BAB III PERENCANAAN DAN PERANCANGAN SISTEM PENENTUAN TITIK GANGGUAN
Perancangan sistem penentuan lokasi gangguan dimaksudkan untuk mempercepat penentuan titik gangguan yang membuat pelayanan kepada masyarakat terganggu dan juga mengakibatkan besarnya angka recovery time, sehingga diharapkan dengan tools ini pasokan listrik yang disalurkan kepada masyarakat dapat segera dipulihkan. 3.1
Analisis Permasalahan Kecepatan pengidentifikasian dan pengisolasian segmen gangguan dan
pemulian sangat dipengaruhi oleh beberapa faktor, di antaranya kesiapan SDM (sumber Daya Manusia), fasilitas operasi dan peralatan, serta kondisi lingkungan. Hal tersebut dapat dijelaskan dengan diagram RCPS (Root Couse Prolem Solving) sederhana seperti Gambar 3.1 yang merupakan proses identifikasi gangguan
dengan
tujuan
memperkecil
29
http://digilib.mercubuana.ac.id/
waktu
recovery
time.
30
Gambar 3.1 RCPS Recovery Time [10] Gambar diatas merupakan proses identifikasi permasalahan gangguan yang dilakukan dengan metode RCPS, dari pemaparan diatas dapat diambil kesimpulan bahwa penyebab utama lama Recovery Time dibedakan menjadi 2 (dua) bagian yaitu penyebab internal dan penyebab external. 3.1.1
Penyebab Internal Penyebab Internal terdiri beberapa hal, di antaranya adalah :
1. Life Time GFD, solusi untuk mengatasinya adalah dengan penggantian GFD rusak; 2. GFD RC dan HFD (Homopolary Fault Detector) tidak menunjuk, solusi untuk mengatasinya adalah dengan memperbaiki GFD rusak;
http://digilib.mercubuana.ac.id/
31
3. Peralatan RC (Remote Control) tidak berfungsi, solusin untuk mengatasinya adalah dengan memperbaiki fasilitas RC dan menyediakan media komunikasi yang handal; 4. Belum tersedianya fasilitas RC, solusi untuk mengatasinya adalah dengan penambahan fasilitas RC; 5. Banyak
proses
manual,
solusi
untuk
mengatasinya
adalah
dengan
penyederhanaan proses kerja dispatcher; 6. Kunci pintu sidik jari dispatcher rusak, solusi untuk mengatasinya adalah dengan perbaikan pintu sidik jari. 3.1.2
Penyebab Eksternal Penyebab internal diatas masih dapat dikendalikan oleh Area Pengatur
Distribusi, namun ada pula beberapa penyebab eksternal terhadap lamanya pelaksanaan Recovery Time, antara lain sebagai berikut: 1. Waktu yang habis karena macet, Kemacetan yang terjadi dijakarta bisa dikatakan adalah penyebab paling besar dalam pelaksanaan pemulihan gangguan yang terjadi, kamacetan di jakarta khususnya tidak dapat diprediksi oleh waktu, untuk itu kemacetan adalah musuh terbesar yang harus dihindari oleh petugas lapangan. 2. Waktu yang habis di jalan karena ada kesalahan indikasi GFD; Kesalahan identifikasi titik gangguan merupakan ketidak akuratan dalam pelaksanaan pengusutan yang dilakukan oleh petugas dilapangan, hal ini bisa disebabkan oleh beberapa faktor salah salah satunya adalah kurang nya informasi terkait data aset yang tersedia untuk melakukan perhitungan manual titik gangguan pada segmen yang terganggu.
