JURNAL TEKNIK ITS Vol. X, No.
Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print)
Desain dan Implementasi Sistem Rekomendasi
Penaganan Gangguan Suhu Minyak Trafo
Menggunakan Metode Logika Fuzzy
Muhohammad Fiqih Maulana, Dwiky Fajri Syahbana, dan Ciptian Weried Priananda
Departemen Teknik Elektro Otomasi, Fakultas Vokasi, Institut Teknologi Sepuluh Nopember
Jl. Arief Rahman Hakim, Surabaya 60111 Indonesia
e-mail: mohammadfiqihmaualana@gmail.com; dwiky@its.ac.id; dosen_pembimbing2@its.ac.id
Abstrak— penerapan sistem rekomendasi "Experience-
Based Recommendation" menggunakan rules logika fuzzy
untuk penanganan gangguan pada trafo distribusi. Trafo
distribusi memainkan peran penting dalam menjaga stabilitas
pasokan listrik di era peningkatan kebutuhan energi dan
perkembangan teknologi. Namun, meningkatnya kompleksitas
dan tantangan operasional trafo distribusi membutuhkan
pendekatan yang lebih presisi dan adaptif. Sistem rekomendasi
yang diusulkan menggabungkan pengalaman berbasis
pengetahuan ahli dengan metode logika fuzzy untuk
memberikan rekomendasi penanganan gangguan yang lebih
efektif. Sistem ini menggunakan data input seperti arus,
tegangan, suhu Minyak, tekanan Minyak, dan level minyak
trafo, yang diterjemahkan ke dalam variabel linguistik
menggunakan fungsi keanggotaan. Dalam uji pembebanan
trafo, sistem rekomendasi berhasil mendeteksi gangguan
undervoltage dan perubahan panas pada minyak trafo.
Rekomendasi yang diberikan adalah melakukan Trip pada Low
Voltage trafo saat terjadi gangguan pada jaringan distribusi
beban, dan melakukan Trip pada High Voltage trafo saat
terjadi gangguan pada minyak trafo. Hasil penelitian ini
menunjukkan potensi sistem rekomendasi logika fuzzy dalam
meningkatkan pengendalian gangguan trafo distribusi dengan
presisi yang lebih tinggi dan respons yang adaptif.
Kata Kunci— Logika Fuzzy, Sistem Rekomendasi,
Gangguan Trafo, Node-RED, Under Voltage
I. PENDAHULUAN
P eningkatan kebutuhan energi dan perkembangan
teknologi telah mendorong perkembangan industri
energi, terutama pada peran trafo distribusi. Dalam konteks
distribusi listrik, trafo distribusi memiliki peran penting
dalam menjaga stabilitas dan keandalan pasokan listrik. Oleh
karena itu, penelitian dan inovasi terus dilakukan untuk
mengoptimalkan desain dan operasi trafo distribusi. Salah
satu fokus utama adalah meningkatkan efisiensi transformasi
energi dan mengurangi kerugian daya dalam proses
distribusi.
Gardu kompak (compact substation) adalah suatu unit atau
modul yang terdiri dari transformator daya, panel distribusi,
dan perlengkapan pendukung lainnya yang terpasang dalam
satu unit kompak dan terintegrasi. Gardu kompak dirancang
untuk memberikan solusi yang efisien dan hemat ruang dalam
mendistribusikan tenaga listrik dari jaringan listrik utama ke
lokasi yang lebih kecil seperti perkotaan yang padat atau area
dengan keterbatasan ruang.[5]
1
Namun, penempatan Gardu Kompak pada area tambang
yang sangat jauh dapat menimbulkan tantangan dalam
pemantauan yang efektif. Jarak yang jauh antara gardu
kompak dengan pusat pengendalian dapat menghambat akses
yang cepat dan responsif terhadap kondisi operasional trafo.
