Auditorium Menara Universitas Mercu Buana, Jakarta$abtu, 2A Februari 201 0

SNPPTI 20 1O ISSNT: 2086-21 56

BIDANG: TENAGA LISTRIK

No Judul dan Pemakalah HalI Karakteristik Tegangan Tembus Minyak Transformator lBBT0l Akibat Treatment 93

A.Sofwan, L Setiawan2 Koordinasi Sistem Proteksi Antara 'Reaktor Seri' Dan 6Pembatas Arus' Dalam 98

Menanggulangi Secara Efektif Gangguan Arus Lebih Pada Jaringan ListrikA.Sofwan, Haryanta.

3 Optimalisasi Daya Reaktif Pada Sistem Tenaga Listrik Dengan Menggunakan Program 104ETAPPardamean Sinurat, Mahdzal Masri, Riana Puspita

4 Analisis Pengaruh Ketidakseimbangan Tegangan Terhadap Kinerja Motor Induksi Tiga 111

Fasa Dengan MATLABMahrtzal Masri, Pardamean Sinurat, Suwarno

5 Modifikasi Koefisien Susut Dalam Penentuan Jadwal Pembangkitan Tenaga Listrik 116

OptimumHamzah Hilal

6 Kestabilan Teknik Aliran Daya Untuk Analisis Kestabilan Tegangan Sistem Distribusi 121

Hamzah Hilal7 System Proteksi Petir Pada Saluran Udara Tegangan Ekstra Tinggi 275 KV Di Daerah 125

TropisFri Murdiya, Reynaldo Zoro

8 Rancangan Model Pembangkit Listrik Tenaga Air Gelombang Laut Vertikal (Pltagl-V) 131

Massus Subekti9 Penerapan ANFIS (Adaptive Neural Fuzzy Inference System) Uptuk Memprediksi Sifat 131

Panas Dari Transformator DistribusiMahrizal Masri, Hermansyah Alam

l0 Simulations Analysis Of 3-Phase Z-Source Inverter 142B.Y. Husodo and M. Anwari,

11 Kinerja Bahan Isolasi Resin Epoksi Dengan Pengisi Rha Terkontaminasi Polutan Laut 148

Ditinjau Dari Arus Bocor Kritis FlashoverRimbawati

12 Rancang Bangun Prototipe Troli Listrik Untuk Rumah Sakit 152Muhammad Redho Kurrria

13 Pengembangan Proses Desain Bodi Mobil Hibrid LIPI 156Muhammad Redho Kurnia , Sunafio Kaleg, dan Abdul Hapid

14 Kajian Losses Jaringan Tegangan Menegah Sistem Kelistrikan Kota Balikpapan Kalimantan 161

TimurSudirman Palaloi

l5 Kajian Unjuk Kerja Pengendalian Jaringan Saraf Tiruan Untuk Menurunkan Konsumsi 166Elekroda Pada Tungku Busur ListrikSudirman Palaloi

16 Dampak Pembangunan Pembangkit 2 X 100 MVA Dan Gardu Induk l50kv Di Tenayan 172Raya, Terhadap Sistem Kelistrikan RiauHamzah, Abdullah Asuhaimi bin Mohd Zin

17 Indonesia Dalam Kaca Mata Security Of Energy Supplay 178Massus Subekti

vill

SNPPTI 2010' * rssN . 2086-21 56

Penerapan ANFrS (Adaptive Neural Fuzzy rnferenceSystem) untuk Memprediksi Sifat Panas dari

Transformator DistribusiHermansyah Alam'' Mahrtzal Masri2

Jan'r.lsun Teknik Elektro, FTI, Institut Teknologi Meclon ffM)Jl. Gedatng Arcu AIo.52 Medan

