Kata Kunci: jaringan transmisi, identifikasi, gangguan hubung singkat, jaringan syaraf tiruan.

dokumen-dokumen yang mirip
ANALISIS DAN PERACANGAN APLIKASI SISTEM PENDETEKSI GANGGUAN JARINGAN KOMPUTER MENGGUNAKAN MULTILAYER DENGAN PELATIHAN FEEDFORWARD SKRIPSI

BAB II NEURAL NETWORK (NN)

ABSTRAK. v Universitas Kristen Maranatha. Kata kunci: backpropagation, Multilayer Perceptron (MLP), masalah klasifikasi

ABSTRAK. Kata Kunci : Artificial Neural Network(ANN), Backpropagation(BP), Levenberg Marquardt (LM), harga emas, Mean Squared Error(MSE), prediksi.

JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK) ERWIEN TJIPTA WIJAYA, ST, M.KOM

PENGENALAN POLA GARIS DASAR KALIMAT PADA TULISAN TANGAN UNTUK MENGETAHUI KARAKTER SESEORANG DENGAN MENGGUNAKAN ALGORITMA RESILIENT BACKPROPAGATION

Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6

LAPORAN SKRIPSI DETEKSI KANKER OTAK PADA DATA MRI MELALUI JARINGAN SYARAF TIRUAN DENGAN EKSTRAKSI FITUR DISCRETE WAVELET TRANSFORM

Neural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network

Architecture Net, Simple Neural Net

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses

BAB V PENUTUP 5.1 Simpulan Saran DAFTAR PUSTAKA LAMPIRAN LAMPIRAN

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

ADLN - Perpustakaan Universitas Airlangga ABSTRAK. viii

ABSTRAK Kata Kunci :

Jaringan syaraf dengan lapisan tunggal

MENGENALI FUNGSI LOGIKA AND MELALUI PEMROGRAMAN PERCEPTRON DENGAN MATLAB

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN ALGORITMA DOUBLE BACKPROPAGATION ABSTRAK

Jaringan Syaraf Tiruan

PREDIKSI PERHITUNGAN DOSIS RADIASI PADA PEMERIKSAAN MAMMOGRAFI MENGGUNAKAN ALGORITMA JARINGAN SYARAF TIRUAN PROPAGASI BALIK

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

PERAMALAN BEBAN JANGKA PENDEK PADA HARI LIBUR DI BALI MENGGUNAKAN METODE GENERALIZED REGRESSION NEURAL NETWORK (GRNN)

BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang

PERBANDINGAN BEBERAPA MODEL UNTUK KINERJA ALGORITMA BACKPROPAGATION COMPARISON OF SOME MODEL FOR PEFORMANCE IMPROVEMENT IN BACKPROPAGATION ALGORITHM

BAB 2 LANDASAN TEORI

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA KE LOMBOK MENGGUNAKAN JARINGAN SYARAF TIRUAN

HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK

DAFTAR ISI JUDUL... LEMBAR PRASYARAT GELAR... LEMBAR PERNYATAAN ORISINALITAS... LEMBAR PENGESAHAN... UCAPAN TERIMAKASIH... ABSTRAK...

PENENTUAN LOKASI GANGGUAN HUBUNG SINGKAT PADA SALURAN TRANSMISI MENGGUNAKAN TRANSFORMASI WAVELET. Oleh : RHOBI ROZIEANSHAH NIM :

MODEL PEMBELAJARAN JARINGAN SYARAF TIRUAN UNTUK OTOMATISASI PENGEMUDIAN KENDARAAN BERODA TIGA

PENGENALAN HURUF HASIL DARI TULISAN TANGAN MENGGUNAKAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION

PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION

Implementasi Jaringan Syaraf Tiruan Backpropagation dan Steepest Descent untuk Prediksi Data Time Series

BACKPROPAGATION NEURAL NETWORK AS A METHOD OF FORECASTING ON CALCULATION INFLATION RATE IN JAKARTA AND SURABAYA

BAB II LANDASAN TEORI

PERANCANGAN PROGRAM PENGENALAN BENTUK MOBIL DENGAN METODE BACKPROPAGATION DAN ARTIFICIAL NEURAL NETWORK SKRIPSI

BAB 2 TINJAUAN PUSTAKA

2.2.6 Daerah Proteksi (Protective Zone) Bagian-bagian Sistem Pengaman Rele a. Jenis-jenis Rele b.

BAB IV JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

UNIVERSITAS BINA NUSANTARA. Jurusan Teknik Informatika Skripsi Sarjana Komputer Semester Ganjil tahun 2006/2007

DAFTAR ISI SAMPUL DALAM...

