DRAFT SKRIPSI
Halaman judul
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.
iii
iv
DAFTAR ISI
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
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.
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.
3
4
2. BAB II
TINJAUAN PUSTAKA
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].
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.
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].
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.
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.
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]
12
Gambar 2.6 Hubungan Bintang [12]
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,
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.
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.
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].
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].
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 (∆).
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
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.
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
𝑆𝑗𝑢 = √3 ∑𝑐𝑝=𝑎 ⃓𝑆𝑗𝑃 − 𝑆𝑗0 ⃓2 (2.5)
𝑇𝑆𝑢 = ∑𝑚
𝑗=𝑙 𝑆𝑗
𝑢
(2.7)
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)
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]
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
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.
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
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.
di mana
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.
3.4.7 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
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
Selesai
Proses Mutasi
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.
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
Dispenser 1 350 350 R
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
Dispenser 1 350 350 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
komputer 2 240 480 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
komputer 1 240 240 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
komputer 1 240 240 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
komputer 3 240 720 R
AC (1 PK) 1 660 660 T
Kipas Angin
1 70 70 R
12 Ruang Dosen Tornado
lampu 2 18 36 R
komputer 1 240 240 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
komputer 3 240 720 R
TV 1 80 80 R
kulkas 1 80 80 R
Dispenser 1 350 350 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
komputer 6 240 1440 S
Dispenser 1 350 350 S
AC (1 PK) 2 660 1320 S
Kipas Angin
1 70 70 S
Tornado
16 Ruang Akademik lampu 16 18 288 S
komputer 6 240 1440 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)
Dispenser 1 350 350 S
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
Dispenser 1 350 350 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
Dispenser 1 350 350 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
komputer 1 240 240 S
Dispenser 1 350 350 S
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
Dispenser 1 350 350 S
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
Dispenser 1 350 350 R
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
= 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.
40
RRTRRRTTRRTTRSS
RTSSSTSTSSRRTSRT
SRRSTRSTRTTRRRST
TTRSTRTTRSSSSRRT
RSTSSRSSSTSSTSSST
STTSRRRSRSRSRSSR
RTTSRTSRSRSRRSTT
STTTSTTRSRSSTRRR
STRSTRTSRRSSTRTR
RTSSSRRSSTSRSRTT
RSRRRSRTTTRRRSSR
STSRSSSRSRSTRSST
RSTRSSTRRTRTRRSR
STRRTTSRTTTTRSRT
RRTTRTTSTSRTRTRR
SSTTRRSRRRRSRTSS
SRTTSRTSTRTTRSTS
SRSRRSTSRSTTRSRS
TRSRSRSSSTTT
41
3. Probabilitas Mutasi = 0,1
4. Maksimum Generasi = 100
Simulasi kedua dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedua dapat dilihat pada Tabel 4.3
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 %.
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
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 16.608 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
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 %
44
Simulasi keempat dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keempat dapat dilihat pada Tabel 4.5
45
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 16.650 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.602 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.547 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 62,5459 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,3752 %