E -nra i I : herman s:itm(@ )raho o . co . id ? ma srimahr iza@yaho o . c om

Ahstrak Delvasa ini pemanfaatan tenagalistrik semakin tinggi, tidak hanya untuk keperluanindustri tapi sudah sampai untuk kebutuhan rumahtangga dan perorangan dengan demikian suatu sistemtenaga listrik sangat diharuskan bekerja secara terusmenerus untuk memenuhi kebutuhan konsumen.Tetapi dalam penyaluran daya terkadang tidakseperti yang diinginkan karena bisa saja terjadigangguan dan salah satu gangguan yaitu temperatur (suhu ) pada kerja transformator yang dapatnrengganggu sistem tenaga listrik dan untukmengatasi ganggu an tersebut pada era globalisasisekarang ini kemajuan teknologi berkembang pesatdan terus mengalami peningkatan dari tahunketahun, para ahli mendisain dan menciptakan sistemperangkat lunak yang serba canggih dimulai dariarsitekturnya sampai dengan penerapannya disegalaaspek untuk menlenuhi kebutuhan masyarakatsehingga dapat membantu manusia didalammelakukan kegiatan. Salah satu kecerdasan buatanitu adalah program matlab dengan menggunakanaplikasi ANFIS (Adaptive Neural Fuzzy InferenceS.v-stem) untuk memprediksikan sifat panas daritransformator sehingga dapat mengatasi gangguansecara mudah' cepat, tepat dan efektif tanpanremakan w aktu yang lama. Penelitian inimembandingkan hasil prediksi penggunaan ANFISnrencapai nilai signilikan yang terbaik ANFIS RMSE- 0.025', ERI\N RMSE - 0.0318 ,MFI{N RMSE,:0.0463

Kata Kunci : Anfis, Karakteristik panas,Transformator Distribu si

I. PENDAHL]LT]ANl.l. Latar Belakang

Trafo atau disebut j uga transfbrmator aclalahsuatu potongan piranti yang statis dengan dua atau lebihlilitan. Dengan inrbasan elektromagnetik. trafo mengubahbentuk suatu sistem tegangan bolak - balik dan arus kedalam sistem arus dan tegangan bolak - balik yang laindari nilai-nilai yang berbeda. pada fi-ekwensi yang sama,untuk kepentingan menyalurkan daya listrik. Sebagaicontoh. trafo distribusi mengkonversi listrik tegangantinggi untuk nrenurunkan tingkatan voltase yang bisaditerinra untuk digr-rnakar-r konsumen. Transformatornlerlrpakan suatu peralatan yang mahal di dalam suatusistenr kelistrikan. dan rrenrer-lr-rkan pemeliharan yang

cukup baik agar dapat beroperasi dengan baik. Salah satubentuk pemeliharaan trafo adalah dengan memperhatikannilai temperatur. Temperatur adalah salah satu parameteryang paling kritis pada trafo. Oleh karena itr-r kondisi-kondisi yang berken aan dengan panas sangat perludiperhatikan. Berkenaan dengan itu sangat berguna bagipenelitian mernpr-ediksi ni lai-nilai temper-atur ini.Penerapan ANFIS ( Adaptive Neural Fuzzy InferenceSystem ) untuk rnemprediksi sifat panas daritransformator distribusi lnempercayakan padamathetnatical formula yang memerlukan suatu ketelitiantingkat tinggi. Penggunaan mathematical formula inisangat sederhana dan bisa diterima ketika systenrmemonitor dengan baik. Melalui penclekatan secaralangsung pada transformator distribusi, ini sangat efektifuntuk memprediksi ternperatur suatu trafo.

I.2. Perumusan Masalah

Be rdasarkan uraian pada latar belakang danidentifikasi masalah maka penulis membuat perumusalrmasalah yaitu :

1. Apakah penerapan ANFIS ( Adaptit,e lVeural FuzzvInferetrce S.1,stem ) dapat diterapkan untuk meram al Imemprediksi sifat panas dari trafo distribusi".

2 . Sej auh mana pengaruh panas pada kerj a trafod istrib usi .

I.3. Tujuan Penulisan

Adapun tujuan penulisan tugas akhir ini aclalah :

1. Penerapan ANFIS ( ,1 dcptit,e lvet,tral FrrzzT, hlferenceSvstem ) untuk nlempr-ediksi sifat panas c{ari trafodistribusi secara akurat, tepat clan efektif.

