PENGEMBANGAN APLIKASI PEMBAGIAN BEBAN
LISTRIK PADA GEDUNG PERKANTORAN DENGAN
METODE ALGORITMA GENETIKA
(Studi Kasus Gedung Dekanat Fakultas Teknik Universitas Bengkulu)
Maharani Dwi Nanda Puspitasari1*, Novalio Daratha, S.T., M.Sc.,Ph.D2,
Ika Novia Anggraini, S.T., M.Eng3
1
Teknik Elektro Universitas Bengkulu, *E-mail: maharani.dnp@gmail.com
ABSTRACT
In an electric power distribution system, load imbalance
often occurs due to different electrical loads in each
phase. As a result of the load imbalance, current and
power losses occur in the neutral conductor. To regulate
the load to be balanced, a genetic algorithm is used in
the process of compiling the load. The Dean Building,
Faculty of Engineering, University of Bengkulu,
consumes electric power in each of the R, S, and T
phases of 17,423 W, 18,596 W, and 14,165 W, so the
losses on the neutral conductor are 172.2812 W. It can
be seen that the load consumed The dean building of the
Engineering faculty is not balanced and produces large
neutral conductor losses, after the load is compiled with
a genetic algorithm, the new power consumption of each
phase R, S, and T is 16,671 W, 16,673 W and 16,660 W
with a fitness value of 0, 0342 W, so that the losses in the
neutral conductor are 0.0032 W. It can be seen that the
genetic algorithm is effective in arranging electrical
loads so that each phase is balanced
Key Words: genetic algorithm, neutral current,
load imbalance, load sharing,
neutral conductor losses
1. PENDAHULUAN
Sistem tenaga listrik yang digunakan di
Indonesia secara keseluruhan adalah sistem tiga fasa
dengan arus bolak-balik. Umumnya perencanaan
pembagian beban listrik pada fasa R, S, T dirancang
secara seimbang, kenyataannya dalam pemenuhan
kebutuhan tenaga listrik sering kali terjadi pembagian
beban pada ketiga fasa yang tidak merata sehingga
menimbulkan beban yang tidak seimbang yang akhirnya
berdampak pada penyediaan tenaga listrik. Beban yang
tidak seimbang tersebut terjadi karena ketidaksamaan
pemakaian energi listrik. Akibat ketidaksamaan
pemakaian beban di sisi pelanggan menyebabkan
ketidakseimbangan beban antar fasanya, yaitu fasa R, S,
dan T yang pada akhirnya muncul arus pada penghantar
netral. Aliran arus netral yang terjadi menyebabkan
terjadinya rugi-rugi daya pada penghantar netral [1].
Gangguan sistem kelistrikan yang sering terjadi di
Gedung Dekanat Fakultas Teknik yaitu overvoltage yang
dominan terletak di fasa S dan fasa T. Ketidakseimbangan
yang terjadi diantar fasa menyebabkan
ketidakseimbangan arus dan tegangan yang terukur lebih
besar [2]. Untuk itu diperlukan solusi untuk
menyeimbangkan antar fasa sehingga ketidakseimbangan
arus dan tegangan sesuai dengan standar yang ada.
Banyaknya alternatif optimasi sistem yang mungkin
dibuat akan menyulitkan operator menentukan hasil yang
optimal. Permasalahan pembagian beban pada gedung
dekanat dengan keluaran keseimbangan tiap fasanya
hampir seimbang akan diselesaikan dengan memodelkan
ke dalam metode algoritma genetika.
2. LANDASAN TEORI
A. Sistem Tiga Phasa Terhubung Bintang dengan
Beban yang Seimbang dan Tidak Seimbang
Keadaan seimbang adalah suatu keadaan di mana :
• Ketiga vektor arus / tegangan sama besar.
• Ketiga vektor saling membentuk sudut 120º satu
sama lain.
Sedangkan yang dimaksud dengan keadaan tidak
seimbang adalah keadaan di mana salah satu atau kedua
syarat keadaan seimbang tidak terpenuhi. Kemungkinan
keadaan tidak seimbang ada 3 yaitu :
• Ketiga vektor sama besar tetapi tidak membentuk
sudut 120º satu sama lain.
• Ketiga vektor tidak sama besar tetapi membentuk
sudut 120º satu sama lain.
• Ketiga vektor tidak sama besar dan tidak
membentuk sudut 120º satu sama lain.
Pada sistem tenaga listrik tiga fasa, idealnya daya
listrik yang dibangkitkan, disalurkan dan diserap oleh
beban semuanya seimbang. Daya pembangkitan sama
dengan daya pemakaian dan juga pada tegangan
seimbang[3].
 2% dari tegangan rata-rata masing-masing sistem tiga
fasa.

C. Perhitungan Rugi-Rugi Daya akibat Beban

Tidak Seimbang
Perhitungan arus netral dapat dirumuskan :
IN = IR + IS +IT
Rugi-rugi daya akibat adanya arus netral pada
penghantar netral. Sebagai akibat dari ketidakseimbangan
beban antara tiap-tiap fasa (fasa R, fasa S, fasa T)
Gambar 1 Vektor Diagram Arus mengalirlah arus di netral. Arus yang mengalir pada
Gambar 1 (a) menunjukkan vektor diagram arus penghantar netral ini menyebabkan rugi-rugi daya. Rugi-
dalam keadaan seimbang, di mana terlihat bahwa rugi daya pada penghantar netral ini dapat dirumuskan
penjumlahan ketiga vektor arusnya adalah sama dengan sebagai berikut:
nol sehingga tidak muncul arus netral. Sedangkan pada PN = IN2 . RN
gambar 1 (b) menunjukkan vektor diagram arus yang dimana :
tidak seimbang, di mana terlihat penjumlahan ketiga PN : rugi-rugi daya pada penghantar netral transformator
vektor arusnya tidak sama sehingga muncul suatu besaran (watt)
pada titik netral [4]. IN : arus yang mengalir pada netral transformator (A)
RN : tahanan penghantar netral transformator (Ω)
B. Ketidakseimbangan Arus dan Tegangan
Ketidakseimbangan tegangan ini merupakan D. Algoritma Genetika
fenomena yang terjadi karena perbedaan deviasi Algoritma genetika adalah algoritma yang
maksimum dari rata-rata tegangan atau arus tiga fasa yang memanfaatkan proses seleksi alamiah yang dikenal
dinyatakan dalam persen. dengan proses evolusi. Dalam proses evolusi, individu
𝐼𝐿−𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 secara terus-menerus mengalami perubahan gen untuk
% I unbalance = 𝑥 100 %
𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎 menyesuaikan dengan lingkungan hidupnya[5].
𝐼𝑅 + 𝐼𝑆 + 𝐼𝑇
IRata-rata =
3
3. METODOLOGI
dengan, IL = Arus line maksimum (A)
A. DIAGRAM BLOK PERANCANGAN
IR = Arus fasa R (A)
IS = Arus fasa S (A)
IT = Arus fasa T (A)
Standar ketidakseimbangan arus menurut ANSI
C84.1-1995 (American National Standard Institute)
adalah 5% dari arus line rata-rata pada sistem tiga fasa.
Pada sistem tiga fasa tiga kawat yang bisa terukur secara
langsung hanya tegangan setiap fasa, sehingga besarnya
ketidakseimbangan tegangan per-fasa biasanya dihitung
dengan persamaan berikut :
𝑉𝐿−𝑁−𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% V Unbalance = x 100 %
𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
Gambar 2. Diagram Blok Mekanisme Kerja Algoritma
𝑉𝑅 + 𝑉𝑆 + 𝑉𝑇
VRata-rata = Genetika
3
dengan, VL-N = Tegangan line to netral (V) Gambar 2 menunjukkan diagram blok mekanisme
kerja AG. Proses ini dimulai dari pembangkitan populasi
VR = Tegangan fasa R (V)
awal yang merupakan kumpulan individu-individu.
VS = Tegangan fasa S (V) Masing-masing individu tersebut, dinyatakan dalam
VT = Tegangan fasa T (V) bentuk gen dan kromosom sesuai dengan model
dari permasalahan. Kemudian individu-individu tersebut
Berdasarkan standar EN 50160 (European
dipilih (seleksi) untuk mendapat individu-individu yang
Standard) bahwa batas tegangan 220/380V adalah ±10%
baik [6].
dari tegangan standar atau 198V≤V≤242 V dan standar
Pengertian individu yang baik ini, dievaluasi
ketidakseimbangan tegangan menurut EN 50160 adalah
berdasarkan nilai kebugaran (fitness) relatif dari setiap
individu. Semakin tinggi nilai kebugarannya, maka 𝑃𝑅 + 𝑃𝑆 + 𝑃𝑇 17.243 W+18.596 W+14.165 W
Prata-rata = =
3 3
semakin baik nilai individu tersebut dan semakin besar 50.004 𝑊
= = 16.668 𝑊
kemungkinan dia bertahan untuk dipilih[7]. 3
Ketidakseimbangan Daya =
1
B. Penjabaran Metode Algoritma Genetika √3 ∑𝑐𝑝=𝑎 ⃓ 𝑃𝑅 − 𝑃𝐴𝑉𝐺 ⃓2 + +⃓ 𝑃𝑆 − 𝑃𝐴𝑉𝐺 ⃓2 + +⃓ 𝑃𝑇 − 𝑃𝐴𝑉𝐺 ⃓2
Urutan langkah-langkah penyelesaian pembagian Ketidakseimbangan Daya =
beban listrik pada gedung perkantoran 1
√ 𝑥 ⃓17.243 − 16.668⃓2 + ⃓18.596 − 16.668⃓2 + ⃓14.165 − 16.668⃓2
• Encoding 3

Dalam permasalahan pembagian beban listrik
pada Gedung dekanat memiliki 411 beban listrik sehingga
sebuah gen memiliki 411 karakter. Gen disimpan dengan
data berjenis string. Setiap karakter dalam gen tersebut
memiliki informasi yang berisi “R”, “S”, dan “T” jika
beban listrik tersebut termasuk dalam fasa “R”, “S”, dan
“T”. Setiap individu memiliki satu gen, satu sumR, satu
sumS, satu sumT, dan satu nilai fitness. Peubah sumR,
sumS, sumT adalah jumlah angka dari seluruh beban yang
ada fasa R, S, dan T. Data awal beban diletakkan di Excel
dalam bentuk CSV.
• Perhitungan Nilai Fitness
Nilai fitness dilakukan perhitungan untuk setiap
individu berdasarkan dengan nilai gen yang dimilikinya.
Untuk permasalahan ini nilai fitnessnya dapat dilakukan
perhitungan menggunakan persamaan berikut
fitness=
1
√ ⃓ 𝑆𝑢𝑚𝑅 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑆 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑇 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2
3
= 1.854,0782 W
dapat diketahui perhitungan besar
ketidakseimbangan daya beban pada gedung dekanat
teknik sebesar 1.854,0782 W, sehingga dapat dihitung
besarnya ketidakseimbangan daya dalam persen.
Ketidakseimbangan Daya = (Ketidakseimbangan daya /
rata-rata) x 100%
= (1.854,0782 W/ 16.668 W) x 100 %
=11,1236 %
Berdasarkan perhitungan ketidakseimbangan daya
beban awal dalam persen pada Gedung Dekanat Fakultas
Teknik sebesar 11,1236 % dari daya rata-rata.
B. Hasil Keseluruhan Simulasi
Berdasarkan pengujian yang telah dilakukan dengan
memvariasikan jumlah populasi, probabilitas pindah
silang, probabilitas mutasi, serta maksimum gen maka
dapat diketahui hasil dari simulasi pada Tabel 1

