Perpustakaan Digital ITB

Transformator daya adalah aset yang penting dan mahal dalam sistem jaringan transmisi dan distribusi listrik. Sangat diperlukan untuk memperkirakan kondisinya secara tepat agar dapat menghindari terjadinya pemadaman yang tidak diinginkan. Indeks kesehatan (HI) adalah alat untuk membantu keputusan tersebut, yang memungkinkan cara cepat dan efisien untuk menilai, mengevaluasi dan membandingkan kondisi keseluruhan populasi transformator. Indeks kesehatan berbasis kecerdasan buatan diusulkan untuk memprediksi kondisi transformator. Hal ini dilakukan untuk menyederhanakan, mempercepat, dan mengurangi ketidakpastian. Pendekatan indeks kesehatan digunakan untuk menilai sistem isolasi transformator daya dari kualitas minyak, analisis gas terlarut (DGA), dan kondisi kertas. Dalam penelitian ini, sebanyak 504 data penilaian transformator (dengan tegangan 150kV) digunakan untuk mengklasifikasikan HI. Tujuh metode kecerdasan buatan digunakan untuk mengevaluasi yaitu: k-Nearest Neighbor (kNN), Support Vector Machine (SVM), Random Forest (RF), Naïve Bayes (NB), Artificial Neural Network (ANN), Adaptive Boosting (AdaBoost), dan Decision Tree. Perbandingan beberapa metode kecerdasan buatan dilakukan dan dievaluasi dengan menggunakan akurasi klasifikasi terhadap nilai acuan dari metode penilaianpembobotan kategori HI. Metode Random forest dipilih sebagai metode kecerdasan buatan yang berperforma terbaik untuk memprediksi kategori HI, dengan akurasi 97,3%. Di akhir diskusi, random forest dengan proses mula (RFwP) telah digunakan untuk penanganan nilai ketidakpastian data secara efektif dan mewakili hasil akurasi klasifikasi yang memuaskan.