http://digilib.mercubuana.ac.id/
32
3. Waktu yang habis untuk melepas J/O; Melepaskan J/O pada jaringan distribusi diperlukan beberapa tahapan koordinasi agar pada saat pelaksanaan pelepasan jaringan atau manuver tegangan kondisi jaringan aman, pelaksanaan koordinasi yang dilakukan oleh operator dengan petugas dilapangan dapat diestimasi menghabiskan waktu sekitar 10 (Sepuluh) menit. 4. Waktu yang habis untuk melakukan Megger beberapa segmen. Pelaksanaan Magger dalam pengusutan jaringan pada segmen yang terganggu cukup menyita waktu recovery time, bila diasumsikan pelaksanaan megger dari satu segemen ke segmen yang lain memakan waktu 15 (lima belas) menit maka bisa dibayakkan bila panjang jaringan yang terganggu memiliki 10 segmen. Secara langsung tidak dapat dikendalikan oleh Area Pengatur Distribusi. Maka, munculah ide agar suatu titik gangguan dapat diprediksi. Dalam memprediksi titik lokasi gangguan dapat ditempuh berdasarkan perhitungan konvensional besar arus gangguan menggunakan Relay Fault Locator, namun dalam praktiknya ada beberapa kendala seperti: 1. Membutuhkan data panjang jaringan yang valid; 2. Membutuhkan data impedansi; 3. Membutuhkan data diameter kabel yang valid; 4.
Membutuhkan data rasio CT/PT.
http://digilib.mercubuana.ac.id/
33
Keterbatasan data tentu menjadi masalah dalam perhitungan konvensional tersebut. Cara lain yang dapat ditempuh adalah memanfaatkan sistem Jaringan Syaraf Tiruan (JST). Berdasarkan pembahasan RCPS di atas, maka dibuatkan matriks prioritas guna menemukan langkah perbaikan agara dihasilkan solusi yang cepat, efektif, dan efisien. Matriks prioritas berdasarkan solusi yang dihasilkan oleh diagram RCPS, baik secara internal maupun eksternal, di antaranya sebagai berikut: 1. Penggantian GFD rusak dengan kualitas Life Time yang lebih baik; 2. Perbaikan fasilitas RC dan media komunikasi yang andal; 3. Penambahan fasilitas RC; 4. Penyederhanaan proses kerja dispatcher; 5. Perbaikan pintu kunci sidik jari; 6. Aplikasi JST berbasis arus gangguan untuk penentuan lokasi dan segmen terganggu.
Gambar 3.2 Matriks Prioritas [10]
http://digilib.mercubuana.ac.id/
34
Berdasarkan matriks prioritas, penerapan sistem JST merupakan langkah yang paling mudah dan menghasilkan dampak perbaikan yang cukup tinggi terhadap analisis RCPS. Perancangan aplikasi penentuan lokasi gangguan dimaksudkan untuk mempercepat penentuan titik gangguan, sehingga diharapkan pasokan listrik dapat segera dipulihkan. Aplikasi ini dibuat dengan memanfaatkan tool yang ada pada peranti lunak (software) Matlab. Selanjutnya program ini disebut Aplikasi JST. 3.2
Pengumpulan Data Gangguan Langkah awal untuk membuat aplikasi JST (Jaringan Syaraf Tiruan)
adalah dengan melakukan 2 (dua) tahap kegiatan adalah sebagai berikut : 1.
Pengumpulan data arus gangguan dan lokasi atau jarak titik gangguan dari Gardu Induk, dengan pola penyulang yang sering terganggu dan durasi padam gangguan penyulang yang terlama. Data yang digunakan sebagai sampling dan uji coba adalah data gangguan SKTM (Saluran Kabel Tegangan Menengah) yang ada pada Area Pengatur Distribusi pada rentang waktu Januari 2015 sampai dengan November 2016
2.
Pengolahan
data
gangguan
menggunakan
aplikasi
matlab
dengan
memasukkan data gangguan yang telah dipilih, untuk selanjutnya meinputkan I-Fasa tertinggi dan I-O sebagai input serta titik gangguan real ke aplikasi matlab sebagai angka target
http://digilib.mercubuana.ac.id/
35
2% 4%
0%
GF
28%
23%
MGF OC OCM
11%
32%
BC NO INDICATION
UFR
Gambar 3.3 Pareto Gangguan Penyulang Distribusi Jakarta Raya [11]
Jumlah gangguan
pada
siklus periode penelitian terlihat lebih 60%
gangguan yang terjadi di daerah Area Pengatur Distribusi Jakarta Raya merupakan gangguan hubung singkat satu fasa ke tanah. Oleh karena itu maka objek yang digunakan dalam penelitian ini sementara difokuskan pada nilai arus gangguan GF (Ground Floor) & MGF (Moment Ground Floor). Gangguan jenis ini akan lebih mudah dipetakan dan jenis gangguannya berada diseputaran kabel atau jointing.
