ID Analisis Reliabilitas Transformator Trafo Di PT PLN Apj Surabaya Barat Dengan Pe
ID Analisis Reliabilitas Transformator Trafo Di PT PLN Apj Surabaya Barat Dengan Pe
Abstrak—Transformator adalah suatu peralatan listrik statis daerah, maka akan terjadi pemadaman listrik di daerah
yang berfungsi sebagai penaik (step up) dan penurun (step down) tersebut. Sekarang ini kebutuhan masyarakat terhadap listrik
tegangan atau arus. Besarnya jumlah permintaan akan kebutu- seakan menjadi kebutuhan pokok sehingga sistem dari PLN
han listrik saat ini menyebabkan reliabi-litas dan faktor yang sebagai penyedia pelayanan listrik juga harus handal. Karena
mempengaruhi lama bertahan trafo menjadi prioritas. Apabila adanya variasi yang sangat besar pada data usia pakai trafo
terjadi kerusakan pada trafo maka terjadi pemadaman listrik di
PLN di Surabaya Barat sehingga apabila dianalisis
suatu daerah. Karena adanya variasi yang sangat besar pada
data usia pakai trafo PLN, histogram trafo membentuk sebuah menggunakan me-tode unimodal biasa akan berakibat bias
pola menyerupai gabungan dari dua distribusi weibull. dalam hasil analisis. Berdasarkan histogram trafo dapat dilihat
Pendekatan Bayes digunakan dengan menggabungkan bahwa pola histog-ram menyerupai gabungan dari k distribusi
pengetahuan subjektif (prior) mengenai distribusi peluang dari weibull. Distribusi weibull merupakan distribusi yang paling
parameter yang tidak diketahui dengan informasi yang diperoleh sering digunakan dalam memodelkan life data [2]. Pendugaan
dari sampel. Data yang digunakan adalah data usia pakai trafo parameter meng-gunakan metode Bayesian. Pendekatan Bayes
di PLN APJ Surabaya Barat dan faktor-faktor yang akan diteliti melakukan pe-narikan kesimpulan dengan menggabungkan
pengaruhnya terhadap reliabilitas dari trafo sebagai variabel pengetahuan sub-jektif (prior) mengenai distribusi peluang
bebas adalah beban trafo dan jumlah pelanggan yang dilayani
dari parameter yang tidak diketahui dengan informasi yang
masing-masing trafo. Data usia pakai transformator mengikuti
pola distribusi mixture weibull. Semakin bertambahnya usia diperoleh dari sampel. Penggabungan antara prior dengan
pakai trafo, nilai reliabilitas dari sebuah trafo juga terus likelihood menghasilkan suatu bentuk distribusi posterior.
mengalami penurunan. Untuk menghindari terjadinya Keandalan trafo penting untuk dianalisis agar dapat
pemadaman akibat kerusakan trafo, maka perlu ditetapkan usia memperkirakan waktu sebuah trafo harus diganti sehingga
trafo sebesar 20 tahun dengan nilai reliabilitas sebesar 7,5% tidak terjadi pemadaman listrik dalam durasi lama yang
sebagai early warning system (EWS) dari preventive maintanance dikarenakan kerusakan trafo.
pergantian trafo PT. PLN APJ Surabaya Barat. Dari hasil
posterior parameter kovariat, faktor kapasitas tegangan yang
dimiliki masing-masing trafo (X1) dan jumlah pelanggan yang II. TINJAUAN PUSTAKA
dilayani masing-masing trafo di daerah tersebut (X2) tidak
signifikan mempengaruhi hazard atau laju bertahan trafo dari A. Reliabilitas dan Hazard Rate
kerusakan yang dimodelkan dalam Regresi Cox. Reliabilitas atau R(t) didefinisikan sebagai probabilitas
Kata Kunci—Bayesian, Mixture Weibull, Regresi Cox, suatu produk berfungsi baik tanpa kegagalan dalam kondisi
Reliabilitas, Transformator. tertentu untuk jangka waktu tertentu [3].