Tabel 1 Hasil Simulasi Variasi Populasi dan Pindah

• Gen dan Populasi Acak Silang
Gen dan populasi pada algoritma genetika dibangun Jumlah Populasi Probabilitas Pindah Silang
secara acak, populasi disimpan dalam sebuah DataFrame
• Evaluasi Populasi
Variasi Power Variasi Power
Tahap ini dilakukan penghitungan nilai fitness dan
pengurutan berdasarkan nilai fitness dari yang besar ke Unbalance Unbalance (%)
yang kecil, keluaran dari fungsi ini adalah LFR yang (%)
berisi urutan nilai-nilai fitness.
• Pindah Silang
Pindah silang dilakukan dengan cara menentukan
posisi awal dan akhir gen pada individu yang akan 100 0,622 0,1 0,474
dikawinkan secara acak. Kemudian dilakukan penukaran
200 0,175 0,2 0,059
nilai gen induk 1 dan induk 2 dari posisi awal sampai
dengan posisi akhir untuk diperoleh anak 1 dan anak 2 300 0,120 0,3 0,587
• Mutasi 400 0,314 0,4 0,447
Mutasi dilakukan dengan memberikan nilai inversi
500 0,313 0,5 0,347
atau menggeser nilai gen pada gen yang terpilih untuk
dimutasikan. 600 0,082 0,6 0,169
700 0,106 0,7 0,148
4. HASIL DAN PEMBAHASAN
800 0,056 0,8 0,243
A. Pengukuran Tingkat Ketidakseimbangan Daya
900 0,273 0,9 0,034
Kondisi Awal
Jumlah Daya pada Fasa R = 17.243 Watt 1000 0,191 1 0,230
Jumlah Daya pada Fasa S = 18.596 Watt
Jumlah Daya pada Fasa T = 14.165 Watt
Keterangan ; Jumlah Daya pada Fasa S = 16.673 Watt
= Simulasi dengan nilai persentase terkecil Jumlah Daya pada Fasa T = 16.660 Watt
= Simulasi dengan nilai persentase terbesar Ketidakseimbangan Daya = 5,7154 Watt
Ketidakseimbangan Daya = 0,0342 %
Tabel 1 menunjukkan bahwa ketidakseimbangan Berdasarkan perhitungan ketidakseimbangan daya
daya terkecil pada variasi populasi 800 sebesar 0,056 W simulasi terbaik pada gedung dekanat fakultas teknik
dan pada saat variasi probabilitas pindah silang 0,9 sebesar 0,0342 %,
sebesar 0,034
D. Perhitungan Tegangan dan Arus
Tegangan dan arus pada setiap fasa dilakukan
Tabel 2 Hasil Simulasi Variasi Mutasi dan Gen
dengan data beban pada kondisi awal dan beban simulasi
Probabilitas Mutasi Maksimum Gen terbaik, data daya beban listrik dapat dilihat pada Tabel 3
Variasi Power Variasi Power
Tabel 3 Perbandingan Kondisi Beban Awal dan
Unbalance Unbalance
Beban Simulasi Terbaik
(%) (%) Beban Kondisi Awal Beban Simulasi Terbaik
Fasa R Fasa S Fasa T Fasa R Fasa S Fasa T
(W) (W) (W) (W) (W) (W)
0,1 0,380 30 0,405 17.243 18.596 14.165 16.671 16.673 16.660
0,2 0,363 60 0,153
0,3 0,194 90 0,079 Tabel 4 Data Hasil Tegangan dan Arus Gedung
Dekanat
0,4 0,278 120 0,101
Fasa Tegangan Tegangan
0,5 0,248 150 0,452 Beban Awal (V) Beban Simulasi (V)
0,6 0,278 180 0,302
VR 207,397 209,883
0,7 0,273 210 0,153
VS 209,673 210,762
0,8 0,454 240 0,311
VT 214,316 210,626
0,9 0,433 270 0,250
Fasa Arus Arus
1 0,336 300 0,171
Beban Awal (A) Beban Simulasi (A)
IR 83,141 79,431
Keterangan ;
= Simulasi dengan nilai persentase terkecil IS 88,691 79,108
= Simulasi dengan nilai persentase terbesar
IT 66,094 79,097

Tabel 2 menunjukkan bahwa ketidakseimbangan

daya terkecil pada variasi mutasi 0,3 sebesar 0,194 W dan Dengan menggunakan data Tabel 4, sehingga dapat
pada saat variasi maksimum gen 90 sebesar 0,079 W. dihitung besar ketidakseimbangan arus
1. Beban Awal
𝐼𝑅 + 𝐼𝑆 + 𝐼𝑇 83,141+88,691+66,094 237,926
C. Hasil Simulasi Terbaik IRata-rata = = = =79,309
3 3 3
Berdasarkan pengujian yang telah dilakukan maka 𝐼𝐿−𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% I unbalance = 𝑥 100 %
dapat diketahui bahwa nilai terbaik dari hasil pengujian 𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
88,691−79,309
pada saat variasi pindah silang dengan parameter populasi = x 100% = 11,8296 %
79,309
sebesar 600, probabilitas pindah silang sebesar 0,9,
probabilitas mutasi sebesar 0,7, dan maksimum gen
2. Beban Simulasi Terbaik
sebesar 200, dengan nilai fitness sebesar 5,7154 W dan 𝐼𝑅 + 𝐼𝑆 + 𝐼𝑇 79,431+79,108+79,097 237,636
IRata-rata = = = =79,212
ketidakseimbangan daya sebesar 0,0342 %. Nilai terbaik 3 3 3
𝐼𝐿−𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
ini didapat pada perhitungan keenam dari sepuluh kali % I unbalance = 𝑥 100 %
𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
perhitungan yang dilakukan pada variasi pindah silang 79,431−79,212
= 𝑥 100% = 0,2765 %
kesembilan. Didapatkan data hasil sebagai berikut, 79,212
Jumlah Daya pada Fasa R = 16.671 Watt
 Dengan data pada Tabel 4 sehingga dapat dihitung
besar ketidakseimbangan tegangan sesuai dengan
Persamaan 2.3 dan 2.4.
1 Beban Awal
𝑉𝑅 + 𝑉𝑆 + 𝑉𝑇 207,397+209,673+214,316 631,386
VRata-rata = = =
3 3 3
=210,462
𝑉𝐿−𝑁−𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% V unbalance = x 100 %
𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
214,316−210,462
= 𝑥 100 % = 1,8312 %
210,462

