Muhammad, Alfat (2017) RANCANG BANGUN STOP KONTAK LISTRIK OTOMATIS DENGAN AUTO BREAKER BERDASARKAN ANALISIS STEADY STATE MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM). Diploma thesis, POLITEKNIK PERKAPALAN NEGERI SURABAYA.
Full text not available from this repository.Abstract
ABSTRAK Pemakaian listrik dalam kehidupan sehari – hari terkadang tidak terkontrol dengan baik, terutama dalam hal membiarkan alat – alat listrik tetap tehubung pada stop kontak. Walaupun alat listrik tersebut sudah dimatikan atau dalam keadaan standby power, alat tersebut masih mengkonsumsi daya tegangan listrik. Maka secara tidak langsung terjadi pemborosan listrik secara berkala. Stop kontak otomatis pada tugas akhir ini dapat di monitoring pada android dengan tampilan grafik perubahan kondisi arus listrik yang terdeteksi oleh sensor arus, apabila terjadi perubahan kondisi berbeban menjadi tidak berbeban. Stop kontak otomatis ini menggunakan metode Neural Network (NN) - Extreme Learning Machine (ELM). Berdasarkan pengujian stop kontak untuk mengenali masing-masing peralatan yang terhubung memiliki tingkat prosentase keberhasilan pada setrika dan TV adalah 100%, tidak didapatkan error dan perangkat dapat dikenali sesuai dengan ketentuan output keterangan extreme learning machine pada stiap stop kontak. Sedangkan pada beban charger asus tingkat keberhasilan mencapai 83% disebabkan terdapat kesalahan hasil inisialisasi perangkat yang tidak sesuai dengan output keterangan extreme learning machine. Prosentase keberhasilan pengujian keseluruhan adalah 94% setelah melakukan pengujian sebanyak 6 kali dengan hasil 5 kali sukses dan 1 kali gagal. Kata kunci : sensor arus, steady state, Extreme learning machine ABSTRACT Electricity consumption in everyday life sometimes is not controlled well, especially of allowing a power tools to remain attached to an electrical socket. although the appliance is turned off or in standby power, the device still consumes power voltage. So indirectly there will be a waste of electricity on a regular basis. Automatic electrical socket on this final project can be monitored on android with The graph display changes condition of detected electric current that will be detected by current sensor, if there is a change in condition of the steady state electric current which previously burdened to be not burdened, this automatic electrical socket using the Neural Network method(NN)- Extream Learning machine (ELM) method. Based on the test of electrical socket to recognize each connected equipment has a percentage success rate on iron and TV is 100%, no errors are found and the device can be identified in accordance with the Extream Learning machine description of output requirements at each of electrical socket. While the load on the charger asus success rate of 83% due to errors result of initialization of the device that is not in accordance with the output description ELM. The percentage of overall testing success was 94% through the 6 times of testing, 5 times of testing success and 1 times of testing failed. Keywords:current sensor, steady state, Extreme learning machine
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Jurusan Teknik Kelistrikan Kapal > D4 Teknik Otomasi |
| Depositing User: | Unnamed user with email repository@ppns.ac.id |
| Date Deposited: | 22 Sep 2018 04:38 |
| Last Modified: | 22 Sep 2018 04:38 |
| URI: | http://repository.ppns.ac.id/id/eprint/1203 |
Actions (login required)
 |
View Item |
