Maharani Dwi Nanda G1D016044

PENGEMBANGAN APLIKASI PEMBAGIAN BEBAN
LISTRIK PADA GEDUNG PERKANTORAN DENGAN

METODE ALGORITMA GENETIKA
(Studi Kasus Gedung Dekanat Fakultas Teknik Universitas
Bengkulu)
DRAFT SKRIPSI
Halaman judul
MAHARANI DWI NANDA PUSPITASARI

NPM G1D016044
PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS BENGKULU
2020
i
ii
ABSTRAK
Listrik tiga fasa banyak digunakan untuk konsumen atau industri dengan daya yang
besar. Instalasi listrik tiga fasa memiliki kesulitan dalam pembagian beban tiap fasa
nya. Akhirnya akan menyebabkan mengalirnya arus pada netral, sehingga timbul
rugi-rugi pada penghantar netral. Bila arus netral (arus bocor) yang mengalir pada
penghantar netral terlalu besar, sehingga rugi-rugi daya yang timbulkan akan
semakin besar. Penelitian ini dilakukan di Gedung Dekanat Fakultas Teknik
Universitas Bengkulu. Pada area tersebut mengkonsumsi daya listrik pada masing-
masing fasa R,S, dan T sebesar 17.423 W , 18.596 W, dan 14.165W sehingga
menimbulkan ketidakseimbangan daya sebesar 1.854,0782 W, ketidakseimbangan
arus sebesar 11,8296 %, ketidakseimbangan tegangan sebesar 1,8312 % serta arus
netral sebesar 19,3024 A dan rugi-rugi daya saluran sebesar 172,2812 W. Untuk itu
diperlukan perangkat lunak pembagian beban yang dapat mengurangi atau bahkan
dapat menyeimbangkan beban pada listrik tiga fasa. Pada pembuatan perangkat
lunak ini menggunakan metode algoritma genetika, dengan menggunakan
algoritma genetika akan dapat menentukan beban listrik terletak pada setiap fasa,
di mana dilakukan dengan tahap penentuan inisialisasi populasi, evaluasi fitness
value, seleksi, silang dan mutasi. Pengujian dilakukkan dengan memvariasikan nilai
jumlah populasi, probabilitas pindah silang, probabilitias mutasi, dan maksimum
generasi. Hasil dari simulasi terbaik dengan jumlah populasi sebesar 600
probabilitas pindah silang sebesar 0,9, probabilitas mutasi sebesar 0,7, dan jumlah
generasi sebesar 200, mendapatkan pembagian beban listrik pada fasa R sebesar
16.671 W, fasa S sebesar 16.673 W, dan fasa T sebesar 16.660 W. Pembagian beban
listrik dari hasil simulasi mendapatkan nilai tingkat ketidakseimbangan daya
sebesar 0,0342%, ketidakseimbangan arus sebesar 0,2765 %, ketidakseimbangan
tegangan sebesar 0,1606 % serta arus netral sebesar 0,084 A, dan rugi-rugi daya
saluran sebesar 0,0032 W.
Kata Kunci: algoritma genetika, arus netral, ketidakseimbangan beban, pembagian

beban, rugi-rugi penghantar netral
iii
iv
DAFTAR ISI
Halaman judul .......................................................................................................... i

Abstrak ................................................................................................................... iii
Daftar Isi.................................................................................................................. v
Daftar Gambar ........................................................................................................ ix
Daftar Tabel ........................................................................................................... xi
Daftar Lampiran ................................................................................................... xiii
Bab I Pendahuluan .................................................................................................. 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah .................................................................................... 2
1.3 Batasan Masalah ....................................................................................... 3
1.4 Tujuan Penelitian ...................................................................................... 3
Bab II Tinjauan Pustaka .......................................................................................... 5
2.1 Sistem Daya Listrik Tiga Fasa ................................................................... 7
2.1.1 Sistem Pembangkit ..................................................................... 8
2.1.2 Sistem Transmisi ........................................................................ 8
2.1.3 Sistem Distribusi ......................................................................... 9
2.2 Rangkaian Listrik Tiga Fasa ................................................................... 12
2.2.1 Hubungan Bintang (Y, wye) ..................................................... 12
2.2.2 Hubungan Segitiga.................................................................... 13
2.3 Jenis Koneksi .......................................................................................... 14
2.4 Daya Sistem 3 Fasa Pada Beban Yang Seimbang .................................. 14
2.5 Ketidakseimbangan Beban ..................................................................... 15
2.6.1 Daya Sistem 3 Fasa Pada Beban yang Tidak Seimbang ........... 16
2.6.2 Ketidakseimbangan Arus dan Tegangan .................................. 17
2.7 Penyeimbangan Fasa .............................................................................. 19
2.8 Algoritma Genetika ................................................................................ 21
2.8.1 Fungsi Obyektif ........................................................................ 22
2.9 Kode Algoritma Genetika....................................................................... 23
2.10 Langkah langkah Algoritma Genetika.................................................... 23
v
2.11 Beberapa Devinisi dalam Algoritma Genetika ....................................... 24
Bab III Metode Penelitian...................................................................................... 25
3.1 Waktu dan Tempat Penelitian .................................................................. 25
3.2 Objek Penelitian ...................................................................................... 26
3.3 Data Pendukung ...................................................................................... 26
3.4 Penjabaran Metode Algoritma Genetika ................................................. 30
3.4.1 Encoding ................................................................................... 30
3.4.2 Perhitungan Nilai Fitness .......................................................... 30
3.4.3 Gen dengan Nilai Acak ............................................................. 31
3.4.4 Populasi Acak............................................................................ 31
3.4.5 Evaluasi Populasi ...................................................................... 31
3.4.6 Pindah Silang ............................................................................ 31
3.4.7 Mutasi ........................................................................................ 31
3.5 Metode Pengukuran Tingkat Ketidakseimbangan Daya......................... 32
3.6 Flowchart Penelitian ............................................................................... 32
Bab IV Hasil Dan Pembahasan ............................................................................. 35
4.1 Perhitungan Tingkat Ketidakseimbangan Daya Pada Kondisi Awal ..... 35
4.2 Hasil Simulasi Pengujian Tahap Awal ................................................... 40
4.2.1 Hasil Simulasi Pengujian Pertama ............................................ 40
4.2.2 Hasil Simulasi Pengujian Kedua ............................................... 41
4.2.3 Hasil Simulasi Pengujian Ketiga ............................................... 43
4.2.4 Hasil Simulasi Pengujian Keempat ........................................... 44
4.2.5 Hasil Simulasi Pengujian Kelima.............................................. 46
4.2.6 Hasil Simulasi Pengujian Keenam ............................................ 47
4.3 Hasil Simulasi Pengujian Variasi Populasi ............................................. 49
4.3.1 Hasil Pengujian Pertama Variasi Populasi ................................ 49
4.3.2 Hasil Pengujian Kedua Variasi Populasi ................................... 50
4.3.3 Hasil Pengujian Ketiga Variasi Populasi .................................. 52
4.3.4 Hasil Pengujian Keempat Variasi Populasi ............................... 53
4.3.5 Hasil Pengujian Kelima Variasi Populasi ................................. 55
4.3.6 Hasil Pengujian Keenam Variasi Populasi ................................ 56
4.3.7 Hasil Pengujian Ketujuh Variasi Populasi ................................ 58
4.3.8 Hasil Pengujian Kedelapan Variasi Populasi ............................ 59
vi
4.3.9 Hasil Pengujian Kesembilan Variasi Populasi ......................... 61
4.3.10 Hasil Pengujian Kesepuluh Variasi Populasi ........................... 62
4.3.11 Perbandingan Persentase dan Waktu pada Variasi Populasi ... 64
4.4 Hasil Simulasi Pengujian Variasi Probabilitas Pindah Silang ................ 65
4.4.1 Hasil Pengujian Pertama Variasi Probabilitas Pindah Silang ... 66
4.4.2 Hasil Pengujian Kedua Variasi Probabilitas Pindah Silang ..... 67
4.4.3 Hasil Pengujian Ketiga Variasi Probabilitas Pindah Silang ..... 69
4.4.4 Hasil Pengujian Keempat Variasi Probabilitas Pindah Silang . 70
4.4.5 Hasil Pengujian Kelima Variasi Probabilitas Pindah Silang .... 72
4.4.6 Hasil Pengujian Keenam Variasi Probabilitas Pindah Silang ... 73
4.4.7 Hasil Pengujian Ketujuh Variasi Probabilitas Pindah Silang ... 75
4.4.8 Hasil Pengujian Kedelapan Variasi Probabilitas Pindah Silang 76
4.4.9 Hasil Pengujian Kesembilan Variasi Probabilitas Pindah Silang
.................................................................................................. 78
4.4.10 Hasil Pengujian Kesepuluh Variasi Probabilitas Pindah Silang 79
4.4.11 Perbandingan Persentase dan Waktu pada Variasi Pindah Silang
.................................................................................................. 80
4.5 Hasil Simulasi Pengujian Variasi Probabilitas Mutasi ........................... 82
4.5.1 Hasil Pengujian Pertama Variasi Probabilitas Mutasi .............. 82
4.5.2 Hasil Pengujian Kedua Variasi Probabilitas Mutasi ................. 83
4.5.3 Hasil Pengujian Ketiga Variasi Probabilitas Mutasi ................ 85
4.5.4 Hasil Pengujian Keempat Variasi Probabilitas Mutasi ............. 86
4.5.5 Hasil Pengujian Kelima Variasi Probabilitas Mutasi ............... 88
4.5.6 Hasil Pengujian Keenam Variasi Probabilitas Mutasi .............. 89
4.5.7 Hasil Pengujian Ketujuh Variasi Probabilitas Mutasi .............. 91
4.5.8 Hasil Pengujian Kedelapan Variasi Probabilitas Mutasi .......... 92
4.5.9 Hasil Pengujian Kesembilan Variasi Probabilitas Mutasi ........ 94
4.5.10 Hasil Pengujian Kesepuluh Variasi Probabilitas Mutasi .......... 95
4.5.11 Perbandingan Persentase dan Waktu pada Variasi Mutasi ...... 97
4.6 Hasil Simulasi Pengujian Variasi Maksimum Gen ................................ 98
4.6.1 Hasil Pengujian Pertama Variasi Maksimum Gen ................... 98
4.6.2 Hasil Pengujian Pertama Variasi Maksimum Gen ................. 100
4.6.3 Hasil Pengujian Ketiga Variasi Maksimum Gen .................... 101
4.6.4 Hasil Pengujian Keempat Variasi Maksimum Gen ................ 103
vii
4.6.5 Hasil Pengujian Kelima Variasi Maksimum Gen ................... 104
4.6.6 Hasil Pengujian Keenam Variasi Maksimum Gen .................. 106
4.6.7 Hasil Pengujian Ketujuh Variasi Maksimum Gen .................. 107
4.6.8 Hasil Pengujian Kedelapan Variasi Maksimum Gen .............. 108
4.6.9 Hasil Pengujian Kesembilan Variasi Maksimum Gen ............ 110
4.6.10 Hasil Pengujian Kesepuluh Variasi Maksimum Gen .............. 111
4.6.11 Perbandingan Persentase dan Waktu pada Variasi Populasi.. 113
4.7 Hasil Keseluruhan Simulasi .................................................................. 114
4.8 Hasil Simulasi Terbaik.......................................................................... 115
4.9 Perhitungan Tegangan dan Arus ........................................................... 126
4.10 Perhitungan Arus Netral ....................................................................... 130
4.11 Perhitungan Rugi-Rugi Daya Pada Penghantar Netral ......................... 133
Bab V Penutup ..................................................................................................... 135
Daftar Pustaka ..................................................................................................... 137
Lampiran………………………………………………………………………..141
viii
DAFTAR GAMBAR
Gambar
Skema Sistem Pembangkitan Tenaga Listrik ......................................................... 7
Jaringan Distribusi Tipe Radial .............................................................................. 9
Jaringan Distribusi tipe Loop ................................................................................ 10
Jaringan Distribusi Spindle .................................................................................. 11
Kurva Tegangan Pada Sistem Listrik Tiga Fasa ................................................... 12
Hubungan Bintang ............................................................................................... 13
Hubungan Segitiga ................................................................................................ 13
Sampel Penyulang dengan Dua Cabang Penghubung ......................................... 14
Hubungan Bintang Dan Segitiga Yang Seimbang ............................................... 15
Ketidakseimbangan Beban pada Sistem 3 Fasa ................................................... 17
Representasi Permasalahan Algoritma Genetika .................................................. 24
Single Line Dekanat Lantai 1................................................................................ 27
Single Line Dekanat Lantai 2................................................................................ 28
Grafik Ketidakseimbangan Daya terhadap Variasi Populasi setiap Pengujian ..... 65
Grafik Ketidakseimbnagan Daya terhadap Variasi Pindah Silang setiap Pengujian
............................................................................................................................... 81
Grafik Ketidakseimbangan Daya terhadap Variasi Mutasi setiap Pengujian ....... 98
Grafik Ketidakseimbangan Daya terhadap Variasi Gen setiap Pengujian .......... 114
Sudut Fasa Kondisi Beban Awal ....................................................................... 131
Sudut Fasa Kondisi Beban Simulasi Terbaik ...................................................... 132
ix
x
DAFTAR TABEL
Tabel
Jadwal Kegiatan .................................................................................................... 25
Lokasi dan Kapasitas Transformator .................................................................... 26
Data Beban Listrik Gedung Dekanat dengan Letak Fasa Beban Awal ................ 35
Data Hasil Simulasi Pertama ................................................................................. 40
Data Hasil Simulasi Kedua ................................................................................... 42
Data Hasil Simulasi Ketiga ................................................................................... 43
Data Hasil Simulasi Keempat ............................................................................... 45
Data Hasil Simulasi Kelima .................................................................................. 46
Data Hasil Simulasi Keenam ................................................................................ 48
Data Hasil Simulasi Pertama Variasi Populasi ..................................................... 49
Data Hasil Simulasi Kedua Variasi Populasi ........................................................ 51
Data Hasil Simulasi Ketiga Variasi Populasi ........................................................ 52
Data Hasil Simulasi Keempat Variasi Populasi .................................................... 54
Data Hasil Simulasi Kelima Variasi Populasi ....................................................... 55
Data Hasil Simulasi Keenam Variasi Populasi ..................................................... 57
Data Hasil Simulasi Ketujuh Variasi Populasi...................................................... 58
Data Hasil Simulasi Kedelapan Variasi Populasi ................................................. 60
Data Hasil Simulasi Kesembilan Variasi Populasi ............................................... 61
Data Hasil Simulasi Kesepuluh Variasi Populasi ................................................. 63
Perbandingan Ketidakseimbangan Daya terhadap Variasi Populasi .................... 64
Data Hasil Simulasi Pertama Variasi Pindah Silang ............................................. 66
Data Hasil Simulasi Kedua Variasi Pindah Silang ............................................... 67
Data Hasil Simulasi ketiga Variasi Pindah Silang ................................................ 69
Data Hasil Simulasi Keempat Variasi Pindah Silang ........................................... 70
Data Hasil Simulasi Kelima Variasi Pindah Silang .............................................. 72
Data Hasil Simulasi Keenam Variasi Pindah Silang............................................. 73
Data Hasil Simulasi Ketujuh Variasi Pindah Silang ............................................. 75
Data Hasil Simulasi Kedelapan Variasi Pindah Silang ......................................... 76
Data Hasil Simulasi Kesembilan Variasi Pindah Silang ....................................... 78
xi
Data Hasil Simulasi Kesepuluh Variasi Pindah Silang ......................................... 79
Perbandingan Ketidakseimbangan Daya terhadap Variasi Pindah Silang ............ 81
Data Hasil Simulasi Pertama Variasi Mutasi ........................................................ 82
Data Hasil Simulasi Kedua Variasi Mutasi ........................................................... 84
Data Hasil Simulasi Ketiga Variasi Mutasi ........................................................... 85
Data Hasil Simulasi Keempat Variasi Mutasi ....................................................... 87
Data Hasil Simulasi Kelima Variasi Mutasi .......................................................... 88
Data Hasil Simulasi Keenam Variasi Mutasi ........................................................ 90
Data Hasil Simulasi Ketujuh Variasi Mutasi ......................................................... 91
Data Hasil Simulasi Kedelapan ............................................................................. 93
Data Hasil Simulasi Kesembilan Variasi Mutasi .................................................. 94
Data Hasil Simulasi Kesembilan ........................................................................... 96
Perbandingan Ketidakseimbangan Daya terhadap pada Variasi Mutasi ............... 97
Data Hasil Simulasi Pertama Variasi Gen ............................................................. 99
Data Hasil Simulasi Kedua Variasi Gen ............................................................. 100
Data Hasil Simulasi Ketiga Variasi Gen ............................................................. 101
Data Hasil Simulasi Keempat Variasi Gen.......................................................... 103
Data Hasil Simulasi Kelima Variasi Gen ............................................................ 104
Data Hasil Simulasi Keenam Variasi Gen ........................................................... 106
Data Hasil Simulasi Ketujuh Variasi Gen ........................................................... 107
Data Hasil Simulasi Kedelapan Variasi Gen ....................................................... 109
Data Hasil Simulasi Kesembilan Variasi Gen ..................................................... 110
Data Hasil Simulasi Kesepuluh Variasi Gen ....................................................... 112
Perbandingan Ketidakseimbangan Daya terhadap Variasi Gen .......................... 113
Hasil Keseluruhan Simulasi................................................................................. 115
Data Beban Listrik Gedung Dekanat Beban Simulasi Terbaik ........................... 116
Perbandingan Kondisi Beban Awal dan Beban Simulasi Terbaik ...................... 127
Data Hasil Tegangan dan Arus Gedung Dekanat ................................................ 128
Data Perhitungan Ketidakseimbangan Arus dan Tegangan ................................ 130
Data Perhitungan Arus Netral ............................................................................. 130
Data Hasil Rugi-rugi Daya pada Penghantar Netral Gedung Dekanat ............... 133
xii
DAFTAR LAMPIRAN
Lampiran
1.1 Kode Program Algoritma Genetika Menggunakan Julia program ........... 143
1.2 Hasil Pengujian Kesembilan Variasi Probabilitas Pindah Silang
Menggunakan Julia Program .................................................................... 147
1.3 Kode Program Menghitung Rugi-rugi Daya Listrik .................................. 159
1.4 Hasil Perhitungan Rugi-rugi Daya Listrik .................................................. 153
xiii
xiv
1. BAB I
PENDAHULUAN
1.1 Latar Belakang

Sistem tenaga listrik yang digunakan di Indonesia secara keseluruhan adalah
sistem tiga fasa dengan arus bolak-balik. Daya listrik tiga fasa ini dibangkitkan oleh
generator tiga fasa yang disalurkan melalui saluran transmisi serta saluran
distribusi. Daya yang dibangkitkan disalurkan dengan mempergunakan 3 kawat
fasa dan 1 kawat netral, sehingga demikian seharusnya penjumlahan nilai daya yang
disalurkan pada masing-masing fasa sama dengan nilai daya tiga fasa yang
disalurkan.
Proses penyaluran tenaga listrik mengalami rugi-rugi daya antara lain,
kerugian yang terjadi pada transmisi, sub jalur transmisi dan distribusi serta dalam
transformator daya dan transformator distribusi, selain itu kerugian komersial
memainkan peran penting dalam menentukan biaya energi yang digunakan oleh
pengguna [1]. 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
[2].
Gedung perkantoran biasanya memiliki kapasitas daya listrik yang besar.
Salah satu gedung perkantoran yang ada di Universitas Bengkulu yaitu Gedung
Dekanat Fakultas Teknik. Gedung dekanat disuplai dari transformator yang berada
di kedokteran dengan kapasitas 240 kVA. Memiliki kapasitas daya listrik yang
besar gedung dekanat sangat banyak menggunakan peralatan-peralatan elektronik
seperti mesin fotocopy, air conditioner, personal computer, printer, dispenser dan
lain sebagainya. Semakin banyak peralatan elektronik yang digunakan
1
menyebabkan konsumsi energi listrik juga meningkat. Permintaan listrik yang terus
meningkat terkadang tidak sesuai dengan kemampuan sistem yang ada sehingga
membuat sistem tidak mampu memenuhi kebutuhan listrik yang dapat mengganggu
sistem kelistrikan tersebut.
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 [3]. 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.
Dengan latar belakang di atas maka dilakukan penelitian dengan judul
“Pengembangan Aplikasi Pembagian Beban Listrik pada Gedung Perkantoran
dengan Metode Algoritma Genetika (Studi Kasus Gedung Dekanat Fakultas Teknik
Universitas Bengkulu)”. dengan harapan dapat memberikan solusi agar kelistrikan
gedung menjadi lebih baik.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang ada maka didapatlah rumusan masalah
sebagai berikut :
1. Pada penelitian ini untuk mengetahui tingkat ketidakseimbangan beban dan
apakah pengaruhnya terhadap rugi-rugi daya pada penghantar netral.
2. Pada penelitian ini untuk mengetahui apakah algoritma genetika dapat
digunakan untuk pembagian beban listrik.
3. Pada penelitian ini untuk mengetahui apakah penyusunan beban listrik hasil
algoritma genetika bisa menjadi seimbang.
2
1.3 Batasan Masalah
Karena ruang lingkup permasalahan yang sangat luas, maka dalam
pembahasan pada skripsi ini penulis membatasi permasalahannya yaitu :
1. Objek penelitian yaitu menggunakan data beban listrik Gedung Dekanat
Fakultas Teknik Universitas Bengkulu.
2 Data yang diperoleh dianalisis dengan menggunakan metode algoritma
genetika.
3 Pembagian beban listrik tidak dipengaruhi oleh perilaku manusia yang
menggunakan peralatan listrik.
1.4 Tujuan penelitian

Tujuan yang ingin dicapai pada penelitian ini ialah
1. Menentukan tingkat ketidakseimbangan daya pada kondisi awal.
2. Menentukan besarnya rugi-rugi daya pada penghantar netral gedung dekanat.
3. Membangun perangkat lunak untuk pembagian beban pada gedung
menggunakan metode algoritma genetika.
4. Mengidentifikasi pembagian beban listrik yang terletak pada setiap fasa.
3
4
2. BAB II
TINJAUAN PUSTAKA
Dalam penelitian mengenai perencanaan pembagian beban dan instalasi

listrik pada Hotel Golden Tulip, pada sistem kelistrikan di Kota Pontianak terdiri
dari 11 lantai dan memiliki 186 kamar dengan kapasitas trafo yang digunakan
sebesar 1250 kVA, serta genset yang berkapasitas sebesar 1000 kVA. Perencanaan
sistem instalasi listrik pada suatu bangunan haruslah mengacu pada peraturan dan
ketentuan yang berlaku sesuai dengan PUIL 2000, standar nasional indonesia (SNI)
dan undang-undang ketenagalistrikan 2002. Penelitian ini bertujuan untuk
merekonfigurasi beban dan menentukan luas penampang penghantar yang paling
kecil dengan nilai jatuh tegangan masih dalam toleransi. Metode yang digunakan
adalah membandingkan beban perencanaan dengan beban pengukuran langsung.
Hasil pengukuran dan perencanaan pembagian beban besar dari arus Fasa R, S, dan
T tidak seimbang. Hal ini dikarenakan tidak semua beban menyala pada waktu
bersamaan. Dalam pembagian beban harus dibagi dan dikelompokan secara merata
antara beban yang selalu digunakan atau standby dengan beban yang digunakan
tidak standby seperti, lampu emergency dan stop kontak yang terhubung ke fasa R,
S, dan T. Agar didapatkan pembagian beban yang seimbang [4].
Dalam penelitian mengenai algoritma untuk menyeimbangkan fasa, beban
yang tidak seimbang pada feeder meningkatkan penggunaan sistem daya dan biaya
pengoperasiannya. Penyeimbang fasa bertujuan untuk mengurangi
ketidakseimbangan beban pada tiga fasa yang dapat menyebabkan penurunan
tegangan yang parah pada feeder. Pada penelitian ini untuk menyeimbangkan beban
menggunakan enam metode algoritma yaitu genetic algorithm, simulated
annealing, a greedy algorithm, exhaustive search, backtracking algorithm and a
dynamic programming algorithm. Dalam sistem distribusi listrik, feeder yang
membawa arus/tegangan tiga fasa bolak-balik. Untuk itu diinginkan penyedia
sistem distribusi tenaga listrik untuk memiliki jumlah beban yang sama pada setiap
fasa. Beban awalnya seimbang, namun seiring waktu dengan meningkatnya,
penurunan, ditambahkan atau dihapus beban dari setiap fasa menyebabkan beban
tidak seimbang [5].
5
Dalam penelitian mengenai analisa perbaikan losses dan jatuh tegangan
pada jaringan sambungan rumah tidak standar dengan simulasi software ETAP
7.5.0, ditemukan sebuah kasus nyata sampel dilapangan mengenai sambungan
rumah yang tidak sesuai standar. Jumlah tarikan sambungan rumah (SR) deret yang
tidak sesuai standar akan berpengaruh terhadap losses (susut daya) yang merupakan
kerugian bagi PLN. Untuk kerugian disisi pelanggan akibat penarikan sambungan
rumah yang tidak sesuai standar tersebut adalah drop voltage (jatuh tegangan) yang
membuat pelanggan hanya menikmati listrik dengan tegangan kurang dari 220 volt.
Dan tentu saja permasalahan drop voltage ini merugikan pelanggan karena dapat
menyebabkan kerusakan pada peralatan listrik yang dimiliki oleh pelanggan. Untuk
mengatasi permasalahan yang terjadi di lokasi studi kasus perlu dilakukan rencana
desain perbaikan jaringan [6].
Dalam penelitian mengenai pengaruh ketidakseimbangan beban terhadap
arus netral dan losses, penyedian tenaga listrik yang stabil dan kontinyu merupakan
syarat mutlak yang harus dipenuhi dalam memenuhi kebutuhan tenaga listrik.
Dalam memenuhi kebutuhan tenaga listrik tersebut, terjadi pembagian beban-beban
yang pada awalnya merata tetapi karena ketidakserempakan waktu penyalaan-
penyalaan beban tersebut maka dapat menimbulkan ketidakseimbangan beban yang
berdampak pada penyediaan tenaga listrik. Ketidakseimbangan beban antara tiap-
tiap fasa (Fasa R, Fasa S,dan Fasa T) inilah yang menyebabkan mengalirnya arus
di netral trafo. Arus yang mengalir pada penghantar netra trafo menyebabkan losses
(rugi-rugi) [7].
Dalam penelitian keseimbangan beban di sistem distribusi menggunakan
metode genetika algoritma menjelaskan bahwa sistem terdistribusi ditandai oleh
banyaknya sumber daya dan transparansi sistem. Variasi teknik dan metodologi
yang berbeda untuk proses penjadwalan sistem terdistribusi telah diusulkan .
teknik-teknik ini secara luas diklasifikasikan menjadi tiga jenis yaitu, pendekatan
alokasi, penyeimbangan beban, pembagian beban. Tujuan utama dari load
balancing adalah untuk menyamakan beban kerja di antara bus dengan
meminimalkan waktu eksekusi, meminimalkan keterlambatan komunikasi,
memaksimalkan pemanfaatan sumber daya. Penjadwalan dalam sistem distribusi
adalah NP-complete masalah bahkan dalam kondisi terbaik, telah diusulkan konsep
6
baru menggunakan metode heuristic untuk penjadwalan dengan
mempertimbangkan keseimbangan beban. Pada jurnal ini menggunakan genetika
algoritma dikarenkan dapat menyeimbangkan beban secara efisien [8].
2.1 Sistem Daya Listrik Tiga Fasa