http://digilib.mercubuana.ac.id/
36 START
DATA GANGGUAN
MENGINPUT DATA I-0 & I-FASA
DATA TARGET
MEMANGGIL WORK PLACE PADA MATLAB
MENGINPUT DATA PADA SYSTEM GUI
VALIDASI SIMULASI
Tidak
Ya
PROSES LEARNING
HASIL LEARNING
PEMBUATAN GUI BARU
INTERFACE LEARNING GUI Tidak
SIMULASI Tidak Ya SELESAI
Gambar 3.4 Flow Chart Perancangan Penentuan Titik Gangguan dengan JST
http://digilib.mercubuana.ac.id/
37
3.3
Tahapan Pembuatan Sistem Penentuan Titik Gangguan dengan JST Tahapan pembuatan aplikasi jarangan syaraf tiruan pada matlab
dimaksudkan sebagai wadah untuk mengolah data inputan dan data target untuk dilakukan pembelajaran atau pelatihan bagi data yang akan diolah dengan harapan dapat mencerminkan data sesesungguhnya dalam penetapan titik gangguan kabel yang selama ini dihitung secara manual. 3.3.1
Persiapan MATLAB 2012a. Aplikasi Jaringan Syaraf Tiruan dibangun dengan menggunakan Aplikasi
Matlab Versi 2012a, Matlab dipilih karena memiliki fitur yang sangat cocok untuk pengolahan data menggunakan pola pembelajaran data yang diinputkan secara periodik atau terus menerus. JST pada matlab mampu mengolah data sesuai dengan apa yang kita harapkan, asalkan data yang dimasukkan sebagai input dan data target nya ditetapkan sesuai dengan pemilihan learning pada saat network pembelajarn dibuat.
Gambar 3.5 Aplikasi Matlab
http://digilib.mercubuana.ac.id/
38
3.3.2
Input data I-Fasa, I-0, dan data Target Inti dari aplikasi JST adalah memasukkan data input dan target, data input
diisikan dengan data arus gangguan satu fase tertinggi dan fase nol ke tanah, sedangkan data target disiikan dengan jarak lokasi titik gangguan dari Gardu Induk. Prosesnya dimulai dengan membuat sebuah folder kosong dan mulai inputkan data I-fase, I-Nol dan angka target yang akan digunakan untuk menyimpan semua skrip data yang digunakan untuk membuat Jaringan Syaraf Tiruan.
Gambar 3.6 Input data I-Fasa dan I-0 Input-kan data I-fase tertinggi dari arus gangguan dan I-Nol pada folder kosong yang sudah dibuat, setelah seluruh data berhasil di-inputkan maka save sebagai data training.
http://digilib.mercubuana.ac.id/
39
Gambar 3.7 Input data target Inputkan data titik gangguan real sebagai angka target pada folder kosong yang sudah dibuat, setelah seluruh data berhasil di-inputkan maka save sebagai data training, untuk melakukan pemeriksaan dan evaluasi data yang sudah diinputkan pada aplikasi agar hasil learning data sesuai dengan yang diharapkan. 3.3.3
Pemanggilan fungsi Neural Network pada MATLAB Panggil fungsi neural network pada matlab, dengan mengetikkan fungsi
“nntool” pada command window
Gambar 3.8 Pemanggilan Command Window
http://digilib.mercubuana.ac.id/
40
Pemanggilan fungsi “nntool” pada matlab berfungsi untuk memanggil neural network data manager sebagai wadah melakukan input data masukan dan data target yang akan dilakukan pembelajaran pada aplikasi matlab dengan metode pembelajaran melalui network jaringan yang dibuat secara otomatis pada jaringan syaraf tiruan. 3.3.4 Import data dalam workspace MATLAB Import data dalam workspace MATLAB, dimana data arus gangguan tertinggi I-Fase dan I-Nol sebagai data input, dan jarak gangguan sebagai data targetnya sebagai dasar pengolahan di-aplikasi matlab. Dengan metode pengolahan data di-aplikasi jarangan syaraf tiruan pada matlab maka data akan diolah secara otomatis oleh system untuk selanjutnya membentuk network yang akan digunakan sebagai data pembelaaran dan nantinya di singkronisasi dengan system GUI
http://digilib.mercubuana.ac.id/
41
Gambar 3.9 Import data pada workspace Matlab
Gambar 3.10 Import data input pada network
http://digilib.mercubuana.ac.id/
42
Setelah melakukan creat data pada aplikasi maka tahap selanjutnya adalah mengimport data input yang sebelumnya sudah dilakukan kedalam network untuk dilakukan pembelajaran pada system jaringan syaraf tiruan.