∞
R t = Pr T ≥ t = 1- F t = t f t dt (1)
Sedangkan probabilitas suatu unit mengalami kerusakan
I. PENDAHULUAN
setelah bertahan sampai waktu t disebut hazard rate function
P
ERMASALAHAN perekonomian global yang muncul dengan f(t) adalah probability density function (pdf) dan F(t)
selama ini adalah meningkatnya permintaan untuk adalah cumulative density function (cdf) dari distribusi yang
peningkatan kinerja produk dan sistem, serta mengurangi dinotasi-kan sebagai berikut:
biaya yang dikeluarkan pada kondisi yang bersamaan [1]. f(t)
h t = (2)
Suatu produk atau sistem dikatakan gagal apabila berhenti R(t)
melakukan fungsi yang diinginkan, salah satu contohnya B. Distribusi Weibull 2 Parameter
adalah transformator (trafo). Transformator adalah suatu
peralatan listrik statis yang berfungsi sebagai penaik (step up) Fungsi padat probabilitas distribusi weibull dengan
dan penurun (step down) tegangan atau arus. Besarnya jumlah parameter β sebagai parameter bentuk dan η sebagai parameter
permintaan kebutuhan listrik saat ini menyebabkan reliabilitas skala adalah sebagai berikut:
t β
sistem sebagai suatu prioritas. Reliabilitas suatu unit dalam β t β-1 - η
f t = ( ) e ; η,β > 0, t > 0 (3)
waktu tertentu tidak akan menunjukkan nilai probabilitas yang η η
sama dan pola atau distribusi dari usia pakai yang memiliki Fungsi reliabilitas dari distribusi weibull adalah sebagai
kemungkinan berbeda atau membentuk mixture distribution. berikut:
Bagi PLN, apabila terjadi kerusakan trafo pada suatu
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-86
t β G. Distribusi Prior
-
R t =e η ; t > 0 (4)
Distribusi prior merupakan suatu informasi terdahulu me-
Fungsi laju kerusakan dan untuk distribusi weibull adalah
ngenai parameter [7]. Dalam menentukan distribusi prior, hal
sebagai berikut:
utama yang harus diperhatikan adalah adanya informasi
f(t) β t β-1
h t = = ( ) ;η,β > 0, t > 0 (5) terdahulu mengenai parameter atau berdasarkan sifat distribusi
R(t) η η
posterior yang akan dihasilkan.
C. Distribusi Weibull 3 Parameter
H. Likelihood Model Mixture Weibull
Fungsi padat probabilitas distribusi weibull dengan
persamaan (9) maka bentuk likelihood dengan ∑ ni =n, dan w
parameter β sebagai parameter bentuk ,η sebagai parameter Dari persamaan mixture secara umum seperti dalam
skala serta γ adalah parameter lokasi adalah:
Lfmix θ,w|t = ∏i=1 w1 f ti1 |θ1 + ∏i=1 w2 f ti2 |θ2 +…+
β adalah proporsi komponen mixture yang akan terbentuk adalah
β-1 t-γ n1 n2
h t|θ = ∑ki=1 wi
βi -1 akan sebesar exp(B) kali dari variabel yang tidak diberi
βi t-γ
(12) perlakuan [10]
ηi ηi
M. Transformator
F. Estimasi Parameter Distribusi Mixture Weibull
Dengan transformator, distribusi daya listrik dapat mem-
Karena penelitian ini dilakukan dengan analisis Bayesian,
bangkitkan daya pada tegangan yang cocok. Transformator
maka semua parameter dalam model mixture yang akan distribusi merupakan suatu komponen yang sangat penting
diduga diperlakukan sebagai suatu variabel vektor random dari
dalam penyaluran tenaga listrik dari gardu distribusi ke kon-
parameter θ [5],[6]. Dengan menghilangkan pengaruh nilai
sumen sehingga diharapkan beroperasi secara maksimal.
