test
TEKNIK ELEKTRO
UNIVERSITAS UDAYANA

Abstrak


Identitas Mahasiswa


NIM : 0804405002
Nama : Putu Agus Mahadi Putra
Konsentrasi : Sistem Tenaga


Pembimbing


Pembimbing 1 : Ir. I Gede Dyana Arjana, MT.
Pembimbing 2 : Ir. Putu Arya Mertasana, M.Si.,MT

ANALISA DROP TEGANGAN DAN SUSUT DAYA PADA JARINGAN LISTRIK PENYULANG RENON MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN)



ABSTRAK

 

Ada beberapa metode perhitungan drop tegangan dan susut daya listrik yang dapat digunakan, salah satunya adalah metode konvensional. Metode konvensional merupakan metode perhitungan secara manual berdasarkan rumus–rumus yang ada. Metode yang lain adalah metode aliran daya (load fllow). Adapun metode yang digunakan untuk menentukan nilai drop tegangan dan susut daya listrik di Penyulang Renon dalam tugas akhir ini adalah metode Artificial Neural Network (ANN).

Metode ANN adalah suatu sistem yang dimodelkan berdasarkan jaringan saraf manusia yaitu informasi atau masukannya diproses secara terdistribusi dan paralel. Keunggulan yang utama dari sistem ANN adalah adanya kemampuan untuk pembelajaran (train).Pada metode ANN proses yang digunakan adalah Resilent Backpropagation untuk mempercepat mode pelatihan.

Hasil yang didapatkan menggunakan metode ANN pada beban puncak siang Penyulang Renon adalah nilai drop tegangan terbesar yang didapatkan sebesar ∆V = 0.3568 kV memiliki prosentase drop sebesar 1.78% dan nilai total susut daya listrik yang didapatkan sebesar ∆P = 14.8507 kW memiliki prosentase 0.77% dari beban puncak siang sebesar 1927.12 kW. Selain itu, tingkat akurasi dari mode pengujian ANN yang digunakan cukup baik karena dapat dilihat dari nilai Mean Square Error (MSE) yang sangat kecil, yakni untuk drop tegangan dihasilkan MSE sebesar 0.0000008 (8 x 10-7) dan MSE untuk susut daya sebesar 0.00000689 (6.89 x 10-6).

 

Kata Kunci : Artificial Neural Network, Drop Tegangan, Susut Daya, Mean Square Error (MSE).

 

ABSTRACT

 

There are several methods of calculating the voltage drop and power losses that can be used, one of which is the conventional method. The conventional method is a method of manual calculation based on existing formulas. Another method is a method of load flow (load flow). The method used to determine the value of the voltage drop and power losses in feeders Renon in this thesis is a method of Artificial Neural Network (ANN).  

Methods of ANN is a system that is modeled by a human neural network that is input or information distributed and parallel processing. The main superiority of the ANN system is the ability for learning (train).In the ANN method used is Resilent Backpropagation to accelerate the training mode.

The results obtained using the ANN method at afternoon peak load on the Feeder Renon is greatest voltage drop value obtained is ΔV = 0.3568 kV have a percentage drop of 1.78% and total power losses obtained is ΔP = 14.8507 kW have a percentage losses 0.77% from the afternoon peak load equal 1927.12 kW. In addition, the accuracy of the ANN test mode is used quite well as can be seen from the value of Mean Square Error (MSE) is very small, which is to drop the voltage generated by MSE 0.0000008 (8 x 10-7) and power losses generated by MSE 0.00000689 (6.89 x 10-6). 

 

Keywords : Artificial Neural Network, Voltage Drop, Power Losses. Mean Square Error

 



Staff
Ir. I Wayan Sukerayasa,MT
196411031991031001
Ir. I Wayan Sukerayasa,MT
sukerayasa@unud.ac.id
separator
Alumni
Tony Hadisiswanto
0104405065
Tony Hadisiswanto
Sistem Komputer Dan Informatika
separator
Tentang Elektro

Jurusan Teknik Elektro merupakan salah satu jurusan di Fakultas Teknik Universitas Udayana yang latar belakang pendiriannya didasari pada upaya antisipasi perkembangan pesat di bidang ilmu teknik elektro.

Upaya awal pendirian Jurusan Teknik Elektro adalah berdasarkan Surat Keputusan Rektor Nomor : 612/PT.17/I.01.12/1984. Setelah melalui tahap perjuangan selama 4 tahun maka pada tahun 1988 turun Surat Keputusan Direktur Jendral Pendidikan Tinggi Nomor : 65/DIKTI/KEP/88 tentang status resmi Jurusan Teknik Elektro.

readmore...