IMPLEMENTASI PROTEKSI GANGGUAN LISTRIK DAN ANALISIS PREDIKSI ENERGI DENGAN METODE LONG SHORT TERM MEMORY

Adnan, Faishal (2026) IMPLEMENTASI PROTEKSI GANGGUAN LISTRIK DAN ANALISIS PREDIKSI ENERGI DENGAN METODE LONG SHORT TERM MEMORY. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

[img] Text
0422040030 - Faishal Adnan - Implementasi Proteksi Gangguan Listrik dan Analisis Prediksi Energi dengan Metode _i_Long Short Term Memory__i_.pdf
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Penelitian ini mengembangkan sistem monitoring, proteksi kelistrikan cerdas, dan peramalan konsumsi energi pada panel distribusi di Laboratorium Navigasi dan Komunikasi PPNS. Sistem ini dirancang untuk mengatasi keterbatasan metode ambang batas tunggal konvensional dengan mengintegrasikan metode Rule-Based Expert System dan algoritma Deep Learning Long Short-Term Memory (LSTM) berbasis Internet of Things (IoT). Akuisisi data parameter kelistrikan dan suhu terminal menggunakan mikrokontroler ESP32, modul sensor PZEM-004T, serta sensor inframerah MLX90614, sedangkan tindakan proteksi dieksekusi melalui Solid State Relay (SSR) dan kontaktor. Logika inferensi Forward Chaining pada Rule-Based Expert System mampu mengklasifikasikan gangguan secara deterministik, seperti overload, voltage fault (over/under voltage), dan peringatan dini loose connection. Peramalan konsumsi energi harian (24 timesteps) dieksekusi pada server Python menggunakan arsitektur Stacked LSTM. Hasil pengujian menunjukkan bahwa komunikasi data nirkabel berbasis protokol MQTT berjalan sangat responsif dengan rata-rata latensi sebesar 161,8 ms. Pengujian eksperimental variasi iterasi menetapkan konfigurasi 80 Epochs sebagai model optimal yang menghasilkan akurasi harian rata- rata sebesar 98,46% dan akurasi per jam terstabil sebesar 94,25%. Seluruh parameter telemetri, status gangguan, dan kurva peramalan energi dapat dipantau secara real-time melalui HMI lokal, Web Dashboard, serta notifikasi interaktif Telegram Bot.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Rule-Based Expert System, Long Short Term Memory, Monitoring Kelistrikan, ESP32, MQTT
Subjects: PE - Teknik Kelistrikan Kapal > Mesin Listrik dan Elektronika Daya
Divisions: Jurusan Teknik Kelistrikan Kapal > D4 Teknik Kelistrikan Kapal
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 21 Sep 2026 08:32
Last Modified: 21 Sep 2026 08:32
URI: http://repository.ppns.ac.id/id/eprint/8189

Actions (login required)

View Item View Item