Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Konstruksi fisik transformator terdiri atas elemen-elemen bersifat resistif, induktif, dan kapasitif, yang susunannya memiliki respon frekuensi yang khas.Dengan mengamati respon frekuensi suatu transformator, dapat dideteksi kerusakan mekanik yang terjadi pada inti dan belitan transformator tersebut. Metode yang sedang dikembangkan untuk mendeteksi kerusakan mekanik dikenal dengan Sweep Frequeency Response Analysis (SFRA). Proses pengukuran dilakukan dengan menginjeksikan sinyal tegangan rendah dengan menyapu nilai frekuensi mulai dari 20 Hz hingga 2 MHz. Dasar dari pengukuran ini merupakan analisis fungsi alih yang mana hasil pengukuran perlu diinterpretasikan lebih lanjut, salah satu caranya yaitu dengan perhitungan statistik. Indikator statistik yang digunakan yaitu koefisien korelasi, simpangan baku, dan absolute sum of logarithmic error (ASLE). Skripsi ini membahas proses interpretasi hasil pengukuran SFRA pada transformator 4 MVA, 11,8/6,3 kV di PT ABC dan transformator 12 MVA, 70/6,3 kV di PT XYZ menggunakan perhitungan statistik. Hasil yang didapat yaitu tidak ada indikasi kerusakan pada transformator 4 MVA, 11,8/6,3 kV di PT ABC pada kedua sisi kumparan. Sedangkan pada transformator 12 MVA di PT XYZ ditemukan indikasi kerusakan di bagian ujung (lead) kumparan utama dan tap kumparan pada kumparan tegangan 70 kV, dan di bagian inti, kumparan utama, tap kumparan, ujung (lead) kumparan utama, dan ujung (lead) tap kumparan pada kumparan tegangan 6,3 kV. ...... Physical construction of transformerconsists of resistive, inductive, and capacitive elements,the structurehas a typical frequency response. By observing the frequency response of a transformer, we can detect mechanical damage that oK Kurs in the transformer core and windings. Method sare being developed to detect mechanical damage known as Sweep Frequeency Response Analysis (SFRA). Measurement processis done by injecting a low voltage signal with the sweep frequency values ranging from 20Hz to 2MHz. The basis of this measurement is transfer function analysis that the measurement results need to be interpreted further, one way is by statistical calculations. Statistical indicator that used is correlation coefficient, standard deviation, and sum of absolute logarith micerror (ASLE). This thesis discusses the process of interpreting SFRA measurements result on PT ABC transformer, 4 MVA, 11,8/6,3 kV and PT XYZ transformer, 12 MVA, 70/6,3 kV using statistical calculations. The results are no indication of damage to PT ABC transformer, 4 MVA, 11,8/6,3 kV on both sides of the windings. While in PT XYZ transformer, 12 MVA found indications of damage at main and tap winding leads on 70 kV windings, and indications of damage at the core, main and tap windings, main and tap winding leads on 6,3 kV windings.

Abstrak :
Graph clustering adalah pengelompokkan simpul-simpul pada suatu graf menjadi cluster-cluster. Ada berbagai macam algoritma graph clustering yang dapat diterapkan pada graf berbobot, di antaranya adalah algoritma yang berbasis MST (Minimum Spanning Tree). Kelebihan dari algoritma graph clustering yang berbasis MST adalah mampu mendeteksi bentuk cluster yang tidak beraturan. Algoritma graph clustering berbasis MST yang dibahas dalam penelitian ini adalah Maximum Standard Deviation Reduction atau disingkat MSDR. Algoritma tersebut bersifat unsupervised, yang artinya banyaknya cluster tidak ditetapkan oleh pengguna. MSDR memiliki dua tujuan. Tujuan yang pertama adalah membentuk cluster-cluster dimana pada masing-masing cluster, busur-busurnya memiliki nilai bobot yang serupa. Tujuan yang kedua adalah menjaga agar banyaknya cluster yang terbentuk, tidak terlalu banyak. Pada algoritma MSDR, tujuan yang kedua dipenuhi melalui suatu proses yang menggunakan regresi polinomial. Dalam penelitian ini, dilakukan modifikasi MSDR dengan menggantikan proses yang menggunakan regresi tersebut dengan suatu proses baru yang disebut "Loncatan Terbesar", sehingga dihasilkan algoritma baru yang disebut Modifikasi MSDR atau disingkat MMSDR. Dilakukan implementasi MMSDR pada beberapa graf lengkap Euclidean, yaitu graf lengkap yang setiap simpulnya adalah titik di suatu ruang Rn dan setiap busurnya diberi bobot yang berupa jarak Euclidean antara dua titik. Kemudian dilakukan implementasi MMSDR pada graf yang memodelkan rute penerbangan domestik di Indonesia oleh suatu maskapai X. ...... Graph clustering is the grouping of vertices in a graph into clusters. There are various clustering algorithms for weighted graphs, for example a graph clustering algorithm which is based on MST (minimum spanning tree). The advantage of MST-based clustering is that it allows the detection of clusters with irregular boundaries. An MST-based clustering known as MSDR (Maximum Standard Deviation Reduction) is studied in this research. MSDR is an unspervised clustering, in which the number of clusters is not dictated by the user. There are two goals of MSDR. The first goal is to produce clusters such that in each cluster the edges have similar weights. The second goal is to prevent the formation of too many clusters. In MSDR, the second goal is met through a process that uses polynomial regression. In this research, MSDR is modified by replacing the process that uses polynomial regression with a new process that is called "largest jump". A new algorithm is produced, which is called Modified MSDR (MMSDR). MMSDR is implemented on several complete Euclidean graphs, where a Euclidean graph is a graph whose vertices are points in a space Rn and the weight of an edge is the distance between the endpoints. MMSDR is also implemented on a graph that models domestic flight routes in Indonesia of an unidentified airline X. As a validation, MMSDR is tested on several Euclidean data, and the result is compared to visually-identified clusters. Afterwards, MMSDR is implemented on a graph that models the domestic flight routes of an airline in Indonesia.