Analisis Asset Health Index Transformator Untuk Optimalisasi Strategi Manajemen Aset Berbasis Data Operasional Dan Lingkungan

Yudhanarko, Mayendra (2025) Analisis Asset Health Index Transformator Untuk Optimalisasi Strategi Manajemen Aset Berbasis Data Operasional Dan Lingkungan. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6010231065-Master_Thesis.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Kondisi kesehatan trafo memegang peran penting dalam menjamin keandalan sistem transmisi listrik. Sebagai aset paling bernilai di gardu induk yang mencapai 60% dari total investasi, kegagalan trafo dapat menyebabkan kerugian operasional dan finansial yang signifikan. PLN telah mengadopsi kerangka kerja Health Index (HI) berdasarkan 30 parameter diagnostik, yang umumnya memerlukan pengujian secara online maupun offline. Penelitian ini mengusulkan metode sederhana namun efektif untuk memperkirakan nilai Health Index trafo dengan menggunakan parameter yang lebih mudah diakses, seperti hasil analisis gas terlarut (Dissolved Gas Analysis/DGA), kualitas minyak, profil beban, serta menambahkan data kondisi lingkungan. Model prediktif HI dikembangkan menggunakan teknik supervised machine learning, yaitu Multiple Linear Regression (MLR) dan Elastic Net Regression. Model Elastic Net menunjukkan kinerja yang lebih unggul dibandingkan MLR, dengan akurasi yang lebih tinggi dan kemampuan generalisasi yang lebih baik. Nilai Health Index hasil prediksi ini tidak dimaksudkan untuk menggantikan HI resmi milik PLN, namun HI PLN digunakan sebagai baseline pelatihan dari model ini. HI hasil prediksi selanjutnya dimanfaatkan untuk menghitung Probability of Failure (PoF) melalui regresi logistik, memperkirakan Apparent Age dengan pemodelan multivariat, serta menghitung Remaining Useful Life (RUL) menggunakan distribusi Weibull. Seluruh hasil ini membentuk kerangka kerja untuk mendukung strategi pemeliharaan berbasis kondisi dan manajemen aset berbasis risiko. Pendekatan yang diusulkan ini memberikan solusi praktis bagi perusahaan untuk memperkirakan kondisi trafo, dengan menggunakan data lingkungan sebagai salah satu unsur pembentuknya, serta mendukung perencanaan pemeliharaan yang lebih terarah dan berbasis data.
====================================================================================================================================
The health condition of power transformers plays a vital role in ensuring reliable power transmission. As the most valuable substation asset, representing up to 60% of investment, its failure can result in significant operational and financial losses. PLN has adopted a Health Index (HI) framework based on 30 diagnostic parameters, which often require both online and offline testing. This study proposes a simplified yet effective method to estimate the transformer’s Health Index using more accessible parameters, including Dissolved Gas Analysis (DGA), oil quality, load profiles, and environmental conditions. Supervised machine learning techniques, Multiple Linear Regression (MLR) and Elastic Net Regression were used to develop predictive models for HI. The Elastic Net model outperformed MLR, achieving higher accuracy and better generalization. The predicted Health Index was not intended to replace PLN’s official HI, but used it as a training baseline. The resulting HI predictions were then utilized to compute the Probability of Failure (PoF) through logistic regression, estimate the Apparent Age via multivariate modeling, and calculate the Remaining Useful Life (RUL) using a validated Weibull distribution. These integrated outputs form a comprehensive and interpretable framework for condition-based maintenance and risk-informed asset management. The proposed approach provides utilities with a practical tool to estimate transformer condition, using environmental data as one of the key elements in its formulation, and supports more targeted, data-driven maintenance planning.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Trafo tenaga, Health Index , usia tampak, probabilitas kegagalan, estimasi sisa usia pakai, Power transformer, Health Index , apparent age, probability of failure, remaining useful life
Subjects:	T Technology > TS Manufactures > TS174 Maintainability (Engineering) . Reliability (Engineering)
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26101-(S2) Master Thesis
Depositing User:	Mayendra Yudhanarko
Date Deposited:	01 Aug 2025 10:35
Last Modified:	01 Aug 2025 10:35
URI:	http://repository.its.ac.id/id/eprint/125598

Actions (login required)

View Item