IMPLEMENTASI SUPPORT VECTOR MACHINE PADA PANEL LVMDP DENGAN SISTEM PROTEKSI TERHADAP OVERHEATING

Pitaloka, Citrawira (2025) IMPLEMENTASI SUPPORT VECTOR MACHINE PADA PANEL LVMDP DENGAN SISTEM PROTEKSI TERHADAP OVERHEATING. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0421040032 - Citrawira Pitaloka - Implementasi _i_Support Vector Machine__i_ pada Panel LVMDP dengan Sistem Proteksi terhadap _i_Overheating__i_.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Listrik merupakan kebutuhan utama setiap industri, sehingga pemahaman secara kompleks dalam pengelolaan daya listrik merupakan sebuah tantangan yang harus dihadapi. Industri memerlukan pasokan energi listrik yang besar dan stabil untuk mendukung operasional yang efisien. Low Voltage Main Distribution Panel dalam kurung LVMDP yang berfungsi sebagai pusat distribusi listrik memegang peran krusial dalam memastikan pasokan listrik, maka dari itu sistem proteksi sangat penting dalam hal ini. Sistem monitoring dan proteksi sangat dibutuhkan untuk mencegah terjadinya kendala pada sistem kelistrikan yang dapat disebabkan oleh banyak faktor termasuk overheating. Dalam pengembangannya, panel LVMDP belum memiliki sistem yang dapat mendeteksi bahaya kebakaran yang mungkin dapat terjadi karena suhu yang tinggi didalamnya dan tidak ada tindakan pencegahan yang dapat dilakukan sebelum terjadinya kebakaran. Oleh karena itu, peneliti membuat sebuah pengembangan inovasi perancangan sistem monitoring dan proteksi panel LVMDP terhadap overheating yang dapat memberikan informasi secara real-time dan akurat, serta memberikan tindakan berupa AutoShutdown yang menerapkan metode Support Vector Machine karena dikenal memiliki efektifitas dan keandalan yang baik untuk melakukan sebuah klasifikasi dan regresi. Pada penelitian ini didapatkan keakuratan pembacaan parameter eror sensor yang dibandingkan dengan alat ukur terkalibrasi mayoritas kurang dari 5 persen sehingga sensor dikatakan akurat dalam pembacaan. Pengujian metode Support Vector Machine mencapai persentase keakuratan keseluruhan sebesar 93 persen, dengan nilai macro average F1 score sebesar 92 persen, dan weighted average F1 score sebesar 93 persen.

Actions (login required)

View Item