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
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 16.652 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.742 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.610 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 55,0635 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,3303 %
47
Tabel 4.7 Data Hasil Simulasi Keenam
No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
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
48
S yaitu sebesar 16.657 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 45,9782 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,2758 %
49
SRSRSRSSRTTTTTRS
TRSSTRSSTTSSTSSRS
TTSTRSSRSTTTSSRS
SRRSSSSRTSSSTTSST
SRRSSSRTTSTRTTTS
TRSTRRRRSRTSSSRT
SRTSSSSSRSTRTSSST
RSTTTTRRTSTTSRTS
TTTSTTSSTSRSRTTR
RTRTTSRTTSSRTRSR
RRTTTSRRRTSSRTSR
SSSTRTTSTTSRRTTT
RRRRTSSTRSRSRTRS
TSTRTSSTRSSSTRSS
TTSSSTT
50
Simulasi kedua dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedua dapat dilihat pada Tabel 4.9
Tabel 4.9 merupakan hasil perhitungan dari simulasi kedua dapat diketahui
bahwa kolom pertama adalah gen yang berisikan beban listrik terletak di salah satu
51
fasa antara fasa R, fasa S, dan fasa T, pada kolom kedua menunjukkan nilai jumlah
daya beban yang terpasang pada fasa R yaitu sebesar 16.673 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.701 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.630 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 29,2004 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,1751 %
52
SSRTSTRTTRRSRRTT
STSTTSTRSTTTTSRS
SRSTRTTTTRTSTTRT
TSSTRRSSRSTRSTRR
TRSRTSRRRTSSRTRT
TSRRTRRSTTSTRSST
RTSSSSRSRSSTSSSRT
STRRSTRSRTTRRSSS
SRSRSRTSSRSTTSRT
RSTSRSTRRSSSSTRR
RSTRTRSTTSTTTTTT
TRTTRSRSTSSRTRTR
RSTTRRTRTTRSSTRS
TRSSTTSSS
Tabel 4.10 merupakan hasil perhitungan dari simulasi ketiga 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 16.692 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.643 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.669 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 20,0166 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,1201 %
53
Simulasi keempat dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keempat dapat dilihat pada Tabel 4.11
Tabel 4.11 Data Hasil Simulasi Keempat Variasi Populasi
No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
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
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 16.633 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.742 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.629 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 52,3513 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,31408 %
55
TSSTSRTSRTTTRSSS
SSRSSSTRSSRSRRTR
RSRTSRSSSTRRRSRS
SRSRRRTTSSSTSTTR
RTTSRTRSRRTTTTTS
TSRSSTRRSTRRRRRT
TTRRSRSRTTRTRSRS
RTTTSRSTRTTSTSSR
SSSSTSSTTTRRRRRR
TSRSSRTTRTRRSTTT
TSRTTRTTRTSSSRSR
RSRTTTRTTSRSTSST
TSSSRRRRRRTSSSTR
SRSSRTSTSTR
56
Simulasi keenam dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keenam dapat dilihat pada Tabel 4.13
57
Tabel 4.13 merupakan hasil perhitungan dari simulasi keenam 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 16.653 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.665 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.686 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 13,6381 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,0818 %
58
TSTTSTTRSTRRTRTS
STSSSSRSRRTSSRST
TSSTRSTTRSSSSRRT
TSRSSSTTRRTRRTTT
RTTTRTSTRRTSRSTT
STRSTTTSSTTTTSTT
SRTSTTSTSTTSSSRR
TSRRRSRSRTTTSTSS
TRRTSSRRRRSSRTTT
STTSRSTRSSRTSRTS
SRSSTTRRTTRSRSST
SRSSRSRSTRSTTSRS
RTSSRRSSSRTSTRRT
SRSRTRTRRSRTSTRS
SSRTRTTRRTSSRSTR
TSSTTTTRSTT
59
Simulasi kedelapan dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedelapan dapat dilihat pada Tabel
4.15
60
Tabel 4.15 merupakan hasil perhitungan dari simulasi kedelapan 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 16.655 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.673 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.676 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 9,2736 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,0556 %
61
RSTRSSRSRSSSTTRR
RSTTSRRRSSSSSTST
TSSRRSRTRRSSTSTS
RSRRTTTRRTTRTSRS
RRSSRSTTRRTTSSTS
RTRSTRRSRRSTRRSR
RTRSSRSRRTTRRRST
RRSRTTSTSSRTTSTS
RTTTSSSRRTSTSRST
TRSRSRSTTTSRRRRR
SSRRTTTSTRSSSTTT
SRRSRTSTSTSRRTTT
TTTSSSRTSRSTRRSS
RRTRSRTRRSRSRSRS
