Analisis Sistem Monitoring Kubikel 20 kV Berbasis Image Processing Menggunakan Convolutional Neural Network Pada PT. PLN (Persero) UP2D Bali

Abstract

Pada penelitian tugas akhir penulis membuat sistem monitoring terminal kubikel dan persebaran warna pada citra kubikel menggunakan Convolutional Neural Network dan HSV. Proses pengujian yang telah dilakukan memiliki beberapa proses penting seperti pengolahan citra, pelatihan data, dan pengujian citra. Untuk dapat melakukan pengklasifikasian bentuk terminal, jaringan CNN dilatih dengan menggunakan data citra terminal kubikel. Untuk dapat melihat sebaran warna pada citra dilakukan proses konversi dari citra RGB ke citra HSV. Proses pelatihan yang dilakukan menggunakan epoch 30dan batch size 32 agar dapat menghasilkan model terbaik. Hasil dari percobaan penelitian ini didapatkan bahwa metode Convolutional Neural Network dapat mengklasifikasi jenis terminal serta memiliki akurasi validasi sebesar 97% dan akurasi test sebesar 99%, HSV dapat mengetahui suhu tertinggi pada terminal kubikel dengan memiliki tingkat akurasi rata-rata sebesar 87,99% dari keseluruhan data yaitu 5110 citra.