ABSTRAK
DIAGNOSIS TRANSFORMATOR DAYA BERDASARKAN
ANALISIS KARAKTERISTIK MINYAK ISOLASI, GAS TERLARUT, FURAN, USIA OPERASI, DAN FAKTOR PEMBEBANAN
(STUDI KASUS PADA PT RAPP)
Oleh
Esosia Benjamin Sibuea NIM: 23220070
(Program Studi Magister Teknik Elektro)
Pada sistem jaringan transmisi dan distribusi listrik, transformator daya merupakan
salah satu peralatan listrik yang vital dan mahal. Kegagalan transformator akan
menyebabkan gangguan pada suplai listrik yang berdampak pada ketersediaan energi listrik
dan biaya operasi. Dalam dunia industri, ketersediaan suplai listrik adalah hal yang sangat penting
untuk dapat mencapai target produksi. Oleh karena itu, utilitas atau industri harus menjaga dan
meningkatkan keandalan transformator dengan mengembangkan suatu sistem diagnosis untuk
memperkirakan kondisi transformator dengan tepat. Penilaian kondisi transformator dengan
pendekatan indeks kesehatan (HI) adalah salah satu alat yang dapat membantu tercapainya hal
tersebut, yang memungkinkan manajemen aset lebih efisien melalui metode yang cepat, praktis dalam
menilai dan mengevaluasi kondisi keseluruhan transformator.
Diagnosis kondisi transformator melalui pendekatan HI dengan metode skoring dan pembobotan
diusulkan dan diimplementasikan pada aset transformator daya di salah satu industri di
Indonesia. Selanjutnya, hasil perhitungan melalui pendekatan HI tersebut dibandingkan dengan
kondisi kesehatan aktual transformator dilapangan untuk mendapatkan persentase akurasi
dan tingkat kesalahan indeks kesehatan transformator. Pendekatan HI dengan metode skoring dan
pembobotan yang diusulkan kemudian dikembangkan dengan metode berbasis machine learning (ML) multi
algoritma. Algoritma classifier yang digunakan adalah Logistic Regression, Naïve Bayes,
Artificial Neural Networks (ANNs), Stochastic Gradient Descent (SGD), Gradient Boosting, Tree,
Random Forest, CN2 Rule Induction, Adaboost, Support Vector Machine (SVM) dan k-Nearest
Neighbor (kNN). Pada penelitian ini digunakan 167 sampel transformator yang terdiri dari
16 unit transformator transmisi 150 kV dan 151 unit transformator distribusi 20 kV dan 33 kV.
Data ini kemudian digunakan sebagai data training pada pendekatan HI berbasis ML untuk
membangun dan melatih model prediksi dan klasifikasi. Untuk menguji model digunakan 50 sampel
transformator (tegangan 150 kV) sebagai data
testing yang diperoleh dari utilitas yang berbeda.
ii
Selanjutnya, degradasi kertas isolasi akan mempengaruhi karakteristik minyak, gas
terlarut dan furan. Data terkait parameter ini telah ditemukan dalam beberapa penelitian,
akan tetapi studi tentang korelasi antar parameter masih terbatas, terutama pada
transformator distribusi. Oleh sebab itu, dalam penelitian ini, database karakteristik
minyak isolasi, gas terlarut, furan, usia operasi, dan faktor pembebanan dianalisis korelasinya
terhadap degradasi kertas isolasi transformator distribusi secara statistik menggunakan metode
regresi linier.
Kata kunci: transformator daya, diagnosis, indeks kesehatan, machine learning,
degradasi kertas isolasi