2/13 (2017), DOI:
Jurnal Sistem Informasi (Journal of Information Systems). 2/13 (2017), 97-102 DOI: http://dx.doi.org/10.21609/jsi.v13i2.553 EFEKTIVITAS PELATIHAN SERTIFIKASI KOMPUTER DASAR MENGGUNAKAN TEORY ROUGH SET
Lebih terperinciDIAGNOSIS KONDISI TRANSFORMATOR DAYA MENGGUNAKAN METODA INDEKS KESEHATAN
DIAGNOSIS KONDISI TRANSFORMATOR DAYA MENGGUNAKAN METODA INDEKS KESEHATAN Akhbar Candra Mulyana NRP. 2211106072 Pembimbing 1 Dimas Anton Asfani, ST., MT., Ph.D. Pembimbing 2 I Gusti Ngurah Satriyadi H,
Lebih terperinciPENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC
PENENTUAN KUALITAS BIOGAS UNTUK PEMENUHAN ENERGI SKALA RUMAH TANGGA BERBASIS FUZZY LOGIC Aminatus S 1), Juniarko Prananda 2) Teknik Keselamatan Kerja PPNS Surabaya 1),. Teknik Sistem Perkapalan ITS Surabaya
Lebih terperinciAplikasi Fuzzy Logic Pada Metode Dissolved Gas Analysis Untuk Mengklasifikasikan Tipe Fault Pada Minyak Trafo
Aplikasi Fuzzy Logic Pada Metode Dissolved Gas Analysis Untuk Mengklasifikasikan Tipe Fault Pada Minyak Trafo Risti Nurita Digdayanti 1, Wahyuni Martiningsih 2, Siswo Wardoyo 3 Jurusan Teknik Elektro,
Lebih terperinciBAB I PENDAHULUAN. menimbulkan permasalahan kualitas daya. Komponen power
BAB I PENDAHULUAN 1.1 LATAR BELAKANG Meningkatnya penggunaan power electronic pada sitem tenaga listrik telah menimbulkan permasalahan kualitas daya. Komponen power electronic tersebut seperti dioda, thyristor,
Lebih terperinciESTIMASI BIAYA PERANGKAT LUNAK MENGGUNAKAN IMPROVED BACKPROPAGATION
ESTIMASI BIAYA PERANGKAT LUNAK MENGGUNAKAN IMPROVED BACKPROPAGATION Rocky Yefrenes Dillak Abstrak : Estimasi biaya perangkat lunak merupakan bagian tak terpisahkan dari pengembangan perangkat lunak. Mengabaikan
Lebih terperinciDecision Rule Kecelakaan Lalu Lintas di Daerah Istimewa Yogyakarta Menggunakan Metode If Then Rule Pada Rough Set
Decision Rule Kecelakaan Lalu Lintas di Daerah Istimewa Yogyakarta Menggunakan Metode If Then Rule Pada Rough Set Sisca Isa Bella 1,*, Ayundyah Kesumawati 1, Ika Purnamasari 1 Program Studi Statistika,
Lebih terperinciANALISIS KINERJA DOSEN STMIK IBBI DENGAN MENGGUNAKAN METODE ROUGH SET
ANALISIS KINERJA OSEN STMIK IBBI ENGAN MENGGUNAKAN METOE ROUGH SET edy Hartama 1), Hartono 2) 1), 2) Program Studi S-3 Ilmu Komputer, Universitas Sumatera Utara Medan, Indonesia Jalan Alumni No 9 Kampus
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciPREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA C4.5 BERBASIS FORWARD SELECTION
PREDIKSI KEBANGKRUTAN PERUSAHAAN MENGGUNAKAN ALGORITMA C4.5 BERBASIS FORWARD SELECTION Hamsir Saleh Hamsir.saleh@gmail.com Fakultas Ilmu Komputer Universitas Ichsan Gorontalo Abstrak Memprediksi kebangkrutan
Lebih terperinciSTUDI PENGARUH PENUAAN (AGING) TERHADAP LAJU DEGRADASI KUALITAS MINYAK ISOLASI TRANSFORMATOR TENAGA
STUDI PENGARUH PENUAAN (AGING) TERHADAP LAJU DEGRADASI KUALITAS MINYAK ISOLASI TRANSFORMATOR TENAGA Irwan Iryanto¹ Dr. Ir. Hermawan, DEA.² Abdul Syakur, ST. MT.² Abstract The lifetime of transformers and
Lebih terperinciAnalisis Pengujian Kinerja Minyak Isolasi Pada Transformator Tenaga 70kV
Analisis Pengujian Kinerja Minyak Isolasi Pada Transformator Tenaga 70kV Stefan Heryanto Departemen Teknik Elektro, Fakultas Teknik, Universitas Indonesia, Depok 16424, Indonesia Tel: (021) 78888805. Fax:
Lebih terperinciNur Indah Pratiwi, Widodo Universitas Negeri Jakarta ABSTRAK