TRTRTTRRSRTTTTSR
STSTTRTSSRTSSRSR
RTTTRRRSSTTT
62
4. Maksimum Generasi = 200
Simulasi kesepuluh dilakukan 10 kali perhitungan, dari 10 kali perhitungan
nilai yang terbaik pada simulasi kesepuluh dapat dilihat pada Tabel 4.17
63
Tabel 4.17 merupakan hasil perhitungan dari simulasi kesepuluh 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 16.668 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.707 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.629 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 31,8433 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,1910 %
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
65
4.4.1 Hasil Pengujian Pertama Variasi Probabilitas Pindah Silang
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,1
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 200
Simulasi pertama dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi pertama dapat dilihat pada Tabel 4.19
66
SSTSSRRRRRSSSRTS
RTSSRRSTSTTSRRTR
STRRTRRRTTTRTRS
RSSSTRRRTTTRTSRR
TTRRTTRRTSTS
67
TRSTRSTSTTRRSSSR
RTTRTTRSTRSSTTST
STRRRRTRRRSSTRSR
TSRRTTTSSTRSTSST
SRSSSSTSRSRRTTRR
RRSSTRRSRTTRTTSR
TRRTTRRTTSRRTSTT
RSRRRTSRTRSRTRR
TTRSSRTRRSSRTSSS
TTSTTSSSRRRSRTTS
SRTRRRRTRRTTRRT
TTRSRTRTSTRTSSRS
RSTSSSTRSRRRRTTT
SSSRSRRTTTRSSSTR
TRSSSTSSRTRSRSTR
SSTSTRSSSRRSSSSTS
TSTSTRSTTSSRRRSS
TTSSTRSRSRTTTSRS
TSTRSSSTSTRTSTRS
RSSSTTSSRSSRSRTT
RRRTRSRSTRSSTTTT
TSRRSSRTRSRTRRRR
SRTTTTRSRSSSR
Tabel 4.20 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 16.654 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.674 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.676 W, pada kolom kelima dapat
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
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,.3
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 200
Simulasi ketiga dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi ketiga dapat dilihat pada Tabel 4.21
69
RTRSTSRSRSTTTRTT
RTSSSRRTSSTSSTTR
STTSRSRRRRRRTSTR
SRTRTSRSRTTSTTTR
RTRRRSRRRR
Tabel 4.21 merupakan hasil perhitungan dari simulasi ketiga 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 16.536 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.698W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.770 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 97,8570 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,5870 %
70
RRSSSRTTSSRTRRST
RSRRTRTTTRSRTSRT
SRSTTTRSTTTRSSRR
SRSTTTRSTRSSTTSS
TTTSSTSRTTSSRRTR
SRSSRSRRRTRSRSTT
RSTTTSRRRSTSSSST
TSSTTRSRTRRSRRST
RRRRTTTRRRRTSRR
TTTTSSTRRRSRSTTS
TTRSTTTRRSSRTTSR
TSRRSSSRSSTRRTSS
RRRSTRSRSRRSSTTR
SRTTTSTSSTTRRTTR
TRTSRTSSSRRTRRST
RTTRSSRSTRTRSSSS
SRSTRRSTTTRSRTST
RTSRRTSTTRSTTSTS
RRRSTRRRSTTSTSTT
TTRSSSTRRSSRTSTT
TTRSSRRTTTRTRRTS
RTTTRTSTTTTTTRTS
TTSSSSSTRSTT
71
4.4.5 Hasil Pengujian Kelima Variasi Probabilitas Pindah Silang
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,5
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 200
Simulasi kelima dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai yang terbaik pada simulasi kelima dapat dilihat pada Tabel 4.23
72
SRSSSTTSTRSSRTRS
RRSRSSRRRTSTRRR
RRSRTSTSSSRRSRST
STSRSTTTTTSRTSRR
RTTSRSTTRTSRT
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
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,7
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 200
Simulasi ketujuh dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai yang terbaik pada simulasi ketujuh dapat dilihat pada Tabel 4.25
75
RRTTRSSSSTTRTTSS
STTSTRTRTTSTTRTT
STRSSTSTSRTSTSSRS
STSRRTSRTRSRSTST
TSRRSSRTTRTR
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
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,9
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 200
Simulasi kesembilan dilakukan sepuluh kali percobaan, dari sepuluh kali
percobaan nilai terbaik pada simulasi kesembilan dapat dilihat pada Tabel 4.27
78
TTSRRRSRSTSTRSRS
RSSSSSTTSRRRRSRS
TRSSSRRTTSRRTSTT
RTSRSRRSSSRRRTST
SRTTTRTRR
79
RTRTTRSTRRRSRRS
RTSRSSSSRSTRRSSR
STRSSRSTSRSSTTTT
RTRTRRTTTSSRSSRR
STTRTTRSSTTSRTST
SSSRRTTRSSRSTSRT
RSSTSTTSSTTSRRTR
SRRTSTRSRRRSTRSR
TTRRRSSSRTSRRRSS
TSRRSTSTRRSRSTST
RTRSRTSSRTTRSRTS
TTSRRTTRSRTRSSSS
RSTTSTRTSRTTRTST
TRRTSTSRRTRRRSRT
TRSRSRRTSSRRSRTS
TTRRTTRTTSRSTSRT
RRTTRRSTRRRRSRT
TSTRTTSSRSRTRSST
RSRTTTRTTSTTTTST
TTTSSRRSRRRTR
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
0.7
Persentase dari rata-rata beban
Ketidakseimbangan Daya (%)
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.