Jaringan listrik yang disalurkan oleh PLN ke konsumen, merupakan bagian
dari sistem tenaga listrik secara keseluruhan. Secara umum, sistem tenaga listrik
terdiri dari komponen pembangkit (generator), komponen saluran transmisi, dan
komponen beban. Daya listrik dibangkitkan oleh generator yang digerakkan oleh
prime mover (dapat berasal dari energi uap, diesel, air, panas bumi, angin, dan
sebagainya). Gambar 2.1 skema suatu sistem tenaga listrik mulai dari pembangkit
hingga beban [2].
Gambar 2.1 Skema Sistem Pembangkitan Tenaga Listrik [2]
Suatu sistem distribusi menghubungkan semua beban yang terpisah satu

dengan yang lain kepada saluran transmisi. Hal ini terjadi pada gardu-gardu induk,
dimana juga dilakukan transformasi tegangan dan fungsi-fungsi pemutusan
7
(breaker) dan penghubung beban switch. Untuk mengurangi kerugian daya pada
saluran transmisi, tegangan listrik tersebut dinaikkan sampai tegangan tinggi atau
tegangan ekstra tinggi dengan transformator step up, baru kemudian dihubungkan
dengan saluran transmisi. pada sisi penerima, tegangan listrik ini diturunkan sampai
220 atau 380 volt sesuai kebutuhan. Sistem daya listrik yang digunakan adalah
sistem daya listrik bolak-balik tiga fasa. Suatu sistem distribusi menghubungkan
semua beban yang terpisah satu dengan yang lain kepada saluran transmisi. Hal ini
terjadi pada gardu-gardu induk, dimana juga dilakukan transformasi tegangan dan
fungsi-fungsi pemutusan (breaker) dan penghubung beban switch. Untuk
mengurangi kerugian daya pada saluran transmisi, tegangan listrik tersebut
dinaikkan sampai tegangan tinggi atau tegangan ekstra tinggi dengan transformator
step up, baru kemudian dihubungkan dengan saluran transmisi. pada sisi penerima,
tegangan listrik ini diturunkan sampai 220 atau 380 volt sesuai kebutuhan. Sistem
daya listrik yang digunakan adalah sistem daya listrik bolak-balik tiga fasa.
2.1.1 Sistem Pembangkit

Pembangkit tenaga listrik adalah salah satu bagian dari sistem tenaga listrik,
pada pembangkit tenaga listrik terdapat peralatan elektrikal, mekanikal, dan
bangunan kerja. Terdapat juga komponen-komponen utama pembangkitan yaitu
generator, turbin yang berfungsi untuk mengkonversi energi (potensi) mekanik
menjadi energi (potensi) listrik. Pembangkit menghasilkan tenaga listrik dengan
tegangan bolak-balik dengan cara memutar turbin yang dikopel dengan generator
sinkron, untuk itu dibutuhkan energi mekanik untuk memutar turbin pada generator
sinkron yang didapat dari mesin penggerak generator. Tenaga listrik yang
dihasilkan dari pembangkit listrik dengan tenaga besar biasanya menghasilkan
tegangan dari 11 kV sampai 24 kV [9].
2.1.2 Sistem Transmisi

Sistem transmisi adalah sistem penyaluran tenaga listrik dari sistem
pembangkit dengan tegangan yang rendah dan dinaikkan dengan trafo penaik
tegangan sehingga tegangan menjadi tegangan yang lebih tinggi, untuk itu dapat
disalurkan ke sistem distribusi. Tegangan pada sistem transmisi dinaikkan oleh
gardu induk dengan transformator penaik tegangan menjadi 70 kV, 154 Kv, 220
kV, atau 500 kV. Ketika saluran transmisi mencapai pusat beban, tegangan tersebut
8
kembali diturunkan menjadi tegangan menengah melalui transformator step-down.
Tujuan menaikkan tegangan ialah untuk memperkecil kerugian daya listrik pada
saluran transmisi, dimana dalam hal ini kerugian daya adalah sebanding dengan
kuadrat arus yang mengalir. Saluran transmisi terbagi berdasarkan jarak, yaitu
saluran transmisi pendek, saluran transmisi menengah, dan saluran transmisi
panjang. [10].
2.1.3 Sistem Distribusi

Sistem Distribusi tenaga listrik merupakan bagian dari sistem tenaga listrik
yang menghubungkan energi listrik dari gardu induk bertegangan menengah ke
konsumen. Fungsi utama sistem distribusi adalah menyalurkan tenaga listrik dari
sumber daya ke konsumen [10].
1. Sistem Jaringan Distribusi Radial
Sistem radial ini merupakan suatu sistem distribusi tegangan menengah
yang paling sederhana, murah, banyak digunakan terutama untuk sistem yang kecil,
kawasan pedesaan. Umumnya digunakan pada SUTM, proteksi yang digunakan
tidak rumit dan keandalannya paling rendah.
Gambar 2.2 Jaringan Distribusi Tipe Radial [10]
9
Gambar 2.2 jaringan distribusi tipe radial, bentuk ini mencatu daya dengan
menggunakan penyulang utama (main feeder) yang disebut express feeder langsung
ke pusat beban, dan dari titik pusat beban ini disebar dengan menggunakan "back
feeder" secara radial.
2. Sistem Jaringan Distribusi ring (loop)

Merupakan pengembangan dari sistem radial, sebagai dari diperlukannya
kehandalan yang lebih tinggi dan umumnya sistem ini dapat dipasok dalam satu
gardu induk. Dimungkinkan juga dari gardu induk lain tetapi harus dalam satu
sistem di sisi tegangan tinggi. Sistem jaringan distribusi ring dapat dilihat pada
Gambar 2.3
Gambar 2.3 Jaringan Distribusi tipe Loop [10]
Pada Gambar 2.3 ini, kualitas dan kontinyuitas pelayanan daya memang
lebih baik, tetapi biaya investasinya lebih mahal, karena memerlukan pemutus
beban yang lebih banyak. Bila digunakan dengan pemutus beban yang otomatis
(dilengkapi dengan recloser atau AVS), maka pengamanan dapat berlangsung cepat
dan praktis, dengan cepat pula daerah gangguan segera beroperasi kembali bila
gangguan telah teratasi. Dengan cara ini berarti dapat mengurangi tenaga operator.
10
Bentuk ini cocok untuk digunakan pada daerah beban yang padat dan memerlukan
keandalan tinggi. Jaringan distribusi primer tipe loop biasanya digunakan untuk
melayani beban yang membutuhkan kontinuitas pelayanan yang baik seperti :
bangunan- bangunan komersial atau pabrik-pabrik yang mempunyai beban sedang
dan besar. Pada prinsipnya jaringan distribusi primer tipe loop adalah suatu
jaringan yang dimulai dari suatu titik atau rel daya keliling ke daerah beban,
kemudian kembali ke titik sumber rel atau daya semula.
3. Sistem Jaringan Distribusi Spindle

Sistem spindle merupakan sistem yang relatif handal karena disediakan satu
buah express feeder yang merupakan feeder/penyulang tanpa beban dari gardu
induk sampai gardu hubung / GH refleksi, banyak digunakan pada jaringan SKTM.
Sistem ini relatif mahal karena biasanya dalam pembangunannya sekaligus untuk
mengatasi perkembangan beban dimasa yang akan datang. Proteksinya relatif
sederhana hampir sama dengan system open loop [10].
Gambar 2.4 Jaringan Distribusi Spindle [10]
Gambar 2.4 jaringan distribusi spindle biasanya ditiap-tiap feeder dalam

sistem spindel disediakan gardu tengah (middle point) yang berfungsi untuk titik
manufer apabila terjadi gangguan pada jaringan tersebut
11
2.2 Rangkaian Listrik Tiga Fasa
Keluaran (output) 3 phasa listrik bolak-balik (AC) dari generator memiliki
perbedaan fasa sebesar 1200 untuk tiap-tiap fasanya. Gambar 2.5 menunjukkan
hubungan tegangan masing-masing fasa [11].
Gambar 2.5 Kurva Tegangan Pada Sistem Listrik Tiga Fasa [11]
Gambar 1 menunjukkan fasor diagram dari tegangan fasa. Bila fasor-fasor

tegangan tersebut berputar dengan kecepatan sudut dan dengan arah berlawanan
jarum jam (arah positif), maka nilai maksimum positif dari fase terjadi berturut-
turut untuk fase V1, V2 dan V3. sistem 3 fasa ini dikenal sebagai sistem yang
mempunyai urutan fasa a – b – c . sistem tegangan 3 fase dibangkitkan oleh
generator sinkron 3 fasa.
2.2.1 Hubungan Bintang (Y, wye)

Pada hubungan bintang (Y, wye), ujung-ujung tiap fasa dihubungkan menjadi
satu dan menjadi titik netral atau titik bintang. Tegangan antara dua terminal dari
tiga terminal a – b – c mempunyai besar magnitude dan beda fasa yang berbeda
dengan tegangan tiap terminal terhadapa titik netral. Tegangan Va, Vb dan
Vc disebut tegangan “Fasa” atau Vf. Dengan adanya saluran / titik netral maka
besaran tegangan fasa dihitung terhadap saluran / titik netralnya, juga membentuk
sistem tegangan 3 fasa yang seimbang dengan magnitudenya [12].
12
Gambar 2.6 Hubungan Bintang [12]
Gambar 2.6 menunjukkan adanya saluran / titik netral maka besaran

tegangan fasa dihitung terhadap saluran / titik netralnya, juga membentuk sistem
tegangan 3 fasa yang seimbang dengan magnitude (akar tiga dikali magnitude dari
tegangan fase). Sedangkan untuk arus yang mengalir pada semua fasa mempunyai
nilai yang sama.
2.2.2 Hubungan Segitiga

Pada hubungan segitiga (delta, Δ, D) ketiga fasa saling dihubungkan
sehingga membentuk hubungan segitiga 3 fasa dengan tidak adanya titik netral,
maka besarnya tegangan saluran dihitung antar fasa, karena tegangan saluran dan
tegangan fasa mempunyai besar magnitude yang sama. Tetapi arus saluran dan arus
fasa tidak sama dan hubungan antara kedua arus tersebut dapat diperoleh dengan
menggunakan Hukum Kirchoff [4].
Gambar 2.7 Hubungan Segitiga [4]
Gambar 2.6 Dengan tidak adanya titik netral, maka besarnya tegangan
saluran dihitung antar fase, karena tegangan saluran dan tegangan fasa mempunyai
13
besar magnitude yang sama. Tetapi arus saluran dan arus fasa tidak sama dan
hubungan antara kedua arus tersebut dapat diperoleh dengan menggunakan hukum
kirchoff,
2.3 Jenis Koneksi

Notasi (X, Y, Z) digunakan untuk mewakili pengaturan pentahapan dari
masing-masing lateral. Huruf X, Y, dan Z adalah fasa lateral yang dihubungkan ke
lokasi Pos1, Pos2, dan Pos3 dari pemasok utama seperti yang ditunjukkan pada
Gambar 2.8 Pada gambar ini, notasi penugasan bertahap untuk lateral 1 dan 2 adalah
(A, C, B) dan (B, A, C), masing-masing [13] [14].
Gambar 2.8 Sampel Penyulang dengan Dua Cabang Penghubung [14]
2.4 Daya Sistem 3 Fasa Pada Beban Yang Seimbang

Jumlah daya yang diberikan oleh suatu generator 3 fasa atau daya yang
diserap oleh beban 3 fasa, diperoleh dengan menjumlahkan daya dari tiap-tiap fasa.
Pada sistem yang seimbang, daya total tersebut sama dengan tiga kali daya fasa,
karena daya pada tiap-tiap fasanya sama [4].
Keadaan seimbang adalah suatu keadaan di mana :
1. Ketiga vektor arus / tegangan sama besar.
2. Ketiga vektor saling membentuk sudut 120º satu sama lain.
14
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 :
1. Ketiga vektor sama besar tetapi tidak membentuk sudut 120º satu sama lain.
2. Ketiga vektor tidak sama besar tetapi membentuk sudut 120º satu sama lain.
3. Ketiga vektor tidak sama besar dan tidak membentuk sudut 120º satu sama lain.
Gambar 2.9 Hubungan Bintang Dan Segitiga Yang Seimbang [4]
Dari Gambar 2.9 daya pada kedua jenis hubungan terlihat bahwa besarnya
daya pada kedua jenis hubungan adalah sama, yang membedakan hanya pada
tegangan kerja dan arus yang mengalirinya saja, dan berlaku pada kondisi beban
yang seimbang.
2.5 Ketidakseimbangan Beban

Yang dimaksud ketidakseimbangan beban di sini adalah ketidakseimbangan
tegangan antar fasa, dengan besar dan sudut yang dibentuk tidak sesuai dengan
standar yang berlaku, sehingga bila kondisi tegangan tidak seimbang terjadi artinya
tegangan antar fasa tidak sama besarnya. Sumber utama voltage unbalance kurang
dari 2% adalah adanya ketidakseimbangan beban fase tunggal pada rangkaian 3
fasa. Voltage unbalance dapat juga diakibatkan hasil dari anomali kapasitor bank
seperti blown fuse pada salah satu fasa dari bank tiga fasa. Voltage unbalance yang
15
parah (lebih besar dari 5%) dapat terjadi akibat beban fasa tunggal. Pada umumnya,
utility menyediakan tegangan yang dijaga sehingga jarang terjadi voltage
unbalance; karena ketidakseimbangan dapat menyebabkan gangguan suplai listrik
dan efek pemanasan yang signifikan terhadap pembangkit, transmisi dan sistem
distribusi. Ketidakseimbangan tegangan biasanya muncul pada pelanggan karena
pengaturan beban yang tidak seimbang dalam beban satu fasa seperti bus fasa
tunggal. Dalam hal ini, mengakibatkan pemanasan berlebih pada motor dan trafo
jika tidak dikoreksi.
ini menjadi masalah karena meskipun beban awalnya seimbang, dengan
bertambahnya beban, penurunan, ditambahkan dihapus dari setiap fasa,
menyebabkan ketidakseimbangan beban [5]. Bahkan dalam sistem tenaga listrik
yang lebih terbatas, masalah yang sama dapat muncul, misalnya Gaffney
melaporkan masalah dengan penyeimbangan fasa efektif dalam sistem tenaga listrik
di lingkungan sistem, sebagian besar karena kurangnya pelatihan dan pengalaman
operator [15]. David mengusulkan keseimbangan fasa otomatis tetapi tidak
mengusulkan algoritma untuk usulan ini [16]. Variabel-variabel dalam masalah
keseimbangan fasa adalah fasa-fasa di mana masing-masing beban terhubung dan
tujuannya adalah untuk meminimalkan tingkat ketidakseimbangan pada
pengumpan [5].
2.6.1 Daya Sistem 3 Fasa Pada Beban yang Tidak Seimbang

Sifat terpenting dari pembebanan yang seimbang adalah jumlah fasa dari
ketiga tegangan adalah sama dengan nol, begitu pula dengan jumlah fasa dari arus
pada ketiga fasa juga sama dengan nol. Jika impedansi beban dari ketiga fasa tidak
sama, maka jumlah fasa dan arus netralnya (In) tidak sama dengan nol dan beban
dikatakan tidak seimbang. Ketidakseimbangan beban ini dapat saja terjadi karena
hubung singkat atau hubung terbuka pada beban.
Dalam sistem 3 fasa ada 2 jenis ketidakseimbangan, yaitu:
1. Ketidakseimbangan pada beban.
2. Ketidakseimbangan pada sumber listrik (sumber daya).
16
Kombinasi dari kedua ketidakseimbangan sangat rumit untuk mencari
pemecahan permasalahannya, oleh karena itu kami hanya akan membahas
mengenai ketidakseimbangan beban dengan sumber listrik yang seimbang [4].
Gambar 2.10 Ketidakseimbangan Beban pada Sistem 3 Fasa [4]
Pada Gambar 2.10 menunjukkan 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. Pada tegangan yang seimbang terdiri dari tegangan satu fasa
yang mempunyai magnitude dan frekuensi yang sama, tetapi antara satu fasa
dengan yang lainnya mempunyai beda fasa sebesar 1200 dan dapat dihubungkan
secara bintang (Y) atau delta (∆).
2.6.2 Ketidakseimbangan Arus dan Tegangan

Ketidakseimbangan tegangan ini merupakan fenomena yang terjadi karena
perbedaan deviasi maksimum dari rata-rata tegangan atau arus tiga fasa yang
dinyatakan dalam persen.
17
Adapun ketidakseimbangan arus per-fasa dapat dihitung dengan Persamaan
2.1:
𝐼𝐿−𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% I unbalance = 𝑥 100 % (2.1)
𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
𝐼𝑅 + 𝐼 𝑆 + 𝐼𝑇
IRata-rata = (2.2)
3
dengan, IL = Arus line maksimum (A)

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 2.3:
𝑉𝐿−𝑁−𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% V Unbalance = x 100 % (2.3)
𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
𝑉𝑅 + 𝑉𝑆 + 𝑉𝑇
VRata-rata = (2.4)
3
dengan, VL-N = Tegangan line to netral (V)

VR = Tegangan fasa R (V)
VS = Tegangan fasa S (V)
VT = Tegangan fasa T (V)
Berdasarkan standar EN 50160 (European Standard) bahwa batas tegangan
220/380V adalah ±10% dari tegangan standar atau 198V≤V≤242 V dan standar
ketidakseimbangan tegangan menurut EN 50160 adalah 2% dari tegangan rata-rata
masing-masing sistem tiga fasa.
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 yang seimbang. Pada tegangan
yang seimbang terdiri dari tegangan satu fasa yang mempunyai magnitud dan
frekuensi yang sama tetapi antara satu fasa dengan yang lainnya mempunyai beda
fasa sebesar 120° listrik, sedangkan secara fisik mempunyai perbedaan sebesar 60°
dan dapat dihubungkan secara bintang (Y/wye) atau segitiga (Delta/Δ/D).
18
Pada hubungan bintang (Y/wye), ujung-ujung tiap fasa dihubungkan
menjadi satu dan menjadi titik netral atau titik bintang. Tegangan antara dua
terminal dari tiga terminal a – b – c mempunyai besar magnitud dan beda fasa yang
berbeda dengan tegangan tiap terminal terhadapa titik netral. Dengan adanya
saluran / titik netral maka besaran tegangan fasa dihitung terhadap saluran / titik
netralnya, juga membentuk sistem tegangan tiga fasa yang seimbang dengan
magnitudnya (akar tiga dikali magnitude dari tegangan fasa). Dan arus yang
mengalir pada semua fasa mempunyai nilai yang sama.
Pada hubungan segitiga (Delta/Δ/D) ketiga fasa saling dihubungkan
sehingga membentuk hubungan segitiga tiga fasa. Dengan tidak adanya titik netral,
maka besarnya tegangan saluran dihitung antar fasa, karena tegangan saluran dan
tegangan fasa mempunyai besar magnitud yang sama, tetapi arus saluran dan arus
fasa tidak sama dan hubungan antara kedua arus tersebut dapat diperoleh dengan
menggunakan Hukum Kirchoff.
Sifat terpenting dari pembebanan yang seimbang adalah jumlah fasor dari
ketiga tegangan adalah sama dengan nol, begitu pula dengan jumlah fasor dari arus
pada ketiga fasa juga sama dengan nol. Jika impedansi beban dari ketiga fasa tidak
sama, maka jumlah fasor dan arus netralnya tidak sama dengan nol dan beban
dikatakan tidak seimbang. Ketidakseimbangan beban ini dapat saja terjadi karena
hubung singkat atau hubung terbuka pada beban.
Dalam sistem tiga fasa ada dua jenis ketidakseimbangan,yaitu:
a. Ketidakseimbangan pada beban
b. Ketidakseimbangan pada sumber listrik (sumber daya).
Kombinasi dari kedua ketidakseimbangan sangat rumit untuk mencari
pemecahan permasalahannya. Pada saat terjadi gangguan, saluran netral pada
hubungan bintang akan teraliri arus listrik. Ketidakseimbangan beban pada sistem
tiga fasa dapat diketahui dengan indikasi naiknya arus pada salahsatu fasa dengan
tidak wajar, arus pada tiap fasa mempunyai perbedaan yang cukup signifikan, hal
ini dapat menyebabkan kerusakan pada peralatan.
2.7 Penyeimbangan Fasa

Beberapa algoritma telah digunakan untuk menyelesaikan masalah
penyeimbangan fasa. Pada penelitian sebelumnya memperkenalkan simulated
19
annealing untuk masalah penyeimbangan fasa distribusi daya dengan efek tidak
linear, SA dibandingkan dengan greedy algorithm dan quenching algorithm lebih
efisien dan optimal. SA bekerja tidak secara greedy dengan selalu mengambil solusi
yang terus memberikan nilai fungsi tujuan yang terus menurun, tetapi juga
memberikan kesempatan mengambil solusi tersebut meskipun nilai fungsi
tujuannya lebih buruk. Namun kesempatan ini diberikan dengan peluang yang
semakin kecil seiring dengan iterasi yang semakin banyak [17].
Banyak masalah optimisasi kombinatorial tidak memiliki algoritma efisien
yang dikenal selalu mampu menghasilkan solusi optimal. Untuk masalah yang telah
ditunjukkan oleh komputer scientist pada NP-complete, ada bukti meyakinkan
bahwa tidak ada algoritma yang benar dan efisien. Sebuah algoritma yang efisien
untuk salah satu dari ratusan masalah NP-complete yang diketahui akan
menyiratkan algoritma yang efisien untuk semuanya, menyiratkan bahwa semua
sama-sama sulit untuk dihitung.
Masalah penyeimbangan fasa yang di jelaskan dalam jurnal ini dapat dengan
mudah ditunjukkan setara dengan partisi integer, masalah NP-complete yang
terkenal. Dengan demikian algoritma heuristik yang efisien untuk penyeimbangan
fasa yang selalu menghasilkan solusi optimal akan menyiratkan algoritma yang
efisien untuk semua masalah dalam NP, yang memungkinkan para computer
scientists menghasilkan solusi yang mendekati optimal dengan efisiensi yang
masuk akal adalah mungkin, dan sering didelegasikan untuk tujuan ini [5].
Pada penelitian yang dilakukan oleh Lin, algoritma berbasis aturan heuristic
dengan pencarian pelacakan hack diusulkan untuk memecahkan masalah
penyeimbangan fasa. jenis koneksi trafo distribusi / lateral di setiap zona layanan
diidentifikasi dan program aliran beban tiga fasa dengan model feeder yang
dilakukan untuk menghitung pemuatan arus fasa masing-masing cabang. analisis
beban dapat diperoleh dengan mengambil atribut komponen sistem seperti segmen
garis, transformator. Dalam database pemetaan otomatis dan fasilitas sistem
manajemen [14]. Beberapa algoritma yang bias digunakan untuk masalah ini yaitu,
genetic algorithm, simulated annealing, a greedy algorithm, exhaustive search,
backtracking algorithm and a dynamic programming algorithm.
20
2.8 Algoritma Genetika
Algoritma genetika termasuk dalam kelompok algoritma yang lebih besar
yang dikenal sebagai algoritma evolusioner. mereka menerapkan konsep-konsep
dari teori evolusi biologis, seperti seleksi alam, reproduksi, keragaman dan
perbanyakan genetik, kompetisi / kerja sama spesies, dan mutasi, untuk mencari
dan mengoptimalkan masalah. Algoritma genetika dimulai dari populasi awal (fase
awal dari beban dari beberapa solusi acak) yang diwakili oleh serangkaian angka
biner [5].
Algoritma genetika adalah algoritma yang memanfaatkan proses seleksi
alamiah yang dikenal dengan proses evolusi. Dalam proses evolusi, individu secara
terus-menerus mengalami perubahan gen untuk menyesuaikan dengan lingkungan
hidupnya. “Hanya individu-individu yang kuat yang mampu bertahan”. Proses
seleksi alamiah ini melibatkan perubahan gen yang terjadi pada individu melalui
proses perkembangbiakan. Dalam algoritma genetika ini, proses
perkembangbiakan ini menjadi proses dasar yang menjadi perhatian utama, dengan
dasar berpikir “Bagaimana mendapatkan keturunan yang lebih baik”. Algoritma
genetika ini ditemukan oleh John Holland dan dikembangkan oleh muridnya David
Goldberg [20].
Algoritma genetika, sebagai teknik pencarian dan optimisasi stokastik yang
kuat dan dapat diterapkan secara luas, adalah jenis metode perhitungan evolusi yang
paling dikenal saat ini. secara umum, algoritma genetika memiliki lima komponen
dasar sebagai berikut [8]:
1. Metode pengkodean yang merupakan representasi genetik (genotipe) dari
solusi program.
2. Cara untuk membuat populasi awal individu (kromosom)
3. Fungsi evolusi, solusi peringkat dalam hal kebugaran mereka, dan mekanisme
seleksi.
4. Operator genetik (crossover dan mutasi) yang mengubah komposisi genetik
keturunan selama reproduksi.
5. Nilai untuk parameter algoritma genetika.
21
2.8.1 Fungsi Obyektif
Fungsi objektif yang digunakan dalam algoritma genetika pada
permasalahan yang diangkat yaitu,
1. Ketidakseimbangan Total Daya Kompleks

Dalam segmen pengumpan tiga fasa, selalu berkaitan dengan tiga daya
kompleks yang diekspresikan oleh 𝑆𝑗𝑎 , 𝑆𝑗𝑏 , dan 𝑆𝑗𝑐 untuk pemuatan fasa individual.
Di mana label S menunjukkan variabel S yang memiliki nilai kompleks, superskrip
a, b dan c adalah singkatan dari fasa yang sesuai, dan j menunjukkan jumlah segmen
pengumpan yang ditentukan. Ketidakseimbangan total daya kompleks dapat dilihat
dari persamaan 2.5 [13].
1
𝑆𝑗𝑢 = √3 ∑𝑐𝑝=𝑎 ⃓𝑆𝑗𝑃 − 𝑆𝑗0 ⃓2 (2.5)
di mana, 𝑆𝑗0 berarti ideal beban per fasa. Dan,
𝑆𝑗0 = (𝑆𝑗𝑎 + 𝑆𝑗𝑏 + 𝑆𝑗𝑐 ) /3 (2.6)
𝑆𝑗𝑢 = 0 merupakan daya kompleks dari feeder j-th yang seimbang.

