Garuda - Garba Rujukan Digital

KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA BELITAN STATOR MOTOR INDUKSI YANG DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN METODE NEURAL NETWORK (NN) Irawan, Barli Jeihan; PK, Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%, dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN). Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan tidak melebihi tingkat keerroran 5% yang telah ditetapkan.

KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA BELITAN STATOR MOTOR INDUKSI YANG DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN METODE NEURAL NETWORK (NN) Irawan, Barli Jeihan; D.P.K., Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%, dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN). Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan tidak melebihi tingkat keerroran 5% yang telah ditetapkan.

PENERAPAN METODE NEURAL NETWORK UNTUK MENGKLASIFIKASI KERUSAKAN BATANG ROTOR MOTOR INDUKSI MELALUI DATA SPEKTRUM ARUS Boimau, Osni; PK, Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 5.84 . Dengan rata-rata efisiensi pengujian dibawah 5%.

PENERAPAN METODE NEURAL NETWORK UNTUK MENGKLASIFIKASI KERUSAKAN BATANG ROTOR MOTOR INDUKSI MELALUI DATA SPEKTRUM ARUS Boimau, Osni; D.P.K., Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 5.84 . Dengan rata-rata efisiensi pengujian dibawah 5%.

Rancang Bangun Panel Photovoltaic Dengan Automatic Sun Tracking System (Asts) Untuk Mengoptimalan Serapan Energi Matahari Dewantara, Belly Yan; Rahmatullah, Daeng
J-Eltrik Vol 1, No 1 (2019): Jurnal Eltrik, Vol. 1, No. 1
Publisher : Universitas Hang Tuah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30649/je.v1i1.11

Nowadays solar panel is widely used as an independent power plant, it can be seen the many applications of solar panels on electrical equipment, such as traffic light, general lighting, etc. The energi produced by solar panel is affected by the absorbed sunlight. generally solar panels are implemented statically, this causes the absorption of solar energi is not maximal in the morning and afternoon. To maximize the absorption of sunlight, solar panels must always be facing perpendicular to the position of the sun. Automatic solar tracking system is needed to solve these problems, It is makes solar panels always perpendicular to the sun and can follow the movement of the sun, so that the absorption of solar energi is more leverage. The results of the test show the use of automatic tracking system to get the maximum absorption of solar energi indicated by a more stable voltage output,and the power generated is greater than using a static solar panel. Automatic Sun Tracking System (ASTS) increase the average power up to Â± 39-41 watt / day with the efficiency of ASTS 81.66% on PV panel 50 WP.

Optimasi DOCR Pada Sistem Distribusi Loop dengan Pembangkit Tersebar Menggunakan Algoritma Modified Particle Swarm Optimastion (MPSO) Rahmatullah, Daeng; Yan Dewantara, Belly
J-Eltrik Vol 1, No 1 (2019): Jurnal Eltrik, Vol. 1, No. 1
Publisher : Universitas Hang Tuah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30649/je.v1i1.10

To design the coordination of protection on radial systems is not difficult, but the loop system is challenging for researchers, plus loop systems connected with distributed generators (DG). For setting up Directional Overcurent Relay (DOCR) in loop system only use lowset, so the operating time of release depends on rated of fault current. The fault current will vary if there is DG in the system. Change ON/ OFF DG will also make the direction of the current fluctuate. So we have to reset the protection relay. To re-setting the protection system researchers need more time. The Modified Particle Swarm Optimation (MPSO) method is recommended to reduce the calculation time of the protection relay and obtain the most optimum protection time in loop system with DG. Full load ampere (IFLA) equipment and Maximum fault current (Isc max) as inputs MPSO and lowset as outputs MPSO. Lowset output of MPSO then put on rele as setting DOCR. The results of this study have been tested in simulation using ETAP software successfully and it is clear that MPSO method is the right method to obtain the release settings with the most optimum time.