82
RRRTSRSRSSSTTTST
TSTSSSRTTSRTTTRS
RRSSSRSTTRRTTSSR
SSTRSTRTSRSSRTTT
RRTSTTRSRSTSTSST
TRTRSRRRRSRRTRSS
RSSSTTTRSRRTRSTR
RRRSSSTSRRRRTRR
RTRRRTRTRTTSSRR
RRTRTTSRRTSSSSTS
SRTRSSSRSTRSSRTR
RSRSRRTTSRRRRTR
TRTSTTRTTRRSSSRT
RTRSSSSSRRRSRTTT
RTTSTRRTTRSTTRRS
SSTRTSTTSTSSTS
83
Simulasi kedua dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kedua dapat dilihat pada Tabel 4.31
84
Tabel 4.31 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 16.597 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.662 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.745 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 60,5695 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,3633 %.
85
RRRRTSSTRRRTSSST
RSTTTTRTTRTSTTSR
SRRTTSSTRRRTTTSR
TRRSTTTSRSTRRTRS
RSRTSTTRSSRRRTST
TRTSSSRTSTTRSTTR
TRSTTRRSRTSSTTTS
SSTSTRRTRSTRSRRS
TRSTSSRRSSRTRRSS
RSRSTRSTRTTRTSRS
SRTTTSSSSTTSRRRR
TSSRTSSTTTTSTTSS
RTTRSSSRSTRTRSRT
SRTSSTTRRSTRRSTR
STTTRSRSRSRRSSRR
TRSTTTTRSRTT
Tabel 4.32 merupakan hasil perhitungan dari simulasi ketiga 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 16.671 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
sebesar 16.627 W, pada kolom keempat menunjukkan nilai jumlah daya beban
listrik yang terpasang pada fasa T sebesar 16.706 W, pada kolom kelima dapat
diketahui bahwa nilai fitness sebesar 32,3213 W, dan kolom terakhir merupakan
nilai ketidakseimbangan daya sebesar 0,1939 %.
86
Simulasi keempat dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keempat dapat dilihat pada Tabel 4.33
87
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 16.722 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.673 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.609 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 46,2673 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,2775 %.
88
STSTTRRTRRTTTRST
TTSTRRRSTTRRSTTT
RRTRRRTSTTTRRTR
RTTTRSSTRTTSSSRR
RTTSTTTRTTTSRTTS
RSRRTSRTRSTSSRTR
RSTRRRSRTSTSRRRT
RRSRRSTRTRRSRSSS
TTRRSSTSRSSSRRRR
TRTRRSRTSRRRSSRR
RRSSSRRTSRTTRRST
TTSSSRSTSTRRSTST
SSSSRSSTSRSSTSRSR
STSTTRSRST
89
Simulasi keenam dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keenam dapat dilihat pada Tabel 4.35
90
Tabel 4.35 merupakan hasil perhitungan dari simulasi keenam dapat
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 %.
91
TRTRSTTRSTSTSRTR
TRRTRTRRTTSSSRRR
TSRTRSRRRSRSSSST
SSRSRRRTTTRRRSTT
RTRTRRSSSRSSTRTT
RTTSSSRRSRSSSTRS
STSTTSTTTSSRRRRS
RTRTRSTRTTRSRTR
RSRTSTTTRTTRTTTR
TTRTRTTTTTTRSSTT
SRRTSSRRRTTSTRTT
SSSRSSRTTSRRTSTR
SSTRTRTTRSTRRSTR
SSRTTRSSRSSTTR
92
Tabel 4.37 Data Hasil Simulasi Kedelapan
No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
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
nilai jumlah daya beban yang terpasang pada fasa R yaitu sebesar 16.675 W, pada
kolom ketiga menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa
S yaitu sebesar 16.757 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.572 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 75,6879 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,4540 %.
4.5.9 Hasil Pengujian Kesembilan Variasi Probabilitas Mutasi
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,2
3. Probabilitas Mutasi = 0,9
4. Maksimum Generasi = 200
Simulasi kesembilan dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kesembilan dapat dilihat pada Tabel
4.38
94
SSSRSSRRSTTTSTSR
RSSTRRRRSSSTTSRT
SSRRTRTRTTRTRSST
RSSTTTRTRSSSSRRS
SSSRSTSTRSSTRSTST
TTSRRSTSTTTTRSTR
TSSSTSTRSTRRTTTR
SRSRRSTTRRTRTRSS
TRRRTRTSSRSRRSRR
TTSRSRSSRRRSSTRR
TRTRSSSTRRRRTTSS
TTTTRSRTSSRRTTSR
RRTRRTTS
95
Tabel 4.39 Data Hasil Simulasi Kesembilan
No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
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
beban listrik yang terpasang pada fasa T sebesar 16.746 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 56,0178 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,3360 %.
