Prediksi Jarak Gangguan Hubung Singkat Penyulang Egrang Menggunakan Metode Adaptive Neuro Fuzzy Inference System

Authors

  • Rama Andikatama Universitas Mercu Buana

DOI:

https://doi.org/10.22441/jte.2026.v17i1.002

Keywords:

ANFIS, Hubung Singkat, Jarak Gangguan, Sistem Distribusi Listrik.

Abstract

Gangguan hubung singkat pada jaringan distribusi listrik sering terjadi dan dapat mengurangi keandalan sistem serta menyebabkan kerugian material. Untuk mempercepat pemulihan, diperlukan metode akurat untuk menentukan lokasi gangguan. Penelitian ini bertujuan memprediksi jarak gangguan pada penyulang Egrang menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System). Data historis gangguan dan arus hubung singkat digunakan untuk melatih model ANFIS. Analisis akurasi dilakukan menggunakan MAE (Mean Absolute Error) dan RMSE (Root Mean Square Error). Hasilnya, model ANFIS dengan MAE 0,18 dan RMSE 0,25.

Downloads

Download data is not yet available.

References

Penangsang, O., & Aryani, N. K. (2017). Penentuan Lokasi Gangguan Hubung Singkat pada Jaringan Distribusi 20 kV Penyulang Tegalsari Surabaya dengan Metode Impedansi Berbasis GIS (Geographic Information System). Jurnal Teknik ITS, 6(1), B66-B71..

Auliq, M. A. A., & Pratama, I. B. (2021). Analisa Penentuan Estimasi Jarak Gangguan pada Sistem Distribusi Menggunakan Metode ETAP 12.6. 0. Jurnal Teknik Elektro dan Komputasi (ELKOM), 3(1), 31-42.H. M. Deitel, P. J. Deitel, “Strings and characters,” in Java How To Program, 4th Ed. Upper Saddle River, NJ: Prentice Hall, 2002, ch. 10, sec. 5, pp. 542 – 547.

Syahputra, R. (2014). Estimasi lokasi gangguan hubung singkat pada saluran transmisi tenaga listrik. Semesta Teknika, 17(2), 106-115.

Arief B, C. (2017). DETEKSI JARAK LOKASI GANGGUAN PADA SALURAN TRANSMISI 500 KV CILEGON BARU–CIBINONG MENGGUNAKAN ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) (Doctoral dissertation, UNIVERSITAS SULTAN AGENG TIRTAYASA).

Akhikpemelo, A., Evbogbai, M. J. E., & Okundamiya, M. S. (2019). Fault detection on a 132kV transmission line using artificial neural network. Int. Rev. Electr. Eng, 14(3), 220-225.

Nugroho, A., Mulyadi, Y., Abdullah, A. G., & Nandiyanto, A. B. D. (2018). Fault Diagnosis for Distribution Feeder Base on Fuzzy Logic. In IOP Conference Series: Materials Science and Engineering (Vol. 288, No. 1, p. 012009). IOP Publishing.

Downloads

Published

2026-01-24

How to Cite

[1]
R. Andikatama, “Prediksi Jarak Gangguan Hubung Singkat Penyulang Egrang Menggunakan Metode Adaptive Neuro Fuzzy Inference System”, JTE, vol. 17, no. 1, pp. 9–12, Jan. 2026.

Issue

Section

Articles

Similar Articles

> >> 

You may also start an advanced similarity search for this article.