Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : MEDIA ELEKTRIKA

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (837.433 KB) | DOI: 10.26714/me.13.1.2020.1-11

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (837.433 KB) | DOI: 10.26714/me.13.1.2020.1-11

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (775.368 KB) | DOI: 10.26714/me.13.1.2020.12-23

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (775.368 KB) | DOI: 10.26714/me.13.1.2020.12-23

Abstract

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 Osni Boimau; Iradiratu Diah PK; Belly Yan Dewantara; Daeng Rahmatullah
MEDIA ELEKTRIKA Vol 13, No 1 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (385.433 KB) | DOI: 10.26714/me.13.1.2020.12-23

Abstract

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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (410.396 KB) | DOI: 10.26714/me.v14i2.7047

Abstract

          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

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (468.435 KB) | DOI: 10.26714/me.13.1.2020.1-11

Abstract

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