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
98
Tabel 4.41 Data Hasil Simulasi Pertama Variasi Gen
No Gen Sum R Sum S Sum T Fitness Ketidakseim
(W) (W) (W) (W) bangan Daya
(%)
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
S yaitu sebesar 16.762 W, pada kolom keempat menunjukkan nilai jumlah daya
beban listrik yang terpasang pada fasa T sebesar 16.607 W, pada kolom kelima
dapat diketahui bahwa nilai fitness sebesar 67,4438 W, dan kolom terakhir
merupakan nilai ketidakseimbangan daya sebesar 0,4046 %.
100
STRRTTSSSTRSTTRS
RTRRSTRTTSTRRTTT
SRRTTTTSSSRRSSRT
SSTTRSTSTSTSRRRS
RTTTSRTSTRRRSRSR
TRRSTSSTTSRTSTRT
SSTRTSSSSTSTRTSRS
TTRSTTTRSRTSRTRT
TSTSTTTRRRRS
Tabel 4.42 merupakan hasil perhitungan dari simulasi kedua dapat diketahui
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 %.
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
Tabel 4.43 merupakan hasil perhitungan dari simulasi ketiga 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 16.685 W, pada kolom ketiga
menunjukkan nilai jumlah daya beban listrik yang terpasang pada fasa S yaitu
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
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,2
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 120
Simulasi keempat dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keempat dapat dilihat pada Tabel 4.44
103
RRSTTSSTRRTSTRRR
TSSSRTRRTRSSSSTR
RRRRRSSSTTSRSSSS
RRRTRRSTRRRRSSR
SSRSTSTTRTSSS
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
Sebelum menjalankan program, parameter algoritma genetika yang
dimasukkan adalah sebagai berikut :
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,2
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 180
Simulasi keenam dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi keenam dapat dilihat pada Tabel 4.46
106
TRTSRRSTTTSRSRRR
SSTTTSRSRSTSRSSR
RSTRTTTSTTSTTRTS
SSTRTTRRTSTRSTSS
TSSSTTTSSRRS
107
SRTSSTTRTRSSSSTT
SSTSTRTRSSRRRTTS
RRSSSSRRRRRSSTRT
SSRSRTSRRRRRRSRR
TTRSRRSRSSRRRSRS
RSTTRSSSRRTRSRRT
TTSRSSRRRRRTTSRR
TTRRRTSTTTTTTTTR
TSRSRSRRSRRTSSTT
RSTRSTTRRTSSTSTR
RRSTRSRTTTRTTTTR
TRSTRSRSTRRSSSTT
SSTRRTSRRSTSSTSR
RRTRSTTRTRRSTSRT
RSTRSRRSRRRRTTRS
TRRRSTTTRRTTTTRT
TSSTRTRSSTSRRRST
TTRSTRRSTRTTTTTT
SRTSRRSSRSSSRSSSS
TRRTTRTTTRSTTSRR
STRTSSRTSRSRSRRS
TTSSRTSRRS
108
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,2
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 240
Simulasi kedelapan dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai terbaik pada simulasi kedelapan dapat dilihat pada Tabel 4.48
109
TTSTSRSTRRRSRTRT
RSSTTSSTTSTTR
110
RRRSTTRTRRSSSRSS
TRSRSSSTRTRTTTTR
RRSRTTSRSRRTTTRR
TTSTRTTSTRTRTSRT
SRSTTRSSTTRTTRTS
RRTSRTRSRTSRRSRS
TRTSTSSTRRRTSTTS
SRSRRSTTRSRRTRSR
TRSTRRSTTTRRTRRT
TSTRSSTSTRSSTSSRS
TTTRTRSTSTSRSTRT
STRSSRTRTRRTSTRS
SSTRTRSRSRRRTSSR
TTRTRRRSSRRTSRRT
RSRSRTTSRRSSSTTS
TRTRSRRTRRTTTSSS
RRTRRSSSTTRRSRTT
TTSSTRRTSTSSSRST
TRTSSTTTTRSRRSTS
TRRRTSRRTSSRTSST
STTRRRSTSTTTTSTR
TSTSSTSSTT
111
1. Jumlah Populasi = 600
2. Probabilitas Pindah Silang = 0,2
3. Probabilitas Mutasi = 0,7
4. Maksimum Generasi = 300
Simulasi kesepuluh dilakukan sepuluh kali perhitungan, dari sepuluh kali
perhitungan nilai yang terbaik pada simulasi kesepuluh dapat dilihat pada Tabel
4.50
112
TSRTTRRRTTRRTSRT
SSRSSSTSSTSRSRS
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 %.