Hal ini dapat mengakibatkan keterlambatan dalam
mendeteksi dan menangani gangguan yang mungkin terjadi
pada jaringan distribusi. Sehingga tujuan Proyek Akhir ini
adalah untuk mengembangkan model logika fuzzy yang
efektif dan dapat diimplementasikan pada sistem deteksi
gangguan pada trafo saat beroperasi, dengan menerapkan
logika fuzzy pada trafo memiliki bebebrapa keunggulan,
Pertama, logika fuzzy dapat mengatasi ketidakpastian dan
keambiguan yang ada dalam data pengukuran. Kedua, sistem
logika fuzzy dapat beradaptasi dengan perubahan kondisi
operasional trafo yang kompleks. Ketiga, penggunaan logika
fuzzy dapat membantu meningkatkan keandalan dan efisiensi
operasional trafo dengan mendeteksi gangguan lebih awal.
II. URAIAN PENELITIAN
A. Sistem Rekomendasi
Sistem rekomendasi adalah sistem komputer yang
digunakan untuk memberikan saran atau rekomendasi
kepada pengguna berdasarkan preferensi, minat, atau
kebutuhan mereka. Tujuan utama dari sistem rekomendasi
adalah membantu pengguna dalam menemukan informasi,
produk, atau layanan yang relevan dan menarik bagi
mereka. Sistem rekomendasi dapat ditemukan dalam
berbagai konteks dan industri, termasuk e-commerce, media
dan hiburan, platform streaming, situs web berita, aplikasi
perjalanan, dan banyak lagi. Mereka menggunakan berbagai
metode dan teknik, termasuk analisis data, pemodelan
statistik, kecerdasan buatan, dan pengolahan bahasa alami,
untuk menghasilkan rekomendasi yang disesuaikan dengan
kebutuhan dan preferensi pengguna. Terdapat beberapa jenis
sistem rekomendasi yang umum digunakan, di antaranya:
1. Rekomendasi berdasarkan konten (Content-based
recommendation): Sistem ini menganalisis karakteristik
atau atribut dari item yang direkomendasikan, seperti
teks, gambar, atau metadata, dan mencocokkan dengan
preferensi pengguna. Misalnya, sistem dapat
merekomendasikan film serupa berdasarkan genre atau
aktor favorit pengguna.
2. Rekomendasi berdasarkan kolaborasi (Collaborative
filtering): Sistem ini menggunakan informasi dari
pengguna lain atau item lain untuk menghasilkan
rekomendasi. Dengan menganalisis pola kesamaan atau
 JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print)
preferensi pengguna, sistem dapat merekomendasikan
item yang disukai oleh pengguna dengan preferensi
serupa.
3. Rekomendasi berdasarkan faktor (Factor-based
recommendation): Sistem ini memodelkan preferensi
pengguna dan atribut item menggunakan faktor-faktor
yang tidak terlihat atau tersembunyi. Dengan
memperhitungkan faktor-faktor ini, sistem dapat
memberikan rekomendasi yang lebih personal dan akurat.
4. Rekomendasi berdasarkan pengalaman pengguna
(Experience-based recommendation): Sistem ini
menggunakan informasi tentang pengalaman pengguna
sebelumnya, seperti riwayat pembelian atau penilaian,
untuk membuat rekomendasi yang relevan. Misalnya,
sistem e-commerce dapat merekomendasikan produk
yang sering dibeli oleh pengguna atau mendapatkan
ulasan positif.
B. Pengaruh suhu terhadap pembebanan trafo
Transformator banyak dipengaruhi oleh kekuatan
dari isolasinya, dimana perubahan sifat dari isolator akan
membuat penurunan masa guna dari Transformator.
Transformator biasanya didesain untuk dipergunakan pada
temperature lingkungan 20 C dimana Transformator
tersebut beroperasi. Di Indonesia beberapa lokasi
penempatan Transformator mempunyai temperatur
lingkungan diatas 30 C, sehingga Transformator tidak bisa
bekerja secara optimal karena temperatur tertinggi pada
Transformator akan lebih tinggi dari maksimum yang
ditentukan. Pengoperasian diatas temperatur yang di
persyaratkan akan mengakibatkan menurunnya kekuatan
isolasi, oleh karenanya dalam mengoperasikan Transformator
pelayanan optimal harus dilakukan untuk menghindari
penurunan masa guna yang diakibatkan menurunnya kualitas
dari bahan – bahan isolator.[7]
Temperatur Ambient merupakan temperatur yang ada
Temperatur Ambient merupakan faktor penting dalam
menentukan kemampuan Transformator saat melayani beban,
pada saat temperatur meningkat diwaktu pembebanan,
temperatur Ambient harus ditambahkan untuk menentukan
temperature operasi. Temperatur Ambient biasanya
dituliskan dengan symbol A. Isolasi yang biasa dipakai dalam
transformator bisa cepat sekali menjadi buruk apabila dikenai
panas dengan temperatur diatas 100C secara terus menerus.
Temperatur diatas 100C ini hanya dapat ditahan dalam
selang waktu yang relatif singkat, namun efek kumulatif dan
hubungan antara temperatur dengan waktu tidak dapat
ditentukan. Kenaikan temperatur pada kumparan, inti dan
minyak trafo dirancang untuk pemakaian dengan ketinggian
tidak lebih dari 1000 meter diatas permukaan laut. Untuk
transformator yang menggunakan media pendingin air, maka
temperatur air tidak boleh lebih dari 25C, sedangkan untuk
transformator yang menggunakan media pendingin udara,
maka temperatur udaranya tidak boleh lebih dari 40C dan
tidak boleh dibawah -25C untuk pemasangan luar dan tidak
boleh dibawah -5C untuk pemasangan dalam. Sebagai
tambahan untuk pendinginan dengan udara,
Metode ini disederhanakan sebagai asumsi yang
telah dibuat sebagai berikut:
a) Temperatur minyak bertambah secara linear dari bawah
keatas sepanjang belitan kumparan transformator.
2
b) Temperatur belitan bertambah secara linear dari bawah
keatas, dengan sebuah konstanta perbedaan temperatur g.
c) Kenaikan temperatur hot spot di bagian atas belitan lebih
tinggi daripada rata-rata kenaikan temperature belitan. Untuk
mempertimbangkan non-linearan seperti meningkatnya rugi-
rugi pada bagian atas belitan, perbedaan temperatur hot-spot
dan temperature minyak bagian atas belitan didefinisikan
sebagai Hg. Faktor H dari hot-spot menurut IEC 60076-7,
untuk transformator distribusi digunakan H=1,1 dan
transformator daya digunakan nilai H=1,3.
Gambar 2. 1 Diagram Termal Trafo
Sedangkan untuk kenaikan temperatur hot spot dapat
dihitung dengan rumus :
H=H.g.K2m
H = Faktor hot-spot yang disebabkan akibat rugi eddy pada
belitan akhir
g = Selisih antara temperatur rata2 belitan dengan temperatur
rata-rata minyak pada rating beban.
K = Faktor beban ( suplai beban/ rating beban)
m = Konstanta yang tergantung dari metode pendinginan
Temperatur minyak bagian atas (Top Oil Temperature)
adalah temperatur yang ada pada bagian belitan kumparan
teratas [9]
Persamaan untuk temperatur minyak bagian atas :
TO=A+TO
TO = Temperatur minyak bagian atas (°C)
TO = Kenaikan temperatur minyak bagian atas (°C)
A = Temperatur Ambient (°C)
Kenaikan temperatur minyak bagian atas pada saat waktu
perubahan beban dapat dihitung dengan persamaan dibawah
ini :
TO=(TO,U - TO,i)[1-e− ] + TO,i
TO,U = Kenaikan temperatur minyak bagian atas tujuan
(°C)
TO,I = Kenaikan temperatur minyak bagian atas awal
(°C)
T = Durasi dari beban (menit atau jam)
πTO = Waktu konstan minyak, 210 menit (ONAN)
C. Gangguan Jaringan Beban
Gangguan pada trafo dalam jaringan distribusi adalah
kejadian yang mengganggu kelancaran pasokan listrik dan
kinerja trafo
1. Undervoltage (tegangan rendah) adalah kondisi di mana
tegangan listrik pada suatu sistem atau peralatan berada di
bawah nilai tegangan normal yang diharapkan. Hal ini
dapat terjadi ketika tegangan input atau output dari suatu
 JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print)
perangkat atau sistem listrik lebih rendah daripada tingkat
tegangan yang diinginkan atau yang telah ditentukan.