STUDI PERHITUNGAN RELAY JARAK PADA SALURAN DOUBLE CIRCUIT

PENERAPAN JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI JUMLAH PESERTA KB BARU DI KABUPATEN SEMARANG DENGAN METODE BACKPROPAGATION

Sebelumnya... Pembelajaran Mesin/Machine Learning Pembelajaran dengan Decision Tree (ID3) Teori Bayes dalam Pembelajaran

PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) MENGGUNAKAN JARINGAN SARAF TIRUAN ELMAN DENGAN ALGORITME GRADIENT DESCENT ADAPTIVE LEARNING RATE

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

Kata kunci : Hubung Singkat 3 Fasa, Kedip Tegangan, Dynamic Voltage Restorer, Simulink Matlab.

ANALISIS KEDIP TEGANGAN AKIBAT GANGGUAN HUBUNG SINGKAT PADA PENYULANG ABANG DI KARANGASEM

SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN METODA ALGORITMA KUANTUM PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT

SISTEM PENGENALAN KARAKTER DENGAN JARINGAN SYARAF TIRUAN ALGORITMA PERCEPTRON

IDENTIFIKASI TANDA TANGAN MENGGUNAKAN GLOBAL FEATURE EXTRACTION, MOMEN INVARIAN DAN ALGORITMA FORWARD-ONLY COUNTER PROPAGATION

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

Aplikasi yang dibuat adalah aplikasi untuk menghitung. prediksi jumlah dalam hal ini diambil studi kasus data balita

Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi

DAFTAR ISI. Halaman Judul. Lembar Pengesahan Pembimbing. Lembar Pernyataan Keaslian. Lembar Pengesahan Penguji. Halaman Persembahan.

APLIKASI JARINGAN SARAF TIRUAN METODE PERCEPTRON PADA PENGENALAN POLA NOTASI

ABSTRAK. Universitas Kristen Maranatha

BAB 1 PENDAHULUAN. 1 Universitas Kristen Maranatha. Gambar 1.1 : Ilustrasi jaringan syaraf manusia yang diadaptasi untuk ANN (Kriesel, 2011)

BAB 2 KONSEP DASAR PENGENAL OBJEK

ABSTRAK. Universitas Kristen Maranatha

Jurnal Elektro ELTEK Vol. 2, No. 1, April 2011 ISSN:

APLIKASI JARINGAN SYARAF TIRUAN PADA PENGENALAN POLA TULISAN DENGAN METODE BACKPROPAGATION

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MENGENALI TULISAN TANGAN HURUF A, B, C, DAN D PADA JAWABAN SOAL PILIHAN GANDA

DAFTAR ISI. Kata Pengantar Daftar Isi Daftar Tabel Daftar Gambar

SATIN Sains dan Teknologi Informasi

Realisasi Pengenalan Tulisan Tangan Menggunakan Jaringan Syaraf Tiruan dengan Metode Kohonen

PENENTUAN MODEL RETURN HARGA SAHAM DENGAN MULTI LAYER FEED FORWARD NEURAL NETWORK MENGGUNAKAN ALGORITMA RESILENT BACKPROPAGATION SKRIPSI

ANALISIS DAN PERANCANGAN JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION PADA APLIKASI PENGENALAN TANDA TANGAN

KLASIFIKASI ARITMIA EKG MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN FUNGSI AKTIVASI ADAPTIF

1. Pendahuluan 1.1 Latar belakang masalah

NOISE REMOVAL PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN

Beban Linier Beban Non Linier Harmonisa Total Harmonic Distortion (THD)

PENGENALAN POLA PIN BARCODE MENGGUNAKAN METODE BACKPROPAGATION DAN METODE PERCEPTRON SKRIPSI ARDI HASIHOLAN

Neural Networks. Machine Learning

JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENDETEKSI GANGGUAN PSIKOLOGI

