Abstract
Kehandalan sistem distribusi tenaga listrik merupakah hal yang sangat penting bagi PLN. Dengan tingkat kehandalan yang tinggi maka PLN bisa memastikan energi listrik tersalurkan dengan baik kepada pelanggan. Tingkat kehandalan yang tinggi merupakan jaminan bagi pelanggan untuk mendapatkan energi listrik. Beberapa peneliti mengukur kehandalan menggunakan nilai SAIDI (System Average Interruption Duration Index) dan SAIFI (System Average Interruption Frequency Index). Selain itu ada juga yang menggunakan metode FMEA (Failure Modes and Effects Analysis). Pada penelitian ini, peneliti melakukan klasifikasi kehandalan berdasarkan standar SPLN 59-1985 menggunakan metode artificial neuron network single perceptron. Peneliti menggunakan 3 neuron sebagai inputan yaitu nilai SAIDI, nilai SAIFI dan bias. Data training yang dipergunakan adalah data nilai SAIDI dan nilai SAIFI selama 10 bulan ditahun 2021. Aplikasi neuron neuron network single perceptron dibuat menggunakan bahasa C++ dengan learning rate 0,1, dan signal sigmoid sebagai aktivasinya. Sehingga didapat nilai pembobotan untuk 3 neuron yaitu -3.95772 (W[0]), 1.15408 (W[1]) dan 1.45799 (W[2]) dalam 6 kali training untuk mengklasifikasikan tingkat kehandalan.
Kata kunci: SAIDI, SAIFI dan artificial neuron network single perceptron.
The reliability of the electric power distribution system is very important for PLN. With a high level of reliability, PLN can ensure that electrical energy is properly distributed to customers. A high level of reliability is a guarantee for customers to get electrical energy. Some researchers measure reliability using SAIDI (System Average Interruption Duration Index) and SAIFI (System Average Interruption Frequency Index) values. In addition there are also those who use the FMEA (Failure Modes and Effects Analysis) method. In this study, researchers conducted a reliability classification based on the SPLN 59-1985 standard using the artificial neuron network single perceptron method. Researchers used 3 neurons as input, namely the SAIDI value, SAIFI value and bias. The training data used is data on SAIDI values and SAIFI values for 10 months in 2021. The single perceptron neuron neuron network application is made using C++ language with a learning rate of 0.1, and a sigmoid signal as its activation. So that the obtained weighting values for 3 neurons are -3.95772 (W[0]), 1.15408 (W[1]) and 1.45799 (W[2]) in 6 times of training to classify the level of reliability.
Keywords: SAIDI, SAIFI and artificial neuron network single perceptron.