total probabilitas, p θ|t sebagai bentuk posterior dapat Keru-sakan pada trafo menyebabkan kontinuitas pelayanan
dinyatakan dalam bentuk proporsional sebagai perkalian terhadap konsumen akan terganggu (terjadi pemutusan aliran
antara likelihood l t|θ dengan prior p(θ) sebagai berikut :
p θ|t ∝ l t|θ p(θ)
listrik atau pema daman). Pemadaman merupakan suatu
(13) kerugian yang menyebabkan biaya-biaya pembangkitan akan
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-87
meningkat tergantung harga kilowatt-hour (KWH) yang tidak PLN di Surabaya Barat bersifat heterogen seperti pada Tabel
terjual. 1.
Tabel 1.
N. Proses Distribusi Listrik ke Pelanggan Statistika Deskriptif Usia Pakai Trafo
Tenaga listrik awalnya dibangkitkan dari pusat-pusat listrik Mean ST.Dev Skewness Kurtosis
yang pada umumnya terletak jauh dari pusat bebannya. 4243 3059 0,88 -0,11
Tegangannya dinaikkan oleh trafo step up yang ada di setiap Dari hasil pengujian menggunakan Anderson darling dida-
pusat listrik atau gardu induk karena tegangan generator yang patkan hasil untuk semua pengujian distribusi, tidak satupun
dihasilkan setiap pusat listrik relatif rendah (6 kV – 24 kV). distribusi yang memiliki p-value lebih dari α sebesar 0,05
Setelah tegangan dinaikkan kemudian disalurkan melalui yang artinya tidak ada satupun distribusi yang memenuhi
transmisi Saluran Udara Tegangan Tinggi (SUTT) atau Salu- karakte-ristik data usia pakai trafo seperti yang terdapat pada
ran Udara Tegangan Ekstra Tinggi (SUTET) menuju Gardu Tabel 2. Hasil pengujian distribusi tersebut mengindikasikan
Induk (GI) untuk diturunkan tegangannya kembali menjadi bahwa distribusi statistika multimodal yang layak digunakan
tegangan menengah atau tegangan distribusi primer yang dalam analisis. Hal ini dikarenakan analisis menggunakan
bertegangan 6kV, 12kV atau 20 kV. Setelah tegangan dari distribusi statistika unimodal akan menyebabkan bias karena
tenaga listrik yang dihasilkan diturunkan menjadi tegangan tidak ada-nya distribusi yang berkesesuaian.
menengah 20 kV maka kemudian disalurkan ke saluran distri- Tabel 2.
busi atau dalam istilah Saluran Udara Tegangan Menengah Nilai Anderson Darling setiap distribusi
(SUTM), yang kemudian dari SUTM menuju Trafo distribusi Distribusi AD P-value
untuk diturunkan kembali tegangannya menjadi 380/220 V Normal 25,532 < 0,005
untuk dibagikan ke setiap konsumen rumah tangga. Box-Cox Transformation 6,927 < 0,005
O. Penyebab Gangguan Trafo Lognormal 7,222 < 0,005
3-Parameter Lognormal 7,565 *
Beberapa penyebab terjadinya gangguan pada trafo dis-
Eksponensial 24,935 < 0,003
tribusi yang berfungsi untuk menurunkan tegangan sebelum
didistribusikan ke pelanggan diantaranya adalah sambaran 2-Parameter Eksponensial 12,574 0,010
petir, hubungan singkat arus listrik, dan oksigen yang terdapat Weibull 8,435 < 0,010
di udara yang berhubungan dengan minyak trafo yang panas. 3-Parameter Weibull 15,675 < 0,005
Smallest Extreme Value 37,496 < 0,010
Largest Extreme Value 15,488 < 0,010
III. METODOLOGI PENELITIAN
Gamma 7,898 < 0,005
Jenis data yang akan digunakan pada penelitian tugas akhir 3-Parameter Gamma 31,223 *
yang akan dilakukan adalah data sekunder dari Perusahaan Logistic 22,891 < 0,005
Listrik Negara (PLN). Data yang digunakan adalah data usia Loglogistic 7,794 < 0,005
pakai trafo di PLN APJ Surabaya Barat dan faktor-faktor yang 3-Parameter Loglogistic 8,831 *
akan diteliti pengaruhnya terhadap reliabilitas dari trafo
sebagai variabel bebas diantaranya adalah kapasitas trafo dan 0,4
Probability Density Function
0,32
0,24
0,2
0,16
studi pendahuluan tentang pola mixture data usia pakai trafo. 0,12
0,04
Histogram Weibull
0,24 0,32
0,22
0,28
0,2
0,16
0,24
0,2
f(x)
0,14
f(x)
0,12 0,16
0,08
0,06
0,12
0,08
0,04
0
800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800 5200
0,04
hari dengan deviasi standar 3059. Skewness bernilai positif Histogram Weibull
Histogram Weibull (3P)
terpisah dan didapatkan histogram yang ditunjukkan pada C. Penaksiran Parameter Distribusi Usia Pakai Trafo
Gambar 2. Data usia pakai trafo dianalisis dengan syntax program
Didapatkan subpopulasi 2 mengikuti distribusi weibull 3 WinBUGS 1.4 Listing Program 1. Iterasi dilakukan hingga
parameter dengan toleransi kesalahan (α) sebesar 0,02 dengan 50000 kali dengan thin sebesar 10 dan WinBUGS akan mela-
nilai AD 2,6793 > nilai kritis 3,2982. Untuk subpopulasi 1 kukan identifikasi kondisi yang steady state. Penelitian ini
tidak ada satupun distribusi yang cocok dengan karakteristik hanya menggunakan 1 chain. Burn in terjadi setelah iterasi ke
data. Oleh karena itu, penentuan dugaan mixture weibull 400, sedangkan sisanya yaitu sebesar 4960 iterasi digunakan
kembali didasarkan pada visualisasi plot histogram data secara untuk proses sampling Markov Chain Monte Carlo (MCMC).
lengkap yang menyerupai gabungan (mixture) dari dua Tabel 3.
weibull. Weibull adalah distribusi ini yang paling sering Estimasi Parameter Weibull 3P
Parameter Mean 2,5% Median 97,5%
digunakan dalam memodelkan life data atau fenomena w1 0,6636 0,6283 0,6638 0,6976
kerusakan dengan laju kerusakan yang bergantung pada usia w2 0,3364 0,3024 0,3362 0,3718
pakai komponen, termasuk di dalamnya memodelkan β1 0,7485 0,6929 0,7484 0,8043
reliabilitas usia pakai trafo. β2 1,007 0,9773 1,008 1,029
η1 401,12 0,001501 0,002422 0,003883
B. Desain Struktur Mixture dalam WinBUGS γ1 65,52 52,99 66,91 69,9
γ2 566,1 552,5 566,8 574,9
θ 500,6 494,5 500,5 506,8
Selama periode burn in, 400 iterasi pertama dike-
luarkan dari sampel untuk menghindarkan pengaruh posterior
dari nilai awal (initial value). Dilihat dari interval dari masing-
masing parameter w1, w2, β1, β2, η1, η2, γ1, γ2, dan θ tidak
melewati nilai nol dan tidak berbeda tanda sehingga dapat
disimpulkan bahwa setiap parameter telah signifikan dalam
memodelkan model mixture dengan credible interval 95%.
Gambar 3. Doodle mixture penyusun data usia pakai selanjutnya distribusi mixture weibull dengan 2 subpopulasi
Model secara grafis digambarkan berupa doodle dari sekum- dapat dimodelkan densitas-nya sebagai berikut:
pulan hubungan node-node dalam WinBUGS 1.4 seperti pada 0,7485 t -65,52 0,7485-1 t - 65,52 0,7485
fmix t|w,β,η,γ = 0,6636 e 401,12 +
Gambar 3 yang dapat dituliskan syntax programnya dalam 401,12 401,12
1,007-1 t - 566,1 1,007
1,007 t - 566,1
Listing Program 1. 0,3364 e 4432,62
4432,62 4432,62
Listing Program 1
model; Diambil salah satu output parameter weibull 3P, yaitu β1
{
for( i in 1 : N ) { untuk menunjukkan sifat dari posterior yang terbentuk.
Y[i] ~ dweib3(beta[i],eta[i],gam[i])
pbeta[1] pbeta[1]
}
0.9
pbeta[1] ~ dweib( 60,1) 1.0
0.8
for( i in 1 : N ) { 0.5
0.7 0.0
beta[i] <- pbeta[P[i]] -0.5
0.6
} 1 20000 40000 -1.0
pbeta[2] ~ dweib(60,1) iteration
0 20 40
peta[1] ~ dweib(60,1)
pbeta[1] sample: 4960 lag
peta[2] ~ dweib(1,5000)
for( i in 1 : N ) { 15.0
!
β2 -1 t-γ 2
n β2
n2
n2 t-γ2 η2
hubungan arus pendek, serta berlaku hanya satu kali
w22 e pemakaian trafo yaitu sebelum terjadi kerusakan. Selain itu
η2 η2
untuk tetap menjaga performance dari trafo sebaiknya
dengan perawatan terhadap trafo dilakukan secara rutin sehingga trafo
bisa memiliki waktu untuk berfungsi dengan baik yang lebih
S =
Γ α #∏ki=1 Γ αi $ ∏ki=1 xi αi -1 . Γ α #∏ki=1 Γ αi $ ∏ki=1 xi αi -1 ,
-1 -1
panjang.
Plot reliabilitas dari usia pakai trafo yang diilustrasikan
. ( . ( ,
β-1 t-γ
β
β-1 t-γ
β
β-1 t-γ
β pada Gambar 5 menunjukkan semakin lama semakin nilai
β t-γ - β t-γ - β t-γ -
U= ( ) e η ) e η ) e η reliabi-litasnya semakin menurun sampai menuju 0 pada usia
η η η η η η
lebih dari 16000 hari. Nilai reliabilitas 0 menunujukkan trafo
, /01 - , /01 -
. '√)* + . '√)* +
& . 3 & . 3
β
β-1 t-γ sudah tidak dapat berfungsi dengan baik atau mengalami
- 2 - 2
β t-γ -
V = η( η
) e η . kerusakan. Apabila terjadi kerusakan pada trafo, maka daerah
yang arus listriknya melewati trafo tersebut akan mengalami
D. Fungsi Reliabilitas dan Laju Kerusakan pemadaman listrik
Dari densitas mixture data usia pakai trafo yang telah
diperoleh sebelumnya maka fungsi reliabilitas pada t > 65,52
hingga t = 566,1 dapat dihitung sebagai berikut:
t - 65,52 0,7485
R t = e 401,12
Sedangkan untuk densitas mixture data usia pakai trafo untuk t
> 566,1, fungsi reliabilitasnya adalah sebagai berikut:
t - 566,1 1,007
R(t)4 e 4432,62
Dari densitas mixture 2 subpopulasi tersebut juga didapatkan Gambar 5. Plot reliabilitas usia pakai trafo
reliabilitas mixture usia pakai trafo yang dapat dihitung Berikut adala hazard function distribusi mixture yang ter-
sebagai berikut: bentuk:
t - 65,52 0,7485 t - 566,1 1,007
h t = 0,6636 x
0,7485-1 1,007-1
R t =0,6636 e 401,12 + 0,3364 e 4432,62 0,7485 t -65,52 1,007 t - 566,1
+ 0,3364 x
401,12 401,12 4432,62 4432,62
Tabel 4.
Reliabilitas usia pakai trafo pada t (hari) Tabel 5.
Laju kerusakan usia pakai trafo pada t (hari)
Usia Reliablitas Usia Laju kerusakan
Pakai Pakai
Trafo R(1825) R(3650) R(5475) R(7200) R(9125) Trafo h(1825) h(3650) h(5475) h(7200) h(9125)
0,2787 0,1688 0,111 0,075 0,048 0,00093 0,00079 0,000720 0,000677 0,000642
Tabel 5 menjelaskan bahwa laju kerusakan pada periode (t)
Tabel 4 menunjukkan bahwa nilai reliabilitas dari usia pakai 5 tahun adalah sebesar 0,00093 kerusakan/hari. Laju
trafo PT. PLN APJ Surabaya Barat pada periode (t) 1825 hari kerusakan pada periode (t) 3650 atau 10 tahun menurun
atau 5 tahun adalah sebesar 27,87%. Pada periode (t) 3650 menjadi 0,00079 kerusakan/hari. Pada periode (t) 5475 hari
hari atau 10 tahun, nilai reliabilitas usia pakai trafo turun atau 15 tahun, laju kerusakan terus mengalami penurunan
menjadi 16,88%. Dalam periode 5 tahun maupun 10 tahun, menjadi 0,000720 keru-sakan/hari dan pada periode (t) 7200
trafo sudah memiliki nilai reliabilitas yang kurang dari 50%. hari atau 20 tahun memi-liki laju kerusakan sebesar 0,000677
Hal ini sangat mungkin terjadi dikarenakan pemakaian trafo kerusakan/hari dan pada t sebesar 9125 hari atau 25 tahun
yang tidak pernah berhenti selama 24 jam. Setelah digunakan mencapai laju kerusakan sebesar 0,000642 kerusakan/hari.
selama 15 tahun, nilai reliabilitas trafo semakin menurun Nilai hazard dari trafo dari waktu ke waktu tidak konstan dan
menjadi 11,1% sedangkan nilai reliabilitas untuk trafo yang cenderung mengalami penurunan. Plot hazard function trafo
telah dipakai selama 20 tahun sebesar 7,5% dan pada usia 25 diilustrasikan pada Gambar 6. Laju kerusakan trafo semakin
tahun adalah sebesar 4,8%. Ketika trafo telah dipakai selama turun seiring dengan semakin bertambah usia pemakaiannya.
15 tahun, kemampuan sebuah trafo berfungsi dengan baik Nilai hazard function atau laju kerusakan yang semakin lama
sudah cukup kecil yaitu sebesar 11,1% dan semakin mengecil semakin menurun mengindikasikan terjadinya kerusakan dini
pada usia trafo sebesar 25 tahun yang kurang dari 5%. Dari pada trafo dimana kerusakan kecil atau gangguan sebelumnya
hasil analisis, nilai reliabilitas pada waktu usia trafo 20 tahun diabaikan [11].
sudah mencapai 7,5%. Secara logika dengan berdasarkan nilai Apabila hazard function menurun berarti distribusi
keandalan yang sebesar 7,5%, trafo sudah dalam kondisi memiliki ekor yang berat (heavy tail), yaitu distribusi secara
rawan untuk mengalami kerusakan atau berhenti berfungsi. signifikan menempatkan probabilitas lebih pada nilai-nilai
JURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) 2337-3520 (2301-928X Print) D-90
yang lebih besar. Sebaliknya, apabila hazard function penyebab variabel X1 dan X2 tidak signifikan terhadap model
meningkat akan mengindikasikan ekor distribusi yang lebih regresi cox. Seharusnya dilakukan pemodelan regresi cox
ringan [12]. Pada data usia pakai trafo, plot densitas mixture mixture berdasarkan layanan kelas trafo sehingga dengana
memiliki ekor berat (heavy tail) sehingga nilai dari hazard adanya pengelompokan kelas variasi dari data tidak terlalu
function terus menurun. besar.