Article Per Year (5 Year)
p-Index From 2021 - 2026
2.873
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Qua Teknika Journal of Computer Science, Information Technology and Telecommunication Engineering (JCoSITTE) Jurnal Nasional Holistic Science Fidelity : Jurnal Teknik Elektro Jurnal Nasional Teknologi Komputer Jurnal Media Computer Science Power Elektronik : Jurnal Orang Elektro
Dalimunthe, Muhammad Erpandi
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Languange, Linguistic, Communication & Media Mathematics Social Sciences Other

Published : 21 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 21 Documents
Search

 1   2   3 
ANALISIS NILAI DEVIASI ALAT PENGUKUR DAN PEMBATAS PADA SISTEM PENGUKURAN TIDAK LANGSUNG PT PLN (PERSERO) UP3 BELITUNG Saharani, Syafira; Dalimunthe, Muhammad Erpandi
Jurnal Nasional Teknologi Komputer Vol 5 No 4 (2025): Oktober 2025
Publisher : CV. Hawari

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Alat Pengukur dan Pembatas (APP) memiliki peran penting dalam menjamin akurasi transaksi energi listrik antara pelanggan dan PT PLN (Persero). APP yang mengalami deviasi dapat menyebabkan kerugian finansial, baik bagi perusahaan maupun pelanggan, sekaligus meningkatkan angka susut energi (losses). Penelitian ini bertujuan untuk menganalisis nilai deviasi APP pada sistem pengukuran tidak langsung di wilayah kerja PT PLN (Persero) UP3 Belitung serta mengintegrasikan pendekatan Machine Learning untuk mendukung deteksi dini deviasi. Metode penelitian mencakup analisis on-desk dengan aplikasi Amicon, monitoring data pemakaian bulanan (DPM), serta pengujian lapangan menggunakan alat tera WS2330. Hasil pengukuran manual menunjukkan adanya deviasi signifikan pada pelanggan tegangan menengah, khususnya PT Tommy Utama dan PT Timah TBK, yang disebabkan oleh kerusakan trafo arus (CT), kesalahan instalasi/wiring, serta kondisi lingkungan seperti kubikel yang lembab. Perbaikan teknis berupa penggantian CT dan perbaikan instalasi mampu menurunkan deviasi hingga sesuai standar SPLN. Sebagai penguatan analisis, digunakan algoritma Machine Learning berupa Decision Tree untuk klasifikasi APP (normal vs bermasalah) dan Random Forest Regressor untuk prediksi deviasi kWh. Hasil pengujian menunjukkan bahwa Decision Tree memiliki akurasi 92%, sementara Random Forest menghasilkan nilai RMSE sebesar 0,15, yang menunjukkan kemampuan prediksi cukup baik. Kebaruan (novelty) penelitian ini terletak pada integrasi pengukuran manual dengan analisis berbasis ML untuk mendukung monitoring APP secara lebih efektif. Penelitian ini berkontribusi pada peningkatan sistem monitoring PLN dan memberikan rekomendasi praktis dalam upaya menekan kerugian akibat deviasi APP.
Co-Authors AA Sudharmawan, AA Ahmad Fauzan Alfian Bishri, M. Alif Damanik, M. Satria Miranda DAMANIK, RISJUNARDI Dwi Putra, Gagas Fitri, Ameliya Tiara Ginting, Widya Septiani Haris Gunawan Lesmana, Dicky Mendrofa, Dicky Efelin Teoly Mendrofa, Silviharyani Nugraha, Sayid Fadil Parlin Siagian Putra, Hadi Wiranata Putra, Kurniawan Rahmaniar ., Rahmaniar Rahmaniar Rahmaniar, Rahmaniar Rozzi, Fathlul Saharani, Syafira Sari, Yuditia Ayu Permata Sihombing, Alex Wilesa Silaban, Reyfani Silitonga, Remina Simatupang, Gidion Sitepu, Fredrik Siti Anisah Yannita, Tarisa Febri Zulkarnain Zuraidah Tharo