2 Beban Simulasi Terbaik

𝑉𝑅 + 𝑉𝑆 + 𝑉𝑇 209,883+210,762+210,626 631,271
VRata-rata = = =
3 3 3
=210,424
𝑉𝐿−𝑁−𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% V unbalance = x 100 %
𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
210,762−210,424
= 𝑥 100 % = 0,1606 %
210,424
maka dapat diketahui perhitungan besar
Gambar 3 Sudut Fasa Kondisi Beban Awal
ketidakseimbangan arus (IUR) pada kondisi beban awal
sebesar 11,8296 % ketidakseimbangan tegangan (VUR)
Berdasarkan Gambar 3 terlihat sudut fasa arus dan
sebesar 1,8312 %. Pada beban simulasi terbaik nilai
tegangan setiap fasa, sudut fasa tegangan mempunyai
ketidakseimbangan arus (IUR) dan ketidakseimbangan
perbedaan nilai sebesar ±120o sedangkan sudut fasa serta
tegangan (VUR) lebih kecil dari kondisi beban awal
besar arus mempunyai perbedaan nilai yang bervariasi
sebesar 0,2765 % untuk IUR dan 0,1606 % untuk VUR.
setiap fasanya, sehingga menimbulkan arus pada
penghantar netral.
E. Perhitungan Arus Netral
Arus yang didapat setiap fasa pada Tabel 5 dapat
dilakukan perhitungan arus pada penghantar netral, untuk
melihat pengaruh ketidakseimbangan daya beban listrik
terhadap timbulnya arus pada penghantar netral.

