DISSOLVED GAS ANALYSIS (DGA) MINYAK TRANSFORMATOR 11KV/150KV ULPL-TA MUSI MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN)

Minyak transformator merupakan salah satu hal penting dalam sistem jaringan
listrik khususnya sebagai sistem pendingin transformator dan membutuhkan
perawatan yang rutin. Perawatan dilakukan untuk terhindar dari gangguan, salah
satunya Dissolved Gas Analysis (DGA). DGA merupakan teknik untuk mengetahui
gangguan yang terjadi pada transformator dengan menilai gas yang terlarut pada
minyak transformator. Pada penelitian ini menggunakan metode Artificial Neural
Network (ANN) yang diterapkan pada Duval Triangle dan Duval Pentagon untuk
mengidentifikasi jenis gangguan transformator unit 1, 2, dan 3 PLTA Musi. Pada
ANN dengan standar Duval Triangle dan Duval Pentagon menggunakan 1 input
layer, 2 hidden layer, dan 1 output layer. Data dari hasil uji DGA dilakukan
perhitungan sesuai standar Duval Triangle dan juga Duval Pentagon kemudian
dilakukan normalisasi hingga pelatihan dataset serta pengujian untuk menentukan
kesalahan transformator PLTA Musi. Hasil interpretasi ANN dengan standar Duval
Triangle mengidentifikasikan transformator PLTA Musi mengalami beberapa
gangguan yaitu Thermal fault <300℃, Thermal fault 300℃-700℃, dan juga
Thermal fault >700℃, sedangkan ANN dengan Duval Pentagon
mengidentifikasikan transformator PLTA Musi mengalami gangguan Thermal fault
<300℃ dan Stray Gassing. Evaluasi terhadap performa model ANN dengan Duval
Triangle menunjukkan nilai MSE sebesar 0,06 dan MAPE sebesar 1,5% serta
akurasi sebesar 93,75%, sedangkan ANN dengan Duval Pentagon menunjukkan
nilai MSE sebesar 0,05 dan MAPE sebesar 1,1% serta akurasi sebesar 94,44%,
sehingga disimpulkan bahwa metode ANN dengan Duval Pentagon memperoleh
hasil yang lebih baik.
Kata kunci: Artificial Neural Network (ANN), Dissolved Gas Analysis (DGA),
Minyak Transformator, Transformator.