DESAIN GENERATOR MAGNET PERMANEN SEBAGAI PEMBANGKIT LISTRIK TENAGA ANGIN PADA DAERAH KECEPATAN ANGIN RENDAH TUGAS AKHIR

IDENTIFIKASI VARIETAS UNGGUL BENIH KEDELAI BERDASARKAN WARNA DENGAN JARINGAN SARAF TIRUAN

Abstract. Keywords: Artificial Neural Network

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

PENGENALAN TULISAN TANGAN AKSARA BATAK TOBA MENGGUNAKAN JARINGAN SARAF TIRUAN BERBASIS MULTILAYER PERCEPTRON

1 PENDAHULUAN 1.1 Latar Belakang

Klasifikasi Pola Huruf Vokal dengan Menggunakan Jaringan Saraf Tiruan

Pengelompokan Huruf Cetak Menggunakan Algoritma Adaptive Resonance Theory 1 (ART 1)

PERAMALAN BEBAN PEMAKAIAN LISTRIK JAWA TENGAH DAN DAERAH ISTIMEWA YOGYAKARTA DENGAN

SLOPE CORRECTION PADA TULISAN TANGAN MENGGUNAKAN JARINGAN SARAF TIRUAN ABSTRAK

DAFTAR ISI LEMBAR PERNYATAAN KEASLIAN HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAK DAFTAR GAMBAR DAFTAR TABEL BAB I PENDAHULUAN 1

Teknologi Elektro, Vol. 15, No.2, Juli - Desember

SIMULASI OPTIMASI PENEMPATAN KAPASITOR MENGGUNAKAN LOGIKA FUZZY DAN ALGORITMA GENETIKA PADA SISTEM TEGANGAN MENENGAH REGION JAWA BARAT

BAB 2 LANDASAN TEORI

STUDI ESTIMASI CURAH HUJAN, SUHU DAN KELEMBABAN UDARA DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

ANALISIS KETIDAKSEIMBANGAN BEBAN PADA JARINGAN DISTRIBUSI SEKUNDER GARDU DISTRIBUSI DS 0587 DI PT. PLN (Persero) DISTRIBUSI BALI RAYON DENPASAR

2.1. Dasar Teori Bandwidth Regression

BAB III METODOLOGI PENELITIAN

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

ESTIMASI PRODUKTIVITAS PEKERJA KONSTRUKSI DENGAN PROBABILISTIC NEURAL NETWORK

BAB 2 LANDASAN TEORI

BAB III METODOLOGI PENELITIAN. Pelaksanaan penelitian ini, memerlukan banyak hal yang harus

KINERJA ARSITEKTUR MADALINE DALAM MEMPREDIKSI CUACA DENGAN MENGGUNAKAN PARAMETER SUHU, KELEMBAPAN UDARA DAN CURAH HUJAN

Transkripsi:

ABSTRAK Jaringan syaraf tiruan terdiri dari beberapa neuron yang saling terhubung seperti pada otak manusia. Neuron atau sel saraf adalah sebuah unit pemroses informasi yang merupakan dasar operasi jaringan syaraf tiruan. Jaringan syaraf tiruan terdiri atas beberapa elemen penghitung tak linier yang masing-masing dihubungkan melalui suatu pembobot dan tersusun secara paralel. Pembobot inilah yang nantinya akan berubah atau beradaptasi selama proses pelatihan. Jaringan syaraf tiruan dapat memberikan tanggapan yang benar walaupun masukan yang diberikan terkena derau atau berubah oleh suatu keadaan. Secara mendasar, sistem pembelajaran merupakan proses penambahan pengetahuan pada NN yang sifatnya kontinuitas sehingga pada saat digunakan pengetahuan tersebut akan dieksploitasikan secara maksimal dalam mengenali suatu objek. Penelitian ini bertujuan untuk untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan serta untuk mengetahui penggunaan jaringan syaraf tiruan dalam mengidentifikasi gangguan pada jaringan transmisi. Identifikasi jenis gangguan pada jaringan tansmisi menggunakan metode backpropagation pada jaringan syaraf tiruan. Proses training ini terdiri dari proses pelatihan terhadap gangguan hubung singkat satu fasa ke tanah, gangguan hubung singkat fasa dengan fasa, gangguan hubung singkat dua fasa dengan tanah, dan gangguan hubung singkat 3 fasa. Proses pelatihan pada jaringan transmisi ini menggunakan konfigurasi 6 data intput, 20 hidden layer, 6 data target, dan 6 output (6-20-6-6). Hasil pelatihan menunjukkan bahwa nilai arus dan tegangan gangguan untuk semua jenis gangguan pada jaringan transmisi berhasil di bangkitkan, dimana output berupa nilai tegangan dan arus dari proses pelatihan akan disimpan dan dijadikan sebagai refrensi untuk menentukan jenis gangguan hubung singkat yang terjadi pada jaringan transmisi. Apabila data hasil simulasi dapat dikatakan mendekati dengan nilai output tersebut maka akan terlihat apakah jaringan transmisi berada dalam kondisi normal atau sebaliknya jaringan transmisi mengalami gangguan hubung singkat. Hal ini menunjukkan bahwa pengaplikasian jaringan syaraf tiruan dalam mengidentifikasi jenis gangguan yang terjadi dapat dikatakan berhasil. Kata Kunci: jaringan transmisi, identifikasi, gangguan hubung singkat, jaringan syaraf tiruan. viii

ABSTRACT Neural network system consists of some neurons that is interconnected like in human brain. Neuron or nerve cell is an information processing unit that is the base of the neural network system operation. Neural network system consists of some nonlinear counter elements that is connected to each other in parallel through a weighting. This weighting will be adapted and evolve during the exercise period. Neural network system could give a proper respond even though the given command is changed for some reason or situation. Basically, learning system is a process of adding knowledge to NN and when needed, those knowledges will be exploited or used in maximum capacity in recognizing an object, this process happen continually. The aims of this research are to know the value and the form of the current wave and voltage during disruption as well as to know the use of neural network system in identifying disruption in transmission line. Identification process of disruption type in transmission line using backpropagation method on artificial neural networks. The training process consists of the training process of the single phase short circuit to ground, short circuit phase to phase, two-phase short circuit to ground, and 3-phase short circuit. The training process on this transmission network configuration using the data intput 6, 20 hidden layer, 6 data target, and 6 outputs (6-20-6-6). The test results showed that the value of current and voltage disturbance for all kinds of interference on the transmission network successfully raised, where the output of the value voltages and currents of the training process will be stored and used as a reference for determining the type of short circuit that occurred on the transmission network. If the simulation result value can be said to be close to the output of the data it will be seen whether the transmission network are in normal condition or otherwise impaired transmission line short circuit. This indicates that the application of neural network in identifying the type of disturbance can be said to be successful. Keywords: Transmission System, identification, short connection system, Neural network system. ix

DAFTAR ISI Halaman HALAMAN SAMPUL DEPAN... i HALAMAN SAMPUL DALAM... ii LEMBAR PERNYATAAN ORISINALITAS... iii LEMBAR PERSYARATAN GELAR... iv LEMBAR PENGESAHAN... v UCAPAN TERIMAKASIH... vi ABSTRAK... viii ABSTRACT... ix DAFTAR ISI... x DAFTAR GAMBAR... xiii DAFTAR ARTI LAMBANG, SINGKATAN, DAN ISTILAH... xvii DAFTAR LAMPIRAN... xviii BAN I PENDAHLUAN... 1 1.1 Latar Belakang... 1 1.2 Rumusan Masalah... 2 1.3 Tujuan Penelitian... 2 1.4 Manfaat Penelitian... 2 1.5 Batasan Masalah... 2 1.6 Sistematika Penulisan... 3 BAB II KAJIAN PUSTAKA... 5 2.1 Tinjauan Mutakhir... 5 2.2 Tinjauan Pustaka... 7 2.2.1 Saluran Transmisi... 7 2.2.2 Saluran Udara Tegangan Ekstra Tinggi (SUTET)... 8 2.2.3 Saluran Udara Tegangan Tinggi (SUTT)... 8 2.2.4 Saluran Kabel Tegangan Tinggi (SKTT)... 8 2.3 Gangguan Hubung Singkat... 9 2.3.1Gangguan Satu Fasa dengan Tanah... 10 2.3.2 Gangguan Fasa dengan Fasa... 11 x