2. Untuk melihat sejauh mana pengarulr suhu padaker.ja trafo distribusi.

II. LANDASAN TEORIII.I. TRANSFORMATOR

Transformator adalah suatu peralatan tenaga listrikyang berfungsi untuk menyalurkan tenaga I daya listrikdari tegangan tinggi ke tegangan renclah atau sebaliknya.

Dalanr operasi p.nyaluran tenaga listriktransformator dapat dikatakan sebagai jantung daritransmisi dan distribusi. Dalam kondisi ini suatutransformator diharapkan dapat beroperasi secararnaksirnal ( kalau bisa terus nrenerus tanpa berhenti )

131

SNPPTI 2O1O *

Mengingat ket.la keras dari suatu transformator seperti itr"r

maka cara pemeliharaan juga dituntut sebaik mungkin.Oleh karena itu transformator harus dipelihara denganmenggunakan sistem dan peral atan yang benar, baik dantepat. [Jntuk itu regu pemeliharaan harus mengetahuibagian-bagian transformator dan bagian-bagian manayang perlu diawasi melebihi bagian yang lainnya.

Berdasarkan tegangan operasinya dapat dibedakanrnenjadi transformator I50120 kV biasa disebr-rt InterbusTransfbnnatot- (IBT). Transformator 20kV - 231Vi400Vdisebut juga trafo distribusi. Titik netral transformatorditanahkan sesuai dengan kebutuhan untuk sistempengamanan / proteksi. Sebagai contoh interbustransformator ditanahkan secara langsung di sisi netral150 kV dan transformator distribusi ditanahkan dengantahanan rendah atau tahanan tinggi atau langsung di sisinetral 20 kV nya.

ll.l.2. Prinsip Kerja Transformador.

Hukum utama dalam transformator aclalahhukum induksi faraday. Menurut hukum ini suatu goyalistrik melalui goris lengkr.tng yong tertutup, ctdalcth

berbanding dengan perubahan persatuen vtalrtu daripctclo arus induksi aton flux yong dilingkari oleh garislenglutng itu.

II.l.3. ANFIS ( Adaptive Neuro Fuzzy InferenceSystem )

Adaptive Neuro F uzzy Inference System (

ANFIS ) adalah penggabungan fuzzy inference systemyang digambarkan dalam arsitektur jaringan saraf.

Anfis adalah jaringan neural - fuzzy yang terdiridari 5 lapisan dan setiap lapis terdapat node. Terdapatdua macam node yaitu node adaptif ( bersimbol kotak )arlinya parameter bi sa berubah dengan prosespembelajaran dan node tetap ( bersimbol lingkaran ).

ISSNI: 2086-21 56

C(r.a,b,c)= t ,

l+ t;'

Parameter a, b, c, pada fungsi keanggotaan gbelldinamakan parameter premis yang adaptif.

Lapisan 2Semua sirnpul pada lapisan ini adalah nonadaptif (

parameter tetap ) Fungsi simpul ini adalah n-)eltgalikansetiap sinyal masukan yang datang. Fungsi simpul :

Q:j Wr :Fnr (x).Fei .(y),i:1,2Tiap keluaran simpul menyatakan deraj at

pengaktifan (.firing strength ) tiap aturan fuzzy. Fungsiini dapat diperluas apabila bagian premis memiliki lebihdari dua himpunan fuzzy. Banyaknya simpul pada lapisanini menunjukkan banyaknya aturan yang dibentr-rk. Fungsiperkalian yang digunakan adalah interpretasi kata hubr"rng

and dengan menggunakan operator t - norm.

Lapisan 3

Setiap simpul pada lapisan ini adalah simpulnonadaptif yang fungsi derajat pengaktifan ternomalisasi( normalized firing strength ) yaitu rasio keluaran simpulke - i pada lapisan sebelumnya terhadap seluruh keluarantapisan sebelumnya, dengan bentuk fungsi simpul.

o'i:i- u:" ' i:r'2

ry + 1n,.,

Apabila dibentuk lebih dari dua aturan, fungsidapat diperluas dengan membagi yvi dengan jumlah totalu., untuk semua aturan.