Gambar 3.11 Import data target pada network
Lakuakan hal yang sama pada aplikasi untuk mengimport data target yang sebelumnya sudah dilakukan kedalam network untuk dilakukan pembelajaran pada system jaringan syaraf tiruan.
http://digilib.mercubuana.ac.id/
43
3.3.5
Pembuatan Network Buat network baru, kemudian pilih metode JST yang diinginkan serta
masukkan data input dan targetnya dalam neural network manager.
Gambar. 3.12 Pembuatan Network baru
http://digilib.mercubuana.ac.id/
44
Pembuatan Network adalah tahapan yang paling penting untuk memberikan pembelajaran pada data yang sudah di inputkan pada system, tahapan ini juga memerlukan inputan besaran neurons dan layer network yang akan digunakan sebagai dasar pengolahan data yang sudah di-inputkan untuk selanjutnya dilakukan traning pada data untuk melihat hasil output yang dihasilkan oleh system. 3.3.6
Pemodelan Pada Network Setelah melakukan input pada settingan network, maka akan muncul
pemodelan artifial neural network yang telah dipilih pemodelan artifial neural network yang telah dipilih.
Gambar 3.13 Pemodelan Network baru
http://digilib.mercubuana.ac.id/
45
3.3.7
Learning Data Proses pembelajaran atau training merupakan tahapan terpenting dalam
melakukan simulasi dengan metode jaringan syaraf tiruan. Dengan proses training ini diharapkan output yang diinginkan nilainya mendekati dengan data target yang dimasukkan agar angka validitas yang dihasilkan oleh aplikasi jaringan syaraf tiruan mendekati angka real yang sudah ditetapkan sebagai target.
Gambar 3.14 Penyimpanan data hasil learning network
http://digilib.mercubuana.ac.id/
46
Pembelajaran atau training ini dapat dilakukan beberapa tahap sesuai dengan kebutuhan, apabila dalam tahapan pembelajaran ditemukan ketidak sesuaian atau angka eror yang dianggap masih terlalu besar, maka penulis melakukan uji petik dengan angka yang dihasilkan oleh ouput untuk dilakukan percobaan ditahap berikutnya sampai dengan mendekati angka target yang sudah ditetapkan. Pada pelaksanaan uji petik di-system memerlukan waktu yang cukup lama, karena untuk mendapatkan validitas angka yang diolah oleh aplikasi jaringan syarat tiruan .
http://digilib.mercubuana.ac.id/
47
3.3.8
Training Data Network Proses training dilakukan beberapa kali sehingga didapatkan network
yang memiliki akurasi tinggi dan error yang kecil. Indikasi nilai output sesuai harapan adalah dengan memperhatikan nilai gradient dan performance.
Gambar 3.15 Hasil Learning Network
http://digilib.mercubuana.ac.id/
48
3.4
Langkah-langkah Membuat GUI Pembuatan
GUI
pada
matlab
berfungsi
sebagai
wadah
untuk
mengoperasikan data learning yang sudah dilakukan dan validasi untuk selanjutnya dilakukakan interface data, adapaun cara pembuatan GUI pada matlab adalah sebagai berikut : 1.
