Segmentasi Trafo Distribusi Berbasis Penyulang Berdasarkan Metode K-Means Clustering Pada PT. PLN (Persero) UP3 Banten Selatan

Kurnia, Ridho (2025) Segmentasi Trafo Distribusi Berbasis Penyulang Berdasarkan Metode K-Means Clustering Pada PT. PLN (Persero) UP3 Banten Selatan. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032231060-Master_Thesis.pdf Restricted to Repository staff only until 1 April 2027. Download (6MB) | Request a copy

Abstract

Trafo distribusi merupakan komponen terpenting yang digunakan dalam jaringan distribusi listrik, sehingga Trafo distribusi menjadi salah satu peralatan operasional distribusi utama yang digunakan oleh PLN dalam proses penyaluran energi listrik. Keandalan suatu trafo menjadi penting mengingat rusaknya trafo dapat mengakibatkan pemadaman listrik masyarakat yang dapat mengakibatkan kerugian baik bagi masyarakat maupun PLN itu sendiri. Langkah awal dalam upaya melakukan evaluasi dan perbaikan terhadap kapasitas suatu trafo distribusi yang terpasang dalam menyalurkan energi kebutuhan listrik agar keandalan jaringan dapat selalu terpenuhi adalah melakukan pengelompokan atau segmentasai terhadap kondisi trafo distribusi baik dilihat dari segi kapasitas trafo, umur trafo maupun beban trafo pada setiap kelompok penyulang melalui metode K-Means Clustering. Hasil Clustering Gangguan Trafo di PT PLN (Persero) UP3 Banten Selatan pada tahun 2021-2023 pada 69 Unit Trafo, dengan algoritma K-Means menghasilkan 8 cluster. Setiap cluster memiliki karakteristik yang berbeda jika dilihat dari Usia Trafo, Kapasitas Trafo dan Pembebanan trafo. Clustering Trafo berdasarkan penyulang ini diharapkan dapat membantu langkah mitigasi dengan mengetahui tingkat kerawanan terjadinya potensi Gangguan trafo, sehingga dapat memudahkan pengambilan strategi dan kebijakan yang dapat meningkatkan kehandalan Trafo pada PT PLN (Persero) UP3 Banten Selatan. Setelah dilakukan clustering dan pemeliharaan terencana maka didapatkan penurunan Gangguan Trafo dari 69 kali gangguan menjadi 39 kali gangguan pada Desember Tahun 2024.
Kata Kunci : Segmentasi, Trafo Dsitribusi, K-Means
===================================================================================================================================
Distribution transformers are the most important components used in electrical distribution networks, making distribution transformers one of the main equipment used by PLN in the distribution of electrical energy. The reliability of a transformer is important considering that its failure can result in power outages, which can cause losses for both the customers and PLN. The initial step in the evaluation and improvement of installed distribution transformers in delivering electrical energy to ensure network reliability is to segment the condition of distribution transformers based on transformer capacity, transformer age, and transformer load in each feeder group using K-Means Clustering. The results of clustering transformer disturbances at PT PLN (Persero) UP3 Banten Selatan from 2021-2023 on 69 transformer units, using the K-Means algorithm, produced 8 clusters. Each cluster has different characteristics based on the Age of the Transformer, Transformer Capacity, and transformer load. Transformer clustering based on feeders is expected to assist in mitigation efforts by identifying the level of vulnerability to potential transformer disturbances, thereby facilitating the formulation of strategies and policies that can enhance the reliability of transformers at PT PLN (Persero) UP3 Banten Selatan. After clustering and planned maintenance were carried out, transformer disruptions were found to decrease from 69 disruptions to 39 disruptions in December 2024.

Keywords : Segmentation, Transformer, K-Means

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Segmentation, Transformer, K-Means, Segmentasi, Trafo Dsitribusi, K-Means
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK1010 Electric power system stability. Electric filters, Passive.
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Ridho Kurnia
Date Deposited:	02 Feb 2025 03:25
Last Modified:	02 Feb 2025 03:25
URI:	http://repository.its.ac.id/id/eprint/117563

Actions (login required)

View Item