ANALISIS MINYAK TRANSFORMATOR DAYA BERDASARKAN DISSOLVED GAS ANALYSIS (DGA) MENGGUNAKAN DATA MINING DENGAN ALGORITMA J48

Telematika
Universitas Amikom Purwokerto

📄 Abstract

Diagnosis gangguan transformator daya sangat penting untuk menjaga kontinuitas penyaluran tenaga listrik, gangguan pada transformator daya mengakibatan gagalnya sistem isolasi minyak yang dapat diketahui dari kandungan gas yang terlarut, analisis gas yang terlarut dikenal dengan dissolved gas analysis (DGA). Gangguan pada transformator terhadap konsentrasi gas yang terlarut terjadi dengan pola yang acak sehingga tidak linier dan sulit dipetakan secara matematis. Solusi diperlukan adalah membangun sebuah pola pendekatan model non- matematis yang dapat memetakan hubungan antara input yang berupa data hasil pengukuran DGA dengan output berupa jenis gangguan yang dihasilkan. Untuk itu diperlukan metode lainya untuk melihat pola prediksi dari setiap atribut- atribut yang terdapat pada data pengukuran minyak transformator. Data mining dan J48 mampu menjadi solusi untuk masalah  ini karena data mining merupakan kegiatan  meliputi pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau hubungan dalam set data berukuran besar. Akurasi pola prediksi yang didapat  mampu  mencapai 92.12 % dengan waktu yang sangat singkat 0,01 seconds. Akurasi tersebut dihasilkan dari uji coba dengan mengunakan data pengukuran minyak transformator yang telah dilakukan oleh berbagai macam perusahan mulai dari tahun 1972 sampai dengan 1992 sebagai  data testing.

🔖 Keywords

#Dissolved Gas Analysis (DGA); Decision Tree Classifikasi Algoritma J.48

ℹ️ Informasi Publikasi

Tanggal Publikasi
05 September 2016
Volume / Nomor / Tahun
Volume 9, Nomor 2, Tahun 2016

📝 HOW TO CITE

Pramono, Agus; Universitas Islam Sultan Agung; Haddin, Muhamad; Universitas Islam Sultan Agung; Nugroho, Dedi; STMIK AMIKOM Purwokerto; , "ANALISIS MINYAK TRANSFORMATOR DAYA BERDASARKAN DISSOLVED GAS ANALYSIS (DGA) MENGGUNAKAN DATA MINING DENGAN ALGORITMA J48," Telematika, vol. 9, no. 2, Sep. 2016.

ACM
ACS
APA
ABNT
Chicago
Harvard
IEEE
MLA
Turabian
Vancouver

📚 References & Citations

Artikel ini telah dikutip oleh 4 publikasi lainnya.

🔗 Artikel Terkait dari Jurnal yang Sama

A Systematic Analysis of the Impact of Non-Academic Factors on Student Academic Performance Prediction Using Data Mining

Ningsih, Gabriella Caroline Prihayu; Universitas Sebelas Maret; Liantoni, Febri; Sebelas Maret University; Sujana, Yudianto; Sebelas Maret University;

02 Apr 2026

Architecture and Field Evaluation of an IoT-Integrated Village Information System for Public Service

Hartono, Susilo; Universitas Muhammadiyah Pringsewu; Sutikno, Tole; Ahmad Dahlan University; Yudhana, Anton; Ahmad Dahlan University;

09 Mar 2026

Development of a Lightweight CNN Architecture for Multiclass Brain Tumor Detection Based on RGB Images

Fauzi, Ahmad; Pamulang University; Yunial, Agus heri; Pamulang University;

09 Mar 2026

Portfolio Risk Assessment Using VaR and CVaR: A Comparative Study of Variance–Covariance Method and Monte Carlo Simulation

Supandi, Epha Diana; Oktavia, Atika; Sunan Kalijaga State Islamic University Yogyakarta;

05 Mar 2026

Fairness Auditing and Bias Mitigation in Aspect-Based Sentiment Models for Indonesian Public Services

Jondien, Muhammad Shihab Fathurrahman; Magister of Computer Science, Amikom Purwokerto University, Indonesia; Hariguna, Taqwa; Magister of Computer Science, Amikom Purwokerto University, Indonesia; Saputra, Dhanar Intan Surya; Magister of Computer Science, Amikom Purwokerto University, Indonesia;

05 Mar 2026

Performance Analysis of the Fuzzing Method in Detecting API Vulnerabilities in Mobile Healthcare Application X Based on OWASP API Security Top 10

Hakim, Muhammad Ikhwanul; Nugroho, Radityo Adi; Nugrahadi, Dodon Turianto; Herteno, Rudy; Saputro, Setyo Wahyu;

19 Feb 2026

📊 Statistik Sitasi Jurnal