PEMODELAN BUSUR API (ARC FLASH) LISTRIK TEGANGAN RENDAH BERBASIS JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK)

NUGROHO, ARI WISNU (2015) PEMODELAN BUSUR API (ARC FLASH) LISTRIK TEGANGAN RENDAH BERBASIS JARINGAN SYARAF TIRUAN (ARTIFICIAL NEURAL NETWORK). Skripsi,Fakultas Teknik.

Preview	PDF Download (1322Kb) | Preview
Preview	PDF Download (5Kb) | Preview

Abstract

Perkembangan teknologi yang sangat pesat sebanding dengan pertumbuhan jumlah pengguna listrik, terutama di perkotaan yaitu di daerah padat penduduk, pertokoan / pasar, dan perkantoran. Daerah-daerah tersebut merupakan lokasi yang rawan terhadap kebakaran akibat korsleting arus listrik yang dapat menimbulkan busur api. Peristiwa busur api listrik tersebut biasanya tidak dapat terdeteksi oleh pengaman listrik konvensional seperti MCB yang hanya mendeteksi kelebihan beban maupun sekering dikarenakan durasinya yang sangat singkat. Maka dari itu dilakukanlah penelitian untuk mengetahui karakteristik busur api listrik tegangan rendah dengan cara membuat busur api listrik buatan (artificial arc flash) di laboratorium berdasarkan rekaman data wave form arus dan tegangannya. Pada saat proses pengujian busur api listrik buatan tersebut terdapat beberapa bahaya untuk para peneliti di antaranya electric shock, arc flash brun, arc flash blast, intense light, sound wave, projectiles. Pada penelitian ini, dikembangkan sebuah model simulasi menggunakan Simulink MATLAB berbasis jaringan syaraf tiruan yang bertujuan untuk dapat menirukan kejadian busur api listrik buatan yang dilakukan di laboratorium. Metode penelitian dilakukan mulai dari perancangan & pembuatan perangkat keras, akuisisi data percobaan & penentuan pola pelatihan, pembuatan model & pelatihan JST, dan pengujian & validasi model. Pada model ini, busur api listrik di representasikan dengan resistansi hubung singkat yang diparalelkan dengan sumber tegangan dan beban. Besarnya resistansi didapatkan dari percobaan di laboratorium dengan nilai yang bervariasi tergantung media dan penampang kontak hubung singkat. Nilai resistansi ini berkisar antara 0,2 ? hingga 50 ?. Kemudian nilai resistansi tersebut diajarkan ke dalam sistem JST yang terhubung dengan komponen switch dan variabel resistor yang merepresentasikan kontak hubung singkat tempat terjadinya busur api listrik. Algoritma JST yang digunakan adalah feed-forward backprop dengan konfigurasi 2 node input, 3 lapis tersembunyi dengan masing-masing 30 neuron, dan 1 node output. Tingkat akurasi model terhadap target yang diajarkan mencapai 96,7%. Dari hasil simulasi model diketahui jika impedansi kabel yang digunakan semakin kecil dan beban yang digunakan semakin besar maka arus puncaknya semakin besar dan durasi busur api relatif lebih singkat.

Actions (login required)