Sesuai dengan data hasil pengujian, maka dapat dibuat grafik perbandingan
ketidakseimbangan daya (%) terhadap variasi maksimum gen.
0.5
Persentase dari rata-rata beban
0.45
Ketidakseimbangan Daya (%)
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
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
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
23 Printer (Canon 230) 10 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
63 Kipas Angin Tornado 70 R
64 Kipas Angin Tornado 70 R
65 Kipas Angin Tornado 70 S
66 Kipas Angin Tornado 70 T
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
83 Kipas Angin Tornado 70 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
89 Kipas Angin Tornado 70 T
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
95 Kipas Angin Tornado 70 T
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
106 Kipas Angin Tornado 70 T
Sumber Daya
107 lampu 18 R
118
108 lampu 18 T
109 komputer 240 S
110 AC (1 PK) 660 T
111 Kipas Angin Tornado 70 S
Ruang Wakil Bidang
112 lampu 18 S
Kemahasiswaan
113 lampu 18 S
114 komputer 240 S
115 AC (1 PK) 660 T
116 Kipas Angin Tornado 70 R
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
123 Kipas Angin Tornado 70 R
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
129 Kipas Angin Tornado 70 T
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
158 Kipas Angin Tornado 70 S
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
174 Printer (Canon 2770) 11 R
175 Printer (Canon 230) 10 T
176 Dispenser 350 R
177 kulkas 70 R
178 AC (1 PK) 660 T
179 Kipas Angin Tornado 43 S
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
195 Kipas Angin Tornado 70 S
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
218 Printer (Canon 2770) 11 R
219 Printer (Canon 2770) 11 S
220 Printer (Canon 2770) 11 S
221 Printer (Canon 2770) 11 R
222 Printer (Canon 230) 10 T
223 AC (1 PK) 660 S
224 Kipas Angin Tornado 70 R
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
235 Printer (Canon 2770) 11 T
236 Printer (Canon 230) 10 S
237 Dispenser 350 S
238 AC (1 PK) 660 T
239 Kipas Angin Tornado 70 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
253 Printer (Canon 2770) 11 R
254 Printer (Canon 230) 10 R
255 Printer (Canon 2770) 10 T
256 kulkas 80 T
257 Dispenser 350 T
258 AC (1 PK) 660 T
259 AC (1 PK) 660 R
260 Kipas Angin Tornado 70 T
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
276 Printer (Canon 2770) 11 S
277 Printer (Canon 2770) 11 T
278 Printer (Canon 230) 10 R
279 kulkas 80 R
280 Dispenser 350 S
281 AC (1 PK) 660 R
282 Kipas Angin Tornado 70 R
283 Kipas Angin Tornado 70 S
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
299 Kipas Angin Tornado 70 T
300 Kipas Angin Tornado 70 S
301 Kipas Angin Tornado 70 S
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
311 Printer (Canon 2770) 11 S
312 Printer (Canon 230) 10 S
123
313 Dispenser 350 T
314 AC (1 PK) 660 S
315 Kipas Angin Tornado 70 T
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
323 Kipas Angin Tornado 70 T
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.
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
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
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
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
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
𝐼𝐿−𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% I unbalance = 𝑥 100 %
𝐼𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
88,691−79,309
= x 100% = 11,8296 %
79,309
1. Beban Awal
𝑉𝑅 + 𝑉𝑆 + 𝑉𝑇 207,397+209,673+214,316 631,386
VRata-rata = = = =210,462
3 3 3
𝑉𝐿−𝑁−𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
% V unbalance = x 100 %
𝑉𝑅𝑎𝑡𝑎−𝑟𝑎𝑡𝑎
214,316−210,462
= 𝑥 100 % = 1,8312 %
210,462
129
tegangan pada kondisi beban awal dan beban simulasi dapat dilihat pada Tabel 4.
56
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.
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
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.
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)
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
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
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)
119. populasi=evaluatePopulation(populasi)
120. mutation(populasi)
121. populasi=crossover(populasi)
122. populasi=DataFrame([ i for i in eachrow(populasi)])
123. populasi=evaluatePopulation(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
Fasa Tegangan (V) Arus (A) Arus Netral (A) Rugi-rugi Daya
(Watt)
R 207,3975∠ -0 83,1401∠ -0
,0005 ,0005
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