Tabel 5 Data Perhitungan Arus Netral

No. Kondisi Beban Arus Netral

1 Beban Awal 19,302

2 Beban Simulasi 0,084

Terbaik

Berdasarkan Tabel 5 dapat diketahui bahwa pada

kondisi beban awal menimbulkan arus pada penghantar
netral sebesar 19,302 A sedangkan pada kondisi beban
simulasi terbaik arus pada penghantar netral sebesar 0,084
Gambar 4 Sudut Fasa Kondisi Beban Simulasi
A. arus pada penghantar netral kondisi beban simulasi
terbaik jauh lebih kecil dari arus netral beban awal. Arus
Berdasarkan Gambar 4 terlihat sudut fasa arus dan
pada penghantar netral mempengaruhi besarnya rugi-rugi
tegangan setiap fasa, sudut fasa tegangan mempunyai
daya pada penghantar netral.
perbedaan nilai sebesar ±120o sedangkan sudut fasa serta
besar arus setaip fasa mempunyai perbedaan nilai yang
tidak terlalu jauh bahkan hampir sama setiap fasanya,
sehingga arus pada penghantar netralnya kecil.
F. Perhitungan Rugi-Rugi Daya Pada Penghantar
Netral
Arus yang timbul pada penghantar netral dapat
menyebabkan rugi-rugi daya pada penghantar netral.
Berdasarkan Tabel 5 maka dapat dilakukan perhitungan
rugi-rugi daya pada penghantar netral
Tabel 6 Data Hasil Rugi-rugi Daya pada Penghantar
Netral Gedung Dekanat
Rugi-rugi Daya
No Kondisi Beban
(W)
1 Beban Awal 172,281
2 Beban Simulasi Terbaik 0,003
Pada kondisi beban awal saluran dekanat Teknik,
nilai tegangan dan arus pada setiap fasa berbeda,
sementara pada kondisi beban simulasi terbaik nilai
tegangan dan arus pada setiap fasa hampir sama.
Perbedaan besarnya arus dan sudut arus setiap fasa dapat
menyebabkan timbulnya arus pada penghantar netral.
Arus netral menyebabkan terjadinya rugi-rugi daya pada
penghantar netral, dimana semakin besar arus netral maka
semakin besar rugi-rugi daya pada penghantar netral.
Pada kondisi beban awal rugi-rugi daya pada penghantar
netral sebesar 172,281 W sedangkan pada kondisi beban
simulasi terbaik rugi-rugi daya pada penghantar netral
sebesar 0,003 W lebih kecil bahkan hampir tidak ada.
5. KESIMPULAN
Berdasarkan pembahasan dan analisis yang telah
dilakukan, adapun kesimpulan yang dapat ditarik adalah
sebagai berikut :
1. Gedung Dekanat Fakultas Teknik memiliki total
daya sebesar (50.004 W) dengan jumlah peralatan
sebanyak 411 buah. Pada fasa R total daya beban
sebesar (17.243 W), fasa S daya sebesar (18.596 W),
dan pada fasa T daya total sebesar (14.165 W).
Ketidakseimbangan daya pada Gedung Dekanat
Fakultas Teknik sebesar (1.854,0728 W), dan
ketidakseimbangan daya dalam persen sebesar
11,1236 %.
2. Berdasarkan rugi-rugi daya pada penghantar netral,
maka dapat disimpulkan bahwa rugi-rugi daya pada
beban simulasi terbaik sebesar 0,003 W lebih kecil
dari pada beban awal sebesar 172,281 W.
3. Metode algoritma genetika dapat diterapkan dalam
penyelesaian pembagian beban listrik pada Gedung
Dekanat Fakultas Teknik Universitas Bengkulu
dengan menggunakan perangkat lunak Julia.
4. Setelah dilakukan beberapa kali pengujian dengan
metode Algoritma Genetika didapatkan data
identifikasi beban listrik terbaik dengan jumlah
populasi sebesar 600 probabilitas pindah silang
sebesar 0.9, probabilitas mutasi sebesar 0.7, dan
jumlah generasi sebesar 200 , dengan nilai total daya
fasa R sebesar 16.671 W, fasa S sebesar 16.673 W ,
fasa T sebesar 16.660 W, fitness sebesar 5,7154 W,
dan ketidakseimbangan daya sebesar 0,0342%
REFERENSI
[1] I Nyoma, Budiastra, 2006. “Optimasi Jaringan
Distribusi Sekunder Untuk Mengurangi Rugi
Daya Menggunakan Algoritma Genetika” dalam
Seminar Nasional Aplikasi Teknologi Informasi
(ISSN 1907-5022, Juni 2006). Surabaya : Institut
Teknologi Sepuluh Nopember.
[2] Purnami, Ayu, 2017. “Analisa Gangguan
Overvoltage dan Undervoltage (Studi Kasus
Dekanat Fakultas Teknik Universitas Bengkulu)”.
Fakultas Teknik, Universitas Bengkulu, Bengkulu.
[3] Suwardana, I Wayan, Sutawinaya, I Putu, dkk.
2014. “Studi Analisis Rugi-Rugi Daya pada
Penghantar Netral Akibat Sistem Tidak Seimbang
di Jaringan Distribusi Gardu KA 1495 Penyulang
Citraland Menggunakan Simulasi Program ETAP
7.0.”. Bali: Politeknik Negeri Bali.
[4] Nugroho, Adi, 2019. “Analisis Pengaruh
Ketidakseimbangan Beban Terhadap Arus Netral
dan Losses pada Trafo Distribusi (Studi Kasus
pada PT.PLN (Persero) Ryon Kartasura”. Fakultas
Teknik, Universitas Surakarta, Surakarta.
[5] Tsai, Hsiang Chen., Jeng, Tyan Cherng, 1999.
“Optimal Phase Arrangement of Distribution
Transformers Connected to a Primary Feeder for
System Unbalance Improvement and Loss
Reduction Using a Genetic Algorithm” dalam
IEEE Transactions and Power System. IEEE.
[6] Kousik, Dasgupta., Mandal, Brototi, dan Sandanu,
Dam, 2013. “ A Genetic Algorithm (GA) Based
Load Balancing Strategy For Cloud Computing”
dalam International Conference on
Computational Intelligence: Modelling
Techniques and Application (pp 340-347).
ELSEVIER.
[7] Syukri, Sayyid Ahmad dan Firmansyah, Eka
Riska, 2012. “Algoritma Genetika Dasar
Komputasi Cerdas”. Jakarta : Universitas Islam
Negeri Syarif Hidayatullah.