Claim Missing Document
Check
Articles

Found 27 Documents
Search

Pengaruh Viskositas Dan Kadar Air Terhadap Breakdown Isolasi Minyak Transformator Shell Diala B Nirmalasari, Nirmalasari; Ariwinoto, Diki; Kamali Amali, Lanto M; Tolago, Ade Irawaty
Jurnal Electrichsan Vol. 11 No. 2 (2022): November 2022
Publisher : Program Studi Teknik Elektro Universitas Ichsan Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37195/electrichsan.v11i2.286

Abstract

Faktor yang mempengaruhi menurunnya mutu dalam ketersediaan pelayanan energi listrik adalah ganguan terhadap minyak transformator, hal ini bisa disebabkan berbagai faktor diantaranya berupa adanya kontaminasi partikel-partikel serta uap air pada transformator. Penelitian ini bertujuan untuk mendeskripsikan pengaruh viskositas dan kadar air terhadap breakdown voltage minyak transformator Shell Diala B. Metode pengujian breakdown voltage berdasarkan standar IEC 156, elektroda setengah bola dengan jarak antara elektroda 2.5 mm. Hasil pengujian viskositas dan kadar air terhadap breakdown voltage minyak transformator Shell Diala B menunjukan viskositas pada minyak transformator dapat mempengaruhi breakdown voltage minyak transformator, semakin kecil nilai viskositas yang terkandung dalam minyak transformator, maka breakdown voltage minyak transformator akan semakin besar. Demikian pula kadar air yang ada didalam minyak transformator, semakin banyak kadar air yang terkandung didalam minyak transformator maka breakdown voltage yang terjadi pada minyak transformator akan semakin cepat (buruk). The factors that affect the quality in the availability of electrical energy services are disturbances to transformer oil, this can be caused by various factors such as contamination of particles and moisture in the transformer. This study aims to describe the effect of viscosity and water content on the breakdown voltage of Shell Diala B transformer oil. The breakdown voltage test method is based on the IEC 156 standard, hemispherical electrodes with a distance of 2.5 mm between the electrodes. The results of testing the viscosity and water content of the breakdown voltage of Shell Diala B transformer oil show that the viscosity of transformer oil can affect the breakdown voltage of transformer oil, the smaller the viscosity value contained in transformer oil, the greater the breakdown voltage of transformer oil. Likewise, the water content in transformer oil, the more water content contained in transformer oil, the breakdown voltage that occurs in transformer oil will be faster (bad).
Analisis Perbandingan Minyak Kemiri dan Minyak Zaitun sebagai Pengganti Minyak Transformator Djafar, Ariyani; Wijaya, Bagus; A. Bolilio, Moh. Rafli; Tolango, Ade Irawaty; Kamil Amali, Lanto Mohamad
Jurnal Multidisiplin Indonesia Vol. 2 No. 4 (2023): Jurnal Multidisiplin Indonesia
Publisher : Riviera Publishing

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58344/jmi.v2i4.231

Abstract

Isolasi cair pada peralatan tegangan tinggi digunakan sebagai media pendingin peralatan listrik. Apabila tegangan yang diterapkan melebihi kekuatan dielektrik isolasi cair maka akan terjadi tegangan tembus yang menandakan kegagalan isolasi. Pengujian tegangan tembus terhadap minyak kemiri dan minyak zaitun dimaksudkan untuk mengetahui peluang minyak kemiri dan minyak zaitun sebagai alternatif pengganti minyak transformator. Pengujian ini berlandaskan standard IEC 156:1995 yaitu menggunakan elektrode setengah bola-setengah bola berukuran 50 mm dengan jarak sela 2,5 mm. Pengujian ini juga dilakukan dengan menggunakan 3 kali percobaan untuk mendapatkan nilai tegangan tembus .Hasil akhirnya nilai tegangan tembus minyak kemiri dan minyak zaitun pada kondisi standar sesuai IEC 156 sebesar 4,08 kV/2,5 mm dan 13,33 kv/2.5 mm Nilai ini belum memenuhi standar SPLN 49-1:1982 yaitu sebesar > 30 kV/2,5 mm. Tetapi masih memiliki peluang jika ditambahkan zat aditif fenol yang dapat menaikkan tegangan tembus minyak isolasi
Analysis of the coal and white leadtree wood co-firing needs as a primary fuel source in the anggrek gorontalo coal-steam electricity power plant (PLTU) Wijaya, Bagus; Mohamad, Yasin; Matoka, Arifin; Irawaty Tolago, Ade
Emitor: Jurnal Teknik Elektro Vol 25, No 1: March 2025
Publisher : Universitas Muhammadiyah Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23917/emitor.v25i1.8758