2.3.3 Gangguan Dua Fasa dengan Tanah... 12 2.3.4 Gangguan Hubung Singkat Tiga Fasa... 12 2.4 Jaringan Syaraf Tiruan... 14 2.5 Jenis-jenis Jaringan Syaraf Tiruan... 16 2.5.1 Single Layer Neural Network... 16 2.5.2 MultiLayer Perceptron Neural Network... 17 2.5.3 Recurrent Neural Network... 17 2.5.4 Backpropagation Neural Network... 18 2.6 Karakteristik Jaringan Syaraf Tiruan... 21 2.6.1 Faktor Bobot... 21 2.6.2 Fungsi Aktivasi... 21 2.7 Proses Pembelajaran pada Neural Network... 22 2.7.1 Supervised Learning... 22 2.7.2 Unsupervised Learning... 22 BAB III METODE PENELITIAN... 23 3.1 Lokasi dan Waktu Penelitian... 23 3.2 Sumber dan Jenis Data... 23 3.2.1 Sumber Data... 23 3.2.2 Jenis Data... 23 3.3 Instrumen Penelitian... 24 3.4 Tahapan Penelitian... 24 3.4.1 Pengumpulan Data... 24 3.4.2 Alur Penelitian Umum... 24 3.5 Analisis Data... 26 BAB IV HASIL DAN PEMBAHASAN... 28 4.1 Analisis dan Pembahasan... 28 4.2 Proses Pembangkitan Gelombang Tegangan dan Arus Gangguan pada Jaringan Transmisi... 28 4.2.1 Proses Pembangkitan Gelombang Tegangan dan Arus pada Keadaan Normal... 29 xi

4.2.2 Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Satu Fasa ke Tanah... 32 4.2.3 Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Dua Fasa ke Tanah... 36 4.2.4 Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Antar Fasa... 41 4.2.5 Proses Pembangkitan Gelombang Tegangan dan Arus pada saat Gangguan Hubung Singkat Tiga Fasa... 45 4.3 Proses Identifikasi Jenis Gangguan pada Jaringan Transmisi Menggunakan Jaringan Syaraf Tiruan... 48 4.3.1 Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada Keadaan Normal... 49 4.3.2 Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Satu Fasa Ke Tanah... 51 4.3.3 Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Dua Fasa Ke Tanah... 54 4.3.4 Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Antar Fasa... 57 4.3.5 Proses Pelatihan dengan Metode Jaringan Syaraf Tiruan pada saat Gangguan Hubung Singkat Tiga Fasa... 60 BAB V SIMPULAN DAN SARAN... 63 5.1 Simpulan... 63 5.2 Saran... 63 DAFTAR PUSTAKA... 65 LAMPIRAN xii

DAFTAR GAMBAR Halaman Gambar 2.1 Gangguan Satu Fasa ke Tanah... 10 Gambar 2.2 Gangguan Fasa dengan Fasa... 11 Gambar 2.3 Gangguan Dua Fasa ke Tanah... 12 Gambar 2.4 Gangguan Hubung Singkat Tiga Fasa... 13 Gambar 2.5 Struktur Dasar Neural Network... 14 Gambar 2.6 Single Layer Neural Network... 16 Gambar 2.7 Multilayer Perceptron Neural Netwok... 17 Gambar 2.8 Recurrent Neural Network... 18 Gambar 2.9 Arsitektur Backpropagation Neural Network... 20 Gambar 3.1 Diagram Alur Penelitian Umum... 25 Gambar 3.2 Diagram Alur Identifikasi Gangguan Jaringan Transmisi... 27 Gambar 4.1 Konfigurasi pada Proses Pelatihan... 28 Gambar 4.2 Gelombang Tegangan Tiga Fasa dalam Keadaan Normal dari Generator Satu... 29 Gambar 4.3 Gelombang Arus Tiga Fasa dalam Keadaan Normal dari Generator Satu... 30 Gambar 4.4 Gelombang Tegangan Tiga Fasa dalam Keadaan Normal dari Generator Dua... 30 Gambar 4.5 Gelombang Arus Tiga Fasa dalam Keadaan Normal dari Generator Dua... 30 Gambar 4.6 Gelombang Tegangan Setiap Fasa dalam Keadaan Normal... 31 Gambar 4.7 Gelombang Arus Setiap Fasa dalam Keadaan Normal... 32 Gambar 4.8 Gelombang Tegangan Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Satu... 33 Gambar 4.9 Gelombang Arus Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Satu... 33 Gambar 4.10 Gelombang Tegangan Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Dua... 33 xiii

