• Login
    View Item 
    •   DSpace Home
    • FACULTY OF INDUSTRIAL TECHNOLOGY
    • ELECTRICAL ENGINEERING (TEKNIK ELEKTRO)
    • DISSERTATIONS AND THESES (EE)
    • View Item
    •   DSpace Home
    • FACULTY OF INDUSTRIAL TECHNOLOGY
    • ELECTRICAL ENGINEERING (TEKNIK ELEKTRO)
    • DISSERTATIONS AND THESES (EE)
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    KLASIFIKASI PARTIAL DISCHARGE PADA SEALING END DI SALURAN KABEL TEGANGAN TINGGI 150 KV PT.PLN (PERSERO) ULTG KARET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

    Thumbnail
    View/Open
    01_LAPORAN TUGAS AKHIR - RAHMADINA PERMATASARI TANJUNG - 102121003.pdf (5.272Mb)
    17_ARTIKEL ILMIAH_RAHMADINA PERMATASARI TANJUNG_102121003.pdf (1.786Mb)
    Date
    2025-08-19
    Author
    Permatasari Tanjung, Rahmadina
    Metadata
    Show full item record
    Abstract
    Sistem tenaga listrik pada saluran kabel tegangan tinggi sering mengalami gangguan teknis yang dapat mempengaruhi performa sistemnya. Salah satunya ialah pada sealing end yang sangat rentan terhadap partial discharge karena memiliki perubahan suhu ekstrem yang dapat mempercepat degradasi isolasi. Hal ini partial discharge dapat menyebabkan penurunan kualitas isolasi. Untuk menangani masalah ini, sealing end dari saluran kabel tegangan tinggi digunakan untuk mengatasi masalah partial discharge. Pada tugas akhir ini, klasifikasi partial discharge menggunakan salah satu metode machine learning yang mempunyai performa baik untuk mengklasifikasi sinyal adalah metode support vector machine. Tujuan dari penelitian ini bertujuan untuk klasifikasi partial discharge menggunakan SVM yang dapat membedakan jenis-jenis PD yang terjadi pada sealing end di saluran kabel tegangan tinggi 150kV. Di harapkan dari Tugas Akhir ini, klasifikasi partial discharge pada sealing end di saluran kabel tegangan tinggi 150kV dengan metode SVM mendapatkan tingkat akurasi yang tinggi dibandingkan dengan metode lainnya. Hasil yang didapatkan dari metode support vector machine dengan akurasi sebesar 93% dan perbandingan dari metode nya yaitu CNN sebesar 92% maka disimpulkan bahwa metode svm lebih unggul daripada CNN.
    URI
    https://library.universitaspertamina.ac.id//xmlui/handle/123456789/15045
    Collections
    • DISSERTATIONS AND THESES (EE)

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    DSpace software copyright © 2002-2015  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    @mire NV