Update Artikelilmiah: 37718

DENI HASAN NURANI

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Sistem distribusi energi listrik dari sumber pembangkit hingga ke konsumen terjadi hilangnya energi atau susut energi. Dalam proses perhitungan susut energi 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 dilakukan di Telkom Corporate University Bandung pada main distribution panel gardu 2 menggunakan Power Quality Analyzer HIOKI 3169. 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%.

Abtrak (Bhs. Inggris)

The distribution system of electrical energy from the generating source to the consumer occurs energy or energy loss. In the process of calculating energy losses, a method is needed to calculate the losses. One of them is by designing an energy loss operation whose value can be known in the future, namely predicting the value of energy loss by making modeling with the Artificial Neural Network (ANN) method, the backpropagation model. The research was conducted at Telkom Corporate University Bandung on the main distribution panel of substation 2 using the Power Quality Analyzer HIOKI 3169. Prediction of energy loss was carried out using Matlab R2021a for modeling a heavily artificial network. This system uses 12 units of energy loss data input every hour in the form of energy loss in the previous 12 hours and produces an output unit in the form of energy loss (n) in the next hour (n+1). Perform data and data testing using different data from training data to get the best architecture. The best ANN architecture parameter is a network that produces a small RMSE test. The results of this study obtained the best ANN architecture, namely 60 hidden layers with 10000 epochs using the logsig activation function in the hidden layer and output layer with a momentum value of 0.2 and a learning rate of 0.01 which resulted in a training RMSE value of 0.49117 kWh and RMSE testing. of 1.1185 kWh. So the prediction for the next 24 hours with a percentage increase in energy loss of 0.04%.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman