cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Mahasiswa TEUB
Published by Universitas Brawijaya
ISSN : -     EISSN : -     DOI : -
Core Subject : Education,
Education
Arjuna Subject : -
Articles 25 Documents
 1   2   3 
Search results for , issue "Vol 6, No 2 (2018)" : 25 Documents clear
RANCANG BANGUN EKSITASI GENERATOR INDUKSI TIGA FASA MENGGUNAKAN STATIC VAR COMPENSATOR UNTUK PENGATURAN KELUARAN TEGANGAN PADA BEBAN BERUBAH-UBAH Fauzi, Zulfa Anang; Hasanah, Rini Nur; Purnomo, Hery
Jurnal Mahasiswa TEUB Vol 6, No 2 (2018)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Penggunaan  motor induksi sebagai generator memiliki beberapa keuntungan yaitu harga yang murah dan memiliki proteksi bahaya beban lebih dan hubung singkat. Namun generator induksi  mempunyai kelemahan yaitu membutuhkan daya reaktif dari luar dan mengalami penurunan tegangan pada penambahan beban. Pada skripsi ini diaplikasikan Static VAr Compensator (SVC) untuk mengatur dan menstabilkan tegangan keluaran generator induksi 3 fasa eksitasi sendiri pada beban berubah-ubah. Pengaturan SVC ini menggunakan model TSC (thyristor switch capacitor) dan TCR (thyristor controlled reactor). TSC digunakan sebagai kompensasi daya reaktif yang terdiri dari kapasitor dan thyristor anti parallel, penggunaanya bisa dihubungkan secara star atau delta.untuk mengaktifkan TSC hanya bisa dengan on off tanpa sudut pemicuan. TCR yang terdiri dari induktor, resistor dan thyristor anti parallel yang dapat di operasikan dengan sudut penyalaan. Induktor mempunyai arus yang tertinggal  dari tegangan, maka sudut pemicuan TCR hanya bisa pada   - . Berdasarkan percobaan dengan beban 30W, 45W, 90W, 105W sistem mampu menjaga tegangan pada level 220V dengan waktu tunggu untuk mencapai steady state secara berurutan 5 detik , 5.5 detik ,11.8 detik, 10.9 detik. Kata kunci: Generator Induksi, TSC, TCR, SVC ABSTRACT The use of an induction motor as a generator has several advantages that are cheap and have the protection of the danger of overload and short circuit. However, induction generator has a weakness that requires reactive power from the outside and decreased the voltage at the addition of load. In this paper applied Static VAr Compensator (SVC) to adjust and stabilize the output voltage of induction generator 3 phase excitation itself on variable load. This SVC arrangement uses TSC model (thyristor switch capacitor) and TCR (thyristor controlled reactor). TSC is used as reactive power compensation consisting of capacitor and anti parallel thyristor, its use can be connected by star or delta. To enable TSC can only with on off without trigger angle. TCR consisting of inductors, resistors and anti-parallel thyristors that can be operated with an ignition angle. The inductor has a lagging current of the voltage, then the TCR trigger angle can only be at - . Based on experiments with loads of 30W, 45W, 90W, 105W the system is able to keep the voltage at 220V with wait time to reach steady state sequentially 5 seconds, 5.5 seconds, 11.8 seconds, 10.9 seconds. Keyword: Induction Generator,TSC, TCR, SVC
KAJIAN EKONOMIS KERUGIAN LISTRIK PLN AKIBAT PENCURIAN DENGAN SAMBUNG LANGSUNG DAN PENGUBAHAN KALIBRASI KWH METER Galih Fajar Wicaksono; Teguh Utomo
Jurnal Mahasiswa TEUB Vol 6, No 2 (2018)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

KWh meter analog atau pascabayar bekerja menggunakan metode induksi medan magnet dimana medan magnet tersebut menggerakan piringan yang terbuat dari alumunium yang dikopel dengan digit counter. Pencurian listrik yang berfokus pada kWh meter ada berbagai macam, dan akan dibahas mengenai pencurian dengan sambung langsung yaitu menjumper terminal fasa dan pengubahan kalibrasi kWh meter. Penelitian ini bertujuan: 1). mengetahui perbandingan kWh yang tercatat jika instalasi dipasang secara normal dengan instalasi yang disambung langsung (dijumper terminal fasanya); 2). mengetahui perbandingan kWh yang tercatat jika instalasi dipasang secara normal dengan kWh meter yang nilai seting putarannya diubah; 3). mengetahui nilai ekonomis yang seharusnya diperoleh Instansi PLN ketika kWh meter dipasang normal dan kWh meter diubah. Sehingga diharapkan akan diperoleh pengetahuan dan pemahaman lebih lanjut mengenai pencurian listrik pada kWh meter dengan sambung langsung maupun pengubahan kalibrasi kWh meter. Pada penelitian ini didapatkan rata-rata selisih nilai eror antara kWh meter yang terpasang normal dengan yang dijumper terminal fasanya sebesar -20.3733, dan antara kWh meter yang terpasang normal dengan yang kalibrasinya diubah sebesar -3.7058. Didapatkan pula selisih total biaya pemakaian listrik selama satu bulan untuk kWh meter normal dengan yang dijumper adalah sebesar Rp. 34,536.-, dan untuk selisih kWh meter normal dengan yang kalibrasinya diubah sebesar Rp. 12,876.-. Kata kunci: KWh Meter, Pencurian, Eror, Biaya Pemakaian.   ABSTRACT Analog or postpaid kWh meters work by using a magnetic field induction method where the magnetic field moves a dish made of aluminum coupled with a digit counter. Electric theft that focuses on kWh meter there are various kinds, and will be discussed about the theft by direct-connected that is connecting phase point and the changing of calibration of kWh meter. The aim of this study: 1). knowing the recorded kWh ratio if the installation is installed normally with a direct-connected installation (jumper terminals); 2). knowing the kWh ratio recorded if the installation is installed normally with kWh meter whose rotation setting value is changed; 3). knowing the economic value that should be obtained by PLN Agencies when kWh meter is installed normally and kWh meter is changed. So it is expected to obtain knowledge and further understanding of the theft of electricity at kWh meters with direct connect and changing calibration kWh meters. In this research, we get the average of error difference between kWh meter that is installed normally with the direct connected of the phase point equal to -20.3733, and between kWh meter that is installed normally with the changing calibration equal to -3.7058. Also obtained difference of total cost of electricity consumption for one month for kWh meter normal with direct connected of the phase point is Rp. 34,536.-, and for the normal kWh meter difference with the changing calibrator is Rp. 12,876.-. Keywords: KWh Meter, Theft, Error, Usage fee.
BOOST CONVERTER DENGAN PENGENDALI PID Amir Fahmi; Rini Nur Hasanah
Jurnal Mahasiswa TEUB Vol 6, No 2 (2018)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Makalah ini menguraikan tentang perancangan sebuah alat penaik tegangan DC atau yang lebih dikenal dengan istilah boost converter, dimanfatkan untuk penyediaan tegangan keluaran DC yang bervariasi besarannya sesuai dengan permintaan pada beban. Daya masukan dari boost converter tersebut adalah berasal dari sumber daya DC yang biasanya memiliki tegangan masukan yang tetap. Rangkaian boost converter terdiri atas dua bagian penting yaitu rangkaian PWM sebagai rangkaian pembangkit arus untuk menghasilkan gelombang kotak (pulse) sebagai pengatur switch on dan switch off dan rangkaian pembangkit atau boost sebagai penaik tegangan. Agar mendapatkan tegangan keluaran yang konstan ketika terjadi perubahan beban maka digunakan pengendali PID. Dalam penelitian ini boost converter diinginkan untuk menghasilkan tegangan keluaran sebesar 12 V dengan tegangan masukan sebesar 5,3 V, dari hasil pengujian dengan beban 200 Ω didapatkan tegangan keluaran rata-rata sebesar 12,33 V, untuk beban 300 Ω sebesar 12,28 V, untuk beban 400 Ω sebesar 12,49 V, dan untuk beban 500 Ω sebesar 12,50 V. Kata kunci : boost converter, PID.   ABSTRACT This paper describes the design of a DC voltage booster or better known as a boost converter, which is used to provide DC voltage outputs that vary in quantity in accordance with the demand on the load.The input power of the boost converter is derived from a DC power source which usually has a fixed input voltage.The boost converter circuit consists of two important parts: the PWM circuit as the current generating circuit that is used to generate the pulse wave as switch regulator on and off switch and the boost circuit as the riser. In order to get a constant output voltage when the load changes, so PID cntroller is used. In this research the boost converter is expeted to produce an output voltage of 12 V with an input voltage of 5.3 V, from the test result with a load of 200 Ω obtained an average output voltage of 12.37 V, for a 300 Ω load of 12.28 V , for a 400 Ω load of 12.49 V, and for a 500 Ω load of 12.50 V. Keywords : boost converter, PID.
STUDI PERBANDINGAN PERAMALAN INTENSITAS RADIASI MATAHARI DI KOTA MALANG MENGGUNAKAN METODE ANFIS DAN REGRESI LINIER BERGANDA Anthony Wijoyo; Hadi Suyono
Jurnal Mahasiswa TEUB Vol 6, No 2 (2018)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Perkembangan penggunaan pembangkit listrik tenaga surya semakin lama semakin pesat. Energi listrik yang dihasilkan sendiri memanfaatkan enregi yang diterima dari sinar matahari. Cuaca yang tidak menentu sendiri ini berubah seiiring waktu tetapi cuaca sendiri dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan metode artificial intelligence yaitu Adaptive Neuro Fuzzy Inference (ANFIS) dan menggunakan metode konvensional berup metode Regresi Berganda sebagai pembanding. Hasil penelitian menunjukan: 1) Arsitektur ANFIS yang optimal untuk peramalan  adalah 5 mf, kurva mf Gaussian Combination, dan pembagian data 90%-10%; 2) Hasil peramalan dengan metode Regresi Berganda di Kota Malang memiliki nilai RMSE 107,4813 MAE 86,7716 sedangkan di Kota Bassel memiliki nilai RMSE  101,9780 dan MAE 71,0880; 3) Hasil peramalan dengan ANFIS di Kota Malang memiliki nilai RMSE 128,665 dan nilai MAE 101,531 sedangkan di Kota Bassel memiliki nilai RMSE 99,2813 nilai MAE 71,9695; 4) Perbandingan peramalan  jangka waktu yang lama data Kota Bassel. Melihat dari nilai error dapat diketahui metode ANFIS lebih akurat dalam melakukan peramalan intensitas radiasi matahari; 5) Perbandingan peramalan short term di Kota Malang dengan metode ANFIS memiliki nilai RMSE 114,0588 MAE 96,3178 dan Regresi Berganda memiliki nilai RMSE 95,6449 MAE 80,7259 sedangkan peramalan di Kota Bassel dengan metode ANFIS memiliki nilai RMSE 81,2167 MAE 63,66577  dan metode Regresi Berganda memiliki nilai RMSE 108,9498 MAE 70,1278; Kata kunci: Peramalan, ANFIS, Regresi Berganda, MAE, RMSE, Solar Radiation ABSTRACT The development of the use of solar power plants increasingly rapidly. The self-generated electric energy utilizes the energies received from the sun. The erratic weather itself changes over time but the weather itself can be predicted by the methods that exist today. Forecasting method using artificial intelligence method that is Adaptive Neuro Fuzzy Inference (ANFIS) and using conventional method to multiply Regression method as comparison. The results showed: 1) The optimal ANFIS architecture for forecasting was 5 mf, Gaussian Combination mf curve, and 90% -10% clustering data; 2) Forecasting result with Multiple Regression method in Malang has RMSE 107,4813 MAE 86,7716 whereas in Bassel City has value RMSE 101,9780 and MAE 71,0880; 3) Forecasting result with ANFIS in Malang has RMSE 128,665 and MAE value 101,531 whereas in  Bassel City has RMSE 99,2813 MAE value 71,9695; 4) Comparison of long-time data forecasting Bassel City. Viewing from the error value can be known ANFIS method is more accurate in forecasting the intensity of solar radiation; 5) Comparison of short term forecasting in Malang with ANFIS method has RMSE 114,0588 MAE 96,3178 and Multiple Regression has RMSE value 95,6449 MAE 80,7259 while forecasting in Bassel City with ANFIS method has RMSE 81,2167 MAE 63,66577 and the method of Multiple Regression has RMSE value 108,9498 MAE 70,1278; Keywords: forecasting, ANFIS, Multiple Regresion, MAE, RMSE, Solar Radiation
ANALISIS PERBANDINGAN PRAKIRAAN INTENSITAS RADIASI MATAHARI MENGGUNAKAN EXTREME LEARNING MACHINE DAN REGRESI BERGANDA Dimas Mudya Permadi; Hadi Suyono
Jurnal Mahasiswa TEUB Vol 6, No 2 (2018)
Publisher : Jurnal Mahasiswa TEUB

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

Abstract

Pembangkit listrik tenaga surya merupakan salah satu pembangkit energi listrik yang memanfaatkan energi matahari. PLTS sangat bergantung pada ketersediaan radiasi matahari. Radiasi matahari tidak tersedia sepanjang hari di setiap tempat. Ketersediaan radiasi matahari yang tidak menentu dapat diprediksi dengan metode-metode yang ada saat ini. Metode peramalan menggunakan Artificial Intelligence yaitu Extreme Learning Machine (ELM) memiliki akurasi peramalan yang cukup baik. Metode peramalan konvensional dengan Regresi Berganda digunakan sebagai pembanding metode ELM. Untuk mendapatkan hasil peramalan yang optimal, dilakukan pemodelan pada arsitektur ELM dan Regresi Berganda. Percobaan variasi komposisi data didapatkan hasil ELM Kota Malang memiliki nilai kesalahan RMSE 54,431 dan MAE 31,919, lebih kecil disbanding Kota Basel yang memiliki nilai RMSE 85,064 dan MAE 56,749. Peramalan Regresi Berganda Kota Malang memiliki nilai kesalahan RMSE 107,575 dan MAE 86,899, lebih kecil disbanding Kota Basel yang memiliki nilai RMSE 101,978 dan MAE 71,088. ELM melakukan peramalan intensitas radiasi matahari lebih baik disbanding Regresi Berganda untuk jangka panjang maupun jangka pendek. Kata kunci: extreme learning machine, intensitas radiasi matahari, prakiraan. ABSTRACT Solar power plant is one of the electric energy resource that utilizes solar energy. Solar power plant is very dependent on the availability of solar radiation. Solar radiation is not available all day in every place. The availability of unpredictable solar radiation can be predicted by the methods that exist today. Forecasting method using Artificial Intelligence with  Extreme Learning Machine (ELM) has good forecasting accuracy. The conventional forecasting method using multiple regression is used as a comparison of the ELM method. To get optimal forecasting result, modeling on ELM and Multiple Regression architecture is done. Variation of data composition experiment was obtained ELM forecasting of  Malang City has error value RMSE 54,431 and MAE 31,919, smaller than Basel City which has value of RMSE 85,064 and MAE 56,749.. Multiple Regression forecasting of Malang City has error value RMSE 107,575 and MAE 86,899, smaller than Basel city which has value RMSE 101,978 and MAE 71,088. ELM method forecast better than Multiple Regression for long and short-term intensity of solar radiation. Keywords: extreme learning machine, solar radiation, forecasting.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2018 2018


Reset
Filter By Issues
All Issue Vol. 14 No. 2 (2026) Vol. 14 No. 1 (2026) Vol. 13 No. 7 (2025) Vol. 13 No. 6 (2025) Vol. 13 No. 5 (2025) Vol. 13 No. 4 (2025) Vol. 13 No. 3 (2025) Vol. 13 No. 2 (2025) Vol. 13 No. 1 (2025) Vol. 12 No. 6 (2024) Vol. 12 No. 5 (2024) Vol. 12 No. 4 (2024) Vol. 12 No. 3 (2024) Vol. 12 No. 2 (2024) Vol. 12 No. 1 (2024) Vol. 11 No. 6 (2023) Vol. 11 No. 5 (2023) Vol. 11 No. 4 (2023) Vol. 11 No. 3 (2023) Vol. 11 No. 2 (2023) Vol. 11 No. 1 (2023) Vol. 10 No. 6 (2022) Vol. 10 No. 5 (2022) Vol. 10 No. 4 (2022) Vol. 10 No. 3 (2022): Vol. 10 No. 3 (2022) Vol 10, No 2 (2022) Vol. 10 No. 2 (2022) Vol 10, No 1 (2022) Vol 9, No 8 (2021) Vol 9, No 7 (2021) Vol 9, No 6 (2021) Vol 9, No 5 (2021) Vol 9, No 4 (2021) Vol 9, No 3 (2021) Vol 9, No 2 (2021) Vol 9, No 1 (2021) Vol 8, No 5 (2020) Vol 8, No 4 (2020) Vol 8, No 3 (2020) Vol 8, No 2 (2020) Vol 8, No 1 (2020) Vol 7, No 7 (2019) Vol 7, No 6 (2019) Vol 7, No 5 (2019) Vol 7, No 4 (2019) Vol 7, No 3 (2019) Vol 7, No 2 (2019) Vol 7, No 1 (2019) Vol 6, No 7 (2018) Vol 6, No 6 (2018) Vol 6, No 5 (2018) Vol 6, No 4 (2018) Vol 6, No 3 (2018) Vol 6, No 2 (2018) Vol 6, No 1 (2018) Vol 5, No 6 (2017) Vol 5, No 5 (2017) Vol 5, No 4 (2017) Vol 5, No 3 (2017) Vol 5, No 2 (2017) Vol 5, No 1 (2017) Vol 4, No 8 (2016) Vol 4, No 7 (2016) Vol 4, No 6 (2016) Vol 4, No 5 (2016) Vol 4, No 4 (2016) Vol 4, No 3 (2016) Vol 4, No 2 (2016) Vol 4, No 1 (2016) Vol 3, No 7 (2015) Vol 3, No 6 (2015) Vol 3, No 5 (2015) Vol 3, No 5 (2015) Vol 3, No 4 (2015) Vol 3, No 3 (2015) Vol 3, No 2 (2015) Vol 3, No 1 (2015) Vol 2, No 7 (2014) Vol 2, No 6 (2014) Vol 2, No 5 (2014) Vol 2, No 4 (2014) Vol 2, No 3 (2014) Vol 2, No 3 (2014) Vol 2, No 2 (2014) Vol 2, No 2 (2014) Vol 2, No 1 (2014) Vol 1, No 5 (2013) Vol 1, No 4 (2013) Vol 1, No 3 (2013) Vol 1, No 2 (2013) Vol 1, No 1 (2013) Vol 1, No 1 (2013) More Issue