EFISIENSI TRANSFORMATOR PADA PT. PLN SURAKARTA MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Annisa Larasati, Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, Universitas Negeri Yogyakarta, Yogyakarta, Indonesia
Bayu Mahendra, Perusahaan Listrik Negara Unit Pelaksana Pelayanan Pelanggan Surakarta, Surakarta, Indonesia
Agus Maman Abadi, Department of Mathematics Education, Faculty of Mathematics and Natural Sciences, Universitas Negeri Yogyakarta, Yogyakarta

Abstract


Abstrak

              Listrik merupakan energi yang dibutuhkan masyarakat pada zaman modern ini. Untuk memenuhi kebutuhan energi listrik masyarakat, dibutuhkan penyaluran energi listrik dari gardu induk PLN ke pelanggan dengan stabil. Transformator menjadi peranan utama dalan penyaluran energi listrik. Efisiensi Trafo yaitu perbandingan antara total daya listrik yang masuk dan total daya listrik yang keluar. Penelitian ini bertujuan untuk mengetahui efisiensi transformator pada PLN Surakarta dengan menerapkan metode Backpropagation Neural Network (BPNN). Tahapan pada penelitian ini yaitu diawali dengan tahap pengumpulan data primer, kemudian dilanjutkan dengan menentukan variabel input dan output, melakukan normalisasi pada data, membangun jaringan backpropagation dengan menentukan jumlah input layer, hidden layer, dan output layer. Selanjutnya menentukan fungsi aktivasi dari hidden layer dan output layer dan menentukan model prediksi terbaik dengan menentukan nilai Mean Squared Error (MSE) terendah. Model 1 menghasilkan nilai MSE sebesar 0,042782 dengan nilai akurasi model sebesar 99,95195388, model 2 menghasilkan nilai MSE sebesar 0,044166 dengan nilai akurasi model sebesar 99,955834, dan model 3 menghasilkan nilai MSE sebesar 0,043918 dengan nilai akurasi model sebesar 99,956082. Berdasarkan hasil percobaan tersebut, maka model 1 merupakan model terbaik yang dipilih berdasarkan nilai MSE uji terendah.

Kata kunci: Metode Backpropagation Neural Network, efisiensi transformator, PLN, MSE

 

 


Keywords


Metode Backpropagation Neural Network; efisiensi transformator; PLN; MSE

Full Text:

PDF

References


Referensi jurnal:

Mutiar. (2018). Perhitungan Efisiensi Transformator 60 Mva Di PT.PLN (Persero) Gardu Induk Prabumulih. Teknik Elektro, 8(2), 29–38.

Pratilastiarso, J., Wahjono, E., Yustisia, L., & Jurusan Teknik Elektro Industri, D. (2011). Rancang Bangun UPS Untuk Beban (900VA) Berbasis Mikrokontroller.

Afrianto, R. B., Tjandrasa, H., Arieshanti, I., Informatika, T., & Informasi, F. T. (2013). PREDIKSI PERGERAKAN HARGA SAHAM Menggunakan Metode Back Propagation Neural Network. Simantec, 3(3), 132–141.

Novita, R., Putri, A., Studi, P., & Informasi, S. (2021). Analisis Algoritma Backpropagation Neural Network dalam Permalan Jumlah Benih Ikan. 7(2), 201–207.

Dasuki, Moh. (2021). Optimasi Nilai Bobot Algoritma Backpropagation Neural Network Dengan Algoritma Genetika. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 6(1), 38–44. https://doi.org/10.32528/justindo.v6i1.5280

Anwar, B. (2011). Penerapan Algoritma Jaringan Syaraf Tiruan Back Propagation dalam Memprediksi Tingkat Suku Bunga Bank. Jurnal SAINTIKOM, 10(2), 1–7.

Nurmila, N., Sugiharto, A., & Sarwoko, E. A. (2010). Algoritma Back Propagation Neural Network Untuk Pengenalan Pola Karakter Huruf Jawa. Jurnal Masyarakat Informatika, 1(1), 1–10. https://doi.org/10.14710/jmasif.1.1.

Setiawan, S. I. A. (2011). Penerapan Jaringan Saraf Tiruan Metode Backpropagation Menggunakan VB 6. Jurnal ULTIMATICS, 3(2), 23–28. https://doi.org/10.31937/ti.v3i2.301

Amri, F. (2015). Jaringan Syaraf Tiruan Untuk Memprediksi Peringkat Akreditasi Program Studi Perguruan Tinggi. Jurnal Sains Dan Informatika, 1(1), 37–43.

Puspita, I., Priandana, K., Kusuma, M., Hardhienata, D., Morley, P. J., Asfarian, A., & Alatas, H. (n.d.). Pembangunan Model Jaringan Saraf Tiruan untuk Memprediksi Kecenderungan Tipe Mediasi Orang Tua terhadap Penggunaan Internet oleh Anak Building an Artificial Neural Network Model to Predict the Tendency of Parental Mediation Types on Internet Use by Children. http://journal.ipb.ac.id/index.php/jika

Dhimas Syahfitra, F., Syahputra, R., & Trinanda Putra, K. (2017). Implementation of Backpropagation Artificial Neural Network as a Forecasting System of Power Transformer Peak Load at Bumiayu Substation. Journal of Electrical Technology UMY, 1(3), 118–125. https://doi.org/10.18196/jet.1316

Referensi buku :

Kusumadewi, S. (2004). Membangun Jaringan Syaraf Tiruan Menggunakan MATLAB & EXCEL LINK (F. W. Nurwiyati, Ed.; 1st ed.). Graha Ilmu.




DOI: https://doi.org/10.21831/jsd.v12i1.64411

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Annisa Larasati, Agus Maman Abadi


Printed ISSN (p-ISSN): 2085-9872
Online ISSN (e-ISSN): 2443-1273

Indexer:
     

Creative Commons License
 
Jurnal Sains Dasar  is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License
 
Free counters!
 
View My Stats