PENERAPAN METODE NEURAL NETWORK UNTUK MENGKLASIFIKASI KERUSAKAN BATANG ROTOR MOTOR INDUKSI MELALUI DATA SPEKTRUM ARUS Osni Boimau; Iradiratu Diah PK; Belly Yan Dewantara; Daeng Rahmatullah
MEDIA ELEKTRIKA Vol 13, No 1 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 5.84 . Dengan rata-rata efisiensi pengujian dibawah 5%

SMART METER DAN PENGONTROL PENGGUNAAN ENERGI LISTRIK BERDASARKAN SMART RELAY DENGAN KOMUNIKASI ETHERNET DAN WIRELESS MOCH CAHYO CAHYO PUJIANTO; Istiyo Winarno; Daeng Rahmatullah
MEDIA ELEKTRIKA Vol 14, No 2 (2021): Media Elektrika
Publisher : PSTE UNIMUS

Akhir-akhir ini pemerintah memberikan petunjuk arah bagi masyarakat untuk bijak menggunakan energi listrik yang disupply oleh Perusahan Listrik Negara (PLN). Hal itu karena pertumbuhan pelanggan listrik lebih cepat dibandingkan dengan pembangunan pembangkit listrik tenaga listrik di indonesia . Namun untuk menerapkan penggunaan energi listrik pada Kilowatt jam ( kWh ) rumah dengan angka yang sulit berhubungan dengan orang awam dan keterbatasa tersebut maka kami akan membuat sebuah prototipe “smart meter dan pengontrolan penggunaan energi listrik berdasakan smart relay dengan komunikasi Ethernet dan wireless”. Dengan menggunakan data arus dan tegangan yang di olah menggunakan fungsi matematika untuk mendapatkan satuan daya listrik. Dibandingkan dengan menggunakan mikro controller sekelas arduino ketahanan dan kontinuitas smart relay yang lebih terjamin, Keunggulan prototipe ini mudah diterapkan karena dalam bentuk angka, menampilkan penggunaan energi listrik dan dapat mengendalikan (on / off) peralatan listrik yang dapat diakses dari layar smart relay dan komputer pribadi dengan komunikasi ethernet dan nirkabel. Pada alat smart meter ini tidak mempertimbangkan phi, perhitungan perhitungan perkalian antara data hasil tegangan dan arus listrik beban .

KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA BELITAN STATOR MOTOR INDUKSI YANG DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN METODE NEURAL NETWORK (NN) Barli Jeihan Irawan; Iradiratu Diah PK; Belly Yan Dewantara; Daeng Rahmatullah
MEDIA ELEKTRIKA Vol 13, No 1 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%, dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN). Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan tidak melebihi tingkat keerroran 5% yang telah ditetapkan

PENERAPAN ARTIFICIAL NEURAL NETWORK UNTUK MENGETAHUI KONDISI BEARING MOTOR MELALUI ANALISA POLA ARUS STATOR Sari Putri Wardiningsih; Iradiratu Iradiratu; Belly Yan Dewantara; Daeng Rahmatullah
Prosiding SNST Fakultas Teknik Vol 1, No 1 (2019): PROSIDING SEMINAR NASIONAL SAINS DAN TEKNOLOGI 10 2019
Publisher : Prosiding SNST Fakultas Teknik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (357.085 KB)

Motor induksi adalah peralatan elektronik yang digunakan dalam berbagai aplikasi industri untuk mengubah energi listrik menjadi energi mekanik. Motor induksi merupakan peralatan yang memiliki peranan sangat penting di industry karena begitu banyak operasi di industri yang menggunakan motor induksi sebagai penggerak utamanya. Alasan utamanya karena motor induksi memiliki kehandalan yang tinggi dan biaya yang relatif lebih rendah. Meskipun cukup handal tetapi dapat saja mengalami kerusakan total pada saat beroperasi. Kerusakan total pada motor induksi pada saat mendukung proses produksi dapat menyebabkan rendahnya mutu barang yang dihasilkan sampai berhentinya proses produksi itu sendiri. Untuk menghindari kerusakan total pada motor induksi, pada penelitian ini digunakan metode artificial neural network dengan algoritma backpropagation untuk memprediksi letak kerusakan yang akan terjadi pada motor induksi 3 fasa. Agar dapat digunakan untuk memprediksi kerusakan motor induksi pada stator dengan artificial neural network harus memiliki struktur jaringan yang optimal. Diharapkan pada penelitian ini dititik beratkan pada pencarian struktur artificial neural network yang optimal berdasarkan pola data pelatihan seperti mencari jumlah time delay, hidden layer, node hidden layer, nilai konstanta learning rate dan momentum. Diharapkan dengan pengujian ini dapat memprediksi kondisi kerusakan outer bearing pada motor induksi 3.Kata kunci : artificial neural network, kerusakan outer ,motor induksi.

Title

Found 33 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 33 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 33 Documents
Search