Undervoltage dapat terjadi akibat gangguan pada jaringan
listrik, beban yang berlebihan, atau masalah pada
peralatan trafo atau transformator. Undervoltage dapat
mengganggu operasi normal peralatan listrik, mengurangi
kinerja peralatan, menyebabkan kegagalan sistem, atau
merusak perangkat elektronik yang sensitif terhadap
perubahan tegangan.
2. Over current pada trafo adalah kondisi dimana arus yang
mengalir melalui trafo melebihi batas yang direncanakan
atau kapasitas yang dapat ditangani oleh trafo tersebut.
Over current dapat terjadi akibat beban yang berlebihan
atau adanya gangguan pada jaringan distribusi.
3. Overload current, atau arus beban berlebih, terjadi ketika
arus yang mengalir melalui sebuah perangkat melebihi
batas kapasitas atau rating yang ditentukan untuk
perangkat tersebut. Hal ini terjadi ketika beban yang
terhubung ke perangkat melebihi daya atau kemampuan
yang dapat ditangani oleh perangkat tersebut.
Peningkatan arus yang melebihi batas normal dapat
menyebabkan perangkat mengalami peningkatan suhu
yang berlebihan, yang pada gilirannya dapat
menyebabkan kerusakan, kegagalan, atau bahkan risiko
kebakaran. Overload current dapat terjadi baik pada
perangkat elektronik kecil seperti alat rumah tangga
maupun pada peralatan listrik yang lebih besar seperti
trafo atau generator.
Untuk mencegah overcurrent, perangkat perlindungan
seperti fuse, circuit breaker, atau relay overload
digunakan. Secara umum, overcurrent lebih merujuk pada
situasi di mana arus melampaui batas yang ditetapkan,
sedangkan overload current lebih spesifik mengacu pada
situasi di mana beban melebihi kapasitas yang ditetapkan
untuk perangkat. Overcurrent dapat terjadi karena
berbagai alasan termasuk overload current, namun
overload current adalah salah satu penyebab umum
overcurrent.
D. Logika Fuzzy
Kendali logika fuzzy pada penelitian ini
menggunakan metode Takagi Sugeno Kang (TSK). Kendali
logika fuzzy disebut juga Fuzzy Inference System (FIS) adalah
sistem kendali yang menggunakan konsep teori himpunan
fuzzy, aturan fuzzy if-then, dan fuzzy reasoning. Pada dasarnya
input FIS dapat berbentuk fuzzy input atau crisp input, tetapi
output yang dihasilkan hampir selalu berbentuk fuzzy set.
Struktur dasar kendali logika fuzzy diperlihatkan pada
Gambar 2.3 Struktur kendali logika fuzzy berdasarkan
Gambar 2.3 terdiri dari fuzzifikasi, database (fungsi
keanggotaan dari himpunan fuzzy yang digunakan pada
aturan fuzzy), rule base (basis kaidah), decision-making unit
atau disebut juga fuzzy inferensi (operasi inferensi pada
aturan fuzzy), dan defuzzifikasi [15]. Fungsi keanggotaan
merupakan suatu kurva yang menunjukkan pemetaan titik-
titik data masukan ke dalam nilai keanggotaannya. Fungsi
keanggotaan diekspresikan dengan derajat keangotaan yang
nilainya antara “0” dan “1”. Terdapat beberapa kurva yang
digunakan untuk mendefinisikan fungsi keanggotaan, yaitu
fungsi keanggotaan segitiga, trapesium, Gaussian, lonceng,
dan Sigmoidal.[11]
3
Gambar 2. 2 Struktur dasar kendali logika fuzzy
III. PETUNJUK TAMBAHAN
A. Desain Rancangan Keseluruhan Sistem
Gambar 3. 1 Arsitektur Sistem
Sistem integrasi IoT terdiri dari beberapa komponen
utama, yaitu Local Area, IoT Gateway, dan Monitoring
Ganggaun Trafo. Sistem ini merupakan suatu sistem yang
memanfaatkan teknologi terkini untuk mengumpulkan,
memproses, dan menganalisis data dari trafo pada saat
beroperasi. Sistem ini dibuat dengan tujuan untuk
meningkatkan kinerja dan efisiensi pengelolaan dan
pencegahan terjadinya Gangguan dengan pendeteksian dini
pada trafo menggunakan parameter nilai yang diambil.[4]
Local Area merupakan elemen yang memiliki peran yang
sangat krusial dalam sistem ini. Terdapat beberapa komponen
yang memiliki tugas yang sangat penting di dalamnya.