Abstract

The Anggrek coal-steam power plant (PLTU) in gorontalo is anpower generation facility that utilizes coal as its primary energy source. In recent years, the energy industry has undergone significant changes, driven by the need to reduce greenhouse gas emissions and increase the utilization of renewable energy souces. Dried white leadtree wood, exposed to sunlight for 18 hours, has a moisture content of 40% and a high calorific value of 4,197 kcal/kg, making it suitable for blending with coal. This power plant applies co-firing, which involves blending 1-5% white leadtree woodwith 1,000 tons of coal daily. This study aims to analyze the electricity generated. Additionally, this study evaluates the needs and procurement of both coal and white leadtree, alongside the sales of electricity in kWh. The methodology involvescollecting monthly data on fuel consumption and cost estimates per kWh generated. The results indicatevthat coal accounts for 95% of the total fuel consumption, while white leadtree contributes only 5%. The estimated cost of purchasing coal for co-firing with white leadstree is IDR 520 per kg, whereas the selling price of electricity is IDR 2.500 per kWh.
Pelatihan Turnitin Sebagai Upaya Peningkatan Kualitas Karya Tulis Mahasiswa Rahmad Hidayat Dongka; Ulfatun Nadifa; Haeriani Haeriani; Ade Irawaty Tolago; Yasin Mohammad
Madaniya Vol. 6 No. 2 (2025)
Publisher : Pusat Studi Bahasa dan Publikasi Ilmiah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53696/27214834.1239

Abstract

Pelatihan penggunaan Turnitin merupakan langkah strategis untuk meningkatkan kualitas karya ilmiah mahasiswa. Peserta dalam pelatihan ini adalah mahasiswa tingkat akhir pada Program Studi Teknik Elektro dan Komputer. Pelatihan ini memberikan pemahaman kepada mahasiswa mengenai penggunaan Turnitin sebagai alat deteksi plagiarisme dalam karya ilmiah. Tingginya partisipasi dan antusiasme peserta mencerminkan respons yang positif terhadap kegiatan ini.
Location and Single-Phase Fault Data Monitoring System Using ESP8266 via Blynk and Telegram Duhi, Sahrul; Tansa, Salmawaty; Dako, Rahmat Deddy R.; Wahab Musa, Wahab Musa; Abdussamad, Syahrir; Tolago, Ade Irawaty
Jambura Journal of Electrical and Electronics Engineering Vol 7, No 2 (2025): Juli - Desember 2025
Publisher : Electrical Engineering Department Faculty of Engineering State University of Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjeee.v7i2.33474

Abstract

The increasing consumption of electrical energy highlights the need for an efficient power monitoring system. This research develops an Internet of Things (IoT)-based single-phase fault monitoring system capable of detecting power outages and overcurrents, and providing real-time location notifications. The system is designed using a PZEM-004T power sensor for data acquisition, an ESP8266 microcontroller as a processing unit, a Blynk platform for visualization, and a Telegram-integrated NEO6M GPS module for automatic notification. Test results show that the system successfully detects and accurately informs power outages (current 0 A) and overcurrents (exceeding 1 A), sending notifications complete with a Google Maps link to the fault location. This system provides an effective and responsive solution for power outage management, contributing to improved operational and maintenance efficiency link via Telegram. The device testing was successfully conducted using the NEO 6M GPS module to determine the fault location.Peningkatan konsumsi energi listrik menyoroti kebutuhan akan sistem monitoring daya yang efisien. Penelitian ini mengembangkan sebuah sistem pemantauan gangguan satu fasa berbasis Internet of Things (IoT) yang mampu mendeteksi kondisi listrik padam dan arus lebih, serta memberikan notifikasi lokasi real-time. Sistem dirancang menggunakan sensor daya PZEM-004T untuk akuisisi data, mikrokontroler ESP8266 sebagai unit pemroses, platform Blynk untuk visualisasi, dan modul GPS NEO6M terintegrasi Telegram untuk notifikasi otomatis. Hasil pengujian menunjukkan bahwa sistem berhasil mendeteksi dan secara akurat menginformasikan kondisi listrik padam (arus 0 A) dan arus lebih (melebihi 1 A), mengirimkan notifikasi lengkap dengan link Google Maps lokasi gangguan. Sistem ini menyediakan solusi yang efektif dan responsif untuk manajemen gangguan listrik, berkontribusi pada peningkatan efisiensi operasional dan pemeliharaan
Effectiveness of Gradient Boosting Stacking Model in Predicting Electricity Costs: Residential Building Data Nadifa, Ulfatun; H, Haeriani; Abdussamad, Syahrir; Tolago, Ade Irawaty; Dako, Rahmat Deddy Rianto; Bonok, Zainudin; Asmara, Bambang Panji
Jambura Journal of Electrical and Electronics Engineering Vol 7, No 2 (2025): Juli - Desember 2025
Publisher : Electrical Engineering Department Faculty of Engineering State University of Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjeee.v7i2.33158

