Prediksi Stabilitas Transient Menggunakan Algoritma Backpropagation

Sari, Dyah Ratna Kusuma Mayang (2019) Prediksi Stabilitas Transient Menggunakan Algoritma Backpropagation. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text File Thesis Upload Dyah Ratna.pdf - Accepted Version Restricted to Repository staff only until 1 October 2022. Download (1MB) | Request a copy

Abstract

Kebutuhan listrik saat ini semakin meningkat seiring dengan adanya pemanfaatan tenaga listrik pada peralatan rumah tangga, kantor dan sebagainya, sehingga pasokan listrik harus bertambah. Pasokan listrik yang terus bertambah akan mengakibatkan perubahan kondisi sistem yang seketika biasanya diakibatkan adanya gangguan hubung singkat pada sistem tenaga listrik dan pelepasan atau penambahan beban yang besar secara tiba-tiba. Akibat adanya perubahan kondisi kerja pada sistem tersebut, maka keadaan sistem akan berubah dari keadaan lama menjadi keadaan baru. Periode singkat diantara kedua keadaan tersebut dinamakan periode peralihan atau transient. penelitian ini bertujuan untuk menentukan apakah sistem tersebut stabil atau tidak stabil apabila terjadi gangguan, sehingga diperlukan Jaringan Saraf Tiruan (JST) untuk menentukan prediksi kestabilan transient, JST yang digunakan pada penelitian ini menggunakan backpropagation. Algortima backpropagarion digunakan untuk membandingkan performansi setiap sistem NN yang memiliki jumlah hidden layer dan neuron yang berbeda digunakan performansi. Performansi bisa dinilai dengan beberapa macam parameter salah satunya MSE, pada umumnya MSE akan menurun jika errornya berkurang errornya. Dari beberapa percobaan maka didapatkan error terkecil pada 7 hidden layer dan setiap hidden layer terdapat 10 neuron. Dalam pengujian data yang akan digunakan sebagai data uji bervariasi yaitu 25%, 50%, 75% dan 100%. Data yang digunakan adalah data yang belum pernah digunakan pada tahap pelatihan, sehingga hasil yang didapatkan pada pengujian ini adalah target dari prediksi kestabilan transient.
================================================================================================
Current electricity needs are increasing along with the use of electricity in household appliances, offices and so on, so that electricity supply must increase. Request Electricity that continues to increase will result in changes in the condition of the system which is usually caused by a short circuit in the electrical power system and the sudden release or addition of large loads. As a result of changes in this conditions of system, the system will be change from the old to the new. The short period between the two conditions is called the transitional or transient period. This study aims to determine whether the system is stable or unstable in the event of a disturbance, so an Artificial Neural Network (ANN) is needed to determine the predictions of transient stability, the ANN used in this study uses backpropagation. Backpropagarion algorithm is used to compare the performance of each NN system that has a number of hidden layers and different neurons used in performance. Performance can be assessed with several types of parameters, one of them is MSE, generally MSE will decrease if the error a bit. From several experiments, the smallest error was found in 7 hidden layers and each hidden layer had 10 neurons. In testing the data to be used as test data varies, namely 25%, 50%, 75% and 100%. The data used is data that has never been used at the training stage, so the results obtained in this test are the target of predictions of transient.

Item Type:	Thesis (Masters)
Additional Information:	RTE 006.32 Sar p-1 2019
Uncontrolled Keywords:	Kestabilan Transient, Jaringan Saraf Tiruan (JST), Backpropagation
Subjects:	Q Science > QA Mathematics > QA336 Artificial Intelligence Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Dyah Ratna Kusuma Mayang Sari
Date Deposited:	16 Sep 2021 20:34
Last Modified:	16 Sep 2021 20:34
URI:	http://repository.its.ac.id/id/eprint/60338

Actions (login required)

View Item