Lupisan 4Setiap simpul pada lapisan ini adalah simpul

adaptif dengan fungsi simpul:

oi:i /,-;i(p,**Qr+,i)Parameter p, Q, l- menyatakan paranteter konsekuen

yang adaptif.

Lapisan 5

Pada lapisan ini hanya ada satu simpr"rl tetap yan_s

fungsinya untuk menjumlahkan semua masukan. Fun_esi

simpul :

\ w,.f1Or,:Lu,r.fi=;ii

Jaringan adaptif dengan lima lapisan tersebutekivalen dengan sistem inferensi fuzzy TSK.

III.METODOLOGI PENELITIAN

III.1. Materi Penentuan.

Materi pada penelitian ini me liputi hal halsebagai berikut :

a. Memahami pengaruh temperatur pada kerja trafodistribusi secara akurat, efektif dan cepat,

b. Memahami penggLutaan program sekaligus manfaatterhadap objek pembahasan dengan menggunakanprogram nratlab.

c. Waktr-r belajar dari proses identifikasi yangdinyatakarr dengan iterasi dan dapat clikenrbzrngkan

L,:rii::,Iil , , Lar:i::,il: tL,er-ri::

ttiT

Gambar 1. Struktur Anfis

Lapisan ISemua sirnpul pada lapisan ini adalah sirnpul

adaptif ( parameter dapat berubah ) dengan fungsi simpul

Orj !-tnr (x) untuki-7,zatauQrj Ltei :(y) untuki:3,4Ai ( atau Bi 2 ) adalah fungsi keanggotaan

masing masing simpul. Simpul O rj berfungsi untukmenyatakan derajat keanggotaan tiap masukan terhadaphinrpunan fuzzy A dan B. Fungsi keanggotaan yangdipakai adalah jenis generalized bell ( Sbell ).

; ^t-,;i.iini+ . ' |,1a1!rri:

tiIti

138

SNPPTI 2O1O i {*

pada ob jek obj ek yang samamempr"ediksinya.

d. Metode yang digunakan adalah penerapan ANFISorde satu. aturan fuzi dengan mernbership function (

fungsi keanggotaan ) tipe kurva bentuk lonceng (bell curve ), sehingga dapat memprediksi sifat panasdari Transformator distribusi.

lll.2. Alat - Alat Penelitian

Alat - alat penelitian yang digunakan adalah .

1. Trafo distribusi 250 kVA dengan transforrner serialNo. B.09.24.0078 dan 20A kVA dengan transforrnerserial No. B.09.220.182 sebagai bahan penelitianyang akan dipredil<si sifat panasnya.

2. Arnpernleter untuk mengukur besarnya arus pada sisiprimer dan -iuga sisi sekunder"Voltrneter untuk mengukur besamya tegangan padasisi primer dan jrga sisi sekunder.Wattrneter berfungsi untuk mengukur besarnya dayainput dan output pada trafo.Thermometer berfungsi untuk mengukur temperaturpada trafo baik suhu kamar diluar trafo maupundalarn trafo.Perangkat PC ( Personal Computer ) yangdiimplementasikan terhadap obyek permasalahandengan menggunakan bahasa pemografflan Matlab6.1 urrtuk Pre-trtrocessirlg-n.y-ct PC intel Pentiurn lV2.66 GHz, HDD 4A GB, DDR 512 MB, dan sistemoperasi windows XP.Sofware MATLAB Versi 6.I sebagai perangkatIr-rnak yang berguna untuk komputasi, grafis, analisisdata matematis, statistika, simulasi, pemodelan.

