GIBRAN, Mochammad Rifal (2026) Desain dan Optimasi Kontrol AVR Generator 13,8 kV Berbasis ANFIS dengan Pendekatan Algoritma Metaheuristik Grey Wolf Optimizer (GWO) dan Genetic Algorithm (GA). Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Mochammad Rifal Gibran-H1A022014-Skripsi-2026.pdf Download (69kB)
	PDF (Legalitas) LEGALITAS-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Mochammad Rifal Gibran-H1A022014-Skripsi-2026.pdf Download (257kB)
	PDF (BabI) BAB-I-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only until 9 February 2027. Download (152kB)
	PDF (BabII) BAB-II-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only until 9 February 2027. Download (945kB)
	PDF (BabIII) BAB-III-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only until 9 February 2027. Download (410kB)
	PDF (BabIV) BAB-IV-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Download (80kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Download (88kB)
	PDF (Lampiran) LAMPIRAN-Mochammad Rifal Gibran-H1A022014- Skripsi-2026.pdf Restricted to Repository staff only Download (456kB)

Abstract

Generator sinkron 13,8 kV pada PLTP Karaha memerlukan sistem Automatic Voltage Regulator (AVR) yang stabil terhadap variasi beban, sementara pengendali PID masih menunjukkan overshoot dan recovery time yang relatif besar. Penelitian ini menerapkan pengendali Adaptive Neuro-Fuzzy Inference System (ANFIS) yang dioptimasi menggunakan Genetic Algorithm (GA) dan Grey Wolf Optimizer (GWO) pada model AVR berbasis MATLAB/Simulink dengan fungsi fitness Integral of Time Absolute Error (ITAE). Hasil simulasi menunjukkan bahwa ANFIS-GWO memberikan kinerja terbaik. Pada kondisi tanpa gangguan, ANFIS-GWO menghasilkan overshoot terendah sebesar 2,66%, lebih kecil dibandingkan PID sebesar 4,43%. Pada gangguan beban berat ±0,55 p.u., ANFIS-GWO mencapai recovery time tercepat sebesar 1,289 s dengan undershoot terendah sebesar 2,12%, dibandingkan PID sebesar 1,646 s. Selain itu, pada gangguan ±0,1 p.u. dan ±0,3 p.u., ANFIS-GWO mampu mengembalikan sistem ke kondisi steady-state lebih cepat dan stabil. Hasil ini menunjukkan bahwa optimasi ANFIS menggunakan GWO efektif meningkatkan respon dan kestabilan tegangan sistem AVR.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H26039
Uncontrolled Keywords:	Automatic Voltage Regulator, ANFIS, Genetic Algorithm, Grey Wolf Optimizer, ITAE-Modified.
Subjects:	E > E107 Electric circuits E > E149 Electricity
Divisions:	Fakultas Teknik > S1 Teknik Elektro
Depositing User:	Mr Mochammad Rifal Gibran
Date Deposited:	09 Feb 2026 01:30
Last Modified:	09 Feb 2026 01:30
URI:	http://repository.unsoed.ac.id:443/id/eprint/39448

Actions (login required)

View Item