Gambar 4.11 Gelombang Arus Tiga Fasa pada saat Gangguan Satu Fasa dari Generator Dua... 34 Gambar 4.12 Gelombang Tegangan pada Fasa A saat Gangguan Hubung Singkat Satu Fasa ke Tanah... 34 Gambar 4.13 Gelombang Tegangan pada Fasa B dan C saat Gangguan Hubung Singkat Satu Fasa ke Tanah... 35 Gambar 4.14 Gelombang Arus pada Fasa A saat Gangguan Satu Fasa ke Tanah... 35 Gambar 4.15 Gelombang Arus pada Fasa B saat Gangguan Satu Fasa ke Tanah... 36 Gambar 4.16 Gelombang Arus pada Fasa C saat Gangguan Satu Fasa ke Tanah... 36 Gambar 4.17 Gelombang Tegangan 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Satu... 37 Gambar 4.18 Gelombang Arus 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Satu... 37 Gambar 4.19 Gelombang Tegangan 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Dua... 38 Gambar 4.20 Gelombang Arus 3 Fasa saat Gangguan Dua Fasa Ke Tanah dari Generator Dua... 38 Gambar 4.21 Gelombang Tegangan pada Fasa A dan Fasa B saat Gangguan Dua Fasa Ke Tanah... 39 Gambar 4.22 Gelombang Tegangan pada Fasa C Saat Gangguan Dua Fasa Ke Tanah... 39 Gambar 4.23 Gelombang Arus pada Fasa A Saat Gangguan Dua Fasa Ke Tanah... 40 Gambar 4.24 Gelombang Arus pada Fasa B Saat Gangguan Dua Fasa Ke Tanah... 40 Gambar 4.25 Gelombang Arus pada Fasa C Saat Gangguan Dua Fasa Ke Tanah... 40 xiv

Gambar 4.26 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Satu... 41 Gambar 4.27 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Satu... 41 Gambar 4.28 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Dua... 42 Gambar 4.29 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Antar Fasa dari Generator Dua... 42 Gambar 4.30 Gelombang Tegangan pada Fasa A dan Fasa B Saat Gangguan Hubung Sinngkat Antar Fasa... 43 Gambar 4.31 Gelombang Tegangan pada Fasa C Saat Gangguan Hubung Sinngkat Antar Fasa... 43 Gambar 4.32 Gelombang Arus pada Fasa A dan Fasa B Saat Gangguan Hubung Sinngkat Antar Fasa... 44 Gambar 4.33 Gelombang Arus pada Fasa C Saat Gangguan Hubung Sinngkat Antar Fasa... 44 Gambar 4.34 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Satu... 45 Gambar 4.35 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Satu... 46 Gambar 4.36 Gelombang Tegangan 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Dua... 46 Gambar 4.37 Gelombang Arus 3 Fasa Saat Gangguan Hubung Singkat Tiga Fasa dari Generator Dua... 46 Gambar 4.38 Gelombang Tegangan pada Masing-Masing Fasa Saat Gangguan Hubung Singkat Tiga Fasa... 47 Gambar 4.39 Gelombang Tegangan Pada Masing-Masing Fasa Saat Gangguan Hubung Singkat Tiga Fasa... 48 Gambar 4.40 Gelombang Arus Fasa C Saat Gangguan Hubung Singkat Tiga Fasa... 48 Gambar 4.41 Hasil Training pada Saat Keadaan Normal... 49 xv