III.3. Jalannya Penelitian

Pene litian ini dilakukan dengan melalr"ri tahap -talrap sebagai berikr,rt :

Studi Pustaka.HaI ini dilakukan untuk mendapatkan gambaranLlrnunt dan dasar teori yang telah disusun dalamnrendr-rkr-rng penelitian ini. Studi pustaka ini didapatidari perpustakaan dan ref-erensi diantara buku - bukuyang telah nrenunjang dalam penelitian ini, literatur-- literatur nre Ialui internet.Pengumpulan I)ata.Pengurnpulan data dilakukan bersumber dari dataPT. MORAWA ELECTRIC TRAJ\SBUANA,data ini akan diidentifikasi, dilanjutkan pengolahandata" agar-siap untuk dianalisis dengan metodeANFIS, yang perangkat lr-rnaknya MATLAB 6.1untuk meIakukan Prediksi.Sirnulasi.Simulasi dilakukan menggunakan data harian actualternperature yang bersurnber dari Trafo distribusi200 KVA dan 25A KVA Data ini diolah denganmenggunakan metode ANFIS menggunakan

rssN . 2a86-21 56

Gambar 2. Actual Ten'rperature Pada Trafo Distribusi 200KVA

ActualTemperature Pada Trafo Distribusi 2S0 KVA

untu k

.|J.

4.

5.

6.

q)LJ

ctL.c)o-EoF;()

5 luutffiffi.r-;,.-' l l'=',. ;' "t','"'r"'rr.'"1'+"':'r"1"ffi- L-i

i

7.ooc)o(rooooooooooolOOOOOOOOOOOOOoOOIO

- c\ cO $

- C\.1 cO -if Lr) (O t-.- @ O) OC\C!C!C\C!C)OOOOOOOO-i

Runtun waktu (Harian ) i

l

l.

I

Gambar 3. Actual Ternperature Pada Trafo Distribusi 250KVA

IV.HASIL PENELITIAN DAN PEMBAHASAN

IV.l. Penyusunan Prediksi Temperatur

Berdasarkan jalan penelitian yang telahdijelaskan dalanr BAB III dapat disimulasikan clenganhasil sebagai berikr-rt :

l. Untuk Transformator 200 KVA.

a. Prediksi suhu dengan Model ANFIS

lifir'rJnrl !-lFlE

1., '.,]'i.

::, : ,, lt ::'.,:, ' :, ',,',,:.: :.. ::t, :, t,' ::':,:.:

Gambar 4 (a). Grafik rraining dan Testing RIVISE. (b)Grafik Tr-aining dan Tesring Srep Size

2.

aJ.

ActualTemperature Pada Trafo Distribusi 200 kVA

-+- Seriesl

139

Method Trafo RMSE Min Max

ANFIS0.02 50 0.4s36 4.5464

250 KVA 9.6649 -0.44 5 8 0.6413

ERNN0.03 1 8 -0.6661 0.5 83 3

250 KVA 9.6649 -0.44 8 0 0.60 8 s

MFNNa.0463 -4.5411 1.4583

254 KVA 9.6649 -0. s 000 0.9880

SNPPTI 20 1O

Gambar 5. Graflk Prediksimodel

Gambar Oil Temperature dengan nrodelERNN

Frar'titttr;n rff tlrg trrp:rr,1 t**to.rrliiie bu trsin'p lils Al.JFlS r$3dF,

Gambar

2. f]ntuk Transformator 250 KVA.

a. Prediksi suhu dengan Model ANFIS

Gambar 10.(a) Grafik Training dan Testing RMSf , (b)Grafik Training dan Testing Step Size

Ganrbar 11. Prediksi Top Oil Temperature dengan nrodelMFNIN

;s.: l::

'f-n

I odel

Top Oil Temperature denganANF'IS

b.

Gambar 6. dan setelah training

Prediksi suhu dengan Model ERI\N

IqqNT. }AQA 1'1 <A

8. Prediksi Top

: : Fedr:inrriri(,,*r !is., O't I a€Bi,, e:* +i, 1,;, 11

rl...

