NURANI, Deni Hasan (2022) Perkiraan Susut Energi Jangka Pendek Menggunakan Metode Artificial Neural Network (Ann) Pada Jaringan Distribusi Tegangan Rendah Di Telkom Corporate University Bandung. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Download (98kB)
	PDF (Legalitas) LEGALITAS-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only Download (932kB)
	PDF (Abstrak) ABSTRAK-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Download (104kB)
	PDF (BabI) BAB-I-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only until 21 October 2023. Download (104kB)
	PDF (BabII) BAB-II-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only until 21 October 2023. Download (630kB)
	PDF (BabIII) BAB-III-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only until 21 October 2023. Download (184kB)
	PDF (BabIV) BAB-IV-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only Download (778kB)
	PDF (BabV) BAB-V-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Download (86kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Download (84kB)
	PDF (Lampiran) LAMPIRAN-Deni Hasan Nurani-H1A018029-Skripsi-2022.pdf Restricted to Repository staff only Download (3MB)

Abstract

Sistem distribusi energi listrik dari sumber pembangkit hingga ke konsumen terjadi hilangnya energi atau susut energi. Susut energi pada sistem kelistrikan pasti selalu ada. Hal ini disebabkan adanya kandungan tahanan pada penghantar yang bersifat permanen dan sifat alamiah jaringan itu sendiri. Dalam proses perhitungan susut energi ini banyak dialami kesulitan karena luasnya jaringan distribusi. Sehingga diperlukan suatu metode untuk menghitung susut tersebut. Salah satunya adalah dengan membuat perancangan operasi susut energi yang dapat diketahui nilainya di waktu yang akan datang yaitu prediksi nilai susut energi dengan membuat pemodelan dengan metode Artificial Neural Network (ANN), model backpropagation. Penelitian ini dilakukan di Telkom Corporate University Bandung pada main distribution panel gardu 2 dengan menggunakan data yang diukur langsung menggunakan Power Quality Analyzer HIOKI 3169, data tegangan pada panel Gedung yang disuplai dan data spesifikasi kabel yang digunakan yaitu NYY 4x70mm2. Dari tersebut kemudian dilakukan perhitungan total susut energi pada setiap jam dari tanggal 18 juli 2022 sampai 21 juli 2022. Prediksi susut energi yang dilakukan menggunakan Matlab R2021a untuk pemodelan jaringan sarat tiruan. Pada sistem ini digunakan 12 unit masukan data susut energi tiap jam yaitu berupa susut energi 12 jam sebelumnya dan menghasilkan unit keluaran berupa susut energi (n) pada jam berikutnya (n+1). Dilakukan pelatihan data dan pengujian data menggunakan data yang berbeda dengan data latih untuk mendapatkan arsitektur yang terbaik. Parameter arsitektur ANN terbaik adalah jaringan yang menghasilkan RMSE pengujian yang kecil. Hasil dari penelitian ini didapatkan arsitektur ANN terbaik yaitu 60 hidden layer dengan 10000 epoch menggunakan fungsi aktivasi logsig pada hidden layer dan output layer dengan nilai momentum 0,2 dan laju pembelajaran 0,01 yang menghasilkan nilai RMSE pelatihan sebesar 0,49117 kWh dan RMSE pengujian sebesar 1,1185 kWh. Maka didapatkan prediksi selama 24 jam kedepan dengan persentase kenaikan susut energi senilai 0,04%. Maka ANN dengan metode Back Error Propagation (BEP) ini dapat memprediksi susut energi pada main distribution panel gardu 2 di Telkom Corporate University Bandung.

Actions (login required)

View Item