Gambar 4.42 Hasil Performance Saat Keadaan Normal... 50 Gambar 4.43 Hasil Regression Saat keadaan normal... 51 Gambar 4.44 Hasil output Saat keadaan normal... 51 Gambar 4.45 Hasil Training Saat Gangguan Satu Fasa Ke Tanah... 52 Gambar 4.46 Hasil Performance Saat Gangguan Satu Fasa Ke Tanah... 52 Gambar 4.47 Hasil Regression Saat Gangguan Satu Fasa Ke Tanah... 53 Gambar 4.48 Hasil Output Saat Gangguan Satu Fasa Ke Tanah... 54 Gambar 4.49 Hasil Training Saat Gangguan Dua Fasa Ke Tanah... 55 Gambar 4.50 Hasil Performance Saat Gangguan Dua Fasa Ke Tanah... 55 Gambar 4.51 Hasil Regression Saat Gangguan Dua Fasa Ke Tanah... 56 Gambar 4.52 Hasil Output Saat Gangguan Dua Fasa Ke Tanah... 56 Gambar 4.53 Hasil Training Saat Gangguan Antar Fasa... 57 Gambar 4.54 Hasil Performance Saat Gangguan Antar Fasa... 58 Gambar 4.55 Hasil Regression Saat Gangguan Antar Fasa... 59 Gambar 4.56 Hasil Regression Saat Gangguan Antar Fasa... 59 Gambar 4.57 Hasil Training Saat Gangguan Hubung Singkat Tiga Fasa... 60 Gambar 4.58 Hasil Performance Saat Gangguan Hubung Singkat Tiga Fasa 61 Gambar 4.59 Hasil Regression Saat Gangguan Hubung Singkat Tiga Fasa... 62 Gambar 4.60 Hasil Regression Saat Gangguan Hubung Singkat Tiga Fasa... 62 xvi

DAFTAR ARTI LAMBANG, SINGKATAN, DAN ISTILAH NN SUTET SUTT SKTT Epoch MU MSE Performance Regression Neural Network Saluran Udara Tegangan Ekstra Tinggi Saluran Udara Tegangan Tinggi Saluran Kabel Tegangan Tinggi Jumlah iterasi yang digunakan atau jumlah iterasi yang dibatasi pada proses pelatihan dengan menggunakan metode jaringan syaraf tiruan Merupakan parameter kontrol untuk algoritma yang digunakan untuk melatih jaringan syaraf tiruan Mean Squared Eror Perbandingan antara nilai MSE dengan epoch Perbandingan antara nilai output dengan target xvii

DAFTAR LAMPIRAN Halaman JADWAL KEGIATAN... 67 SKEMA RANGKAIAN JARINGAN TRANSMISI... 68 DATA INPUT DAN TARGET... 69 DATA OUTPUT DARI PROSES PELATIHAN... 78 xviii

BAB I PENDAHULUAN 1.1 Latar Belakang Jaringan transmisi merupakan proses penyaluran tenaga listrik dari pembangkit listrik sampai pada distribution station hingga sampai pada konsumen pengguna listrik melalui suatu bahan konduktor. Penyaluran tenaga listrik pada jaringan transmisi menggunakan arus bolak-balik (AC) dengan sistem tiga phasa. Saluran transmisi menggunakan sistem arus bolak-balik tiga-phasa memiliki beberapa kelebihan antar lain pembangkitan yang dilakukan lebih mudah, dapat menghasilkan medan magnet putar, pengubahan tegangannya lebih mudah dan dengan sistem tiga-phasa, daya yang disalurkan lebih besar dengan nilai sesaat yang konstan. Jaringan saraf tiruan (JST) atau secara umum sering disebut neural network (NN) adalah jaringan dari sekelompok unit pemroses kecil yang dimodelkan berdasarkan jaringan saraf manusia. Jaringan syaraf tiruan merupakan sistem adaptif yang dapat merubah struktur untuk memecahkan masalah berdasarkan informasi eksternal maupun internal yang mengalir melalui jaringan. Secara sederhana, jaringan syaraf tiruan adalah sebuah alat pemodelan data statistik yang berubah setiap waktu dan berlangsung secara kontinyu. Jaringan syaraf tiruan dapat digunakan untuk memodelkan hubungan yang kompleks antara input dan output untuk menemukan pola-pola pada data. Pada jaringan transmisi sering terjadi berbagai macam jenis gangguan, antara lain gangguan satu phasa ke tanah, gangguan phasa ke phasa, gangguan dua phasa ke tanah dan gangguan tiga phasa. Pendeteksian terhadap gangguan tersebut dapat dilakukan dengan metode jaringan syaraf tiruan. Penggunaan metode jaringan syaraf tiruan ini dipilih karena dapat mendeteksi jenis gangguan yang terjadi secara akurat dan cepat pada sistem saluran transmisi (Singh dkk, 2014). Jaringan syaraf tiruan memiliki beberapa kelebihan yaitu mampu melakukan generalisasi dan ekstraksi dari suatu pola data tertentu, jaringan syaraf tiruan juga dapat 1