Pertama dilakukan perintah >> guide pada commandwindow MATLAB untuk memunculkan window GUI. Pilih Blank GUI
Gambar 3.16 Menu awal pada GUI Matlab
http://digilib.mercubuana.ac.id/
49
2.
Kemudian akan muncul jendela kosong GUI, bentuk GUI seperti dibawah dengan cara menggunakan perintah edit text, push buttom, static text secukupnya
Gambar 3.17 Tampilan GUI Kosong
Gambar 3.18 Pembuatan fitur aplikasi JST
http://digilib.mercubuana.ac.id/
50
Gambar 3.19 Pembuatan fitur aplikasi JST
Gambar 3.20 Pembuatan fitur aplikasi JST
http://digilib.mercubuana.ac.id/
51
3.
Beri nama pada tag edit text dengan cara klik dua kali pada edit text, beri nama dengan nama yang mudah untuk dimengerti. Ambil contoh pada edit text i-Fase diberi nama i-Fase , kemudian pada i-Nol diberi nama i-Nol, pada push button diberi nama locator, dan pada edit text disamping push button diberi nama tempat
Gambar 3.21 Pembuatan fitur aplikasi JST
4.
Jika sudah selesai, Klik File – Save, kemudian View – Ediot, maka akan muncul jendela editor.m untuk GUI yang akan dikerjakan
http://digilib.mercubuana.ac.id/
52
5.
Klik lambang f () untuk mencari fungsi yang akan diedit, untuk fungsi yang penting adalah pada ifase_callback, inol_callback, locator_callback
Gambar 3.22 Interface network dengan GUI
6.
Klik pada fungsi () dan pilih ifasa_callback, kemudian isikan script berikut : ifasa=str2double(get(hObject,'String')); handles.ifasa=ifasa; guidata(hObject,handles)
Scrip tersebut bertujuan untuk memanggil hasil ketik pada bagian edit text fase, kemudian disimpan pada handle.ifase agar bisa dikerjakan pada fungsi MATLAB selanjutnya
http://digilib.mercubuana.ac.id/
53
7.
Lakukan juga pada edit textinol. Isi script hampir sama hanya berbeda pada tulisan inol
inol=str2double(get(hObject,'String')); handles.inol=inol; guidata(hObject,handles)
8. Kemudian pada jarak_callback diisi skrip berikut untuk memanggil kerja Jaringan Syaraf Tiruan
test=[handles.ifasa; handles.inol]; myfilename='network23_3.mat'; load(myfilename) hasil=sim(network_23,test); handles.hasil=hasil; set(handles.meter,'String',handles.hasil); guidata(hObject,handles)
9. Kemudian Klik Debug – Save and Run, maka seketika program GUI akan muncul dan bisa dijalankan. Kemudian dilakukan uji coba menggunakan inputan, sebagai contoh : I fase
=
1057 A
I Nol
=
935A
http://digilib.mercubuana.ac.id/
54
Gambar 3.23 Inputan Skrip Kodingan pada GUI Matlab aplikasi JST
Gambar 3.24 Hasil interface Network hasil learning dengan GUI Matlab
http://digilib.mercubuana.ac.id/
55
Perumusan Data Hasil Perbandingan
3.5
Setelah perencanaan dan perancangan system jaringan syaraf tiruan dibangun, seluruh data target dan data hasil simulasi sudah dimiliki langkah selanjutnya untuk menentukan validitas angka yang didapatkan maka dibuatlah penetapan mekanisme perhitungan agar angka yang sudah dimiliki dapat diukur tingkat kewajarannya dan dapat diketahui tingkat error pada data yang dihasilkan oleh system . Mekanisme yang digunakan adalah dengan membandingkan angka real dengan angka simulasi dengan ketetapan sebagai berikut : ...............................................................(3.1)
( Dimana R = data real pada titik gangguan S = data hasil simulasi
Dengan menetapkan standar untuk data yang digunakan pada hasil simulasi system jaringan syaraf tiruan maka akan memudahkan dalam melakukan validitas angka hasil simulasi dan mengetahui tingkat kewajaran dan error pada system JST.
http://digilib.mercubuana.ac.id/