Ketidakseimbangan total daya kompleks feeder kemudian dapat dievaluasi sebagai
𝑇𝑆𝑢 = ∑𝑚
𝑗=𝑙 𝑆𝑗
𝑢
(2.7)
di mana, m adalah jumlah total segmen feeder (pengumpan) dari pengumpan

objek.
𝑇𝑆𝑢 dapat diterapkan untuk mengevaluasi ketidakseimbangan daya
kompleks dari pengumpan karena 𝑇𝑆𝑢 yang lebih rendah berarti keseimbangan
beban yang lebih baik. 𝑇𝑆𝑢 = 0 menunjukkan daya kompleks di setiap segmen
pengumpan di sepanjang pengumpan yaitu seimbang. Minimalisasi 𝑇𝑆𝑢 , adalah
salah satu tujuan objektif utama dari pendekatan berbasis algoritma genetika.
22
2. Total Kerugian Saluran
Mengurangi rugi-rugi daya dan meningkatkan efisiensi operasi sistem
biasanya merupakan tujuan utama dari suatu utilitas listrik. Oleh karena itu,
meminimalkan kerugian juga merupakan tujuan objektif dari pendekatan yang
diusulkan [13].
IN = IR + IS +IT (2.8)
𝑇𝐿𝑙 = ∑𝑚 𝑐 𝑃 2
𝑗=𝑙 ∑𝑝=𝑎(𝐼𝑗 ) . 𝑟𝑗
𝑃
(2.9)
di mana Ip dan rp adalah arus dan resistansi fasa p dari masing-masing

segmen pengumpan j-th.
2.9 Kode Algoritma Genetika

Pada algoritma genetika, populasi adalah seperangkat solusi (kromosom)
untuk fungsi tujuan. dalam populasi, variabel dikodekan dengan menggunakan
angka biner. untuk masalah penyeimbangan fase, 2 bit dipertimbangkan karena kita
perlu mewakili 3 fase “00”, “01”, dan “10” mewakili fasa 1, 2, dan 3. Setelah
mutasi dan pindah silang “11” akan berubah ke “00”,”01”, dan “10” dengan
probabilitas yang sama jika dihasilkan [5].
2.10 Langkah langkah Algoritma Genetika

Proses penyelesaian dengan metode algoritma genetika dengan urutan
langkah-langkahnya sebagai berikut [21] [20]:
1. Mendifinisikan individu,dimana individu menyatakan salah satu solusi
(penyelesaian)yang mungkin dari permasalahan yang diangkat.
2. Mendefinisikan nilai fitness, yang merupakan ukuran baik-tidaknya sebuah
individu atau baik-tidaknya solusi yang didapatkan.
3. Menentukan proses pembangkitan populasi awal. Hal ini biasanya dilakukan
dengan menggunakan pembangkitan acak seperti random-walk.
4. Menentukan proses seleksi yang akan digunakan.
5. Menentukan proses perkawinan silang (crossover) dan mutasi gen yang akan
digunakan.
23
2.11 Beberapa Devinisi dalam Algoritma Genetika
Individu menyatakan sebagai salah satu populasi. Representasi
permasalahan algoritma genetika dapat dilihat pada Gambar 2.11 [20]
Gambar 2.11 Representasi Permasalahan Algoritma Genetika [22]
Pada Gambar 2.11 individu dapat dijelaskan sebagai kumpulan kromosom

yang terdiri dari gen-gen, dengan definisinya sebagai berikut [8] [21] :
1. Genotype (Gen), sebuah nilai yang menyatakan satuan dasar yang membentuk
suatu arti tertentu dalam suatu kesatuan gen yang dinamakan kromosom.
Dalam algoritma genetika, gen ini bias berupa nilai biner, float, integer maupun
karakter.
2. Allele, nilai dari gen.
3. Kromosom, gabungan gen-gen yang membentuk nilai tertentu.
4. Individu, yang menyatakan satu nilai atau keadaan yang menyatakan salah satu
solusi yang mungkin dari permasalahan yang diangkat.
24
5. Populasi, merupakan sekumpulan individu yang akan diproses bersama dalam
satu siklus proses evolusi.
6. Generasi, menyatakan satu-satuan siklus proses evolusi.
7. Nilai Fitness, menyatakan seberapa baik nilai dari suatu individu atau solusi
yang didapatkan.
Dengan meniru teori evolusi ini, algoritma genetika dapat digunakan untuk
mencari solusi permasalahan-pemasalahan dalam dunia nyata. Ada 4 kondisi yang
sangat mempengaruhi proses evolusi, yaitu [20] :
1. Kemampuan organisme untuk melakukan reproduksi.
2. Keberadaan populasi organisme yang bias melakukan reproduksi.
3. Keberagaman organisme dalam suatu populasi.
4. Perbedaan kemampuan untuk survive.
25
26
3. BAB III
METODE PENELITIAN
Penelitian dilakukan untuk membahas tentang gangguan

ketidakseimbangan beban yang terjadi di gedung dekanat. Waktu dan tempat
penelitian, metode pengumpulan data, analisa dan jalannya penelitian akan
diuraikan berikut ini:
3.1 Waktu dan Tempat Penelitian
Waktu yang diperlukan untuk melakukan penelitian ini dapat dilihat pada
Tabel 3.1. Penelitian akan dilakukan dengan pengukuran dan analisa pada panel
listrik utama di Gedung Dekanat Fakultas Teknik Universitas Bengkulu.
Tabel 3.1 Jadwal Kegiatan

No Kegiatan Bulan
Nov Des Jan Feb Mar April Mei Juni Juli
1 Tahap
Persiapan
Penelitian
a. Penyusunan dan
pengajuan judul
b. Pengajuan
Proposal
2 Tahap Pelaksana
a. Survei
b. Perancangan
Program
c. Pengujian Program
d. Analisis Data
3 Tahap penyusunan
laporan
25
3.2 Objek Penelitian
Objek penelitian yang digunakan adalah jaringan sistem kelistrikan gedung
Gedung Dekanat Fakultas Teknik Universitas Bengkulu, alamat jalan W.R
Supratman Kandang Limun Bengkulu, sehingga akan diketahui besar
ketidakseimbangan beban pada sistem kelistrikan gedung.
3.3 Data Pendukung

Sumber suplai listrik di Universitas Bengkulu adalah sumber listrik PLN 20 kV
yang secara keseluruhan disuplai oleh empat buah transformator, seperti yang
terlihat pada Tabel 3.2. Lokasi dan kapasitas transformator. Data pendukung
lainnya yaitu DATA data single line diagram Gedung Dekanat Fakultas Teknik
pada Gambar 3.1 dan Gambar 3.2.
Tabel 3.2 Lokasi dan Kapasitas Transformator

No Lokasi Transformator Kapasitas Transformator
1 Rektorat (Melayani Unib depan 20 kV/380 Volt/ 50 Hz 555 KVA
dan sekitarnya)
2 Perpustakaan (Melayani 20 kV/380 Volt/ 50 Hz 240 KVA
FMIPA dan sekitarnya)
3 Kedokteran (Melayani Fakultas 20 kV/380 Volt/ 50 Hz 240 KVA
Kedokteran dan sekitarnya)
4 Hukum (Melayani fakultas 20 kV/380 Volt/ 50 Hz 240 KVA
Hukum dan sekitarnya)
Jenis penghantar listrik yang digunakan di Universitas Bengkulu yaitu

penghantar rektorat underground 0.6/1kV, NYY (CU / PVC / PVC) copper
conductor size 1 x 70 mm2, PVC insulated, PVC sheathed, standard specification:
SPLN 43 - 1, SNI IEC 60502 – 1. Penghantar saluran JTR 0.6/1kV, NFA2X-T
aerial bundled conductor, twisted cable Size 3x70+50 mm2.
26
Gambar 3.1 Single Line Dekanat Lantai 1
27
Gambar 3.2 Single Line Dekanat Lantai 2
28
Keterangan :
1.01 & 1.15 = Ruang Fotocopy
1.02 = Ruang Program Studi Teknik Informatika
1.03 = Ruang Program Studi Teknik Sipil
1.04 = Ruang Program Studi Arsitektur
1.06 & 1.07 = Ruang Akademik Kemahasiswaan
1.08 & 1.09 = Ruang Kasubag Umum dan Keuangan
1.10 = Ruang Staff Rumah Tangga
1.11 = Toilet
1.12 & 1.13 = Ruang Program Studi Sistem dan Informasi
1.14 = Ruang Kabag Bagian Staff Umum dan Tata Usaha
2.01 = Ruang Sidang 1

2.02 = Ruang Dekan
2.03 & 2.04 = Ruang Staf Tamu dan Sekertaris Dekan
2.05 = Ruang Sekertaris Wakil Dekan 1 dan 2
2.06 = Ruang Dosen
2.07 = Ruang Wakil Dekan Bagian Kemahasiswaan
2.08 = Ruang Wakil Dekan Bidang Sumber Daya
2.09 = Ruang Wakil Dekan Bidang Akademik
2.10 = UPM
2.11 & 2.12 = Aula Teknik
2.13 = Ruang Senat
2.14 = Musollah & Tempat Wudhu
2.15 = Ruang Program Studi Teknik Elektro
2.16 = Ruang Program Studi Teknik Mesin
2.17 = Ruang Sidang 2
29
3.4 Penjabaran Metode Algoritma Genetika
Urutan langkah-langkah penyelesaian pembagian beban listrik pada gedung
perkantoran dalam blok diagram penelitian menggunakan metode algoritma
genetika akan dijelaskan sebagai berikut :
3.4.1 Encoding
Dalam tahapan encoding dilakukan dengan mengartikan permasalahan ke
dalam bahasa pemrograman sehingga Julia dapat melakukan perhitungan. 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”.
Dalam gen beban ke-i diwakili karakter ke-I, angka yang dimiliki beban ke-i
disimpan dalam list bernama “w”. 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.
3.4.2 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 3.1 dan 3.2
fitness= √13 ⃓ 𝑆𝑢𝑚𝑅 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑆 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑇 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 (3.1)
di mana
ratarata = (Sum R +Sum S + Sum T) /3 (3.2)
dimana, || menunjukkan nilai absolut. Nilai fitness yang dipilih yaitu

nilai gen yang paling kecil atau sama dengan nol.
30
3.4.3 Gen dengan Nilai Acak
Algoritma genetika dapat menghasilkan gen secara acak, sesuai dengan
perintah yang definisikan pada bahasa pemrograman menggunakan fungsi random.
3.4.4 Populasi Acak

Algoritma genetika juga membutuhkan fungsi untuk menghasilkan populasi
dengan jumlah individu tertentu dengan gen secara acak. Fungsi untuk mencari
populasi yang terdiri dari individu yang memiliki gen acak. Populasi disimpan
dalam sebuah DataFrame. Jumlah individu sama dengan jumlah baris dalam
DataFrame yang dipakai. Kolom-kolom dalam DataFrame memuat informasi
tentang gen, sumR, sumS, sumT dan fitness masing-masing individu.
3.4.5 Evaluasi Populasi

Algoritma genetika membutuhkan fungsi evaluasi populasi, dimana pada
tahap ini dilakukan penghitungan nilai fitness dan pengurutan berdasarkan nilai
fitness dari yang besar ke yang kecil, keluaran dari fungsi ini adalah LFR yang
berisi urutan nilai-nilai fitness.
3.4.6 Pindah Silang

Pada fungsi ini memindah silangkan bagian dari kromosom-kromosom
secara random yang kemudian menghasilkan kromosom baru hasil dari pindah
silang. Keluaran dari fungsi ini adalah anak yang berisi kromosom baru berukuran
matriks 1 x jumlah gen.
3.4.7 Mutasi
Proses mutasi terjadi secara random pada setiap gen. probabilitas mutasi
yang dibangkitkan secara random, dimana gen-gen yang bernilai lebih kecil dari
mutasi akan digantikan dengan nilai kebalikannya. Keluaran dari fungsi ini adalah
Mutkrom yaitu kromosom dari mutasi. Input fungsi ini adalah populasi dan peluang
mutasi individu yang mengalami mutasi dipilih secara acak. Lokasi terjadinya
mutasi pun dipilih secara acak. Output fungsi ini adalah populasi baru yang
sebagian kecil individunya telah mengalami mutasi.
31
3.5 Metode Pengukuran Tingkat Ketidakseimbangan Daya
Metode pengambilan data yang digunakan adalah dengan melakukan
observasi ke lapangan. Data-data yang didapatkan berupa :
1. Data daya pada panel listrik utama.
2. Data jumlah, tipe dan kapasitas beban yang terpasang pada gedung.
Gedung dekanat fakultas teknik adalah gedung perkantoran di sekitar fakultas
teknik yang terdiri dari dua lantai. Di gedung dekanat ini terdiri dari enam prodi
yaitu prodi teknik informatika, teknik sipil, teknik elektro, teknik mesin, arsitektur,
system informasi dan terdiri dari ruang dekan dan wakil dekan serta ruang staf
administrasi prodi/fakultas teknik. Dalam gedung dekanat lantai 1 terdiri dari 14
ruangan dan pada lantai 2 terdiri dari 17 ruangan yang mempunyai fungsi yang
berbeda-beda setiap ruangannya.
Perhitungan tingkat ketidakseimbangan daya pada kondisi awal dapat
dilakukan dengan menggunakan persamaan 2.5 untuk ketidakseimbangan total
daya dan 2.6 untuk rata-rata nilai daya. Untuk menghitung nilai rugi-rugi daya
dapat dilakukan dengan menggunakan persamaan 2.8
3.6 Flowchart Penelitian

Penelitian ini dimulai dengan tahapan studi literatur untuk mendapatkan
rumusan atau formula-formula yang nantinya akan digunakan dalam perhitungan
dan analisa data. Pada tahapan ini formula yang diperoleh yaitu rumusan
mendapatkan rugi-rugi daya listrik pada gedung perkantoran, dan pembagian beban
listrik hampIr seimbang setiap fasanya berdasarkan metoda algoritma genetika.
Tahapan selanjutnya yaitu pengumpulan data dari lokasi penelitian
kemudian dilanjutkan dengan pembuatan program dan pengolahan data, yaitu
menghitung data-data yang diperoleh selama penelitian dan menganalisa sesuai
metodologi penelitian, flowchart program dapat dilihat pada Gambar 3.3
Tahapan yang terakhir adalah menyimpulkan hasil tahapan-tahapan
sebelumnya. Hasil akhir dari penelitian ini adalah mendapatkan beban listrik yang
terpasang pada fasa R, S, dan T berdasarkan metode algoritma genetika.
32
Mulai
Input Data
Beban Listrik A
Encoding
(Inisialisasi jumlah gen
dan populasi) Mencapai
Maximum
Generasi ?
Evaluasi Fitness Value di setiap Tidak
individu dengan menggunakan
persamaan 3.1 Ya
Individu dengan Best

Proses Seleksi
Fitness Value
Proses Perkawinan Silang
Selesai
Proses Mutasi
Gambar 3.3 Flowchart Program
Pada Gambar 3.3 penelitian ini dimulai dengan tahapan input data beban
listrik kemudian dilakukan proses encoding permasalahan pada aplikasi Julia,
selanjutnya proses evaluasi fitness dan proses seleksi untuk menentukan induk dan
terjadi proses perkawinan silang, mutasi, jika mencapai maksimum generasi maka
proses akan berhenti jika belum mencapai proses akan berulang.
33
34
4. BAB IV
HASIL DAN PEMBAHASAN
Simulasi pada skripsi ini menggunakan data beban listrik pada Gedung
Dekanat Fakultas Teknik Universitas Bengkulu, pengujian dilakukan dengan
melakukan variasi pada nilai parameternya, yaitu probabilitas pindah silang,
probabilitas mutasi, jumlah populasi dan maksimum generasi. Pada tahap pengujian
ini kriteria berhenti dapat tercapai, fungsi yang ditampilkan pada tabel meliputi gen,
jumlah beban pada fasa R, fasa S, Fasa T, dan nilai fitness terbaik Algoritma
Genetika.
4.1 Perhitungan Tingkat Ketidakseimbangan Daya Pada Kondisi Awal

Pendataan beban listrik untuk mengetahui letak fasa nya maka dilakukan
dengan cara menurunkan semua kontak tiga fasa di panel listrik utama gedung dan
menghitung serta mencatat beban yang hidup saat fasa R, fasa S, dan Fasa T
dinaikkan secara bergantian. Data yang dicatat dapat dilihat pada Tabel 4.1
Tabel 4.1 Data Beban Listrik Gedung Dekanat dengan Letak Fasa Beban Awal
Daya Daya
No Ruangan Nama Barang Banyak Satuan Total Fasa
(Watt) (Watt)
AC (1 PK) 1 660 660 R
Kipas Angin
1 70 70 R
Tornado
Kipas Angin
1 43 43 R
Maspion
lampu 10 18 180 R
kulkas 1 80 80 R
Ruang Prodi komputer 6 240 1440 R
1
Teknik Elektro TV 1 80 80 R
Printer (Canon
1 11 11 R
2770)
Printer (Canon
1 10 10 R
230)
Printer (MX377) 1 14 14 R
Dispenser 1 350 350 R
infocus 1 180 180 R
2 Ruang Senat AC (1 PK) 1 660 660 R
35
Kipas Angin
1 70 70 R
Tornado
lampu 3 18 54 R
AC (1 PK) 1 660 660 R
Kipas Angin
1 70 70 R
Tornado
Kipas Angin
1 43 43 R
Ruang Prodi Maspion
3 lampu 14 18 252 R
Teknik Mesin
komputer 6 240 1440 R
Printer (Canon
1 11 11 R
2770)
AC (1 PK) 5 660 3300 T
Kipas Angin
4 70 280 R
Ruang Aula Tornado
4 Dekanat Kanan Kipas Angin
2 43 86 R
dan Kiri Maspion
lampu 12 18 216 R
AC duduk 1 4800 4800 T
AC (1 PK) 1 660 660 R
Kipas Angin
5 Ruang Sidang 1 1 70 70 R
Tornado
lampu 4 18 72 R
AC (1 PK) 1 660 660 R
Kipas Angin
6 Ruang Sidang 2 1 70 70 R
Tornado
lampu 4 18 72 R
AC (1 PK) 1 660 660 T
Kipas Angin
1 70 70 R
Tornado
7 Ruang UPM Dispenser 1 350 350 R
lampu 2 18 36 R
AC (1 PK) 1 660 660 T
Ruang Wakil Kipas Angin
8 1 70 70 R
Bidang Akademik Tornado
lampu 2 18 36 R
AC (1 PK) 1 660 660 T
Ruang Wakil Kipas Angin
1 70 70 R
9 Bidang Sumber Tornado
Daya lampu 2 18 36 R
Ruang Wakil AC (1 PK) 1 660 660 T
10 Bidang Kipas Angin
Kemahasiswaan 1 70 70 R
Tornado
36
lampu 2 18 36 R
AC (1 PK) 1 660 660 T
Ruang Sekretaris Kipas Angin
1 70 70 R
11 Wakil Dekan 1 dan Tornado
2 lampu 2 18 36 R
AC (1 PK) 1 660 660 T
Kipas Angin
1 70 70 R
12 Ruang Dosen Tornado
lampu 2 18 36 R
AC (1 PK) 2 660 1320 T
Kipas Angin
1 70 70 R
Tornado
Kipas Maspion 1 43 43 R
Ruang Dekan dan lampu 20 18 360 R
13
Ruang tamu
TV 1 80 80 R
kulkas 1 80 80 R
AC (1 PK) 1 660 660 S
Kipas Angin
1 70 70 S
Tornado
lampu 10 18 180 S
komputer 4 240 960 S
Ruang Prodi
14 Printer (Canon
Teknik Sipil 2 11 22 S
2770)
Printer (Canon
1 10 10 S
230)
Dispenser 1 350 350 S
kulkas 1 70 70 S
AC (1 PK) 1 660 660 S
Kipas Angin
1 43 43 S
Ruang Prodi Tornado
15 lampu 6 18 108 S
Arsitektur
AC (1 PK) 2 660 1320 S
Kipas Angin
1 70 70 S
Tornado
16 Ruang Akademik lampu 16 18 288 S
Printer (Canon
4 11 44 S
2770)
37
Printer (Canon
1 10 10 S
230)
AC (1 PK) 1 660 660 S
Kipas Angin
1 70 70 S
Tornado
lampu 8 18 144 S
17 Ruang Kabag TU komputer 2 240 480 S
Printer (Canon
1 11 11 S
2770)
Printer (Canon
1 10 10 S
230)
AC (1 PK) 1 660 660 S
Kipas Angin
1 70 70 S
Tornado
lampu 10 18 180 S
Ruang Prodi komputer 3 240 720 S
18 Teknik Printer (Canon
Informatika 1 11 11 S
2770)
Printer (Canon
2 10 20 S
230)
kulkas 1 80 80 S
AC (1 PK) 2 660 1320 S
Kipas Angin
1 70 70 S
Tornado
lampu 10 18 180 S
Ruang PD.Bid komputer 5 240 1200 S
19 Adm dan Printer (Canon
Keuangan 2 11 22 S
2770)
Printer (Canon
1 10 10 S
230)
kulkas 1 80 80 S
AC (1 PK) 1 660 660 S
Kipas Angin
2 70 140 S
Ruang Prodi Tornado
20 lampu 12 18 216 S
Sistem Informasi
AC (1 PK) 1 660 660 S
Kipas Angin
3 70 210 S
Tornado
lampu 7 18 126 S
Ruang Staff
21 komputer 2 240 480 S
Rumah Tangga
Printer (Canon
1 11 11 S
2770)
Printer (Canon
1 10 10 S
230)
38
AC (1 PK) 1 660 660 T
Kipas Angin
22 Ruang Mushollah 1 70 70 R
Tornado
lampu 4 18 72 R
fotocopy 1 900 900 R
showcase 2 180 360 R
23 Ruang Fotocopy Kipas Angin
1 70 70 R
Tornado
Ruang Toilet dan
24 lampu 86 18 1548 R
lorong
25 Lainnya Mesin Air 1 125 125 T
Total 411 50004
Dari Tabel 4.1 dapat diketahui nilai jumlah daya pada fasa R, fasa S, dan
fasa T, serta dapat dilakukan perhitungan nilai daya rata-rata, ketidakseimbangan
daya, serta ketidakseimbangan daya dalam persen dengan menggunakan persamaan
2.6, dan 2.5
Jumlah Daya pada Fasa R = 17.243 Watt
Jumlah Daya pada Fasa S = 18.596 Watt
Jumlah Daya pada Fasa T = 14.165 Watt
𝑃𝑅 + 𝑃𝑆 + 𝑃𝑇 17.243 W+18.596 W+14.165 W 50.004 𝑊