Pertama, plant atau objek yang sedang dianalisis merupakan
komponen yang menjadi fokus utama dalam sistem.
Komponen ini adalah sumber data dan informasi yang akan
diproses. Kemudian, pembacaan nilai parameter dilakukan
untuk mengumpulkan data dari plant atau objek tersebut.
Selanjutnya, aktuator berperan dalam mengubah atau
mengendalikan keadaan atau aksi dari plant berdasarkan hasil
analisis yang telah dilakukan. Pengiriman data juga
merupakan komponen penting yang memungkinkan transfer
informasi antara berbagai elemen dalam sistem, seperti antara
plant, sensor, aktuator, dan sistem pengolahan data. Terakhir,
pengaplikasian Fuzzy Inference System digunakan untuk
memproses data dan menghasilkan keluaran yang digunakan
sebagai dasar pengambilan keputusan atau kontrol terhadap
plant atau objek yang dianalisis. Semua komponen ini bekerja
secara sinergis dalam Local Area untuk menjalankan fungsi
dan tujuan sistem secara efektif dan efisien.
B. Local Area
Pada bagian Lokal Area memiliki komponen yaitu Trafo
ONAN, Power Meter, Modular IO, LoRa Node, dan Arduino
Nano, Adapun konetifitas dari setiap komponen yaitu
menggunakan RS 485 dan kabel konvensional hanya terdapat
pada DMCR menuju Modular IO. Kemudian komponen lain
menggunakan koneksi RS 485 dengan prinsip one to many.
LoRa Node memiliki peran penting dalam dalam
pengambilan data, dalam hal ini LoRa Node bertindak
sebagai Master pada serial RS 485, sehingga pada setiap
komponen slave memiliki ID untuk membedakan antara
Slave satu dengan yang lain, berikut data tabel slave ID pada
sistem Local Area
JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print) 4

Tabel 3. 1 Slave ID D. Penerapan Expereience-Based Recommendation pada

Aturan Logika Fuzzy
Device Power Connection ID
Arduino NANO Adaptor 5VDC RS 485 Slave3 Sistem rekomendasi "Experience-Based Recommendation"
Modular IO 24VDC RS 485 Slave 2 menggunakan rules logika fuzzy untuk penanganan gangguan
Power Meter 220VAC RS 485 Slave 1 trafo adalah sebuah sistem yang menggabungkan pengalaman
LoRa Node 24VDC RS 485 Master berbasis pengetahuan ahli dengan metode logika fuzzy.
