KLASIFIKASI TINGKAT DEGRADASI ISOLATOR REACTOR CURRENT LIMITED BERBASIS CITRA PHASE-RESOLVED PARTIAL DISCHARGE MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK

Atmadja, Afif Tri (2026) KLASIFIKASI TINGKAT DEGRADASI ISOLATOR REACTOR CURRENT LIMITED BERBASIS CITRA PHASE-RESOLVED PARTIAL DISCHARGE MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (COVER) COVER.pdf - Published Version Download (735kB) | Preview
Preview	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (188kB) | Preview
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (216kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) Bab II.pdf - Published Version Restricted to Repository staff only Download (999kB) | Request a copy
	Text (BAB III METODE PENELITIAN) Bab III.pdf - Published Version Restricted to Repository staff only Download (238kB) | Request a copy
	Text (BAB IV PEMBAHASAN) Bab IV.pdf - Published Version Restricted to Repository staff only Download (494kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) Bab V.pdf - Published Version Restricted to Repository staff only Download (154kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (138kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Klasifikasi tingkat degradasi isolasi pada reactor current limited berdasarkan citra Phase-Resolved Partial discharge (PRPD) menggunakan metode Convolutional Neural Network (CNN) dilakukan untuk mengidentifikasi kondisi isolasi yang dikategorikan ke dalam tiga kelas, yaitu Good, Moderate, dan Bad. Penelitian ini menggunakan dataset citra PRPD yang melalui tahapan prapemrosesan, pembagian data latih dan data uji, serta pelatihan model CNN dengan optimasi Stochastic Gradient Descent with Momentum (SGDM). Evaluasi kinerja model dilakukan menggunakan metrik akurasi, precision, recall, F1-score, dan Confusion Matrix. Hasil penelitian menunjukkan bahwa model CNN menghasilkan validation accuracy sebesar 95,45% dan testing accuracy sebesar 80%, dengan kelas Moderate memiliki performa terbaik dengan recall mencapai 100%, kelas Good menunjukkan performa yang relatif baik, sedangkan kelas Bad memiliki tingkat kesalahan klasifikasi tertinggi akibat kemiripan pola PRPD antar kelas. Secara keseluruhan, model CNN mampu mengekstraksi fitur penting dari citra PRPD dan melakukan klasifikasi tingkat degradasi isolasi secara efektif, meskipun peningkatan kinerja masih dapat dilakukan melalui penambahan data, penyeimbangan distribusi kelas, dan pengoptimalan arsitektur model.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	PRPD, CNN, Degradasi Isolasi, Klasifikasi, Reactor Current Limited
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electrical Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	30 Jul 2026 02:29
Last Modified:	30 Jul 2026 02:29
URI:	http://eprints.polsri.ac.id/id/eprint/23881

Actions (login required)

View Item