Prata-rata = = = = 16.668 𝑊
3 3 3
Ketidakseimbangan Daya = √13 ∑𝑐𝑝=𝑎 ⃓ 𝑃𝑅 − 𝑃𝐴𝑉𝐺 ⃓2 + +⃓ 𝑃𝑆 − 𝑃𝐴𝑉𝐺 ⃓2 + +⃓ 𝑃𝑇 − 𝑃𝐴𝑉𝐺 ⃓2
Ketidakseimbangan Daya = √13 𝑥 ⃓17.243 − 16.668⃓2 + ⃓18.596 − 16.668⃓2 + ⃓14.165 − 16.668⃓2
= 1.854,0782 W
Di gedung dekanat memiliki daya beban tiga fasa yang terukur tidak
seimbang setiap fasanya, sesuai dengan data pengukuran pada Tabel 4.1 sesuai
Persamaan 2.6 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 %
39
=11,1236 %
Berdasarkan perhitungan ketidakseimbangan daya beban awal dalam persen
pada Gedung Dekanat Fakultas Teknik sebesar 11,1236 % dari daya rata-rata.
4.2 Hasil Simulasi Pengujian Tahap Awal

Program di jalankan oleh aplikasi Julia dengan antar muka Jupyter
Notebook, dimana data beban diletakkan di Excel dalam bentuk CSV. Pada
pengujian tahap awal dilakukan untuk mencari nilai fitness terbaik sehingga dapat
dilakukan pengujian variasi nilai jumlah populasi, probabilitas pindah silang,
probabilitas mutasi, dan maksimum generasi, dalam pengujian ini dilakukan enam
kali pengujian.
4.2.1 Hasil Simulasi Pengujian Pertama

Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600

2. Probabilitas Pindah Silang = 0,1
3. Probabilitas Mutasi = 0,1
4. Maksimum Generasi = 200
Simulasi pertama dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi pertama dapat dilihat pada Tabel 4.2
Tabel 4.2 Data Hasil Simulasi Pertama

No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
1 STSSRTTRTTSSSSST 16.613 16.699 16.692 38,9957 0,2339
RRRSTTSSTRSSRTSS
TSTSSRRTSSTRTTRR
RSRRTTSTTTTSTSSS
RSTRTRRRTTTRSRR
RRSTTTRTSTSSTTTR
TSRTSTRSSRRRRSTS
40
RRTRRRTTRRTTRSS
RTSSSTSTSSRRTSRT
SRRSTRSTRTTRRRST
TTRSTRTTRSSSSRRT
RSTSSRSSSTSSTSSST
STTSRRRSRSRSRSSR
RTTSRTSRSRSRRSTT
STTTSTTRSRSSTRRR
STRSTRTSRRSSTRTR
RTSSSRRSSTSRSRTT
RSRRRSRTTTRRRSSR
STSRSSSRSRSTRSST
RSTRSSTRRTRTRRSR
STRRTTSRTTTTRSRT
RRTTRTTSTSRTRTRR
SSTTRRSRRRRSRTSS
SRTTSRTSTRTTRSTS
SRSRRSTSRSTTRSRS
TRSRSRSSSTTT
Tabel 4.2 merupakan hasil perhitungan dari simulasi pertama dapat

diketahui bahwa kolom pertama adalah gen yang berisikan beban listrik terletak di
salah satu fasa antara fasa R, fasa S, dan fasa T, pada kolom kedua menunjukkan
nilai jumlah daya beban yang terpasang pada fasa R yaitu sebesar 16.613 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.699 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.692 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 38,9957 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,2395 %
4.2.2 Hasil Simulasi Pengujian Kedua

41
Simulasi kedua dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedua dapat dilihat pada Tabel 4.3
Tabel 4.3 Data Hasil Simulasi Kedua

(%)
1 SSTRTTRSRTRTSRRS 16.594 16.792 16.618 88,2269 0,5293
SRSSTTTTTRSRSTRR
SRSRSSRTSRSRTSRS
STRSRTSSTTTRRTSR
TSRRTTSRTTRTTTRT
TRRTTRSRSTRSRRRS
TRRTRSTRTTTTRRTS
RSSRTRTTSRTSRSTR
TTTSTRTSSRSTSTTT
RRSTRSTTSRSRSTST
TTRTTSRTTRSRRRRS
STSSSSSRRSRRRSRT
RSTRSRTSRSSTTTRS
RRSRRSTSTSTRRTST
RTSRSRRTRRTTSRRT
STRRTSTRTRTSRSRT
SSTSRSTSRTRRTSTS
RRTSSTRSRSSTRSSS
TTSRTSSRRTTTSSTT
TSTRSRSSSSSTRSSSS
RTRSSTSTRTSTTSRR
RSSSTSTSTRSRTRTT
STSRTSTTSRRSTRSS
TRRTSRTSSSRSSTRT
RRSRSSSRTSTSSRSS
RRRTRSRSST
42
Tabel 4.3 merupakan hasil perhitungan dari simulasi kedua dapat diketahui
bahwa kolom pertama adalah gen yang berisikan beban listrik terletak di salah satu
fasa antara fasa R, fasa S, dan fasa T, pada kolom kedua menunjukkan nilai jumlah
daya beban yang terpasang pada fasa R yaitu sebesar 16.594 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.792 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.618 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 88,2269 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,5293 %.
4.2.3 Hasil Simulasi Pengujian Ketiga

Simulasi ketiga dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi ketiga dapat dilihat pada Tabel 4.4
Tabel 4.4 Data Hasil Simulasi Ketiga

(%)
1 STSRRTSTRSTSTTRT 16.608 16.746 16.650 57,7581 0,3465
SRTTTSRRTSSTRSRS
RRSTTSSSRSTSTSST
RTSSTRTSSSRRTTTR
RSRRTRSTSRRTRRTT
TSRTTRTRTRRSTSST
SRTTRTSSSRRRSSSS
RRRRRRRTSSSSTSST
TSTSTSTSTTTRTRTS
TRRRSSRRSTSSSRST
43
RTTTRTSRRRRRRTT
SRRRTSRSSSRRRTSR
TRTSTTRRSTSSRTST
RRRTSSSRRRRTSRTR
SRSSSSRSRSRSRRTR
TSRRSTSTSRSRRSTS
RRRTSSSRRTRRRTTT
STSTTTTSSSSTSRSST
STSRRRTRTRRSTRTT
SSRSTTRRSTSSRSSSS
RSTTSTTRSRTSRSRT
TTTTSRSSRTRRRSRS
STSTSRTTRRSSTRRT
RRRTRSSRTTTSRSST
RSSTSTTRRTTRSRSS
RRRSTTRTSR
Tabel 4.4 merupakan hasil perhitungan dari simulasi ketiga dapat diketahui
sebesar 16.746 W, pada kolom keempat menujukkan nilai jumlah daya beban listrik
yang terpasang pada fasa T sebesar 16.650 W, pada kolom kelima dapat diketahui
bahwa nilai fitness sebesar 57,7581 W, dan kolom terakhir merupakan nilai
ketidakseimbangan daya sebesar 0,3465 %
4.2.4 Hasil Simulasi Pengujian Keempat

44
Simulasi keempat dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keempat dapat dilihat pada Tabel 4.5
Tabel 4.5 Data Hasil Simulasi Keempat

(%)
1 STSRRTSTRSTSTTRT 16.650 16.602 16.547 62,5459 0,3752
SRTTTSRRTSSTRSRS
RRSTTSSSRSTSTSST
RTSSTRTSSSRRTTTR
RSRRTRSTSRRTRRTT
TSRTTRTRTRRSTSST
SRTTRTSSSRRRSSSS
RRRRRRRTSSSSTSST
TSTSTSTSTTTRTRTS
TRRRSSRRSTSSSRST
RTTTRTSRRRRRRTT
SRRRTSRSSSRRRTSR
TRTSTTRRSTSSRTST
RRRTSSSRRRRTSRTR
SRSSSSRSRSRSRRTR
TSRRSTSTSRSRRSTS
RRRTSSSRRTRRRTTT
STSTTTTSSSSTSRSST
STSRRRTRTRRSTRTT
SSRSTTRRSTSSRSSSS
RSTTSTTRSRTSRSRT
TTTTSRSSRTRRRSRS
STSTSRTTRRSSTRRT
RRRTRSSRTTTSRSST
RSSTSTTRRTTRSRSS
RRRSTTRTSR
Tabel 4.5 merupakan hasil perhitungan dari simulasi keempat dapat

45
4.2.5 Hasil Simulasi Pengujian Kelima

Simulasi kelima dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kelima dapat dilihat pada Tabel 4.6
Tabel 4.4.6 Data Hasil Simulasi Kelima

(%)
1 TSRRSSSTTTRTTSSS 16.652 16.742 16.610 55,0635 0,3303
SSTRTSRSTRSTSTST
RTRSRTRRSRSSRRRT
TSRTTRSTSRTRSSRS
RRTTTRTRRTSRTTSR
TRTSSRSSSSTRSSTR
SSTRSRRRSRSRTRTR
RRSSSRTTTTSRSTRR
SSTTSTTTRRSTRSSR
RRRTTRSRRSSSSTTR
RTTSTRSRRTSRTSST
TSTRRTTTRRSSRTRT
46
TRTSRSSRSRTSRSST
STTRSSTSRRTSTSRT
STTSTTTRRTTSRRST
TRSRSSRRTRTRRRR
TTSTRTTRTSTTRRRT
RRRRSRTTRSSRTTTS
RSRSTTRRTSRSSSST
TSTSSSRTRTRRRRTR
STSRSRSTSRRSTRTT
STSRSSSTSTTSRRSS
RRSSRSRSTSTRSRTR
TTRTRRTTSTSTRSRR
RSRRTTSTTRRTTRSS
STSTTSTSRSTR
Tabel 4.6 merupakan hasil perhitungan dari simulasi kelima dapat diketahui
nilai ketidakseimbangan daya sebesar 0,3303 %
4.2.6 Hasil Simulasi Pengujian Keenam

Simulasi keenam dilakukan sepuluh kali perhitungan, dari sepuluh kali

perhitungan nilai yang terbaik pada simulasi keenam dapat dilihat pada Tabel 4.7
47
Tabel 4.7 Data Hasil Simulasi Keenam
(%)
1 TTSRSRRTSSTTRSRS 16.729 16.657 16.618 45,9782 0,27584
STTRRSSSTRRSTSRR
SRSRTTSRRSSTRTRR
TTTTTSTRTTSSSTSS
TTTSRTSRRSRRRRRS
SRTSSTRRRSTTSRRT
SRTRTRSSSTTRTRTT
SSTSRRRRRRRRSTTT
SSRTSSRTSRSRSRRS
RTRRRTTTRRTRRTT
STRSSTTSRSSSSRSR
TSRRRTTTRRSSRTST
TRRRTSTTRTTRRSRT
SRRRSTRTRTRTTRTS
TTTTRTTTRSTTTRRS
TRSSRTSRTTSRRRRR
TSRRRTRTTSTSRSTS
TSTSTRTTSRTSSRTR
TSTRRTRSTSRRTSTT
RTTSTRTRTTTTTTTT
TSTSTSSRSTTTRRST
SRSSRTRTTRSRTRSR
RTRSTTTRSTRTRSSS
RRSSSRRRTRTRSSST
TRSTSRTTTTRRSSRT
SSRRTTSTTTTS
Tabel 4.7 merupakan hasil perhitungan dari simulasi keenam dapat

48
4.3 Hasil Simulasi Pengujian Variasi Populasi

Pada pengujian ini parameter yang di variasikan yaitu jumlah populasi
dimana pengujian ini dilakukan sepuluh kali pengujian.
4.3.1 Hasil Pengujian Pertama Variasi Populasi

Tabel 4.8 Data Hasil Simulasi Pertama Variasi Populasi

(%)
1 RSTTTTTSSRSSTSSR 16.697 16.778 16.529 103,7014 0,6221
TRSTSTRRTRRSSSSR
RRSTRSSSSTRTSRTS
RSRRRRSTTRSSSRRR
TTTTTSSTRTSTTTTS
RRTTSRTTSSSTTSRT
TTSRSTRSTSSSTRSR
SRTSRSTRTTTSTSST
STTTSTRSTSSSSRRT
TSSTSSSRSSTSTSSRR
TTRSRSTRTRRTTRRS
49
SRSRSRSSRTTTTTRS
TRSSTRSSTTSSTSSRS
TTSTRSSRSTTTSSRS
SRRSSSSRTSSSTTSST
SRRSSSRTTSTRTTTS
TRSTRRRRSRTSSSRT
SRTSSSSSRSTRTSSST
RSTTTTRRTSTTSRTS
TTTSTTSSTSRSRTTR
RTRTTSRTTSSRTRSR
RRTTTSRRRTSSRTSR
SSSTRTTSTTSRRTTT
RRRRTSSTRSRSRTRS
TSTRTSSTRSSSTRSS
TTSSSTT

4.3.2 Hasil Pengujian Kedua Variasi Populasi

50
Tabel 4.9 Data Hasil Simulasi Kedua Variasi Populasi

(%)
1 SRSRRSRRSRRTRTST 16.673 16.701 16.630 29,2004 0,1751
TSTTRSSTSTRRRSRR
TSRSTTTRRSRRSTTS
TTRRSTSSSRTSSSSR
RTSSTRTRTTRSSRRS
RTRRTTSRRRSTSTRS
TRTRSTRTRSTRSSTR
SSRTTRRSTSTRSRST
RTRSTTSSSSTSRSSR
TTTTSSSSTRTSRSTT
TTTRRTRRTRSTSSRR
TSTRRRSTRSSRRRTS
TSTTSRSSSSRRRTTS
RSTTTTTTTTTTRRTT
TSTRTSSSRRRSTSSR
SSTRRTTRSRRTTSSS
STTRSTTSTTRSTTST
TRSTTTRSTSSTSSTR
TTTRTTSTTSTSRRTR
RTTRTSRRTTSSRRTR
RRTSSSRTTTTSTRST
TSSSTRSRTTSSSRSS
RTRSRSRSSSRTSRRR
RTSSTTTTSRTTSSST
TSTSTRTRRTSRTTSS
RSTSSRTSRRR
51
4.3.3 Hasil Pengujian Ketiga Variasi Populasi

Tabel 4.10 Data Hasil Simulasi Ketiga Variasi Populasi

(%)
1 TTRTSRTSRTSRRRTT 16.6692 16.643 16.669 20,0166 0,1201
SRTTSTTRSSRRSTRS
TTSSTRSRRTSSRSST
TRTTRSRTRSTSSRST
TTSSRSSTTRRTRRSR
RTRTSSTRTRTRTTST
TRTTTRRSSTSTTRRS
STSTRTTSRRSTSSSSS
TTSTTSSRRRTRTTSS
TTSTTTSTTSTTSRRT
STRRTRSTSSTRRSRS
TSSRSSTTSRTRSTTS
52
SSRTSTRTTRRSRRTT
STSTTSTRSTTTTSRS
SRSTRTTTTRTSTTRT
TSSTRRSSRSTRSTRR
TRSRTSRRRTSSRTRT
TSRRTRRSTTSTRSST
RTSSSSRSRSSTSSSRT
STRRSTRSRTTRRSSS
SRSRSRTSSRSTTSRT
RSTSRSTRRSSSSTRR
RSTRTRSTTSTTTTTT
TRTTRSRSTSSRTRTR
RSTTRRTRTTRSSTRS
TRSSTTSSS
4.3.4 Hasil Pengujian Keempat Variasi Populasi

53
Tabel 4.11 Data Hasil Simulasi Keempat Variasi Populasi
(%)
1 TTTSTSSTTRRTTRRS 16.633 16.742 16.629 52,3513 0,3140
TSSRTTRTSSSRSSST
TSTTTTRTSSTSRRTT
SSTSRSRRSTRRSSTS
TRTRRRSSSTTSTSRT
RRRSSSSSRRTSRSSR
TSSSRSTTTSRSSTRSS
TTTTSTSSSSTSTRTTS
TTTSTTSTRTTRTTRR
RTTSRTSRTRSSRSRS
RTRSRSSTRRRTSSTT
RTTSRSTTSRTTRSTS
STSRSRSRSTSTTRST
STTRTRRSTRSTRRRS
SRRSRTTRRTTTTSTT
TTSRSSSSRTTRTTTS
RSSTTTSSSSRSRTTS
TSRTSTSSSRRSTTTT
TRSSTTSSTTRSTTST
SSTSSRSSTRRSTTRT
SRSSRSTRSTRRTSTS
SSSTTSRSTRTTRRTR
TRTSRTTSRSTTSRTS
TTSTTRTSSTTTTTTT
RRRTRSTSRSSSRSTS
RRSTRSRSR

54
4.3.5 Hasil Pengujian Kelima Variasi Populasi

Tabel 4.12 Data Hasil Simulasi Kelima Variasi Populasi

(%)
1 RRTTSRRTTRSRRSTS 16.641 16.622 16.741 52,1983 0,3131
RSSRTTTTRSTRTRTT
SSSTSTTTRSTSSSRTT
RRTTSRTRTTRTTRTS
SRSSSTSSTSTTSRSSR
RRRTSRRRSRTRRRT
TTRRRSTRRSSTTTSS
RRTTSSSRRRSRSRTS
TTRRTSTRRRSSRSRR
RSSRTSSRTTSTSTRR
RRRTRRTSTRRRRST
SRRSRRRTTSTTTTSS
55
TSSTSRTSRTTTRSSS
SSRSSSTRSSRSRRTR
RSRTSRSSSTRRRSRS
SRSRRRTTSSSTSTTR
RTTSRTRSRRTTTTTS
TSRSSTRRSTRRRRRT
TTRRSRSRTTRTRSRS
RTTTSRSTRTTSTSSR
SSSSTSSTTTRRRRRR
TSRSSRTTRTRRSTTT
TSRTTRTTRTSSSRSR
RSRTTTRTTSRSTSST
TSSSRRRRRRTSSSTR
SRSSRTSTSTR
Tabel 4.12 merupakan hasil perhitungan dari simulasi kelima dapat

4.3.6 Hasil Pengujian Keenam Variasi Populasi

56
Tabel 4.13 Data Hasil Simulasi Keenam Variasi Populasi

(%)
1 TTTTTTRTTSTTTTTS 16.653 16.665 16.686 13,6381 0,0818
RRTSSTSRTRSRTRTR
RTTTSTTSSSRSSSTR
TTRRSTRTRSTSSRTR
RRRTTTSSRTRTSTTT
RTSTRSRTTSRRTTSS
RRSRSTTRSSRTSSTT
RTSTRRTRSSRTTTTT
RRRSSTTSTSTRRTRS
STTSSSTRRTRSSRTS
STTTRSTRRTTRTTST
RSSTSSTSRTRRSSRS
RTTTTSTRRSTTRTTT
RTSSTTSTSRSTTRTT
SSTSRTSSRTSRRSTS
SSRSTSRTTTTRTRRT
RSRSTRRRTSSTTSSS
SRRRTSRTTRTRRRT
TSSTSSTRSSSRTTSR
RRTRRSSSSRTRSRTT
RSTRTSTTTTRRTSSS
SRTRTRRSRTRSSTSR
TTSSRSTRSTTSSSRR
TRRRRTRTTRTSRRS
TRTTSRSTRSSTRSRT
RRSSTTSRRSTRS
57
4.3.7 Hasil Pengujian Ketujuh Variasi Populasi

Simulasi ketujuh dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi ketujuh dapat dilihat pada Tabel 4.14
Tabel 4.14 Data Hasil Simulasi Ketujuh Variasi Populasi

(%)
1 RRSTSTTTRSTSRTRR 16.693 16.655 16.656 17,6828 0,1060
RRRTSTRSSSRSTRTT
SSTTRTRTTRSSRRSS
SSTRTTSRSTRRSSRS
SRRSRSTTSTSRSTRT
TRTSTTRSTSTTTRRR
SSRTRTRSSRTRRTRS
RSSSRTSRSTTRRRRR
RSRSTRSTRSRRTSRR
TRTTSRTSTSTTSTTR
58
TSTTSTTRSTRRTRTS
STSSSSRSRRTSSRST
TSSTRSTTRSSSSRRT
TSRSSSTTRRTRRTTT
RTTTRTSTRRTSRSTT
STRSTTTSSTTTTSTT
SRTSTTSTSTTSSSRR
TSRRRSRSRTTTSTSS
TRRTSSRRRRSSRTTT
STTSRSTRSSRTSRTS
SRSSTTRRTTRSRSST
SRSSRSRSTRSTTSRS
RTSSRRSSSRTSTRRT
SRSRTRTRRSRTSTRS
SSRTRTTRRTSSRSTR
TSSTTTTRSTT
Tabel 4.14 merupakan hasil perhitungan dari simulasi ketujuh dapat

4.3.8 Hasil Pengujian Kedelapan Variasi Populasi

59
Simulasi kedelapan dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedelapan dapat dilihat pada Tabel
4.15
Tabel 4.15 Data Hasil Simulasi Kedelapan Variasi Populasi

(%)
1 RTSSSRSSRRTTSRSS 16.655 16.673 16.676 9,2736 0,0556
RSRTRTSTSSTSRSTR
TTRRRTRSTSSSRTTS
TTSTRTTTSRTRTSST
RSRTTRRTTRRSRTRS
SSRSRRSRTSTRTTRT
SSRTRRRSTSSSRSRT
RRRSSTTRSRTSSTSR
SSSTSSTRTSTRRSRS
SSTRSSTTTSTSRSRS
TSSSRSRTSRRRRRRR
RRRTRRTTSSTRSTRT
RTRSSTSTTSRTRSRS
RSTRSSSTTSRRRTRT
TTRTSRTSTSRRTRRT
STRTSTSRTTTSSRSR
STSRSRTTSTSTRRTS
RRRTTRRTTTRTRRT
SRTSSTTSTRRSTRRR
RRSSSSSTTTSTTSTST
TTTTSSTRRRSRTTRR
RTRTRTRSTRSTRTRT
STRRTRSTRTRSSRSS
TTTRSSSRRRSRTSRT
STSSTRTRRSTTTRRS
TTSRRSSTSST
60
Tabel 4.15 merupakan hasil perhitungan dari simulasi kedelapan dapat
4.3.9 Hasil Pengujian Kesembilan Variasi Populasi

Simulasi kesembilan dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kesembilan dapat dilihat pada Tabel
4.16
Tabel 4.16 Data Hasil Simulasi Kesembilan Variasi Populasi

(%)
1 RTRTRSTTSSTTSRRR 16.739 16.717 16.548 85,3268 0,2731
RRRRSSSSTTTSSSRS
TTSSTTSTRTRTTRRT
RRTRRRTRSSRSRRR
TTRSSTSRSTRSTRTS
TTRSRSTSSSTRRRTS
TRRRSRSRTSRTRRST
RRSRTTTRTSSTSRTT
SSSTTTRTTTSTTSST
61
RSTRSSRSRSSSTTRR
RSTTSRRRSSSSSTST
TSSRRSRTRRSSTSTS
RSRRTTTRRTTRTSRS
RRSSRSTTRRTTSSTS
RTRSTRRSRRSTRRSR
RTRSSRSRRTTRRRST
RRSRTTSTSSRTTSTS
RTTTSSSRRTSTSRST
TRSRSRSTTTSRRRRR
SSRRTTTSTRSSSTTT
SRRSRTSTSTSRRTTT
TTTSSSRTSRSTRRSS
RRTRSRTRRSRSRSRS
TRTRTTRRSRTTTTSR
STSTTRTSSRTSSRSR
RTTTRRRSSTTT
Tabel 4.16 merupakan hasil perhitungan dari simulasi kesembilan dapat

nilai jumlah daya beban yang terpasang pada fasa R yaitu sebesar 16.739 Watt, pada
S yaitu sebesar 16.717 Watt, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.548 Watt, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 85,3268 Watt, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,2731 %.
4.3.10 Hasil Pengujian Kesepuluh Variasi Populasi

62
Simulasi kesepuluh dilakukan 10 kali perhitungan, dari 10 kali perhitungan
nilai yang terbaik pada simulasi kesepuluh dapat dilihat pada Tabel 4.17
Tabel 4.17 Data Hasil Simulasi Kesepuluh Variasi Populasi

(%)
1 TSSSSTRSSSRTRRSS 16.668 16.707 16.629 31,8433 0,1910
TRSTTTSRTSSRTTTS
TRTTRRSSSSSTSRTT
STSTRTRSTRTRTRRR
SRSTTTTRSSRSSRST
SSSSTSSSRTRTRRTR
SSRTRRSRRSSSTTRS
RSTTSTTTSRTRRRST
SSRTTSRRRSTRTSSR
RRTRRTRTRSTRTRT
TTTSTTSTTRRTRRRR
RSRTSRTTSRSRRTTS
TRTRRSSRSRSRRSTS
RRSRSSTRTSSSSTRR
RTRRRSTSTSRTSTTS
RTTRRTRTSTTRTRTS
TRSSSSTTRRRRRSRT
RRRRTSRTSSRTTRRT
TRSRSSTSTRTSRSSR
TTRRTSRTRTTSTRSS
RTRTSTSSRSSSTTTR
TTRTTTRRTRRTSSTT
RSRRRTTTTSRSRTSR
TRTSSSSRRTRTTRST
TTTSTRTTTRSRSRRR
TSSSTSTSTSTR
63
Tabel 4.17 merupakan hasil perhitungan dari simulasi kesepuluh dapat
4.3.11 Perbandingan Persentase dan Waktu pada Variasi Populasi

Sesuai dengan data hasil pengujian pada parameter yang telah ditentukan
dengan variasi pada nilai populasi maka dapat diketahui perbandingan
ketidakseimbangan daya dalam persen pada kondisi tersebut.
Tabel 4.18 Perbandingan Ketidakseimbangan Daya terhadap Variasi Populasi

Populasi Ketidakseimbangan Daya (%)
100 0,6221
200 0,1751
300 0,1200
400 0,3140
500 0,3131
600 0,0818
700 0,106
800 0,0556
900 0,2731
1000 0,1910
Tabel 4.18 merupakan tabel perbandingan ketidakseimbangan daya dalam

persen terhadap variasi jumlah populasi, terlihat nilai ketidakseimbangan daya
terkecil pada saat populasi sebesar 800 dengan nilai 0,0556 % dan nilai
64
keseimbangan daya yang terbesar pada saat populasi sebesar 100 dengan nilai
0,6221 %
Sesuai dengan data hasil pengujian, maka dapat dibuat grafik perbandingan
pada kondisi variasi populasi dengan ketidakseimbangan daya (%).
0.7
Persentase dari rata-rata beban
Ketidakseimbangan Daya (%)
0.6
0.5
0.4
0.3
0.2
0.1
0
0 100 200 300 400 500 600 700 800 900 1000
Populasi
Gambar 4.1 Grafik Ketidakseimbangan Daya terhadap Variasi Populasi setiap Pengujian
Gambar 4.1 grafik ketidakseimbangan daya terhadap jumlah populasi, nilai

ketidakseimbangan daya pada jumlah populasi 800 yang terhitung lebih kecil dari
nilai populasi lainnya. Disaat jumlah populasi sebesar 400,500, dan 900
mengalami kenaikan ketidakseimbangan daya dan yang lainnya mengalami
penurunan.
4.4 Hasil Simulasi Pengujian Variasi Probabilitas Pindah Silang

Pada pengujian ini parameter yang di variasikan yaitu Probabilitas Pindah
Silang dimana pengujian ini dilakukan sepuluh kali pengujian.
65
4.4.1 Hasil Pengujian Pertama Variasi Probabilitas Pindah Silang
Tabel 4.19 Data Hasil Simulasi Pertama Variasi Pindah Silang

(%)
1 RSRTRSRRSSRSSTTT 16.734 16.713 16.557 78,9556 0,4736
SSTRRTSTTTSRTTTT
RRTTSRRTTSSRTSRR
SRSRSRSTTRSTRSSS
SSTSRSSRRTSTTTRR
TRSRTRRSSSRTRSRR
TTTSSRTTSRSSRRTR
RTRSRRTTSTRTTTSS
RSRSTTSSTSSTTRRS
STSRRTSTRRSRSRRT
TRRRRTRSRSRRTTT
RSTSTRTSSSSRSTTR
TRSRRRRSTTRSTSTR
RSRSTSRTTSSSRTRS
RTSSSRRSRRRSTRSS
TSTSRRTSTSRTTSTR
RSRRRRSTTRRTTTSS
SRTSSSSSTRTSSRTSS
RTSRRTSTSSRTSRRR
TRRTSTSRRRSRRRST
TSTRSTTSSSTRRTTR
66
SSTSSRRRRRSSSRTS
RTSSRRSTSTTSRRTR
STRRTRRRTTTRTRS
RSSSTRRRTTTRTSRR
TTRRTTRRTSTS

4.4.2 Hasil Pengujian Kedua Variasi Probabilitas Pindah Silang

perhitungan nilai yang terbaik simulasi kedua dapat dilihat pada Tabel 4.20
Tabel 4.20 Data Hasil Simulasi Kedua Variasi Pindah Silang

(%)
1 RRSSSRTTRSTRTSTT 16654 16674 16676 9,9331 0,0595
RTTRRTSTRRRSRRR
RSSTRTRSRTSTTSST
67
TRSTRSTSTTRRSSSR
RTTRTTRSTRSSTTST
STRRRRTRRRSSTRSR
TSRRTTTSSTRSTSST
SRSSSSTSRSRRTTRR
RRSSTRRSRTTRTTSR
TRRTTRRTTSRRTSTT
RSRRRTSRTRSRTRR
TTRSSRTRRSSRTSSS
TTSTTSSSRRRSRTTS
SRTRRRRTRRTTRRT
TTRSRTRTSTRTSSRS
RSTSSSTRSRRRRTTT
SSSRSRRTTTRSSSTR
TRSSSTSSRTRSRSTR
SSTSTRSSSRRSSSSTS
TSTSTRSTTSSRRRSS
TTSSTRSRSRTTTSRS
TSTRSSSTSTRTSTRS
RSSSTTSSRSSRSRTT
RRRTRSRSTRSSTTTT
TSRRSSRTRSRTRRRR
SRTTTTRSRSSSR
diketahui bahwa nilai fitness sebesar 9,9331 W, dan kolom terakhir merupakan nilai
ketidakseimbangan daya sebesar 0,0595 %.
68
4.4.3 Hasil Pengujian Ketiga Variasi Probabilitas Pindah Silang
2. Probabilitas Pindah Silang = 0,.3
Tabel 4.21 Data Hasil Simulasi ketiga Variasi Pindah Silang

(%)
1 TSSRTTSTRTTRSRST 16536 16698 16770 97,8570 0,5870
SSRSSTSSRSRSSTSRT
RRSSTRTTSSSSRTST
TTSRSRRRRTTTSSSS
SSRTTSRRSTRSTSTR
TSTTSTRSRTRTSSTS
RTRSSRRSSRTTRSTT
TRRTSRSRSTTRSTTT
TSTTRSTTSSTRSRTR
RTSRSSTTRTSTTTTS
STTRTSRSSRSSSSTT
TTRTTRTRTRTTSTSS
TSTSSSSTRSTTRTRS
TRSTTRTSRRSSRSRR
TTRRSRTTSTTRSTRR
SSRTRRRSSRSSTTTT
TSSTRRTSTRTRSTRT
RTSTTSTSRTSRTTTT
RSTRRRSTSTSSSSTT
SRSRRTRSRRRTSSRR
TTSSRTTRTTRTSSTT
69
RTRSTSRSRSTTTRTT
RTSSSRRTSSTSSTTR
STTSRSRRRRRRTSTR
SRTRTSRSRTTSTTTR
RTRRRSRRRR
sebesar 16.698W, pada kolom keempat menunjukkan nilai jumlah daya beban
4.4.4 Hasil Pengujian Keempat Variasi Probabilitas Pindah Silang

Tabel 4.22 Data Hasil Simulasi Keempat Variasi Pindah Silang

(%)
1 STSTRRSRTRSRSRST 16568 16747 16689 74,5698 0,4473
SSTRRTSTTRRRTSSR
SRRSTTTTSTTRRRRT
70
RRSSSRTTSSRTRRST
RSRRTRTTTRSRTSRT
SRSTTTRSTTTRSSRR
SRSTTTRSTRSSTTSS
TTTSSTSRTTSSRRTR
SRSSRSRRRTRSRSTT
RSTTTSRRRSTSSSST
TSSTTRSRTRRSRRST
RRRRTTTRRRRTSRR
TTTTSSTRRRSRSTTS
TTRSTTTRRSSRTTSR
TSRRSSSRSSTRRTSS
RRRSTRSRSRRSSTTR
SRTTTSTSSTTRRTTR
TRTSRTSSSRRTRRST
RTTRSSRSTRTRSSSS
SRSTRRSTTTRSRTST
RTSRRTSTTRSTTSTS
RRRSTRRRSTTSTSTT
TTRSSSTRRSSRTSTT
TTRSSRRTTTRTRRTS
RTTTRTSTTTTTTRTS
TTSSSSSTRSTT

S yaitu sebesar 16.747W, pada kolom keempat menunjukkan nilai jumlah daya
71
4.4.5 Hasil Pengujian Kelima Variasi Probabilitas Pindah Silang
Simulasi kelima dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai yang terbaik pada simulasi kelima dapat dilihat pada Tabel 4.23
Tabel 4.23 Data Hasil Simulasi Kelima Variasi Pindah Silang

(%)
1 SSSSSTSRSRTRSSRTS 16.593 16.677 16.743 57,9137 0,3474
STRTTRSTRSSTRRRT
TSRTRRRSTRTSTRRT
RSRRTSTRSSSSRRRR
TSTRTRSSRRSSTTST
SSRRRRRRSRRRRSS
RTTSSTTRRTSRSRTR
RTSTTTRRTTSRRTRS
TTSTTSSSRRSTRSRT
RRRTSTTSRRRSRRSS
SRTSSTTTSRTRSSSR
STSRSRTSSTSSTRRS
TRRRTTRTRTTRSSST
RRSTSTRTRRTRSRR
RRSSRSSTRSRRTRST
TTRSRTTSTRTTTTTR
TTRSTRTTSSSSTRSR
TRSTSSSRRSRSTRSS
TSTTTSRSRRRSSSRR
SRSRSTTRTRSRSTTT
STRRTRRSSSRSTSSR
72
SRSSSTTSTRSSRTRS
RRSRSSRRRTSTRRR
RRSRTSTSSSRRSRST
STSRSTTTTTSRTSRR
RTTSRSTTRTSRT

diketahui bahwa pada kolom kedua menunjukkan nilai jumlah daya beban yang
terpasang pada fasa R yaitu sebesar 16.593 W, pada kolom ketiga menunjukkan
nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu sebesar 16.677 W,
pada kolom keempat beban listrikpada fasa T sebesar 16.734 W, pada kolom kelima
4.4.6 Hasil Pengujian Keenam Variasi Probabilitas Pindah Silang

Simulasi keenam dilakukan sepuluh kali percobaan, dari sepuluh kali

percobaan nilai yang terbaik pada simulasi keenam dapat dilihat pada Tabel 4.24
Tabel 4.24 Data Hasil Simulasi Keenam Variasi Pindah Silang

(%)
1 TTTSSSRTSSSSTSRTS 16.687 16.689 16.628 28,2960 0,1697
STSRTSRSSRTRTRTT
SSRRTTRTRRRTSRRT
73
TSSTRTSRTTSSTSTT
TTTSTRTRTRRRTSTR
RRSTTTSRSTRTRRTT
RRRSTTRSSRTTSSRT
TSRRRTTSTTRRSSSR
SRTRSRSSSRRSTTSS
SSRRTRSSRTTRRRRT
RTTSTSTRRSSTSSSR
TRSRRRTTRRRRSTT
TTRTRTSSSSSSRSRR
STTSRTSTSRTTSSRT
TTRSSRTRSRTSRTSR
RTSSRSRSSRSSTTTS
TRRTSTTSRSSRTTST
SSTSSSTTTTTTRSTR
RSRSTTTTRSSTSSRS
TRSTTRSTRTRSRTSS
SSTSTTRTSSRRRTSR
TSRTSRRRRRRSTTTS
TTRRSRSRSTSRSSRR
RTTTSTTTRRRTSRTT
RTRTSRTSSTRRTTSS
SRSSRRRTSST

74
4.4.7 Hasil Pengujian Ketujuh Variasi Probabilitas Pindah Silang
Simulasi ketujuh dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai yang terbaik pada simulasi ketujuh dapat dilihat pada Tabel 4.25
Tabel 4.25 Data Hasil Simulasi Ketujuh Variasi Pindah Silang

(%)
1 RSTTSTRTSSTTRTTS 16.644 16.702 16.658 24,7116 0,1482
RTSTRSTTSSTSRRRT
RSRTTSRSRRRSTTRT
TTSSTRTRRTTRRRSR
RRSSSRTRSTRSRRSS
SRTRRTRTTRTSSRSS
SRRRSTTSTTRSRSRS
SSTRSSSRRTSRRSRT
TTSRRTRSTRTTRTTT
RRTSRRTSRTTTRSTR
SRSSRTSSTTRSTRTT
SRTTTSSRRTTTSTTT
RSRSTRSTRTSRRSRS
RTRTTTSRTRTRTRR
TRTTTRRRRSTSRSSS
TRRRSTTRSRRSSRTT
STTTSTRRRRTRRSTS
RTRTTRRSSRSTRRTR
RRTTRRRSRTSSRTSR
SRTSRRRTSTSRRTTT
RRSRTRRTTTTTRRT
75
RRTTRSSSSTTRTTSS
STTSTRTRTTSTTRTT
STRSSTSTSRTSTSSRS
STSRRTSRTRSRSTST
TSRRSSRTTRTR

4.4.8 Hasil Pengujian Kedelapan Variasi Probabilitas Pindah Silang

perhitungan nilai terbaik pada simulasi kedelapan dapat dilihat pada Tabel 4.26
Tabel 4.26 Data Hasil Simulasi Kedelapan Variasi Pindah Silang

(%)
1 RTRSSSTRRTSSRRRS 16.701 16.611 16.692 40,4722 0,2428
RSTTSTRTRTSTSRRR
SRTTRSTTRSTTTTTT
76
SSRTRRSRRTRTTRRS
RTRSTRSSTTSTSRRS
TRSTSSTRSRTSTSRT
STRSRSTSSRRRSSTS
TSRTTTTRSSSRSSTR
TTTRSTTRSSRTRSRR
STSTSSSSSRTSSRSSR
TRTRSRSSSRRTTSTS
RTSTRRSRTRRSRSRS
TSSTSRSTSSSRSSRT
RRTRRSTTRTTRSSSR
RSTRRSTTSTSRRSTS
SRSTSRTSTRTSRTRT
RTRRTTRRRSSSSRSR
RRTTTSRTTSRSTSRT
RSTTSTSSRRTSTSTS
SRSSSTSRTTTRSRSS
TSSSSRSRTSSRRTRT
TSSSRSSRSTRTRSTT
STRTSTTRSSTSTRRT
TRSSSSTTRRRTRTSS
SSTSTRSRRRRSSRRR
RTRSTSRSTS

77
4.4.9 Hasil Pengujian Kesembilan Variasi Probabilitas Pindah Silang
Simulasi kesembilan dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai terbaik pada simulasi kesembilan dapat dilihat pada Tabel 4.27
Tabel 4.27 Data Hasil Simulasi Kesembilan Variasi Pindah Silang

(%)
1 TRRTRRSSSSSRTSRS 16.671 16.673 16.662 5,7154 0,0342
TSSRSTTRSRSSRRRR
STSSSSTRTTTRTSRS
TSRSTTRSRTSRSSRR
STTRRTSTRTSSSTST
RTTRSTRRTSTSSSTS
RSTSTSTSSTRTSTSSS
STRRSTSTSRTSTSRT
RTTSRRTTRSTSRSTR
STSSRRTSTSRTSTTS
TTRRSTTSRTRSRTRR
TSSSSRTTRSTTRTSR
RSTRRTRSRRSTSTRR
TRSSTTTTRSSRTSRR
TRSTSTTSSTSSTTTST
RSRSTRSSTTRRTTTT
RTSSSTTRSRRSTTRT
TSTRRSRRSSSRTSTR
RSTRSSRTTSSRRTSR
RTTRSSTSTSTTRTSS
TRRTRTSSRTTRSRSS
78
TTSRRRSRSTSTRSRS
RSSSSSTTSRRRRSRS
TRSSSRRTTSRRTSTT
RTSRSRRSSSRRRTST
SRTTTRTRR

terpasang pada fasa R yaitu sebesar 16.671 W, pada kolom ketiga beban listrik fasa
S sebesar 16.673 W, pada kolom keempat beban listrik fasa S sebesar T sebesar
16.662 W, pada kolom kelima dapat diketahui bahwa nilai fitness sebesar 5,715 W,
dan kolom terakhir merupakan nilai ketidakseimbangan daya sebesar 0,0342 %.
4.4.10 Hasil Pengujian Kesepuluh Variasi Probabilitas Pindah Silang

2. Probabilitas Pindah Silang =1
Simulasi kesepuluh dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai yang terbaik pada simulasi kesepuluh dapat dilihat pada Tabel 4.28
Tabel 4.28 Data Hasil Simulasi Kesepuluh Variasi Pindah Silang

(%)
1 TTRRSTRTTTRSSRTR 16.620 16.670 16.714 38,4013 0,2303
SRRTSSTSRRRTTTRS
STSSRTSRSSSRTTRS
TSRSTSRSRRRTRSST
RRSSRRTRSTRRTTSR
TTSTRRRSRTSTTSRS
79
RTRTTRSTRRRSRRS
RTSRSSSSRSTRRSSR
STRSSRSTSRSSTTTT
RTRTRRTTTSSRSSRR
STTRTTRSSTTSRTST
SSSRRTTRSSRSTSRT
RSSTSTTSSTTSRRTR
SRRTSTRSRRRSTRSR
TTRRRSSSRTSRRRSS
TSRRSTSTRRSRSTST
RTRSRTSSRTTRSRTS
TTSRRTTRSRTRSSSS
RSTTSTRTSRTTRTST
TRRTSTSRRTRRRSRT
TRSRSRRTSSRRSRTS
TTRRTTRTTSRSTSRT
RRTTRRSTRRRRSRT
TSTRTTSSRSRTRSST
RSRTTTRTTSTTTTST
TTTSSRRSRRRTR

4.4.11 Perbandingan Persentase dan Waktu pada Variasi Pindah Silang

Pada pengujian dengan parameter yang divariasikan yaitu probabilitas
pindah silang, perbandingan hasil ketidakseimbangan daya terhadap variasi pindah
silang dapat dilihat pada Tabel 4.29
80
Tabel 4.29 Perbandingan Ketidakseimbangan Daya terhadap Variasi Pindah Silang
Probabilitas Pindah Silang Ketidakseimbnagan Daya (%)
0,1 0,4736
0,2 0,0595
0,3 0,5870
0,4 0,4473
0,5 0,3474
0,6 0,1697
0,7 0,1482
0,8 0,2428
0,9 0,0342
1 0,2303
Tabel 4.29 merupakan tabel perbandingan ketidakseimbangan daya , terlihat

nilai ketidakseimbangan daya terkecil pada saat pindah silang sebesar 0,9 dengan
nilai 0,0342 % dan ketidakseimbangan daya terbesar pada saat pindah silang
sebesar 0,3 dengan nilai 0,5870 %
ketidakseimbangan daya (%) terhadap variasi probabilitas pindah silang.
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Pindah Silang
Gambar 4.2 Grafik Ketidakseimbnagan Daya terhadap Variasi Pindah Silang setiap Pengujian
81
Gambar 4.3 grafik ketidakseimbangan daya terhadap probabilitas pindah
silang, nilai ketidakseimbangan daya setiap simulasi berbeda-beda ada yang
mengalami peningkatan dan ada yang mengalami penurunan, nilai
ketidakseimbangan daya pada pindah silang 0,9 yang terhitung lebih kecil dari nilai
variasi pindah silang lainnya.
4.5 Hasil Simulasi Pengujian Variasi Probabilitas Mutasi

Pada pengujian ini parameter yang di variasikan yaitu probabilitas mutasi
4.5.1 Hasil Pengujian Pertama Variasi Probabilitas Mutasi

Tabel 4.30 Data Hasil Simulasi Pertama Variasi Mutasi

(%)
1 SRRTSTTRSTTTRSRR 16.735 16.686 16.583 63,3456 0,3800
RRRSSSSSTRRSRRTS
RRRSRSSSTTTRSSSR
TRRTSRTTRSRSTSRS
RTSSTTSTSSTRRTRT
TSRSRTRRTSTRTTRS
TRSTSTTTSRRTRRSR
RRTSRSSSSTRRRSTT
TRRTRSSSRTRRTRTR
SRTRTTSSSSRRRSTR
82
RRRTSRSRSSSTTTST
TSTSSSRTTSRTTTRS
RRSSSRSTTRRTTSSR
SSTRSTRTSRSSRTTT
RRTSTTRSRSTSTSST
TRTRSRRRRSRRTRSS
RSSSTTTRSRRTRSTR
RRRSSSTSRRRRTRR
RTRRRTRTRTTSSRR
RRTRTTSRRTSSSSTS
SRTRSSSRSTRSSRTR
RSRSRRTTSRRRRTR
TRTSTTRTTRRSSSRT
RTRSSSSSRRRSRTTT
RTTSTRRTTRSTTRRS
SSTRTSTTSTSSTS

4.5.2 Hasil Pengujian Kedua Variasi Probabilitas Mutasi

83
Tabel 4.31 Data Hasil Simulasi Kedua Variasi Mutasi

(%)
1 SSSRTRSTSSRTRRTR 16.597 16.662 16.745 60,5695 0,3633
RTTSRSRSSRTTSSRT
TTTRTTSTSSTTTRSS
SSSTRTSTRTSTRSRS
SSRTSSRSSRSRRTRR
RSSRRRTSRTSSTTSR
SRRSSSRTTSRRTTTR
RTSSSRSRSSRSRTTS
TSSTSSTSRTTRSSRR
RSRSRRRRTTRTRSR
RTTRTTTTSRTSTTTR
STSTRSSSRRRRTRTR
RSTSTSRSTRSTRRSS
TRTRSRTSRRSSTTRR
RSRRSTTTTRSTRRTR
TRRRSTSTSSTTTRTS
TTTSTSTSTRTSTSSR
TRTSTTTRTRTRRSTR
RRTSSSSTTTSSSRTR
TSSSRSRSRTRSSTSR
STRSSRRRRTRSTSRR
RRRRSRSRTSSTRSRS
TRTTTTTSTTTRTRTS
STTRTRTSTSRRSSRT
RTSTRSTTTTRSTRRS
TRSSSRTSRTRT
84
4.5.3 Hasil Pengujian Ketiga Variasi Probabilitas Mutasi

Tabel 4.32 Data Hasil Simulasi Ketiga Variasi Mutasi

(%)
1 TTTRRTSTRTRTRRT 16.671 16.627 16.706 32,3213 0,1939
RRRSSTRSRTSSTSTS
RSTRSTRRTTSSSSTS
TSRTTTTSSRTTTTRT
RSTTSSSRTTSSSTSTT
RTRRSRTSTRRSSSSR
RTTRTRSTRSTTSTSS
SSSTSSSRSTRRTRRS
RTRRRSTRRTRSRRR
RTSSTTTRRTSRTSSR
85
RRRRTSSTRRRTSSST
RSTTTTRTTRTSTTSR
SRRTTSSTRRRTTTSR
TRRSTTTSRSTRRTRS
RSRTSTTRSSRRRTST
TRTSSSRTSTTRSTTR
TRSTTRRSRTSSTTTS
SSTSTRRTRSTRSRRS
TRSTSSRRSSRTRRSS
RSRSTRSTRTTRTSRS
SRTTTSSSSTTSRRRR
TSSRTSSTTTTSTTSS
RTTRSSSRSTRTRSRT
SRTSSTTRRSTRRSTR
STTTRSRSRSRRSSRR
TRSTTTTRSRTT
4.5.4 Hasil Pengujian Keempat Variasi Probabilitas Mutasi

86
Tabel 4.33 Data Hasil Simulasi Keempat Variasi Mutasi

(%)
1 TSRSTRSTSTSTSTRT 16.722 16.673 16.609 46,2673 0,2775
TTRTRTSTTTTSSTTS
TRTSSTTRTRSRSSSR
RTSTRRSSRTTRSRTR
SRRSRRSTRSRTTSRS
SRRTSTSRRRSRRRR
RTTSSSRRRTSSRTTS
RRSRTRRRTTSRSRSR
TSTTRSRTRRRRTTRS
STRTRTTRSTTRSRTR
SSSSTTTTSSRRTRRR
SSRSTRRTSTSRSTST
RRTRSTTRRTSRRRTS
SSSRSRSSRTTRRSRS
TSSSSTTTTTSTTRRR
TSTRSRRSSRRRTSRR
STSTSRSTRRTTTSSS
RSRSRSSRTTSRRRSR
TTRSRTSRTSRRTSSS
RSRSTRSRRSRRRTTT
TRTSTRTTTSSRSTSR
TTTSTTRRRRTSTRTR
RRRTTTTTSRSRSSTS
TRTRTRSSRSRRRRT
RSTTTTRRTSRRSTRT
SRRRSTSRTSSTR

87
4.5.5 Hasil Pengujian Kelima Variasi Probabilitas Mutasi

Tabel 4.34 Data Hasil Simulasi Kelima Variasi Mutasi

(%)
1 TSRSSSTRTSTSRTTS 16.673 16.616 16.615 41,3843 0,2482
RRRRSTTSRRSTRTRT
TTRRRSSRSSTRTSSR
RRRSTTSSSSRRTRRS
RSRSTSRRSSRRSSTS
SSTRTRTTTRRTSRSR
SSSTRRSSTSSTTRST
RRTSSRTTRRRRRSST
SRRSTSSSTTSRSRTR
SRRRSSTSSSTTTSTSS
RSSRRRTRTTTSTTTS
TTTTSTRTRRRRRRST
88
STSTTRRTRRTTTRST
TTSTRRRSTTRRSTTT
RRTRRRTSTTTRRTR
RTTTRSSTRTTSSSRR
RTTSTTTRTTTSRTTS
RSRRTSRTRSTSSRTR
RSTRRRSRTSTSRRRT
RRSRRSTRTRRSRSSS
TTRRSSTSRSSSRRRR
TRTRRSRTSRRRSSRR
RRSSSRRTSRTTRRST
TTSSSRSTSTRRSTST
SSSSRSSTSRSSTSRSR
STSTTRSRST

4.5.6 Hasil Pengujian Keenam Variasi Probabilitas Mutasi

89
Tabel 4.35 Data Hasil Simulasi Keenam Variasi Mutasi

(%)
1 TSRRRSTRTTTSSRTS 16.648 16.732 16.624 46,3033 0,2777
SSSTRTSSTTTRRSTT
RSSSRTRTTRSSTSTS
TSTRRTRTTSRTRSSS
STSSSRSRSRRRSRRT
RTSRTSRSRTTSRRRS
RSSRSRSRTRRRTSRS
SRTSSRSSSSTTSTTST
TRTSSRSSSSSSRRRS
SRRRRTSSSTTRRSTS
SSSRTRTSTTSTTTRR
TTTSTSRTSTSRTSTR
SSSTSSRSTTTTTTRT
TSSSTTRTRRTSTTSR
TTRSRSTSSSSTRRSS
TTSRSRRTRSSSRSRS
RSSSSTSSRRTTTRST
RTRSRTRSTRRSRSST
SSSRTRTTTRTRSTST
RRSSRSRSSSSSSSTR
TTTRRTTTTRTRRRT
RSTRRTSSTRTRRRTR
RTTTTRTRSSSRTRRT
RRRTTTSTTSSRSRRT
SSSRSTSTRRSSRSRR
SRSTSTRSRTT
90
diketahui bahwa kolom pertama adalah gen yang berisikan letak fasa beban listrik,
pada kolom kedua daya beban yang terpasang pada fasa R yaitu sebesar 16.648 W,
pada kolom ketiga daya beban listrik yang terpasang pada fasa S yaitu sebesar
16.732 W, pada kolom keempat daya beban listrik yang terpasang pada fasa T
sebesar 16.624 W, pada kolom kelima menunjukkan nilai fitness sebesar 46,3033
W, dan kolom terakhir merupakan nilai ketidakseimbangan daya sebesar 0,2777 %.
4.5.7 Hasil Pengujian Ketujuh Variasi Probabilitas Mutasi

Tabel 4.36 Data Hasil Simulasi Ketujuh Variasi Mutasi

(%)
1 TRTRRRRRRRSSTRR 16.673 16.721 16.610 45,4532 0,2726
STSTRTTTTSSRTRST
TRTSTTTSSRSSRTRR
TSTTTSRRRRSRRTTS
RTSRRRRTSRRTRRT
RTSSRRTRSTRRRTRS
SRTSSTTRTSRRSSRS
TRRRRRTTTTTTSTSR
TRTTRRRRTSTRTTTT
SSRRSRRSTRTRSTSS
RTSSSTTTRRRSSSRR
RSTTTTSTTSSTTTTS
91
TRTRSTTRSTSTSRTR
TRRTRTRRTTSSSRRR
TSRTRSRRRSRSSSST
SSRSRRRTTTRRRSTT
RTRTRRSSSRSSTRTT
RTTSSSRRSRSSSTRS
STSTTSTTTSSRRRRS
RTRTRSTRTTRSRTR
RSRTSTTTRTTRTTTR
TTRTRTTTTTTRSSTT
SRRTSSRRRTTSTRTT
SSSRSSRTTSRRTSTR
SSTRTRTTRSTRRSTR
SSRTTRSSRSSTTR

beban listrik yang terpasang pada fasa S yaitu sebesar 16.721 W, pada kolom
keempat menunjukkan daya beban listrik yang terpasang pada fasa T sebesar
16.610 W, pada kolom kelima dapat diketahui bahwa nilai fitness sebesar 45,4532
W, dan kolom terakhir merupakan nilai ketidakseimbangan daya sebesar 0,2726 %.
4.5.8 Hasil Pengujian Kedelapan Variasi Probabilitas Mutasi

92
Tabel 4.37 Data Hasil Simulasi Kedelapan
(%)
1 TSRRRSSTTSRRSSRS 16.675 16.757 16.572 75,6879 0,4540
STSTSSTRRSTTSTSST
RTTRSRTTSTSRTSSS
RSTTRSRTTRRRSRRT
TSSSTTRTTTSRTSTS
RSRTRRRTRRTRRRT
RTTTRTSRRSRRTTTS
TTRSSRTSSRSSRRTT
SRSSSRSSTRTTTRSR
TTRSSSRRRRRTSRSR
SRSSSTTSSSTSSRTR
RRTTTRTSSRSSRTRT
TTRTTTSSRSTTSSSS
TRRTSTRTSSRTRSTR
TTSSSRTTSSSSRRST
TTSRSRTTRSRTTSTT
SRRTSRTTRTTTSTRT
TRSSSRSTSRTTSSSST
RSRTTTTTTTSTSRRR
TSRSTSTSSSTSRTSTT
SRRSTSTRRTSTSTRS
TTRSTTSSSRTRSTTS
RTTRTTSTTTTSTSRT
TTRTTRSRSSTTRRTS
TTTSSSTRTTTSSTRR
TTTTSRSRT

93
4.5.9 Hasil Pengujian Kesembilan Variasi Probabilitas Mutasi
4.38
Tabel 4.38 Data Hasil Simulasi Kesembilan Variasi Mutasi

(%)
1 TSRTSTTSTRSSRTSR 16.761 16.585 16.658 72,1987 0,4331
RRSTSRSTRTSSRSRS
TSSSRTRTSRSSSTTSS
SRRTRTSRTRSSTRTR
SSSSTRTSRRRSTRRR
TSTRRRRRSRTRTRTS
TTRTRRTSTSRSTSTS
RTSRSRSRTTTRTRST
TRSRSRRRSRRTSRTS
STTRTRRTTRSSRRRT
STSSTTSSRSTSSRSTR
TSTSTRRTTSRSTRSS
RRTSRSRTTTSTSTSR
94
SSSRSSRRSTTTSTSR
RSSTRRRRSSSTTSRT
SSRRTRTRTTRTRSST
RSSTTTRTRSSSSRRS
SSSRSTSTRSSTRSTST
TTSRRSTSTTTTRSTR
TSSSTSTRSTRRTTTR
SRSRRSTTRRTRTRSS
TRRRTRTSSRSRRSRR
TTSRSRSSRRRSSTRR
TRTRSSSTRRRRTTSS
TTTTRSRTSSRRTTSR
RRTRRTTS

nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu sebesar 16.585 W,
pada kolom keempat menunjukkan nilai jumlah daya beban listrik yang terpasang
pada fasa T sebesar 16.658 W, pada kolom kelima dapat diketahui bahwa nilai
fitness sebesar 72,1987 W, dan kolom terakhir merupakan nilai ketidakseimbangan
daya sebesar 0,4331 %.
4.5.10 Hasil Pengujian Kesepuluh Variasi Probabilitas Mutasi

3. Probabilitas Mutasi =1
Simulasi kesepuluh dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai terbaik pada simulasi kesepuluh dapat dilihat pada Tabel 4.39
95
Tabel 4.39 Data Hasil Simulasi Kesembilan
(%)
1 SSSRRRRSTRRRTRTT 16.641 16.617 16.746 56,0178 0,3360
SSSSSSRSTRTSRRST
RSSSTTTTTTSTSTTT
RSTTRRTTRSTSRTRT
RTTRRTRSTRTTTTRS
TSSTSRSSSRSSTRTST
STSSRSTRTTSRSRST
RSRTRRRTTSSSRRRT
RRRTTTSSRRRTRSTT
TTRTTRRTTTRSTRTS
SSSRRSTTTSRTRTSS
RRRSSTSTRSRSSSRR
SRSSSRSSSSRRRTSR
RRSRTSSRSRRRRTTR
TRSRRSTSSRTTRRSR
RRSSSSRRRRRRTTSS
SRRSTRTSTTTSRRTS
RTRSTTTRTRRRSTST
TRRSTSRTTRTSSRSR
TSTRSTSRSSRTSSST
RRTTTSRRTRSTSRST
TTSRRSSSRSSSRSTT
SSSSTRSSRTTSRSRT
TTTTRRTTRRSSRSSS
RRTRRTRRRTTSTST
RRRRTTRSRRT

96
S yaitu sebesar 16.617 W, pada kolom keempat menujukkan nilai jumlah daya
4.5.11 Perbandingan Persentase dan Waktu pada Variasi Mutasi

Berdasarkan pengujian yang telah dilakukan maka dapat diketahui nilai
ketidakseimbangan daya terhadap variasi mutasi dapat dilihat pada Tabel 4.40
Tabel 4.40 Perbandingan Ketidakseimbangan Daya terhadap pada Variasi Mutasi

Probabilitas Mutasi Ketidakseimbangan Daya (%)
0,1 0,3800
0,2 0,3633
0,3 0,1939
0,4 0,2775
0,5 0,2482
0,6 0,2777
0,7 0,2726
0,8 0,4540
0,9 0,4331
1 0,3360
Tabel 4.40 merupakan tabel perbandingan ketidakseimbangan daya, terlihat

nilai ketidakseimbangan daya terkecil pada saat probabilitas mutasi sebesar 0,3
dengan nilai 0,1939 %. Nilai ketidakseimbangan daya terbesar pada saat
probabilitas mutasi sebesar 0,8 dengan nilai 0,454 %.
ketidakseimbangan daya (%) terhadap probabilitas mutasi pada Gambar 4.5
97
Ketidakseimbangan Daya (%) 0.5 Persentase dari rata-rata beban
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Probabilitas Mutasi
Gambar 4.3 Grafik Ketidakseimbangan Daya terhadap Variasi Mutasi setiap Pengujian
Gambar 4.5 grafik ketidakseimbangan daya terhadap probabilitas mutasi,

nilai ketidakseimbangan daya setiap simulasi berbeda-beda ada yang mengalami
peningkatan dan ada yang mengalami penurunan, nilai ketidakseimbangan pada
saat probabilitas mutasi 0,3 yang terhitung lebih kecil dari probabilitas nilai mutasi
lainnya.
4.6 Hasil Simulasi Pengujian Variasi Maksimum Gen

Pada pengujian ini parameter yang di variasikan yaitu Maksimum Gen
4.6.1 Hasil Pengujian Pertama Variasi Maksimum Gen

98
Tabel 4.41 Data Hasil Simulasi Pertama Variasi Gen
(%)
1 RSRSRTTRTSTSTRTS 16.635 16.762 16.607 67,4438 0,4046
RTRSSRSSRSRSSSSS
TTSRRRSSRRSRSRRR
SRRTTRTRTTRSSRRS
TSTTRTSRSTTTSSRR
TTTTSRTSTRSTSSTT
SSTRSRSTSRRSSRTR
TRSRSRRRSTSTTSRS
RSRRSSTTTRTSSRRR
STTSRRTSTRSRTTSR
TRRRSRSSRSTSSSRT
SRSTTTRRRSSTSSTT
RSSSTRRSSSRRSTTS
RTTTRTSRRRRTTRR
TTRSSRRRRSRTRTSR
RRTTTSSTSTTSTSST
RRSRTRSTTTRTRRTT
STTTTTSSTRRSTTRR
RTTSRSSRSSRSRRTR
TTTRRRSRTSSRRSRT
RRRTSRSTTTSSSRRS
RSTTRSRSRTTSSRST
STSSRTRSSRTSTRRR
SRRRTTTTTRTSRSRT
TRTRSSRTTSSRRRRR
STSSTSSTTSTT

99
4.6.2 Hasil Pengujian Pertama Variasi Maksimum Gen

Tabel 4.42 Data Hasil Simulasi Kedua Variasi Gen

(%)
1 RTSTTRTSRTRRRRR 16.639 16.664 16.701 25,4689 0,1528
TTTRSSRTRTRTTTTT
TRSSSSSSSTTTTTTSR
TSTTRTRTTSSSTRRR
TRTSSRSRSRRTTSRR
STTSTTRSSRRTRRRR
TSTRRTRSTTTSTSRT
RTRTRTRRTRTSRTR
TTTRSTSSSRTSSSTR
RRRTTRSRTRRRRRR
RSTSTRTSRRSRSTTS
RSSSSTSTRTSRSSTT
RTTTRSRRSTTTTSRT
SRTSTRTTTTRSRSRT
SRTSTRSTTRSTTSST
SSSSRTRTTTRTTTTT
SRSRRRTTTSSRSRRS
100
STRRTTSSSTRSTTRS
RTRRSTRTTSTRRTTT
SRRTTTTSSSRRSSRT
SSTTRSTSTSTSRRRS
RTTTSRTSTRRRSRSR
TRRSTSSTTSRTSTRT
SSTRTSSSSTSTRTSRS
TTRSTTTRSRTSRTRT
TSTSTTTRRRRS
bahwa pada kolom kedua menunjukkan nilai jumlah daya beban yang terpasang
pada fasa R yaitu sebesar 16.639 W, pada kolom ketiga menunjukkan nilai jumlah
daya beban listrik yang terpasang pada fasa S yaitu sebesar 16.664 W, pada kolom
keempat nilai jumlah daya beban listrik yang terpasang pada fasa T sebesar 16.701
W, pada kolom kelima dapat diketahui bahwa nilai fitness sebesar 25,4689 W, dan
kolom terakhir merupakan nilai ketidakseimbangan daya sebesar 0,1528 %.
4.6.3 Hasil Pengujian Ketiga Variasi Maksimum Gen

Tabel 4.43 Data Hasil Simulasi Ketiga Variasi Gen

(%)
1 TTRTSTSTTSTSSRTR 16.685 16.666 16.653 13,1402 0,0788
TSRSTRSRSRRRTSRR
101
RTSTRTTSRTSSSTRS
SRTTSRTTTRTSTRTT
RRRTTSTTTTTTSTTS
RSTSSRTSTSTRTSTS
TSRSTSSSTSTTTTTS
RRRRTRTSSSTSTTSS
RRSRTRSRRRRRTSS
RTRSTSSTRTRTTSRS
SRRSTRRSSTTRTSTR
SRRRRRTSSTRSTSSS
TSSRSSRTSSRRTTRT
SSSTSSTRTRRTSTST
STRTSSRTTSSSRTTS
STRTTRTTTRTSRRTS
RRSSRRTRTRRTRRT
TTRSSTRRSTSTSTRS
SRRSTRTTSTRSRRST
RTTTTRRTTRRRRRR
SSTTTSTRSRSRSSRT
STSRSSSSRRSTRSRS
TTTRRRTRRRRRSSTS
SSTRRSTTSRSRSSRS
RRRSSTSSSSRSTTRR
SSSSRSTRRSTRTR
sebesar 16.666 W, pada kolom keempat menujukkan nilai jumlah daya beban listrik
yang terpasang pada fasa T sebesar 16.653 W, pada kolom kelima dapat diketahui
bahwa nilai fitness sebesar 13,1402 W, dan kolom terakhir merupakan nilai
ketidakseimbangan daya sebesar 0,0788 %.
102
4.6.4 Hasil Pengujian Keempat Variasi Maksimum Gen
Tabel 4.44 Data Hasil Simulasi Keempat Variasi Gen

(%)
1 TSRTRTSTTTRRTSRT 16.674 16.645 16.685 16,8720 0,1012
TRRTTRSRTTSRRSRT
RTRSRRTTRRRSRTSS
TRTRRSTRSRTTSTTT
STRRRTRTSRSSSRST
STSTRTSRRRTSTRSR
STSRTRRTRSRRTSRT
RSRTRTSRSTRSSTTT
RTRTTTTRRTSTRRTS
TSRRRTRTTSTSTSTR
TSTTTTRRRRRRRRR
RTTSTSSTSSTTRRTR
TRRTTRSTRTSTSSTT
SSSRTSSTRSSSRTSSS
RTRRTTRRRTSRRSR
RRTTRRTRRSSRSSTR
SSSRSRRSSTTRRRST
RTRRSTTRSRRTRSTS
TTRTRSRRSSTTSTTT
TRRTTSSSRRTTTRSR
STTSRRTTTSRSTTTS
103
RRSTTSSTRRTSTRRR
TSSSRTRRTRSSSSTR
RRRRRSSSTTSRSSSS
RRRTRRSTRRRRSSR
SSRSTSTTRTSSS

4.6.5 Hasil Pengujian Kelima Variasi Maksimum Gen

Tabel 4.45 Data Hasil Simulasi Kelima Variasi Gen

(%)
1 STTRRTTRSSRSSTTR 16.565 16.743 16.696 75,3171 0,4518
TTRSSRRTSTSTTSRR
TRTRTTSRTRSTRTTR
104
RRSSTTSRSTTSRRTR
RSSTSRSTRTSSRRST
RSRRTSRSSSSRSTRR
SRSTRSTTTRRTTSRR
TSTRTTSRTTTTTSTS
RSSSSRRTRSTSTRST
TRTTTRSTTTRRTRST
TRSRTSTTRTTSRRSS
RSRSTSSRSSTSRSRT
RRTSRSSTSSTTSSTR
TSSRSRRSTRSTRTSS
TSRTSRRTTRSTRTRS
STSSTSTRSTSTRSTR
STSSTRTSSSRTSRRT
SSSSSSRTSTTTSRTRS
RRRRSRRSRRSTRTT
TTTRTRRTSTRTRRTS
TSRTTTSTRRSRRTRR
RSSTTTSTRRTTTTRT
TRSTTTRTRSTTTTSS
TSSRRSTTRTSSTSTT
SRTTSTTSRSSSTSTTS
STRTSRTTTR

105
4.6.6 Hasil Pengujian Keenam Variasi Maksimum Gen
Tabel 4.46 Data Hasil Simulasi Keenam Variasi Gen

(%)
1 SSRRSTTSTTSTRSTS 16.658 16.612 16.734 50,3057 0,3018
STSRRSRSSRRTRTRT
RSTSTTTRSSSRTTSS
RRSTSRRRTSSTRTSR
TSTSRTRRSRRTTTST
RTRTSSRTTRSRTSRS
STRRSSSSRSTTSRRS
RRTSRRTRTRSTRTT
RTSRTRTTRTRSTTTR
SRSSSRRTSRTSRTRT
TTTSTSTRTSSSSRRS
SRTSRRSSTRSSRTRR
TSTRSRTTRTRSTTRT
RRRRTSTRSSSSTRSS
SRSRTTTRSTSTTSTR
RSSRTRTSSTTTRSTS
RTSSTRSSTSRRRSTS
SSTTTTSTTTSRRSRR
RTRSSRTSTSSTRTSR
TRTTTRRTRTSTSTRS
TTRTTRRSSRTTTRSR
106
TRTSRRSTTTSRSRRR
SSTTTSRSRSTSRSSR
RSTRTTTSTTSTTRTS
SSTRTTRRTSTRSTSS
TSSSTTTSSRRS

diketahui kolom pertama adalah gen yang berisikan beban listrik terletak di salah
satu fasa antara fasa R, fasa S, dan fasa T, pada kolom kedua menunjukkan nilai
jumlah daya beban yang terpasang pada fasa R yaitu sebesar 16.658 W, fasa S
4.6.7 Hasil Pengujian Ketujuh Variasi Maksimum Gen

Tabel 4.47 Data Hasil Simulasi Ketujuh Variasi Gen

(%)
1 STSTTTRSTRTSSTTT 16.684 16.688 16.632 25,5081 0,1530
SSTTSRTRTTSSTTST
RRSTSRRRSSSSTRRR
RRRRTTSTSTTRSRST
107
SRTSSTTRTRSSSSTT
SSTSTRTRSSRRRTTS
RRSSSSRRRRRSSTRT
SSRSRTSRRRRRRSRR
TTRSRRSRSSRRRSRS
RSTTRSSSRRTRSRRT
TTSRSSRRRRRTTSRR
TTRRRTSTTTTTTTTR
TSRSRSRRSRRTSSTT
RSTRSTTRRTSSTSTR
RRSTRSRTTTRTTTTR
TRSTRSRSTRRSSSTT
SSTRRTSRRSTSSTSR
RRTRSTTRTRRSTSRT
RSTRSRRSRRRRTTRS
TRRRSTTTRRTTTTRT
TSSTRTRSSTSRRRST
TTRSTRRSTRTTTTTT
SRTSRRSSRSSSRSSSS
TRRTTRTTTRSTTSRR
STRTSSRTSRSRSRRS
TTSSRTSRRS

pada fasa S 16.688 W, pada kolom keempat menunjukkan nilai jumlah daya beban
4.6.8 Hasil Pengujian Kedelapan Variasi Maksimum Gen

108
Tabel 4.48 Data Hasil Simulasi Kedelapan Variasi Gen

(%)
1 TSTTRSSSSRRTRSTS 16.684 16.722 16.598 51,8716 0,3112
TTSSTRTTSTSTRRTR
RSTSRRRSSSSRTRST
RRRTSRSRRSSSTSSS
RRSRRRRTRRSRTTSS
TSRTRRTRRTTSTTTT
RRTRRSTSRTSRRSST
SRSSRTTRRRSSRTSR
SRTTSTRSRTTRRSST
RSTRSTSRRSSSSRSR
TRTRTRRRRSTSSTTT
RSRSRRTTRTSSRSRT
RTRSRSSRSSTRRRST
RRSSTTSRTSSTTTTS
SRTTRRRTSTSSRTRS
STSTSSRRTRSSSTSR
TSRRTSSTSRRTTRTR
RRSTTRRTTSSRRSSS
SSRSRTSRSRRTTTTS
TTRSRSTSRSSTTTTR
SRTRTRSRRSRRRRR
RRTRTSSRRTRSRRT
RTSRTSRSSRRSRTRR
TTTRSTSSRRTRTTRT
109
TTSTSRSTRRRSRTRT
RSSTTSSTTSTTR

4.6.9 Hasil Pengujian Kesembilan Variasi Maksimum Gen

4.49
Tabel 4.49 Data Hasil Simulasi Kesembilan Variasi Gen

(%)
1 RTRSSRTRSTTRRRST 16.656 16.624 16.724 41,6973 0,2501
SSTSTSTSTRRTSTTT
STRSRSRRTTRTTTRT
RTSRRTRRRRSSSSST
110
RRRSTTRTRRSSSRSS
TRSRSSSTRTRTTTTR
RRSRTTSRSRRTTTRR
TTSTRTTSTRTRTSRT
SRSTTRSSTTRTTRTS
RRTSRTRSRTSRRSRS
TRTSTSSTRRRTSTTS
SRSRRSTTRSRRTRSR
TRSTRRSTTTRRTRRT
TSTRSSTSTRSSTSSRS
TTTRTRSTSTSRSTRT
STRSSRTRTRRTSTRS
SSTRTRSRSRRRTSSR
TTRTRRRSSRRTSRRT
RSRSRTTSRRSSSTTS
TRTRSRRTRRTTTSSS
RRTRRSSSTTRRSRTT
TTSSTRRTSTSSSRST
TRTSSTTTTRSRRSTS
TRRRTSRRTSSRTSST
STTRRRSTSTTTTSTR
TSTSSTSSTT

dapat diketahui bahwa nilai fitness sebesar 41.6973 W, dan kolom terakhir
4.6.10 Hasil Pengujian Kesepuluh Variasi Maksimum Gen

111
Simulasi kesepuluh dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kesepuluh dapat dilihat pada Tabel
4.50
Tabel 4.4.50 Data Hasil Simulasi Kesepuluh Variasi Gen

(%)
1 SSRRSRSRSTRSTRSS 16.652 16.644 16.708 28,4722 0,1708
RRSRSRSRRRRRRRR
RSTRTSSTTRTRRRTS
TTRRRRTRTTTSRSSR
STSTTTRRRSRTRRRS
RTRSTRRRSSTRSTTT
TRTSRRRSTSSRTRTR
STSTSRTSTRSTTRRS
TTTRRSSTSRTRTTSR
RSTTTRSRSRSTTTTS
TRSTRTRSRSRTTSTT
RSSTRTSSRRSRTSSR
RRSSSRSSTTRRSRTR
STRSRRSSSSRSRRSS
SRTTRTSRRRSSRSSR
TRSSRSSRRRSTTSRT
RTRRTRRRTTTRTTT
TSTRRTSTSRTSSTSS
SRTSSSSSTRSRRRSS
TSRRRRRTTRTTRTT
TRRSSRSRRRSSTTRT
SRSTTTSTTRTSRRSR
RTSRTRSRRSRTRSRR
TTRTRSRRTTRTTRR
112
TSRTTRRRTTRRTSRT
SSRSSSTSSTSRSRS

4.6.11 Perbandingan Persentase dan Waktu pada Variasi Populasi

Sesuai dengan data hasil pengujian pada parameter yang telah ditentukan
dengan variasi pada nilai gen maka dapat diketahui perbandingan
ketidakseimbangan daya pada kondisi tersebut.
Tabel 4.51 Perbandingan Ketidakseimbangan Daya terhadap Variasi Gen

