Aplikasi Identifikasi Gangguan Transformator Berbasis Algoritma Machine Learning Adaptive Boosting (Adaboost)
Abstrak
Energi listrik merupakan salah satu kebutuhan yang paling penting di masyarakat, dalam penyalurannya diperlukan sebuah transformator untuk membagi daya listrik ke setiap rumahnya. Penggunaan transformator di setiap daerah diperlukan pengujian kandungan minyak di dalamnya agar mengetahui kondisi transformator tersebut. Pengujian untuk mengetahui gangguan pada transformator dapat menggunakan metode Duval Triangle Method (DTM) dan Duval Pentagon Method (DPM). Dikarenakan banyaknya transformator yang digunakan pada penyaluran listrik ke masyarakat, aplikasi identifikasi gangguan transformator dibuat dengan menerapkan algoritma machine learning adaboost. Algoritma adaboost berfungsi untuk melakukan prediksi gangguan transformator dengan mengklasifikan data yang akan diuji pada dataset yang didapat dari pengujianpengujian menggunakan metode DTM dan DPM sebelumnya. Dari hasil pengujian yang dilakukan penggunaan dataset yang terbaik adalah pembagian 80% data training dan 20% data testing dengan estimator 400 untuk DTM dan learning rate 1 sehingga tingkat akurasi yang didapat adalah 91.1% yang merupakan klasifikasi sangat baik. Sedangkan untuk metode DPM menggunakan pembagian dataset 80% data training dan 20% data testing, dengan estimator 500, dan learning rate 0.5 menghasilkan tingkat akurasi 84.9% yang merupakan klasifikasi berjalan dengan baik. Sehingga dapat disimpulkan aplikasi mampu mengidentifikasi gangguan transformator menggunakan algoritma machine learning adaboost pada Duval Triangle Method dengan sangat baik dan Duval Pentagon Method mengidentifikasi dengan baik.