,.:.:rr.J '::.r.:::::::.]]::] l$: l:: '::::

:... . S 1+

::::u :

' :':':'il l U

l:::i :,::::::, r.:.:::: l

,',..'l., ii?S,

:::::,.::::i:::::

't.t:

:::l:]i:,li::::::::

.:; Jt7::)rt,::::::::.:

..3,'t$:jsl,::,:::::

:::i:r::r::::::

Gambar I . Grafik training dengan Epoch

140

SNPPTI 20 1O

W.2. Hasil Pembelajaran dan Pengujian ANFIS,E,RNN, MFNN

Tabel 2. Flasil Prediksi untuk Transformatar 200 KVA

No TimeDataReal(oc)

Hasil Prediksi denganMethod

ANFIS("c)

ERNN(t'c)

MFNN(oc)

1

2

3

4

5

6

7

8

9

10

t1t213

t415

16

20:0021:0022: 0023:0024 .0401 : 00

A2: 0003:0004:0005:0006:0007:0008:0009:0010 :0011 :00

2928.s28.5

28.s28.5

28.33282828

21 .6627 .33

27 .6627 .83

2 8.8329.66

30

29.45

28.s428.5428.5428.5428.5428.5428.1228.1227.9227 .1621 .7621 .92

28.5429.4529.99

29.6628.4828.48

28.4828.4828.4828.4828.1828.1821 .9s21 .5027.5427.9528.4829.6629.74

29.0A

28.4228.42

28.4228.4228.4228.4228.4128.0728.4128.4128.0728.4128.4229.043 0.00

Tabel 3. Hasil Precliksi untuk Transformator 25A KVA

V. KESIMPULANDari hasil analisa dan pembahasan dalam bab

sebelumnya maka dapat diambil kesimpulan sebagaiberikut:

1 . Penerapan ANFIS ( Adaptive Neural F uzzyInference System ) dapat digunakan untukmemprediksi sifat panas dari transformatordistribusi .

2. Apabila nilai epoch ( iterasi ) diperbesar rnakaproses running di dalam menjalankan programakan semakin lama.

ISSN: 2A86-2156

Setelah menggunakan ANFIS bentuk grafik datasuhu hampir sama dengan grafik data suhusebelum menggunakan ANFIS.

VI. DAFTAR PIJSTAKA

Abdul Kadir, Prof.h-, Transformator, PT PradnyaParamita Jakarla, 1981 .

Abdel - Aal,R.F . 2002. Electrical LoadForecasting Using Machine Leaming Techniques.Center For Applied Physcal Sciences ( CAPS )Research Institute, KFUPM.Gunaidi Abdia Away. 2006. The Shortcut ofMATLAB Programming, Informatika BandungMuslim Azis, Ekananda Mahyus. 20A7.Implementasi Algoritma Cluster Fuzzy danNeuro Fuzzy . lJniversitas indonesia. Jak arlra

S. Austen Stigant C.Eng, F.I.E.E and A.C. FranklinC.Eng, F.LE.E, 1917 The JSP Transformer Book.Suharlono, 2007 Feed Forward Neural NetworksUntuk Pemodelan Runtun Waktu. llniversitasGaj ah Mada. Yogyakarta.Widodo, Thomas Sri, 2A05. Sistem Neuro Fuzzy

" Untuk Pengolahan Informasi, Pemodelan, danKendali. Edisi perlama. Graha ilmu. Yogyakarta.

aJ.

No TimeDataReal(oc)

Hasil Prediksi denganMethod

ANFIS(oc)

ERNN(oc)

MFNN(oc)

1

21J

4

5

6

7

8

9

10

1l12

13

14

15

16

20:002l:0022:0023:0024:AA01 :0002:0003:0004:0005:0006:0007:0008:0009:0010 :0011 :00

2 8.832t .662t .162l27

26.526.8326.5

26.3326.3325.8325.8326.1627 .16

2931

2 8.9827 .35

26.9s26.9s26.9s26.5426.9526.5426.r326.r325.7325.1326.1326.9s2 8.9831 .00

28.8421 .3926.9s26.9s26.9s26.5326.9s26.5326.r326.1325.1525.7 5

26.1326.9s28.843r.00

29.4027 .41

27 .A0

21 .0A

27 .4026.5421 .4026.5A26.0026.0026.0A26.0426.AA

27 .AA

29 AA

3l .00

141