Maksimum Gen Ketidakseimbangan Daya (%)
30 0,4046
60 0,1528
90 0,0788
120 0,1012
150 0,4518
180 0,3018
210 0,1530
240 0,3112
270 0,2501
300 0 ,1708
113
Tabel 4.51 merupakan tabel perbandingan ketidakseimbangan daya
terhadap variasi gen, terlihat nilai ketidakseimbangan daya terkecil pada saat gen
sebesar 90 dengan nilai 0,0788 %. nilai ketidakseimbangan daya terbesar pada saat
gen sebesar 150 dengan nilai 0,4518 %.
ketidakseimbangan daya (%) terhadap variasi maksimum gen.
0.5
0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 30 60 90 120 150 180 210 240 270 300
Maksimum Gen
Gambar 4.4 Grafik Ketidakseimbangan Daya terhadap Variasi Gen setiap Pengujian
Gambar 4.7 grafik ketidakseimbangan daya terhadap variasi gen, nilai

ketidakseimbangan daya pada maksimum gen sebesar 90 yang terhitung lebih kecil
dari variasi nilai gen lainnya. Disaat variasi maksimum gen sebesar 60,90, dan 210
mengalami penurunan ketidakseimbangan daya dari nilai rata-rata beban dan yang
lainnya mengalami kenaikan.
4.7 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 4.52
114
Tabel 4.52 Hasil Keseluruhan Simulasi
Jumlah Populasi Probabilitas Pindah Probabilitas Mutasi Maksimum Gen
Silang
Variasi Ketidaksei Variasi Ketidakseim Variasi Ketidaksei Variasi Ketidakse
mbangan bangan Daya mbangan imbangan
Daya (%) (%) Daya (%) Daya (%)
100 0,622 0,1 0,474 0,1 0,380 30 0,405
200 0,175 0,2 0,059 0,2 0,363 60 0,153
300 0,120 0,3 0,587 0,3 0,194 90 0,079
400 0,314 0,4 0,447 0,4 0,278 120 0,101
500 0,313 0,5 0,347 0,5 0,248 150 0,452
600 0,082 0,6 0,169 0,6 0,278 180 0,302
700 0,106 0,7 0,148 0,7 0,273 210 0,153
800 0,056 0,8 0,243 0,8 0,454 240 0,311
900 0,273 0,9 0,034 0,9 0,433 270 0,250
1000 0,191 1 0,230 1 0,336 300 0,171
Keterangan ;
= Simulasi dengan nilai persentase terkecil
= Simulasi dengan nilai persentase terbesar
Tabel 4.52 menunjukkan bahwa nilai ketidakseimbangan daya beban

terkecil dari hasil keseluruhan simulasi pada saat variasi probabilitas pindah silang
0,9 dengan ketidakseimbangan daya sebesar 0,034 %, dan untuk nilai
ketidakseimbangan daya terbesar dari keseluruhan simulasi pada saat variasi jumlah
populasi sebesar 100 dengan ketidakseimbangan daya sebesar 0,587 %.
Ketidakseimbangan beban terkecil dari keseluruhan simulasi dipilih menjadi hasil
simulasi terbaik dan akan digunakan untuk menghitung rugi-rugi daya pada
penghantar netral.
4.8 Hasil Simulasi Terbaik
Berdasarkan pengujian yang telah dilakukan maka dapat diketahui bahwa

nilai terbaik dari hasil pengujian pada saat variasi pindah silang dengan parameter
115
populasi sebesar 600, probabilitas pindah silang sebesar 0,9, probabilitas mutasi
sebesar 0,7, dan maksimum gen sebesar 200, dengan nilai fitness sebesar 5,7154 W
dan ketidakseimbangan daya sebesar 0,0342 %. Nilai terbaik ini didapat pada
perhitungan keenam dari sepuluh kali perhitungan yang dilakukan pada variasi
pindah silang kesembilan. Untuk data pembagian beban berdasarkan simulasi
terbaik dapat dilihat pada Tabel 4.53 data beban listrik gedung dekanat beban
simulasi terbaik
Tabel 4.53 Data Beban Listrik Gedung Dekanat Beban Simulasi Terbaik
Daya
Beban
No Ruangan Nama Barang
Listrik Fasa Beban
(Watt) Simulasi
1 AC (1 PK) 660 T
2 Kipas Angin Tornado 70 R
3 Kipas Angin Maspion 43 R
4 lampu 18 T
5 lampu 18 R
6 lampu 18 R
7 lampu 18 S
8 lampu 18 S
9 lampu 18 S
10 lampu 18 S
11 lampu 18 S
12 lampu 18 R
Ruang Prodi Teknik
13 lampu 18 T
Elektro
14 kulkas 80 S
15 komputer 240 R
16 komputer 240 S
17 komputer 240 T
18 komputer 240 S
19 komputer 240 S
20 komputer 240 R
21 TV 80 S
22 Printer (Canon 2770) 11 T
24 Printer (MX377) 14 R
25 Dispenser 350 S
116
26 infocus 180 R
27 AC (1 PK) 660 S
28 Kipas Angin Tornado 70 S
29 Dispenser 350 R
Ruang Senat
30 lampu 18 R
31 lampu 18 R
32 lampu 18 R
33 AC (1 PK) 660 S
34 Kipas Angin Tornado 70 T
35 Kipas Angin Maspion 43 S
36 lampu 18 S
37 lampu 18 S
38 lampu 18 S
39 lampu 18 T
40 lampu 18 R
41 lampu 18 T
42 lampu 18 T
43 lampu 18 T
44 lampu 18 R
Ruang Prodi Teknik
45 lampu 18 T
Mesin
46 lampu 18 S
47 lampu 18 R
48 lampu 18 S
49 lampu 18 T
50 komputer 240 S
51 komputer 240 R
52 komputer 240 S
53 komputer 240 T
54 komputer 240 T
55 komputer 240 R
56 Dispenser 350 S
57 Printer (Canon 2770) 11 R
58 AC (1 PK) 660 T
59 AC (1 PK) 660 S
60 AC (1 PK) 660 R
61 AC (1 PK) 660 S
Ruang Aula Dekanat
62 AC (1 PK) 660 S
Kanan dan Kiri
117
67 Kipas Angin Maspion 43 T
68 Kipas Angin Maspion 43 R
69 lampu 18 R
70 lampu 18 T
71 lampu 18 S
72 lampu 18 T
73 lampu 18 R
74 lampu 18 T
75 lampu 18 S
76 lampu 18 S
77 lampu 18 S
78 lampu 18 T
79 lampu 18 S
80 lampu 18 T
81 AC Duduk 4800 R
82 AC (1 PK) 660 T
84 lampu 18 R
Ruang Sidang 1
85 lampu 18 S
86 lampu 18 T
87 lampu 18 R
88 AC (1 PK) 660 R
90 lampu 18 S
Ruang Sidang 2
91 lampu 18 T
92 lampu 18 S
93 lampu 18 S
94 AC (1 PK) 660 S
96 Dispenser 350 S
97 Ruang UPM komputer 240 R
98 komputer 240 S
99 lampu 18 T
100 lampu 18 S
101 AC (1 PK) 660 T
102 Ruang Wakil Bidang Kipas Angin Tornado 70 S
103 Akademik lampu 18 T
104 lampu 18 S
105 AC (1 PK) 660 S
Ruang Wakil Bidang
Sumber Daya
107 lampu 18 R
118
108 lampu 18 T
109 komputer 240 S
110 AC (1 PK) 660 T
Ruang Wakil Bidang
112 lampu 18 S
Kemahasiswaan
113 lampu 18 S
114 komputer 240 S
115 AC (1 PK) 660 T
117 lampu 18 R
Ruang Sekretaris Wakil
118 lampu 18 S
Dekan 1 dan 2
119 komputer 240 T
120 komputer 240 S
121 komputer 240 T
122 AC (1 PK) 660 S
124 Ruang Dosen lampu 18 T
125 lampu 18 S
126 komputer 240 T
127 AC (1 PK) 660 S
128 AC (1 PK) 660 R
130 Kipas Maspion 43 R
131 lampu 18 T
132 lampu 18 T
133 lampu 18 S
134 lampu 18 R
135 lampu 18 R
136 lampu 18 T
137 Ruang Dekan dan Ruang lampu 18 T
138 tamu lampu 18 R
139 lampu 18 S
140 lampu 18 T
141 lampu 18 S
142 lampu 18 R
143 lampu 18 S
144 lampu 18 T
145 lampu 18 R
146 lampu 18 S
147 lampu 18 T
148 lampu 18 S
119
149 lampu 18 S
150 lampu 18 R
151 komputer 240 R
152 komputer 240 T
153 komputer 240 S
154 TV 80 T
155 kulkas 80 S
156 Dispenser 350 R
157 AC (1 PK) 660 T
159 lampu 18 T
160 lampu 18 T
161 lampu 18 S
162 lampu 18 T
163 lampu 18 T
164 lampu 18 R
165 lampu 18 R
166 lampu 18 S
167 Ruang Prodi Teknik Sipil lampu 18 T
168 lampu 18 T
169 komputer 240 S
170 komputer 240 R
171 komputer 240 T
172 komputer 240 R
173 Printer (Canon 2770) 11 S
176 Dispenser 350 R
177 kulkas 70 R
178 AC (1 PK) 660 T
180 lampu 18 S
181 lampu 18 S
182 lampu 18 S
183 lampu 18 R
Ruang Prodi Arsitektur
184 lampu 18 T
185 lampu 18 T
186 komputer 240 R
187 komputer 240 S
188 komputer 240 T
189 komputer 240 T
120
190 komputer 240 R
191 komputer 240 T
192 Dispenser 350 S
193 AC (1 PK) 660 R
194 AC (1 PK) 660 R
196 lampu 18 T
197 lampu 18 R
198 lampu 18 R
199 lampu 18 T
200 lampu 18 R
201 lampu 18 S
202 lampu 18 R
203 lampu 18 R
204 lampu 18 S
205 lampu 18 T
206 lampu 18 S
207 lampu 18 T
Ruang Akademik
208 lampu 18 R
209 lampu 18 R
210 lampu 18 T
211 lampu 18 R
212 komputer 240 S
213 komputer 240 S
214 komputer 240 T
215 komputer 240 T
216 komputer 240 T
217 komputer 240 T
223 AC (1 PK) 660 S
225 lampu 18 R
226 lampu 18 T
Ruang Kabag TU
227 lampu 18 R
228 lampu 18 S
229 lampu 18 T
230 lampu 18 S
121
231 lampu 18 T
232 lampu 18 T
233 komputer 240 S
234 komputer 240 S
237 Dispenser 350 S
238 AC (1 PK) 660 T
240 lampu 18 T
241 lampu 18 S
242 lampu 18 T
243 lampu 18 R
244 lampu 18 S
245 lampu 18 R
246 lampu 18 S
247 Ruang Prodi Teknik lampu 18 T
248 Informatika lampu 18 R
249 lampu 18 S
250 komputer 240 S
251 komputer 240 T
252 komputer 240 T
256 kulkas 80 T
257 Dispenser 350 T
258 AC (1 PK) 660 T
259 AC (1 PK) 660 R
261 lampu 18 S
262 lampu 18 S
263 lampu 18 S
264 Ruang PD.Bid Adm dan lampu 18 T
265 Keuangan lampu 18 T
266 lampu 18 R
267 lampu 18 S
268 lampu 18 R
269 lampu 18 R
270 lampu 18 S
271 komputer 240 T
122
272 komputer 240 T
273 komputer 240 R
274 komputer 240 T
275 komputer 240 T
279 kulkas 80 R
280 Dispenser 350 S
281 AC (1 PK) 660 R
284 lampu 18 S
285 lampu 18 S
286 lampu 18 R
287 lampu 18 T
288 lampu 18 S
Ruang Prodi Sistem
289 lampu 18 T
Informasi
290 lampu 18 R
291 lampu 18 R
292 lampu 18 S
293 lampu 18 T
294 lampu 18 R
295 lampu 18 S
296 komputer 240 S
297 Dispenser 350 R
298 AC (1 PK) 660 T
302 lampu 18 R
303 lampu 18 R
304 lampu 18 T
Ruang Staff Rumah
305 lampu 18 S
Tangga
306 lampu 18 R
307 lampu 18 R
308 lampu 18 T
309 komputer 240 T
310 komputer 240 R
123
313 Dispenser 350 T
314 AC (1 PK) 660 S
316 lampu 18 S
Ruang Mushollah
317 lampu 18 T
318 lampu 18 T
319 lampu 18 R
320 fotocopy 900 T
321 showcase 180 S
322 Ruang Fotocopy showcase 180 S
324 Dispenser 350 R
325 lampu 18 R
326 lampu 18 T
327 lampu 18 R
328 lampu 18 T
329 lampu 18 S
330 lampu 18 S
331 lampu 18 R
332 lampu 18 T
333 lampu 18 T
334 lampu 18 R
335 lampu 18 S
336 lampu 18 R
337 lampu 18 S
338 lampu 18 S
339 Ruang Toilet dan lorong lampu 18 T
340 lampu 18 T
341 lampu 18 S
342 lampu 18 R
343 lampu 18 R
344 lampu 18 R
345 lampu 18 S
346 lampu 18 R
347 lampu 18 S
348 lampu 18 T
349 lampu 18 S
350 lampu 18 T
351 lampu 18 R
352 lampu 18 S
353 lampu 18 R
124
354 lampu 18 S
355 lampu 18 R
356 lampu 18 S
357 lampu 18 S
358 lampu 18 S
359 lampu 18 S
360 lampu 18 S
361 lampu 18 T
362 lampu 18 T
363 lampu 18 S
364 lampu 18 R
365 lampu 18 R
366 lampu 18 R
367 lampu 18 R
368 lampu 18 S
369 lampu 18 R
370 lampu 18 S
371 lampu 18 T
372 lampu 18 R
373 lampu 18 S
374 lampu 18 S
375 lampu 18 S
376 lampu 18 R
377 lampu 18 R
378 lampu 18 T
379 lampu 18 T
380 lampu 18 S
381 lampu 18 R
382 lampu 18 R
383 lampu 18 T
384 lampu 18 S
385 lampu 18 T
386 lampu 18 T
387 lampu 18 R
388 lampu 18 T
389 lampu 18 S
390 lampu 18 R
391 lampu 18 S
392 lampu 18 R
393 lampu 18 R
394 lampu 18 S
125
395 lampu 18 S
396 lampu 18 S
397 lampu 18 R
398 lampu 18 R
399 lampu 18 R
400 lampu 18 T
401 lampu 18 S
402 lampu 18 T
403 lampu 18 S
404 lampu 18 R
405 lampu 18 T
406 lampu 18 T
407 lampu 18 T
408 lampu 18 R
409 lampu 18 T
410 lampu 18 R
411 Lainnya Mesin Air 125 R
Dari Tabel 4.53 dapat diketahui nilai jumlah daya pada fasa R, fasa S, dan
fasa T, serta Ketidakseimbangan Daya.
Jumlah Daya pada Fasa R = 16.671 Watt
Jumlah Daya pada Fasa S = 16.673 Watt
Jumlah Daya pada Fasa T = 16.660 Watt
Ketidakseimbangan Daya = 5,7154 Watt
Ketidakseimbangan Daya = 0,0342 %
Berdasarkan perhitungan ketidakseimbangan daya simulasi terbaik pada
gedung dekanat fakultas teknik sebesar 0,0342 %, data beban listrik hasil simulasi
terbaik pada gedung dekanat fakultas teknik mengalami perpindahan letak fasanya
dari beban awal.
4.9 Perhitungan Tegangan dan Arus

Pengumpulan data berupa koordinat setiap konduktor fasa R,S,T dan N,
jenis dan ukuran konduktor, Panjang saluran JTR (Jaringan Tegangan Rendah),
perhitungan impedansi saluran di Universitas Bengkulu telah dilakukan pada
penelitian sebelumnya, dari data tersebut dapat dilakukan perhitungan tegangan dan
126
arus pada gedung dekanat. Data beban yang digunakan yaitu pada beban kondisi
awal dan beban simulasi terbaik pada Tabel 4.54
Tabel 4.54 Perbandingan Kondisi Beban Awal dan 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)
17.243 18.596 14.165 16.671 16.673 16.660
Berdasarkan perbandingan beban awal dan beban simulasi terbaik dapat

diketahui bahwa beban awal daya ketiga fasa tidak seimbang, sedangkan beban
simulasi terbaik daya ketiga fasa hampir seimbang. Skema konstruksi saluran
transformator kedokteran dapat dilihat pada Gambar 4.9
B4
B1 188 m S5
Trafo 482 m S3
B6
Kedokteran
240 KVA B5 S4
167 m 32 m 119 m 148 m 99 m
S2 57 m
S8 S9 S10 S11
B3 46 m 20 m
S6 S7 B9 B10 B11 B12
S1
B7 B8
54 m B2
Sub-Bus
Gambar 4.5 Skema Konstruksi Saluran Transformator Kedokteran
Keterangan :
B1 = Trafo FKIK
B2 = Asrama Orcid
B3 = Dekanat FKIK
B4 = Cabang GB
127
B5 = Cabang GB III
B6 = Cabang Teknik
B7 = GB III
B8 = GB IV
B9 = Lab Terpadu Teknik
B10 = Lab Teknik
B11 = Dekanat Teknik
B12 = ATM BNI
B = Bus Kedokteran
S = Saluran Kedokteran
Berdasarkan Gambar 4.9 panjang saluran gedung dekanat fakultas teknik

dari transformator kedokteran sepanjang 818 m, dari data yang didapat maka dapat
dilakukan perhitungan tegangan, dan arus setiap fasa pada Gedung dekanat,
Tabel 4.55 Data Hasil Tegangan dan Arus Gedung Dekanat Kondisi Beban Awal dan Kondisi
Beban Simulasi Terbaik
No Nama Kondisi Beban Tegangan Per Fasa (V) Arus Per Fasa (A)
Saluran
R S T R S T
1 Dekanat Beban Awal 207,3 209,6 214,3 83,141 88,691 66,094

Teknik 97 73 16
2 Dekanat Beban 209,8 210,7 210,6 79,431 79,108 79,097

Teknik Simulasi 83 62 26
Terbaik
Berdasarkan perhitungan yang telah dilakukan maka dapat diketahui bahwa

nilai tengangan maupun arus pada kondisi beban awal berbeda pada fasa R,S, dan
128
T, sedangkan pada kondisi beban simulasi terbaik nilai tegangan dan arus pada fasa
R, S, dan T hampir sama, dengan tegangan sebesar 210 V dan arus sebesar 79 A.
Dengan menggunakan data Tabel 4.55, sehingga dapat dihitung besar
ketidakseimbangan arus sesuai dengan Persamaan 2.1 dan 2.2.
1. Beban Awal
𝐼𝑅 + 𝐼𝑆 + 𝐼𝑇 83,141+88,691+66,094 237,926
IRata-rata = = = =79,309
3 3 3
% I unbalance = 𝑥 100 %
88,691−79,309
= x 100% = 11,8296 %
79,309
2. Beban Simulasi Terbaik

𝐼𝑅 + 𝐼𝑆 + 𝐼𝑇 79,431+79,108+79,097 237,636
IRata-rata = = = =79,212
3 3 3
% I unbalance = 𝑥 100 %
79,431−79,212
= 𝑥 100% = 0,2765 %
79,212
Dengan data pada Tabel 4.55 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 = = = =210,462
3 3 3
% V unbalance = x 100 %
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 = = = =210,424
3 3 3
% V unbalance = x 100 %
210,762−210,424
= 𝑥 100 % = 0,1606 %
210,424
Data perhitungan ketidakseimbangan arus dan ketidakseimbangan
129
tegangan pada kondisi beban awal dan beban simulasi dapat dilihat pada Tabel 4.
56
Tabel 4.56 Data Perhitungan Ketidakseimbangan Arus dan Tegangan

No. Kondisi Beban Ketidakseimbangan Arus Ketidakseimbangan Tegangan
(%) (%)
1 Beban Awal 11,8296 1,8312
2 Beban Simulasi 0,2765 0,1606

Terbaik
Di gedung dekanat memiliki nilai arus dan tegangan tiga fasa yang terukur
tidak seimbang setiap fasanya, sesuai dengan data pengukuran pada Tabel 4.56
maka dapat diketahui perhitungan besar ketidakseimbangan arus (IUR) pada kondisi
beban awal sebesar 11,8296 % ketidakseimbangan tegangan (VUR) sebesar 1,8312
%. Pada beban simulasi terbaik nilai ketidakseimbangan arus (IUR) dan
ketidakseimbangan tegangan (VUR) lebih kecil dari kondisi beban awal sebesar
0,2765 % untuk IUR dan 0,1606 % untuk VUR.
4.10 Perhitungan Arus Netral

Arus yang didapat setiap fasa pada Tabel 4.55 dapat dilakukan perhitungan
arus pada penghantar netral, untuk melihat pengaruh ketidakseimbangan daya
beban listrik terhadap timbulnya arus pada penghantar netral. Perhitungan arus
netral menggunakan Persamaan 2.8 . Data Perhitungan arus netral dapat dilihat
pada Tabel 4.57
Tabel 4.57 Data Perhitungan Arus Netral

No. Kondisi Beban Arus Netral
1 Beban Awal 19,302
2 Beban Simulasi Terbaik 0,084
130
Berdasarkan Tabel 4.57 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 A. arus
pada penghantar netral kondisi beban simulasi terbaik jauh lebih kecil dari arus
netral beban awal. Arus pada penghantar netral mempengaruhi besarnya rugi-rugi
daya pada penghantar netral.
Dari data perhitungan pada Tabel 1 di lampiran 1.4 maka dapat diketahui
besar sudut arus, sudut tegangan setiap fasa. Sudut fasa kondisi beban awal dapat
dilihat pada Gambar 4.8 dan kondisi beban simulasi terbaik pada Gambar 4.9
Gambar 4.6 Sudut Fasa Kondisi Beban Awal
131
Berdasarkan Gambar 4.8 terlihat sudut fasa arus dan tegangan setiap fasa,
sudut fasa tegangan mempunyai perbedaan nilai sebesar ±120o sedangkan sudut
fasa serta besar arus mempunyai perbedaan nilai yang bervariasi setiap fasanya,
sehingga menimbulkan arus pada penghantar netral.
Gambar 4.7 Sudut Fasa Kondisi Beban Simulasi Terbaik
Berdasarkan Gambar 4.9 terlihat sudut fasa arus dan tegangan setiap fasa,
sudut fasa tegangan mempunyai 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.
132
4.11 Perhitungan Rugi-Rugi Daya Pada Penghantar Netral
Arus yang timbul pada penghantar netral dapat menyebabkan rugi-rugi
daya pada penghantar netral. Berdasarkan Tabel 4.57 maka dapat dilakukan
perhitungan rugi-rugi daya pada penghantar netral menggunakan persamaan 2.9
Tabel 4.58 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.
133
134
BAB V
PENUTUP
5.1 Kesimpulan
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%
5.2 Saran
1. Perlu penelitian lebih lanjut dengan menggunakan metode lain sebagai
pembanding untuk hasil yang lebih optimal.
2. Pada penelitian selanjutnya dapat dilakukan untuk perhitungan rugi-rugi daya
saluran dengan memasukkan beban pada Gedung lain yang disuplai oleh
transformator kedokteran.
135
136
DAFTAR PUSTAKA
[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] Gamma Ayu Kartika Sari, 2018. “Analisa Pengaruh Ketidakseimbangan
Beban Terhadap Arus Netra dan Losses pada Trafo Distribusi Studi Kasus
Pada PT.PLN (Persero) Rayon Blora”. Fakultas Teknik, Universitas
Muhammadiyah Surakarta, Surakarta.
[3] Purnami, Ayu, 2017. “Analisa Gangguan Overvoltage dan Undervoltage
(Studi Kasus Dekanat Fakultas Teknik Universitas Bengkulu)”. Fakultas
Teknik, Universitas Bengkulu, Bengkulu.
[4] Ridwan, Edi, 2015. “Analisis Perencanaan Pembagian Beban dan Instalasi
Listrik Pada Hotel Golden Tulip Di Kota Pontianak”. Fakultas Teknik,
Universitas Tanjungpura, Pontianak.
[5] Kai, Wang., Steven Skiena, dan Thomas, G Robertazzi, 2013. “Phase
Balancing Algorithm” dalam Electric Power System Research 96 ( pp. 218-
224). ELSEVIER.
[6] Nugroho, Agung, 2015. “Analisa Perbaikan Losses dan jatuh Tegangan Pada
jaringan Ssambungan Rumah Tidak Standar dengan Simulasi ETAP” dalam
Transmisi (ISSN 2407-6422, 142, 2015). Semarang : Universitas Diponegoro.
[7] Setiadji, Julius Sentosa, 2008. “Pengaruh Ketidakseimbangan Beban
Terhadap Arus Netral dan Losses pada Trafo Distribusi” dalam Jurnal Teknik
Elektro (Vol. 6 No. 1 pp.68-73, Maret 2008). Surabaya : Universitas Kristen
Petra.
[8] Purnima, Shah, dan S.M Shah, 2014. “ Load Balancing in Distributed System
Using Genetic Algorithm” dalam IP Multimedia Communication. IJCA.
[9] Nugroho, Adi, 2019. “ Analisis Pengaruh Ketidakseimbangan Beban
Terhadap Arus Netral dan Losses pada Trafo Distribusi (Studi Kasus pada
137
PT.PLN (Persero) Ryon Kartasura”. Fakultas Teknik, Universitas Surakarta,
Surakarta.
[10] Ramadoni, Syaputra, 2017. Buku Ajar Transmisi dan Distribusi Tenaga
Listrik. Yogyakarta: LP3M UMY Yogyakarta.
[11] Dahlan, Moh, 2017. “Akibat Ketidakseimbangan Beban Terhadap Arus
Netral dan Transformator Distribusi” dalam (ISSN 1979-6870). Kudus
Universitas Muria Kudus.
[12] Kongah, Dendi., Sarjan, Muh, dan Mukhlis Baso, 2014. “Analisis
Pembebanan Transformator Gardu Selatan Kampus Universitas Tadaluko”
dalam Mektrik (ISSN 2356-4792 vol. 1, no. 1, September 2014). Palu :
Universitas Tadaluko.
[13] 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.
[14] Chia-Hung, Lin., Chao-Sun, Chen, dan Yu-Ho, Cheng, 2005. “Heuristic
Rule-Based Phase Balancing Of Distrbution System by Considering
Customer Load Pattern” dalam IEEE Transactions and Power System (vol.
20, Mei 2005). IEEE.
[15] M-Y Huang, 2018. “Three-phase Balancing of Distribution Feeders Using
Immune Algorithm” dalam IET Generation, Transmission, and Distribution
(vol. 2, no.3, pp 383-392). IETDL.
[16] David, Y, 2000. “Apparatus for Method of Evenly Distributing an Electrical
Load Across an N-Phase Power Distribution Network” dalam United State
Patent (no. 6, 018, 203). ELSEVIER.
[17] Gupta, Nikhil., Swarnkar, Anil, dan Niazi, 2011. “A Novel Strategy for Phase
Balancing in Three Phase Four-Wire Distribution System” dalam IEEE
Transactions and Power System. IEEE.
[18] Jianxiang, Zhu., Grif, Billbro, dan Mu-Yuen, Chow, 2012. “Phase Balancing
Using Simulated Annealing” dalam IEEE Transactions and Power System
(vol. 14, no.4, November). IEEE.
138
[20] Chia-Hung, Lin., Meei-Song, Kang, dan Chin-Ying, Ho, 2015. “Phase
Balancing Of Distribution System Using a Heuristic Search Approach” dalam
Electrical Power System Research (vol. 10, no. 3). ELSEVIER.
[21] 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.
[22] Syukri, Sayyid Ahmad dan Firmansyah, Eka Riska, 2012. “Algoritma
Genetika Dasar Komputasi Cerdas”. Jakarta : Universitas Islam Negeri Syarif
Hidayatullah.
139
140
LAMPIRAN
141
142
Lampiran 1.1 Kode Program Algoritma Genetika Menggunakan Julia program
1. #Input Data Beban

2. using CSV
3. using Plots
4. Bebanlistrik=CSV.read("DataPeralatan.csv");
#dayabebanlistrik
5. Bebanlistrik; #untuk melihat beban listrik apakah sudah
dipanggil
6. #Encoding
7. using DataFrames
8. s=""
9. for i in rand(["R","S","T"],411)
10. s=string(s,i)
11. end
12. print(s)
13. populasi=DataFrame(gen=s,sumR=0.0,sumS=0.0,sumT=411.0,
fitness=411.0)
14. w=Bebanlistrik[:,2]
15.
16. #Perhitungan nilai fitness
17. function fitness(individu,w)
18. s=individu.gen
19. #@show s
20. sumR=0
21. sumS=0
22. sumT=0
23. for (i,j) in zip(s,w)
24. #@show i,j
25. if i=='R'
26. sumR=sumR+j
27. elseif i=='S'
28. sumS=sumS+j
29. elseif i=='T'
30. sumT=sumT+j
31. end
32. end
33. #@show sumR,sumS, sumT
34. individu.sumR=sumR
35. individu.sumS=sumS
36. individu.sumT=sumT
37. ratarata=(sumR+sumS+sumT)/3
38. individu.fitness=sqrt(abs((sumR-ratarata)^2+(sumS-
ratarata)^2+(sumT-ratarata)^2)/3)
39. return individu
40. end
41. #Penentuan gen dengan nilai random
143
42. function randomGen(ukuran)
43. s=""
44. for i in rand(["R","S","T"],ukuran)
45. s=string(s,i)
46. end
47. return s
48. end
49.
50. #Populasi Acak
51. function randompop(ukuranGen=411,ukuranPop=600)
52. populasi=DataFrame(gen=randomGen(ukuranGen),sumR=0.0,sumS=0
.0,sumT=411.0,fitness=411.0)
53. for i in range(1,length=ukuranPop-1)
54. append!(populasi,DataFrame(gen=randomGen(ukuranGen),sumR=0.
0,sumS=0.0,sumT=411.0,fitness=411.0))
55. end
56. return populasi
57. end
58.
59. #Evaluasi Populasi
60. function evaluatePopulation(populasi)
61. for i in eachrow(populasi)
62. fitness(i,w)
63. end
64. sort!(populasi,5)
65. return populasi
66. end
67.
68. #Penentuan lokasi gen
69. function changeGen(gen,location,set=["R","S","T"])
70. data=[string(c) for c in gen]
71. lanjut=true
72.
73. while lanjut
74. newValue=rand(set)
75. if data[location]!=newValue
76. data[location]=string(newValue)
77. lanjut=false
78. end
79. end
80. hasil=string()
81. for c in data
82. hasil=string(hasil,c)
83. end
84. return hasil
85. end
86.
87. #Mutasi
88. function mutation(populasi,probability=0.1)
89. jumlahMutan=round(Int,size(populasi)[1]*probability)
90. mutan=rand(range(1,length=size(populasi)[1]),jumlahMutan)
144
91. for m in mutan
92. gen=populasi[m,1]
93. location=rand(range(1,length=length(gen)))
94. gen=changeGen(gen,location)
95. end
96. end
97.
98. #Crossover / pindah silang
99. function crossover(populasi,probability=1)
100. populationSize=size(populasi)[1]
101. jumlahCO=round(Int,populationSize*probability)
#Jumlah cross over
102. cpopulasi=copy(populasi)
103. crossover=rand(range(1,length=populationSize),jumlahCO)
104. for CO in crossover
105. gen=populasi[CO,1]
106. location=rand(range(1,length=length(gen)))
107. gen=changeGen(gen,location)
108. end
109. populasi=evaluatePopulation(populasi)
110. return populasi
111. end
112.
113. # Loop GA
114. jumlah_generasi=200
115. populasi=randompop()
116. ukuranPopulasi=600
117. terbaik=DataFrame(first(populasi))
118. for i in range(1,stop=jumlah_generasi,step=1)
120. mutation(populasi)
121. populasi=crossover(populasi)
122. populasi=DataFrame([ i for i in eachrow(populasi)])
124. sort!(populasi,5,rev=false) #column 5 is where fitness
values are stored.
125. populasi=last(populasi,ukuranPopulasi)
126. t=first(populasi)
127. push!(terbaik,t)
128. end
129. #Menghitung Persentase
130. jumlahratarata=16668
131. persentase=(populasi.fitness/jumlahratarata)*100
132. print(last(terbaik,1))
133. print(persentase,1);
145
146
Lampiran 1.2 Hasil Pengujian Variasi Kesembilan Probabilitas Pindah Silang
Menggunakan Julia Program
│ 1 │ RRTRRSRSSRSSRSTRTRSTTRTRTTRSRRSRSTTTSRRSRSRRSRSSRRRTSTRRS
RRRTRSTRTSTRSSTRTSSRSRTSRRSTRTTRSRRSTSSTSRRSRRRRTSSSRRTRTSTTRTTSTR
SRTTSRTRSTRRTTSTTTRRRSSRSSTRTTSSSTRRTTSRRTRSRSRSTSTSTSTSSTRRSTRSTS
SRSSTTTSSSRRRSRTSRTRTTSRRTRTSTTTSTSSTSRTTSRSRSTSRRTSTTTSSTRRRTRRTS
TSRTSTSSTTSTRRRRSTTTRTTSSSRSRRSRSTRSSSRSRTTSSRTRSTRSSRRTTTTTTTSRRT
RRRTSTTTRSRTTTTTTRSRTSRSSRSRSSTRRSTTRTRTRSRTRTSTSRRTTRTRTSRSSRSTSS
RRTTTTTRTSRSSSSRTSRTTRSR │ 16652.0 │ 16584.0 │ 16768.0 │ 75.964 │
0.4557 │
│ 2 │ SSSTRSTRTSSSSTRTTSSRRSRRSRRTTRRRTTSRTTRSSRRSRSSRTTSSTTRRS
RRTSTRRRSTTRRSTTSSRRSSTSSSTSTRTSSTTRTRTTTRSRRRTSSSSRRRTTRSSTRTSRSS
STRRSRSSSSSSTSRTSTSRTSSRSSRSRSSTSRTRTRRRRRTRRRRTTTSTRSTRSTRRTSRTRT
RTRRTSSRRSRTSRRSSSTRSTRTSRRSSRTTRTTTSSSSSSRRTTTRTTSSTTRSTRSTRRSTTT
TRTRTRRTTTRRRSTTSTTRRRRTTTRSSRTSTTRSSSTRRTSRTRRSSRRTTRSTTTRSTRRRTR
RRSTRTSSTSSTTTRSRSSTTTTSSTSRSSTSTSRRTRTSRRSTRSRSRSTTRTRTRRTSTTTRTT
TTRRRRSRTSSTRRTTTSSTTRSS │ 16616.0 │ 16706.0 │ 16682.0 │ 38.052 │
0.2282 │
│ 3 │ SSSTSRRTRRTTTRRRSRSSTTTSSSRTTSTRSTSRRRRRRSSSTTTRSSSTSSRSR
RSTTRTSSTRSSRSSSRSTSTRRTTTRRTSTSRRRTRRTSSSTSRSRRSSTTRRSRRRTSSTSRTR
SRRRSTSTRSTTTRSRRSSRSSRSSSRTRSRSRRTSTTTSRRRSRSSRRTSTTTSRRRRTTTTRTR
SSRSTSTTTRSTSTTSRTTTRSRTRRSTTRTTSRRTTSRSSSTTSTRSSSTTSTTTRSTSSSTTRS
SSRSTSRTRTTSTTSTRSTRSRRRTRRSSRTRTRRRTRTTSRTSSRRTRRTRRRSTTSRRRTTSST
TTTTRRSRTSRRSRTTTTTTSRTRRTRRSRTRTRTSSSSSSTSRSRSRRSTTTRSSSTRTSRRRTS
SSRSTSRRTTRTTRSRRTRRSTSS │ 16501.0 │ 16613.0 │ 16890.0 │ 163.50 │
0.9809 │
│ 4 │ SRTSTSSTTSRRTRTTSRRTSTTSTRRSRSTSRRTSRRRRRRTTRSTTTSSTRRSTT
TSSTSSRTTTTTRSRSSTRSTRTTRSTSSSRSTSRRSSTSTTRTSRTTTSTTRRRSTRRSTRSSST
TRRTSRTSSTTRRSTTRSTRSTSSRSSRRRTTSTSRRTTRSSTRTSRSSRTSSRTSRTTSRTTTRT
STSSSTTRRRRTSSRRSSSRRRRRSSRTSSSSSRSTSTSSTTSTSSTRRTTSRRTSTTTTSRSRTS
RSRRSSTTSSRTRRSTTSSRTSSSRRTSTSSSSRRTTSTRRRSTSRSSRSRTSRRTTSSTTTSRRR
SSSSSRTRRSRRTTTTRSTSSRRRSRSSSSSSRRRTRTSRTTRSTSTRTRRTSRTSTRSSSTRSST
TTRTSSTSSRRSSTTRRSRSSSSS │ 16626.0 │ 16768.0 │ 16610.0 │ 71.011 │
0.4260 │
│ 5 │ RTSSTSRTTRSRRSRSSSSTSTSTTRRTSTSRRRRRSSTRRTSSSSSTTTTSSSRRT
TSSTTRSRRTSRTRSSRSSRSSTRTTSTSRTSSSTSRRTRRSSTTSRTRSRRTRSRTRSRRSRSRS
RTSTSTRRTTSSTTTTRSSRRTSRRTRSSTSRSSTSRRSRTTTRRTSSTSTSSRRTSTTRSRTSRT
STRTTRSSTTSTSSSTTSRSTTSRTSSTTSTSSTRTSTRTRSTRSSRRSTTRSSRTRTRRTTRSST
STTSSRRSTSSRTTSTSSTSRTRSSSSSRRRRSTSSTSSTTTSSTTRTSSRSTSRSTTSRRSSTRS
STSTRTTTTSTTSRTRSRSTTSRRRTTTSTTTRSSSRTRRRRRRRTSSRTTTSTRSRSRSSSTSST
SSRRRTTRRSTRTRRTSRTSSSTR │ 16722.0 │ 16546.0 │ 16736.0 │ 86.456 │
0.5186 │
147
│ 6 │ TRRTRRSSSSSRTSRSTSSRSTTRSRSSRRRRSTSSSSTRTTTRTSRSTSRSTTRSR
TSRSSRRSTTRRTSTRTSSSTSTRTTRSTRRTSTSSSTSRSTSTSTSSTRTSTSSSSTRRSTSTSR
TSTSRTRTTSRRTTRSTSRSTRSTSSRRTSTSRTSTTSTTRRSTTSRTRSRTRRTSSSSRTTRSTT
RTSRRSTRRTRSRRSTSTRRTRSSTTTTRSSRTSRRTRSTSTTSSTSSTTTSTRSRSTRSSTTRRT
TTTRTSSSTTRSRRSTTRTTSTRRSRRSSSRTSTRRSTRSSRTTSSRRTSRRTTRSSTSTSTTRTS
STRRTRTSSRTTRSRSSTTSRRRSRSTSTRSRSRSSSSSTTSRRRRSRSTRSSSRRTTSRRTSTTR
TSRSRRSSSRRRTSTSRTTTRTRR │ 16671.0 │ 16673.0 │ 16660.0 │ 5.7154 │
0.0342 │
│ 7 │ SRRTSRRSRTRTTTTTTTTRSTTSSRTTSTSRRTSSSSTTTSSRRRRTTSTRTRRRS
RSSTTRSTRTTTSSSRRTSTTTRSSRTRTRRRSRRTTSRRRSSSRRSTRSTTTSRSTSTSSRRRTS
SRRTSRTSSRSTRRTTTTSSSSSRTTSRTTRTSSTTSRTSTRRSRRSRRSRRTTRSRSRSRTTRRT
SSRSRSTRTTSTTRRRSSRRTTSRTSTRRSSTRTTTTRTSSRTRTTRRRRSRRTRSTRSRRRSSTT
STRTTTSTRSRRTTRRRRRTSSTSRTSTRSTTRRTRSTRRSTRRTTSTRRSSSSRRSTTSTTRSRT
TTSRSSRSSRSTTSRRRSRSSRRSTTRTRTRTTRRSSTTSTTSSTTTRTTRTTSSTRSRTTRSSSS
STSSRRRSRTTTTTSTSSRSTSTT │ 16676.0 │ 16711.0 │ 16617.0 │ 38.790 │
0.2327 │
│ 8 │ STSTTSTSSTSRRSTRTTSSRRTRSTTSRSRRTRTRTTSSTRTTRTSSSRRSRTTTR
RRRTSTRRRTTSTRSRRTRRSSRSSRRRRRRTRTSSTTSRSTTTSTRTTRRTTRSTSTSRSTTRRS
RRRTSTTTRTTRSSRRSSTTTRSSRRSSTSRSSTRSTTTTRSSRSSTRTSRTTRRSTSTSTTRRSR
STRRTTSTTTSSTTSRTSRRTSTRTRRRSTTSTRTTSSSRRSSRRTRTRTTTTSTRRRRTSTTRTT
RRRTRTSTTRTRRRSSSRRSRRSSSTSTSTTSTSTRSRSRTRRSTSSRSTSRRSRSRRSTSSTSSR
SSTRRSRTSRSSTRSSSSRTSTRSRRSSTRTRRTSRRTSTRTRRSTRTRTRRTTSSRSRRTRSTRT
SRRRRRTRTRRSSTRTSTTTRTTT │ 16544.0 │ 16542.0 │ 16918.0 │ 176.77 │
1.0605 │
│ 9 │ TTTSTTSTSTTSTRRSRRSSSRRTTRRTRSRSSSTRSSRRRTSSTTSRSTTTSTTTS
RSSSSRRTTTSRSTSRRTRTRRTRTTRSRRSTSSTTSRTTTRTTTTSSRTRSTTRSTRRSTSTRSS
SSTTSTSTSTTTTSTTTTTTRTRTTTTRRTTTSTSTSRRTSSSRTTRTRTTRSTRSSTRRRSTRSS
STSTSRSTRRSSRTTRRTRTRTSRTTSRSSRSSSSSSTRRTRTRTTTRSRSRRTTSTRRSRTTTSS
TTTTTSTSSRSSSSRSSTTSRTSSTRSRTSSSRRTTSRRSSRRSSSSTSSTTSTSTRRTRSTRTRS
RRSSTRTRTSSTSSRSTSTSSTSSTSRTTRRSRSTSSRSTTTRSSRTRTTTSTSSTTRTRSTSSRR
SSTSSRTSRRTSSRRRTSSTTRSS │ 16625.0 │ 16678.0 │ 16701.0 │ 31.822 │
0.1909 │
│ 10 │ TRRTTSSRSTRTRSSTRSRTSTTRRRSRRRSTRSRRSTRRSTTTTRSRSRRSTTTRR
RSRRTRTRTTSTTRRTRTTTSSTSRSRSRTRRRSRRRTSRRTSSTRRTTRTSTTTTSRRTSTTTSR
TSTSTSRRRSSTSRRTTRRSRRSRSRRTSTSRRTTSTSSTSSSTTRSTRTTSSSTTTSSRSTTSTR
TTTTRTTSTTSSTSRTSTSTTTSTTRTTTSSTRRTTTRRRTRSRSTRTTTSRSTSSSTSTSTSRSS
SRTRSSRSTRTTSTSTSSSTRTTTSSSTTRSRSSTSTRTRTRSRSTTTRRSRSRSTTRRSTTRTTR
TRRTSRSRRRTTTRRSRRTSTRRTTSRRTTSRTSSRRSRRRRSTTRSSTSTRRSTTTTRRSSRTSR
RTRSTRRSRSSSSRTSRSTTTRTS │ 16342.0 │ 16814.0 │ 16848.0 │ 230.93 │
1.3854 │
148
Lampiran 1.3 Kode Program Menghitung Rugi-rugi Daya Listrik
1. Va = complex(220*cos(0),220*sin(0))
2. Vb = complex(220*cos(-2.0944),220*sin(-2.0944))
3. Vc = complex(220*cos(2.0944),220*sin(2.0944))
4. V = [Va;Vb;Vc];
5. Z = [0.4072+0.2006im 0.1612+0.1799im 0.1696+0.1701im;
0.1612+0.1799im 0.3909+0.2197im 0.1612+0.1799im;
0.1696+0.1701im 0.1612+0.1799im 0.4072+0.2006im];
6.
7. #Beban Awal
8. V0=V
9. V1=V0 #nilai dugaan awal
10. Z01=Imdekanat
11. S1=[17243+0im; 18596+0im; 14165+0im]
12. error=1
13. epsilon=1e-5
14. iterasi=0
15. for i in range(1,length=10)
16. I1=conj(S1./V1)
17. V1last=V1
18. V1=V0-(Z01*I1)
19. error=abs(V1[1]-V1last[1])
20. iterasi=iterasi+1
21. @show error
22. end
23. I1=conj(S1./V1)
24. print("jumlah iterasi\t=", iterasi)
25. print("\nkesalahan\t=", error)
26. print("\nV1\t\t=", V1)
27. print("\nI1\t\t=", I1)
28. V1
29. Vr = V1[1]
30. magVra = abs(Vr)
31. sudutVra = angle(Vr)
32. Vs = V1[2]
33. magVsa = abs(Vs)
34. sudutVsa = angle(Vs)
35. Vt = V1[3]
36. magVta = abs(Vt)
37. sudutVta = angle(Vt)
38. I1
39. Ir = I1[1]
40. magIra = abs(Ir)
41. sudutIra = angle(Ir)
42. Is = I1[2]
43. magIsa = abs(Is)
44. sudutIsa= angle(Is)
45. It = I1[3]
46. magIta = abs(It)
47. sudutIta= angle(It)
48. Ir = I1[1]
149
49. Is = I1[2]
50. It = I1[3]
51. INa = Ir+Is+It
52. magINa=abs(INa)
53. sudutINa=angle(INa)
54. INa = magINa
55. P = 0.028264 #ohm.mm^2/m
56. l = 818 #m
57. A = 50 #mm^2
58. Rn = (P*l)/A #ohm
59. Pna = (INa)^2*Rn #watt
60.
61. #Beban Simulasi
62. V0=V
63. V1=V0 #nilai dugaan awal
64. Z01=Imdekanat
65. S1=[16671+0im; 16673+0im; 16660+0im]
66. error=1
67. epsilon=1e-5
68. iterasi=0
69. for i in range(1,length=10)
70. I1=conj(S1./V1)
71. V1last=V1
72. V1=V0-(Z01*I1)
73. error=abs(V1[1]-V1last[1])
74. iterasi=iterasi+1
75. @show error
76. end
77. I1=conj(S1./V1)
78. print("jumlah iterasi\t=", iterasi)
79. print("\nkesalahan\t=", error)
80. print("\nV1\t\t=", V1)
81. print("\nI1\t\t=", I1)
82. V1
83. Vr = V1[1]
84. magVrb = abs(Vr)
85. sudutVrb = angle(Vr)
86. Vs = V1[2]
87. magVsb = abs(Vs)
88. sudutVsb = angle(Vs)
89. Vt = V1[3]
90. magVtb = abs(Vt)
91. sudutVtb = angle(Vt)
92. I1
93. Ir = I1[1]
94. magIrb = abs(Ir)
95. sudutIrb = angle(Ir)
96. Is = I1[2]
97. magIsb= abs(Is)
98. sudutIsb = angle(Is)
99. It = I1[3]
100. magItb = abs(It)
101. sudutItb = angle(It)
102. Ir = I1[1]
103. Is = I1[2]
150
104. It = I1[3]
105. INb = Ir+Is+It
106. magINb=abs(INb)
107. sudutINb=angle(INb)
108. INb = magB
109. P = 0.028264 #ohm.mm^2/m
110. l = 818 #m
111. A = 50 #mm^2
112. Rn = (P*l)/A #ohm
113. Pnb = (INb)^2*Rn #watt
151
152
Lampiran 1.4 Hasil Perhitungan Rugi-rugi Daya Listrik Menggunakan
Hasil Perhitungan Rugi-rugi Daya Listrik Pada Kondisi Beban Awal
Fasa Tegangan (V) Arus (A) Arus Netral (A) Rugi-rugi Daya
(Watt)
R 207,3975∠ -0 83,1401∠ -0
,0005 ,0005
S 209,6724∠ -2 88,6907∠ -2 19,3024∠- 172,2812

,1133 ,1133 1,3544
T 214,3156∠2, 66,0941∠ 2,
0971 0971
Hasil Perhitungan Rugi-rugi Daya Listrik Pada Kondisi Beban Simulasi Terbaik
Fasa Tegangan (V) Arus (A) Arus Netral (A) Rugi-rugi Daya
(Watt)
R 209,8825∠ -0 79,4301
,0060 ∠ -0,0060
0,0840∠-0,89 0,0032
S 210.7624∠ -2 79,1080 80
,1017 ∠ -2,1017
T 210.6264∠2, 79,0973
09108 ∠ 2,0910
153

Maharani Dwi Nanda G1D016044

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Maharani Dwi Nanda G1D016044

Diunggah oleh

Hak Cipta:

Format Tersedia

PENGEMBANGAN APLIKASI PEMBAGIAN BEBAN

LISTRIK PADA GEDUNG PERKANTORAN DENGAN

MAHARANI DWI NANDA PUSPITASARI

PROGRAM STUDI TEKNIK ELEKTRO

Kata Kunci: algoritma genetika, arus netral, ketidakseimbangan beban, pembagian

Halaman judul .......................................................................................................... i

1.1 Latar Belakang

1.2 Rumusan Masalah

1.4 Tujuan penelitian

Dalam penelitian mengenai perencanaan pembagian beban dan instalasi

2.1 Sistem Daya Listrik Tiga Fasa

Gambar 2.1 Skema Sistem Pembangkitan Tenaga Listrik [2]

Suatu sistem distribusi menghubungkan semua beban yang terpisah satu

2.1.1 Sistem Pembangkit

2.1.2 Sistem Transmisi

2.1.3 Sistem Distribusi

Gambar 2.2 Jaringan Distribusi Tipe Radial [10]

2. Sistem Jaringan Distribusi ring (loop)

Gambar 2.3 Jaringan Distribusi tipe Loop [10]

3. Sistem Jaringan Distribusi Spindle

Gambar 2.4 Jaringan Distribusi Spindle [10]

Gambar 2.4 jaringan distribusi spindle biasanya ditiap-tiap feeder dalam

Gambar 1 menunjukkan fasor diagram dari tegangan fasa. Bila fasor-fasor

2.2.1 Hubungan Bintang (Y, wye)

Gambar 2.6 menunjukkan adanya saluran / titik netral maka besaran

2.2.2 Hubungan Segitiga

Gambar 2.7 Hubungan Segitiga [4]

2.3 Jenis Koneksi

Gambar 2.8 Sampel Penyulang dengan Dua Cabang Penghubung [14]

2.4 Daya Sistem 3 Fasa Pada Beban Yang Seimbang

Gambar 2.9 Hubungan Bintang Dan Segitiga Yang Seimbang [4]

2.5 Ketidakseimbangan Beban

2.6.1 Daya Sistem 3 Fasa Pada Beban yang Tidak Seimbang

Gambar 2.10 Ketidakseimbangan Beban pada Sistem 3 Fasa [4]

2.6.2 Ketidakseimbangan Arus dan Tegangan

dengan, IL = Arus line maksimum (A)

dengan, VL-N = Tegangan line to netral (V)

2.7 Penyeimbangan Fasa

1. Ketidakseimbangan Total Daya Kompleks

di mana, 𝑆𝑗0 berarti ideal beban per fasa. Dan,

𝑆𝑗0 = (𝑆𝑗𝑎 + 𝑆𝑗𝑏 + 𝑆𝑗𝑐 ) /3 (2.6)

𝑆𝑗𝑢 = 0 merupakan daya kompleks dari feeder j-th yang seimbang.

di mana, m adalah jumlah total segmen feeder (pengumpan) dari pengumpan

di mana Ip dan rp adalah arus dan resistansi fasa p dari masing-masing

2.9 Kode Algoritma Genetika

2.10 Langkah langkah Algoritma Genetika

Gambar 2.11 Representasi Permasalahan Algoritma Genetika [22]

Pada Gambar 2.11 individu dapat dijelaskan sebagai kumpulan kromosom

Penelitian dilakukan untuk membahas tentang gangguan

Tabel 3.1 Jadwal Kegiatan

Nov Des Jan Feb Mar April Mei Juni Juli

3.3 Data Pendukung

Tabel 3.2 Lokasi dan Kapasitas Transformator

Jenis penghantar listrik yang digunakan di Universitas Bengkulu yaitu

2.01 = Ruang Sidang 1

3.4.2 Perhitungan Nilai Fitness

fitness= √13 ⃓ 𝑆𝑢𝑚𝑅 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑆 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 + ⃓𝑆𝑢𝑚𝑇 − 𝑟𝑎𝑡𝑎𝑟𝑎𝑡𝑎⃓2 (3.1)

ratarata = (Sum R +Sum S + Sum T) /3 (3.2)

dimana, || menunjukkan nilai absolut. Nilai fitness yang dipilih yaitu

3.4.4 Populasi Acak

3.4.5 Evaluasi Populasi

3.4.6 Pindah Silang

3.6 Flowchart Penelitian

Individu dengan Best