PREDIKSI POSISI TAP OLTC (ON LOAD TAP CHANGER) TRANSFORMATOR DAYA 30 MVA GI PEKALONGAN MENGGUNAKAN METODE ARTIFICIAL NEURAL NETWORK (ANN)

Kestabilan tegangan dalam sistem tenaga listrik sangat bergantung pada pengaturan
posisi tap OLTC pada transformator daya. Di Gardu Induk (GI) Pekalongan,
perubahan beban yang fluktuatif sering menyebabkan OLTC bergerak berlebihan,
meningkatkan risiko kerusakan mekanis dan menurunkan efisiensi operasi.
Penelitian ini bertujuan untuk memprediksi posisi tap OLTC transformator daya 30
MVA secara lebih adaptif dan efisien menggunakan metode artificial neural
network (ANN). Data yang digunakan merupakan data historis operasional
transformator, meliputi tegangan, arus, daya aktif, daya reaktif, suhu minyak dan
suhu belitan transformator selama periode Maret hingga April 2025. Model ANN
dibangun dengan arsitektur 6 input, 1 hidden layer berisi 45 neuron, dan 1 output,
serta diimplementasikan menggunakan bahasa Python dan library scikit-learn.
Proses meliputi normalisasi data, pelatihan model, validasi, dan evaluasi
menggunakan metrik mean squared error (MSE) dan mean absolute percentage
error (MAPE). Hasil penelitian menunjukkan bahwa model ANN mampu
memprediksi posisi tap dengan deviasi rata-rata satu tingkat tap, nilai MSE sebesar
0,348, dan MAPE sebesar 4,62%. Hal ini menunjukkan bahwa ANN efektif
digunakan untuk memprediksi pengaturan tap OLTC guna menjaga tegangan
transformator tetap stabil secara real time dan efisien.
Kata Kunci : Artificial Neural Network (ANN), On Load Tap Changer (OLTC),
Pengaturan Tap, Transformator.