Perpustakaan Digital ITB

Health Index Transformer saat ini menjadi cara yang paling umum untuk memprediksi kondisi kesehatan transformator untuk menghindari kegagalan pada transformator daya, dibutuhkan antisipasi dengan pemantauan dan pemeliharaan kondisi transformator. Penelitian ini menyajikan informasi mengenai diagnosis kondisi transformator berdasarkan metode Indeks Kesehatan Transformator dengan menggunakan Random Forest. Metode Indeks Kesehatan Transformator memberikan penilaian kondisi transformator secara komprehensif. Makalah ini membahas mengenai prediksi kondisi kesehatan transformator dengan menggunakan Missing Data Replacement Method dengan lima cara diantara nya adalah Parameter Removed, Average value, Assume Good, SLR, dan Random Forest Prediction, dengan tujuh kombinasi yang diusulkan berdasarkan tiga parameter yaitu 2FAL, IFT dan Water Content sambil mempertimbangkan tingkat akurasi nya. Hasil analisis 504 Transformator menyatakan jika perhitungan Health Index dengan menggunakan metode Random Forest memiliki tingkat akurasi paling tinggi diantara metode lain nya dengan nilai 92%. Sebagaimana yang kita ketahui bahwa Metode Random Forest adalah teknik klasifikasi ensemble yang sering menghasilkan kinerja yang lebih unggul dari pengklasifikasi individu, yang cocok dengan beberapa pengklasifikasi Decission Tree pada berbagai subsampel dataset dan menggunakan rata-rata untuk meningkatkan akurasi prediksi. Dari setiap kombinasi yang di terapkan menjelaskan ketersediaan beberapa parameter bisa saja menjadi pengaruh terhapat penilaian Health Index Transformator, namun masih bisa dilakukan dengan metode yang diusulkan.