Penerapan Long Short Term Memory dalam menganalisis estimasi umur operasional Transformator berdasarkan variasi beban dan suhu

Aliyuddin, Rifki Aufa (2024) Penerapan Long Short Term Memory dalam menganalisis estimasi umur operasional Transformator berdasarkan variasi beban dan suhu. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_Cover.pdf

Download (509kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_Abstrak.pdf

Download (495kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_Daftar Isi.pdf

Download (494kB) | Preview
[img]
Preview
Text (BAB I)
4_BAB I.pdf

Download (599kB) | Preview
[img]
Preview
Text (BAB II)
5_BAB II.pdf

Download (825kB) | Preview
[img]
Preview
Text (BAB III)
6_BAB III.pdf

Download (505kB) | Preview
[img]
Preview
Text (BAB IV)
7_BAB IV.pdf

Download (694kB) | Preview
[img]
Preview
Text (BAB V)
8_BAB V.pdf

Download (686kB) | Preview
[img]
Preview
Text (BAB VI)
9_BAB VI.pdf

Download (494kB) | Preview
[img]
Preview
Text (DAFTAR PUSTAKA)
10_Daftar Pustaka.pdf

Download (562kB) | Preview

Abstract

Transformator merupakan peralatan penting dalam sistem tenaga listrik untuk melakukan penyaluran energi listrik kepada konsumen. Menjaga kualitas energi listrik dari transformator adalah hal yang penting dilakukan. Faktor yang mempengaruhi kinerja transformator adalah besarnya pembebanan dan suhu transformator. Masalah yang terjadi pada trasnformator saat ini muncul karena beban berlebih pada transformator yang menyebabkan berkurangnya umur pakai dari transformator. Penelitian ini bertujuan untuk menganalisis dan memprediksi sisa umur operasional transformator menggunakan metode Long Short Term Memory (LSTM) dengan mempertimbangkan variasi beban dan suhu minyak. LSTM adalah metode jaringan syaraf yang digunakan untuk mempelajari pola pada deret waktu. Data yang digunanakan pada penelitian ini adalah data beban dan suhu minyak dari transformator 2 dan transformator 5 Gardu Induk Cianjur pada 1 Januari 2019 hingga 16 Juli 2024. Hasil penelitian menunjukkan bahwa kemampuan prediksi LSTM dipengaruhi oleh variasi dan besarnya data yang digunakan. Pada transformator 2, kombinasi terbaik diperoleh dengan rasio data latih dan uji 80:20, timesteps 10, dan epoch 75, menghasilkan MSE 0.0049 dan estimasi sisa umur pada tahun 2025 sebesar 5 tahun. Pada transformator 5, kombinasi terbaik adalah dengan rasio data yang sama, timesteps 15, dan epoch 75, menghasilkan MSE 0.0108 dan estimasi sisa umur pada tahun 2025 sebesar 20 tahun. Besarnya sisa umur transformator dipengaruhi oleh beberapa faktor seperti pemebebanan, suhu minyak, suhu lingkungan dan perawatan yang dilakukan. Penelitian ini juga menemukan bahwa peningkatan beban secara signifikan mempengaruhi peningkatan suhu minyak dalam transformator, yang berdampak pada penurunan kualitas material isolasi dan mempercepat susut umur transformator. Dengan demikian, sisa umur transformator berkurang secara signifikan seiring dengan peningkatan susut umur yang terjadi.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Transformator; beban; suhu minyak; LSTM; sisa umur
Subjects: Special Computer Methods > Artificial Intelligence
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Elektro
Depositing User: Rifki Aufa Aliyuddin
Date Deposited: 01 Oct 2024 22:50
Last Modified: 01 Oct 2024 22:50
URI: https://digilib.uinsgd.ac.id/id/eprint/99770

Actions (login required)

View Item View Item