Metode Klasifikasi Kualitas Daya Listrik dengan Finite State Machine Berbasis Cloud

Fithroh, Ahmad (2021) Metode Klasifikasi Kualitas Daya Listrik dengan Finite State Machine Berbasis Cloud. S2 thesis, Politeknik Negeri Jakarta.

[thumbnail of Bagian 1, Bab 1, Bab 5] Text (Bagian 1, Bab 1, Bab 5)
1. Judul Pendahuluan Simpulan - Ahmad Fithroh (1909511006).pdf
Restricted to Hanya Civitas Akademika PNJ

Download (1MB)
[thumbnail of Bab2-Bab4] Text (Bab2-Bab4)
2. Isi (Bab 2 _ Bab 4) - Ahmad Fithroh (1909511006).pdf
Restricted to Hanya Civitas Akademika PNJ

Download (3MB)

Abstrak

Power Quality (PQ) yang menurun menyebabkan kerusakan pada peralatan elektronik sehingga PQ perlu di monitor dan diklasifikasikan dengan cara yang cepat dan tepat agar dapat menjadi bahan analisis bila terjadi kerusakan. Pada penelitian ini digunakan algoritma Finite State Machine (FSM) untuk melakukan klasifikasi kualitas daya listrik dengan parameter input sag, small sag, dan swell pada parameter tegangan dengan nilai 0.94 pu dan 1.06 pu yang mengacu kepada standar IEEE 519-2014. Parameter input berikutnya adalah THDV, TDD, dan Power Factor (PF), sedangkan kondisi healthy, fair, dan unhealthy sebagai output klasifikasi PQ. Hasil klasifikasi kualitas daya listrik pada penelitian ini berupa statement healthy sebagai kondisi dari kualitas daya listrik yang semua nilai input atau parameter yang digunakan berada di dalam range standar IEEE. Kemudian unhealthy yaitu kondisi kualitas daya listrik jika salah satu dari parameter input berada di bawah atau di luar range nilai standar IEEE, sedangkan fair hanya di dapat ketika nilai input V berada pada state small sag sedangkan input yang lain berada di dalam range standar. Pada penelitian ini parameter input tegangan dan TDD menjadi perhatian khusus sekaligus pembeda dengan penelitian-penelitan sebelumnya, yaitu penambahan parameter small sag yang di buat di antara normal dan sag. Sedangkan untuk TDD dikalkulasi berdasarkan hasil dari perbandingan nilai real arus short-circuit pada breaker dan arus maksimal dari hasil pengukuran. Paramater-parameter input yang didapatkan di lapangan dikirimkan menggunakan metode Internet of Things (IoT) dan pemrosesan klasifikasinya dilakukan pada Cloud Virtual Private Server (VPS) sehingga pemrosesan tersebut dapat terpusat. Selanjutnya hasil realtime pengukuran tegangan, THDV, TDD dan PF beserta hasil laporan klasifikasi PQ berdasarkan algoritma FSM ditampilkan pada web application. Dengan demikian, bila ada kerusakan pada peralatan elektronik di lapangan, pihak services mempunyai pertimbangan sebagai analisis dari penyebab kerusakan tersebut.

Tipe Dokumen: Thesis / Skripsi / Tugas Akhir (S2)
Subjek: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
500 – Ilmu Pengetahuan > 530 Fisika > 537 Listrik dan elektronik
600 – Teknologi (Ilmu Terapan) > 600 Teknologi (ilmu terapan) > 600 Teknologi
Bidang, Unit, atau Jurusan Yang Ditujukan: Pascasarjana > Magister Terapan Teknik Elektro S2
User ID Pengunggah: Ahmad Fithroh
Date Deposited: 01 Sep 2021 05:09
Last Modified: 01 Sep 2021 05:09
URI: https://repository.pnj.ac.id/id/eprint/1270

Actions (login required)

View Item
View Item