2 menciptakan suatu pola pengetahuan melalui kemampuan belajar (self organizing), memiliki fault tolerance, kemampuan perhitungan secara paralel sehingga proses lebih singkat. (Jamil dkk, 2015). 1.2 Rumusan Masalah Adapun rumusan masalah dalam tugas akhir ini adalah sebagai berikut: 1. Bagaimanakah membangkitkan arus dan tegangan gangguan untuk semua jenis gangguan saluran transmisi dengan menggunakan simulasi? 2. Bagaimanakah pengaplikasian jaringan syaraf tiruan dalam mengidentifikasi suatu gangguan yang terjadi pada sistem saluran transmisi? 1.3 Tujuan Penelitian Adapun tujuan dari penelitian ini adalah sebagai berikut: 1. Untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan. 2. Untuk mengetahui penggunaan jaringan syaraf tiruan dalam mengidentifikasi gangguan pada jaringan transmisi. 1.4 Manfaat Penelitian Dari tujuan penulisan yang telah dipaparkan, maka manfaat yang di dapatkan dari penulisan tugas akhir ini yakni : 1. Hasil dari penelitian ini dapat digunakan sebagai input data dari sistem proteksi pada saluran transmisi. 2. Hasil dari penelitian ini dapat digunakan sebagai pendeteksi terhadap jenis gangguan yang terjadi pada saluran transmisi secara real time. 1.5 Batasan Masalah Untuk menghindari meluasnya masalah yang dibahas, maka pada tugas akhir ini permasalahan yang dibahas yakni penggunaan jaringan syaraf tiruan sebagai alat untuk mengidentifikasi suatu gangguan yang terjadi dalam sistem saluran transmisi. Jaringan syaraf tiruan sebagai metode identifikasi gangguan transmisi dalam penelitian ini hanya sampai pada tahap pelatihan saja. Jenis gangguan yang akan di deteksi adalah empat jenis gangguan, antara lain gangguan satu phasa ke

3 tanah, gangguan antar phasa, gangguan dua phasa ke tanah, dan gangguan tiga phasa. 1.6 Sistematika Penulisan Sistematika penulisan dalam tugas akhir ini adalah sebagai berikut: BAB I : PENDAHULUAN Bab ini merupakan pembahasan dan gambaran umum yang berisikan latar belakang permasalahan, rumusan masalah, tujuan penelitian, manfaat penelitian, ruang lingkup dan batasan masalah, serta sistematika penulisan. BAB II : KAJIAN PUSTAKA Bab ini membahas mengenai State of The Art dan menguraikan dasar-dasar teori yang menunjang dan mendukung pembahasan identifikasi jenis gangguan pada jaringan transmisi menggunakan metode jaringan syaraf tiruan BAB III : METODE PENELITIAN Bab ini menguraikan langkah-langkah dalam analisis dan pembahasan penelitian, dan juga diuraikan lokasi dan waktu penelitian, sumber dan jenis data penelitian, jenis data yang digunakan, teknik pengumpulan data, tahapan penelitian dan alur analisis dari penelitian tersebut. BAB IV : HASIL DAN PEMBAHASAN Bab ini menganalisa data hasil penelitian yang diperoleh untuk mengetahui realisasi dari identifikasi jenis gangguan pada jaringan transmisi menggunakan metode jaringan syaraf tiruan Selain itu untuk mengetahui nilai dan bentuk gelombang arus dan tegangan saat terjadi gangguan.

4 BAB V : PENUTUP Bab ini berisikan kesimpulan dari pembahasan yang dilakukan serta saran saat pengimplementasian dan pengembangan tugas akhir kedepannya.