Klasifikasi Dokumen Karya Akhir Mahasiswa Menggunakan Naïve Bayes Classifier (NBC) Berdasarkan Abstrak Karya Akhir Di Jurusan Teknik Elektro Universitas Negeri Jakarta Nur Indah Pratiwi, Widodo Universitas
Lebih terperinciIMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA
IMPLEMENTASI FUZZY RULE BASED SYSTEM UNTUK KLASIFIKASI BUAH MANGGA Subhan Hartanto Sistem Informatika, Universitas Pembangunan Panca Budi Jl. Jend Gatot Subroto, Simpang Tj., Medan Sunggal, Kota Medan,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Data Mining (DM) Data mining adalah proses menambang (mining) pengetahuan dari sekumpulan data yang sangat besar (Han & Kamber 2006). Menurut Connolly dan Begg, 2005. Data mining
Lebih terperinciANALISIS HASIL PENGUJIAN MINYAK TRANSFORMATOR DENGAN MENGGUNAKAN METODE DISSOLVED GAS ANALYSIS
ANALISIS HASIL PENGUJIAN MINYAK TRANSFORMATOR DENGAN MENGGUNAKAN METODE DISSOLVED GAS ANALYSIS (DGA) PADA TRANSFORMATOR TENAGA UNIT T.32 DAN T.31 DI PT. INDONESIA POWER UPJP KAMOJANG TUGAS AKHIR Diajukan
Lebih terperinciPerekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani
BINA INSANI ICT JOURNAL, Vol.3, No. 2, Desember 2016, 279-290 ISSN: 2355-3421 (Print) ISSN: 2527-9777 (Online) 279 Perekrutan Karyawan Tetap Dengan Fuzzy Inference System Metode Mamdani Ghofar Taufik 1,*
Lebih terperinciMateri Seminar tugas akhir
1 Materi Seminar tugas akhir AALISIS PEGARUH PEMBEBAA TRASFORMATOR TERHADAP KADUGA GAS TERLARUT MIAK ISOLASI Agung Ekosurya Harsono [1], Ir. Tejo Sukmadi [2], Karnoto ST.MT [3] ABSTRAK Minyak transformator
Lebih terperinciANALISIS INDIKASI KEGAGALAN TRANSFORMATOR DENGAN METODE DISSOLVED GAS ANALYSIS
Makalah Seminar Tugas Akhir ANALISIS INDIKASI KEGAGALAN TRANSFORMATOR DENGAN METODE DISSOLVED GAS ANALYSIS Muhammad Faishal A. R. [1], Karnoto [2], Tejo Sukmadi, [2] Jurusan Teknik Elektro, Fakultas Teknik,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah salah satu aspek terpenting bagi kehidupan manusia, yang dapat mempengaruhi manusia itu sendiri, juga menjadi faktor pendukung dalam setiap sektor
Lebih terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperinciDesain Sistem Beasiswa Menggunakan Metode fuzzy
Desain Sistem Beasiswa Menggunakan Metode fuzzy Richki Hardi Program Studi Teknik Informatika Sekolah Tinggi Teknologi (STITEK) Bontang Jl Ir H Juanda No. 73 RT 36 Bontang, Indonesia richkihardi@gmail.com
Lebih terperinciAnalisis Indikasi Kegagalan Transformator dengan Metode Dissolved Gas Analysis
Available online at TRANSMISI Website http://ejournal.undip.ac.id/index.php/transmisi TRANSMISI, 13 (3), 2011, 95-102 Research Article Analisis Indikasi Kegagalan Transformator dengan Metode Dissolved
Lebih terperinciANALISIS TINGKAT KEPUASAN PELANGGAN TERHADAP PENJUALAN AIR MINUM ISI ULANG DENGAN MENGGUNAKAN METODE ROUGH SET (Studi Kasus: Rihata Water)
ANALISIS TINGKAT KEPUASAN PELANGGAN TERHADAP PENJUALAN AIR MINUM ISI ULANG DENGAN MENGGUNAKAN METODE ROUGH SET (Studi Kasus: Rihata Water) Tania Dian Tri Utami 1, Dedy Hartama 2, Agus Perdana Windarto
Lebih terperinciMateri 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya
Materi 1 DATA MINING 3 SKS Semester 6 S1 Sistem Informasi UNIKOM 2015 Nizar Rabbi Radliya nizar.radliya@yahoo.com Nama Mahasiswa NIM Kelas 1. Memahami cakupan materi dan sistem perkuliahan Data Mining.
