PATTERN RECOGNITION UNTUK MENDETEKSI DAN MENGKLASIFIKASI MASALAH KUALITAS DAYA LISTRIK MENGGUNAKAN JARINGAN SYARAF TIRUAN

Ahmad Burhanuddin Billah, M. Jasa Afroni, Effendi S Wirateruna

Sari


Makalah ini berisikan metode pattern recognition dalam mendeteksi dan mengklasifikasi
masalah kualitas daya listrik menggunakan jaringan saraf tiruan. Jaringan syaraf tiruan (JST)
merupakan sistem pemrosesan yang meniru cara kerja dari sistem syaraf manusia
menggunakan peralatan bantu berupa komputer. JST dapat memecahkan masalah tertentu
seperti klasifikasi proses pembelajaran ataupun pengenalan bentuk pola. Salah satu cabang
ilmu JST ialah pattern recognition. Pattern recognition menggunakan JST dapat mengenali dan
mengelompokkan suatu objek atau pola secara otomatis menggunakan komputer. Sebuah pola
dapat diidentifikasi melalui ciri-cirinya yang digunakan untuk membedakan suatu pola dengan
pola lainnya Guna mendapatkan ciri-ciri dari sinyal kualitas daya yang dianalisis, perlu
dilakukan ektraksi sinyal dengan bantuan Tranformasi Hilbert Huang. Ciri-ciri sinyal kualitas
daya hasil ektraksi akan digunakan untuk melatih dan menguji pattern recognition
menggunakan JST dalam mendeteksi dan mengklasifikasi ke dalam kelas sinyal kualitas daya
yang dianalisis. Berdasarkan hasil pelatihan dan pengujian, dapat disimpulkan bahwa pattern
recognition menggunakan JST dapat secara efektif mendeteksi dan mengklasifikasi masalah
kualitas daya yang dianalisis


Teks Lengkap:

PDF

Referensi


R. C. , Dugan, Mark F. Mc Granaghan, Surya Santoso,

and H. Wayner Beaty., Electrical Power Systems

Quality, Second Edition.

M. Jasa and O. Melfazen, “Deteksi dan KlasifikasiSinyal

Listrik Non-Stasioner yang Mengandung Masalah

Kualitas Daya Menggunakan Transformasi Hilbert

Huang,†JE-Unisla Program Studi Elektro, vol. 2, no. 2,

A. Wenda, A. Faizal, J. Teknik Elektro, F. Sains dan

Teknologi, U. H. Sultan Syarif Kasim Riau Jl Soebrantas

No, and S. Baru, “Pengembangan Aplikasi Web Cerdas

pada Mobile Phone Untuk Mengidentifikasi Gangguan

Kualitas Daya Listrik Kampus UIN Suska Riau

Menggunakan S-Transform dan Dendogram Support

Vector Machine.â€

Ersa Triansyah and Youllia Indrawaty N,

“IMPLEMENTASI METODE PATTERN

RECOGNITIONUNTUK PENGENALAN UCAPAN

HURUF HIJAIYYAHâ€.

S. Kom. M. K. Hendri, “Character Recognition Dengan

Menggunakan Jaringan Syaraf Tiruan,†Jurnal TIMES,

vol. III, no. 2, pp. 1–5, 2014.

F. Budi Setiawan, F. Amalia Kurnianingsih, S. Riyadi,

and L. Heru Pratomo, “Pattern Recognition untuk

Deteksi Posisi pada AGV Berbasis Raspberry Pi

(Pattern Recognition for AGV’s Position Detection Based

on Raspberry Pi),†2021.

N. Syafitri, S. Kom, and M. Cs, “Pengenalan Pola Untuk

Deteksi Uang Koinâ€.

Roni Fernando S – Engineering Assistant 2018,

“noise-sistem-komunikasi-jenis-jenis-dan-pengaruhnya,â€

S. M. ; L. B. H. ; T. Wenshun. KUO, Real-time digital

signal processing: fundamentals, implementations and

applications. John Wiley & Sons,. 2013.

D. Committee of the IEEE Power and E. Society, “IEEE

Recommended Practice for Monitoring Electric Power

Quality Developed by the Transmission and Distribution

Committee IEEE Power and Energy Society,†2019.

[Online]. Available:

http://www.ieee.org/web/aboutus/whatis/policies/p9-

html.


Refbacks

  • Saat ini tidak ada refbacks.