Abstract

Accurate electricity cost prediction is essential to support energy efficiency and resource management, particularly in residential and commercial buildings. This study aims to evaluate the effectiveness of the Gradient Boosting model in predicting monthly electricity costs. The model is built using the Stacking Ensemble method, a technique that combines multiple Gradient Boosting algorithms in a layered manner to improve prediction accuracy. To enhance the model’s performance, automatic selection of the best parameter values (Hyperparameter Optimization) is conducted using Optuna. The initial phase involves developing a tree-based preprocessing pipeline to address data variability and complexity. The model is evaluated using the K-Fold Cross Validation method, which divides the data into several subsets for more representative testing. The performance is assessed using the Root Mean Squared Logarithmic Error (RMSLE) metric to measure prediction accuracy. The evaluation results show that the model achieves an RMSLE score of 0.22, with an average prediction time of 0.00029 seconds. These findings suggest that although Gradient Boosting models are typically used on high-dimensional datasets, this approach remains effective for low-dimensional data. The combination of ensemble techniques and hyperparameter optimization yields accurate and efficient predictions. Therefore, this approach can be applied in real-world scenarios, such as urban energy management.Prediksi biaya listrik yang akurat penting untuk mendukung efisiensi energi dan pengelolaan sumber daya, terutama pada bangunan residensial maupun komersial. Penelitian ini bertujuan untuk menguji efektivitas model Gradient Boosting dalam memprediksi biaya listrik bulanan. Model dibangun dengan menggunakan metode Stacking Ensemble, yaitu teknik penggabungan beberapa algoritma Gradient Boosting secara bertingkat untuk meningkatkan akurasi prediksi. untuk meningkatkan kinerja model, digunakan pemilihan nilai parameter terbaik secara otomatis (Optimasi Hyperparameter) dengan bantuan Optuna. Tahapan awal dimulai dengan membangun pipeline preprocessing berbasis Tree Model untuk menangani variasi dan kompleksitas data. Model dievaluasi dengan menggunakan metode K-Fold Cross Validation, yaitu pembagian data menjadi beberapa bagian untuk pengujian yang lebih representatif, dan hasilnya diukur menggunakan metrik Root Mean Squared Logarithmic Error (RMSLE) untuk menilai ketepatan prediksi. Hasil evaluasi menunjukkan bahwa model mampu mencapai nilai RMSLE sebesar 0.22. Selain itu, waktu prediksi rata-rata adalah 0.00029 detik. Temuan ini menunjukkan bahwa meskipun model Gradient Boosting umumnya digunakan pada dataset berdimensi besar, pendekatan ini tetap efektif pada data berdimensi kecil. Kombinasi teknik ensemble dan Optimasi Hyperparameter mampu menghasilkan prediksi yang akurat dan efisien. Oleh karena itu, pendekatan ini dapat diterapkan dalam skenario nyata, seperti manajemen energi di kawasan perkotaan. 
Efektivitas Optimasi Hyperparameter Dalam Prediksi Pembakaran Kalori : Data Aktivitas Fisik Nadifa, Ulfatun; Dako, Rahmat Deddy Rianto; Tolago, Ade Irawaty; Dongka, Rahmad Hidayat
Jurnal Teknik Elektro dan Komputasi (ELKOM) Vol 7, No 2 (2025): ELKOM
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/elkom.v7i2.22636191

Abstract

- Prediksi pembakaran kalori berdasarkan data aktivitas fisik merupakan topik penting di bidang kesehatan dan olahraga. Fokus utama adalah kemampuan untuk mempersonalisasi program kebugaran dan memantau kondisi metabolisme secara lebih akurat. Namun, tantangan utama dalam pengembangan model prediksi terletak pada akurasi dan konsistensinya, mengingat keragaman jenis dan kompleksitas data. Penelitian ini mengembangkan pendekatan membangun model prediksi yang efektif dengan Optimasi Hyperparameter otomatis menggunakan Optuna. Langkah pertama adalah membuat Pipeline Preprocessing berbasis Tree Model untuk menangani data secara lebih baik. Selanjutnya, digunakan metode Stacking Ensemble dengan tiga model dasar berbasis Gradient Boosting: CatBoost, LightGBM, dan XGBoost. Model divalidasi dengan teknik K-Fold Cross Validation dan metrik Root Mean Squared Logarithmic Error (RMSLE). Hasilnya menunjukkan nilai RMSLE sebesar 0.00599 dan waktu prediksi 0.0091 detik. Selain itu, untuk menguji konsistensi model, diterapkan dua teknik Encoding fitur kategorikal, yaitu LabelEncoder dengan Standard Scaler dan OrdinalEncoder tanpa Standard Scaler. Perbedaan skala nilai yang dihasilkan dari Teknik ini menjadi alasan utama untuk melihat pengarunhya terhadap waktu dan konsistensi prediksi. Ditemukan model tetap menunjukkan konsistensi yang baik dilihat dari RMSLE dan waktu prediksi tidak jauh berbeda, ini mengindikasikan bahwa kombinasi Pipeline yang tepat, Model Ensemble, dan Optimasi Hyperparameter dapat menghasilkan sistem prediksi yang akurat dan stabil.