Lebih terperinciii
KLASIFIKASI PENDAFTAR BEASISWA BIDIKMISI UNIVERSITAS SEBELAS MARET MENGGUNAKAN ALGORITMA C4.5 SKRIPSI Diajukan untuk Memenuhi Salah Satu Syarat Mencapai Gelar Strata Satu Program Studi Informatika Disusun
Lebih terperinciPREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA MENGGUNAKAN NEURO-FUZZY CLASSIFICATION
PREDIKSI KELULUSAN TEPAT WAKTU MAHASISWA MENGGUNAKAN NEURO-FUZZY CLASSIFICATION (NEFCLASS) (STUDI KASUS: PROGRAM STUDI S1 TEKNIK INFORMATIKA, UNIVERSITAS TELKOM) Rita Rismala 1, Serli Fatriandini 2, Retno
Lebih terperinciANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG
ANALISA SISTEM PENDUKUNG KEPUTUSAN PENENTUAN KOSENTRASI JURUSAN TEKNIK MESIN UNP PADANG Harison Dosen Jurusan Teknik Informatika Fakultas Teknologi Industri Institut Teknologi Padang Abstrak Keputusan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori 2.1.1 Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan
Lebih terperinciTUGAS AKHIR. Diajukan guna melengkapi sebagian syarat dalam mencapai gelar Sarjana Strata Satu (S1) Disusun Oleh :
TUGAS AKHIR ANALISA GANGGUAN TRANSFORMATOR BERDASARKAN HASIL UJI DGA (DISSOLVED GAS ANALYZERS) DALAM MINYAK TRAFO DI PLANT 6/11 PT INDOCEMENT TUNGGAL PRAKARSA, TBK Diajukan guna melengkapi sebagian syarat
Lebih terperinciMETODE ROUGH SET UNTUK MEMILIH TIPE RUMAH IDAMAN SESUAI SELERA KONSUMEN PADA PT. RIZKI PRATIWI MULYA. Yanti Yusman 1 ABSTRACT
METODE ROUGH SET UNTUK MEMILIH TIPE RUMAH IDAMAN SESUAI SELERA KONSUMEN PADA PT. RIZKI PRATIWI MULYA Yanti Yusman 1 ABSTRACT In the process of research to see which type of housing most in demand according
Lebih terperinciAnalisis Kualitas Minyak Transformator Daya 25 Kva Berdasarkan Data Citra Kamera Termal Dan Data Hasil Uji Gas Chromatograph
Analisis Kualitas Minyak Transformator Daya 25 Kva Berdasarkan Data Citra Kamera Termal Dan Data Hasil Uji Gas Chromatograph Subkhi Abdul Aziz 2208 100 149 Pembimbing: Dr. Eng. Ardyono Priyadi, ST., M.Eng.
Lebih terperinciPENERAPAN TEKNIK DATA MINING UNTUK MENGELOMPOKKAN
PENERAPAN TEKNIK DATA MINING UNTUK MENGELOMPOKKAN EMAIL Ratih Puspasari1) 1) Manajemen Informatika Universitas Potensi Utama Jl.K.L. Yos Sudarso Km. 6,5 No. 3A Tanjung Mulia Medan Email : puspasariratih21@yahoo.com1)
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciANALISIS PERBANDINGAN TINGKAT AKURASI ALGORITMA NAÏVE BAYES CLASSIFIER DENGAN CORRELATED-NAÏVE BAYES CLASSIFIER
ANALISIS PERBANDINGAN TINGKAT AKURASI ALGORITMA NAÏVE BAYES CLASSIFIER DENGAN CORRELATED-NAÏVE BAYES CLASSIFIER Burhan Alfironi Muktamar 1), Noor Akhmad Setiawan 2), Teguh Bharata Adji 3) 1), 2), 3) Teknik
Lebih terperinciPENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C5.0
PENENTUAN PENERIMA BEASISWA PENINGKATAN PRESTASI AKADEMIK DENGAN ALGORITME C.0 Rachma Fauzia Azhary, Isnandar Slamet, Supriyadi Wibowo Program Studi Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam menyelesaikan permasalahan pada tugas akhir ini, diambil beberapa langkah yang tergabung menjadi sebuah metode analisis. Berikut ini adalah uraian detail langkahlangkah
Lebih terperinciMenentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2017 T - 13 Menentukan Harga Beras Sesuai Mutu Kualitas Beras dengan Logika Fuzzy Mamdani Ghulam Abdul Malik, Agus Maman Abadi Prodi Matematika, Universitas
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK MENENTUKAN TUJUAN WISATA
IMPLEMENTASI CASE BASED REASONING UNTUK MENENTUKAN TUJUAN WISATA Billy Kadmiel *, Lukito Edi Nugroho, Silmi Fauziati Jurusan Teknik Eletro dan Teknologi Informasi, Fakultas Teknik, Universitas Gadjah Mada
Lebih terperinciPENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI
PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY MAMDANI Much. Djunaidi Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Lebih terperinciKENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE
KENDALI LOGIKA FUZZY PADA PENGATURAN LAMPU LALU LINTAS BERDASARKAN URGENCY DAN STOP DEGREE Fitria Suryatini Program Studi Teknik Elektro Fakultas Teknik Universitas Islam 45 (UNISMA) E-mail: fitriasuryatini88@gmail.com
Lebih terperinciIDENTIFIKASI TIGA JENIS BUNGA IRIS MENGGUNAKAN ANFIS
IDENTIFIKASI TIGA JENIS BUNGA IRIS MENGGUNAKAN ANFIS Abdul Kadir Program Pascasarjana Teknik Elektro Universitas Gadjah Mada, Yogyakarta E-mail: akadir@mti.ugm.ac.id Abstract This paper was based on our
Lebih terperinciPENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER
E-Jurnal Matematika Vol. 6 4, November 2017, pp. 248-252 ISSN: 2303-1751 PENERAPAN METODE LOGIKA FUZZY MODEL TAHANI DALAM PEMILIHAN HARDWARE KOMPUTER Moh. Heri Setiawan 1, G. K. Gandhiadi 2, Luh Putu Ida
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciOptimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika
Optimasi Teknik Klasifikasi Modified k Nearest Neighbor Menggunakan Algoritma Genetika Siti Mutrofin 1, Arrie Kurniawardhani 2, Abidatul Izzah 3, Mukhamad Masrur 4 Universitas Pesantren Tinggi Darul Ulum
Lebih terperinciSPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ
SPK PENENTUAN TINGKAT KEPUASAN KONSUMEN PADA RESTORAN XYZ P.A Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Kampus 3 UAD, Jl. Prof. Soepomo rochmahdyah@yahoo.com Abstrak Perkembangan teknologi
Lebih terperinciDAFTAR ISI. BAB I PENDAHULUAN 1.1 Latar Belakang Tujuan Penelitian Manfaat Penelitian... 4
DAFTAR ISI Halaman Judul... Halaman Pengesahan... Halaman Pernyataan... Halaman Pernyataan Publikasi... Kata Pengantar... Daftar Isi... Daftar Gambar... Daftar Tabel... Daftar Arti Lambang... Daftar Singkatan...
Lebih terperinciPENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA ABSTRACT
PENGEMBANGAN PERANGKAT LUNAK DIAGNOSA PENYAKIT DIABETES MELLITUS TIPE II BERBASIS TEKNIK KLASIFIKASI DATA Rodiyatul FS 1, Bayu Adhi Tama 2, Megah Mulya 3 1,2,3 Fakultas Ilmu Komputer, Universitas Sriwijaya
Lebih terperinciPERBANDINGAN DECISION TREE
84 2015 Jurnal Krea-TIF Vol: 03 No: 02 PERBANDINGAN DECISION TREE PADA ALGORITMA C 4.5 DAN ID3 DALAM PENGKLASIFIKASIAN INDEKS PRESTASI MAHASISWA (Studi Kasus: Fasilkom Universitas Singaperbangsa Karawang)
Lebih terperinciI. PENDAHULUAN. Kata kunci-filterisasi, minyak trafo, TDCG. Gambar 1. Bagan Transformator Sumber : TRANSFORMER 2011.htm
PENGARUH FILTERISASI MINYAK TRAFO TERHADAP KINERJA TRANSFORMATOR DAYA 30 MVA DI GARDU INDUK SENGKALING Rendy Hari Widodo¹, Soemarwanto, Ir., MT², Hadi Suyono, ST., MT., Ph.D³ ¹Mahasiswa Teknik Elektro,
Lebih terperinciKLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER
Powered by TCPDF (www.tcpdf.org) Tugas Akhir - 2005 KLASIFIKASI PADA DATA MINING MENGGUNAKAN NAIVE BAYESIAN CLASSIFIER CLASSIFICATION FOR DATA MINING USING NAIVE BAYESIAN CLASSIFIER Agustina Ratna Puspitasari¹,
Lebih terperinciK-PROTOTYPE UNTUK PENGELOMPOKAN DATA CAMPURAN
1 K-PROTOTYPE UNTUK PENGELOMPOKAN DATA CAMPURAN Rani Nooraeni*, Dr. Jadi Supriadi, DEA, Zulhanif, S.Si,M.Sc Jurusan statistika terapan, Fakultas MIPA UNPAD rnooraeni@gmail.com* Abstrak.Membagi suatu data
Lebih terperinciPenentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor
A527 Penentuan Harga dengan Menggunakan Sistem Inferensi Fuzzy Tsukamoto Pada Rancang Bangun Aplikasi Finding-Tutor Syah Dia Putri Mustika Sari, R.V. Hari Ginardi, dan Chastine Fatichah Departemen Teknik
Lebih terperinci