Modular IO terkoneksi dengan ACB dan CB Kubikel sebagai Sistem ini bertujuan untuk memberikan rekomendasi
output dan DMCR sebagai input penanganan yang lebih presisi dan adaptif berdasarkan
Tabel 3. 2 Modular Pin IO pengalaman sebelumnya. Selanjutnya, sistem menerapkan
aturan-aturan fuzzy yang telah ditentukan berdasarkan
Komponen Fungsi Modular IO
Suhu Minyak AI 0
pengalaman dan pengetahuan ahli. Aturan-aturan ini
Alarm Suhu Minyak DI 0 mencakup korelasi antara kondisi trafo dan rekomendasi
DMCR penanganan yang telah terbukti efektif dalam penanganan
Tekanan Minyak DI 1
Level Minyak DI 2 gangguan trafo sebelumnya. Misalnya, jika suhu tinggi dan
ACB Trip High Voltage DO0 arus melampaui batas, maka rekomendasi penanganan dapat
CB Kubikel Trip low Voltage DO1 berupa "mematikan trafo" pada bagian High Voltage maupun
Mapping Channel pada rule setting digunakan untuk Low Voltage trafo berdasarkan Gangguan yang terjadi Selain
memastikan data pada setiap Slave ID terkirim dengan baik, memberikan rekomendasi penanganan
dengan memperhatikan Slave ID dan juga address data yang
E. Model Fuzzy untuk Deteksi Gangguan
diambil
Tabel 3. 3 Mapping Channel 1. Fuzzifikasi adalah tahap awal dalam mengubah himpunan
tegas (crisp) menjadi himpunan fuzzy. Hal ini diperlukan
Contact karena input awalnya dalam bentuk bilangan tegas dari
Device ID Command Address
Status
DI 0 3 NO
himpunan tegas. Proses fuzzifikasi ini melibatkan
DI 1 4 NO pengelompokkan input ke dalam tingkatan linguistik yang
Modular DI 2 5 NO terkait dengan variabel fuzzy yang sesuai. Dengan
2
IO DO0 19 NO demikian, himpunan fuzzy dibentuk berdasarkan kategori
DO1 20 NO linguistik yang mencerminkan tingkatan atau derajat
AI0 21,22 Value
Power Phase Voltage A 74, 75 Value
keanggotaan dari input tersebut.
1
Meter Phase Current A 86, 87 Value
Metode fuzzy sugeno ini menggunakan tiga jenis fungsi
Power Meter mengukur beberapa parameter penting, seperti
keanggotaan yaitu fungsi keanggotaan bahu kanan, bahu
arus listrik (ampere), tegangan (volt), daya aktif (watt), faktor
kiri dan segitiga. Fungsi keanggotaan bahu kiri digunakan
daya, energi terpakai (kilowatt-hour), dan faktor-faktor lain
untuk merepresentasikan dua titik variable input
terkait konsumsi energi. Power meter biasanya terdiri dari
Tabel 3.5 Variabel Input
unit pemantauan yang terhubung ke sistem listrik yang akan
Variabel Input Fungsi Keanggotaan Range
diukur. Unit tersebut dapat berupa perangkat keras fisik yang
Sedang 30-82°C
terpasang pada panel listrik atau perangkat lunak yang
Suhu Minyak Panas 78-92°C
terintegrasi dengan sistem komputer atau jaringan.
Diperlukan Mapping Channel untuk pengiriman data power Sangat Panas 88-100°C
meter menuju LoRa Node untuk pemantauan Gangguan Normal <250mBar
Tekanan Minyak
jaringan distribusi.[3] Tekanan Tinggi >250mBar
Rendah <170cm3
C. Monitoring GGangguan Trafo Level Minyak
Normal >170cm3
Monitoring gangguan pada jaringan distribusi trafo dan 2. Aturan logika fuzzy untuk sistem ini dibuat berdasarkan
minyak trafo dapat dilakukan menggunakan metode logika himpunan fuzzy dari variabel input dan output. Aturan ini
fuzzy yang dilengkapi dengan perhitungan pendekatan memiliki tujuan untuk mengklasifikasikan tingkat
gangguan dan sistem feedback. Sistem ini memungkinkan
gangguan pada minyak trafo berdasarkan himpunan fuzzy
deteksi dini terhadap gangguan baik pada bagian low voltage
dari variabel input.[8]
maupun high voltage trafo. Dengan memasukkan variabel
Tabel 3. 4 Aturan Logika Fuzzy Gangguan Minyak
input seperti suhu trafo, level minyak, dan arus beban, sistem
Rule Suhu Tekanan Level Status
logika fuzzy akan mengolah data tersebut dan memberikan
R1 Normal Normal Normal Normal
keluaran yang menunjukkan adanya gangguan atau kondisi
R2 Normal Normal Rendah Pengawasan
yang tidak normal. Jika ditemukan gangguan, sistem akan
R3 Normal Tinggi Normal Pengawasan
memberikan feedback untuk melakukan trip pada trafo,
R4 Normal Tinggi Rendah Abnormal
sehingga tindakan perbaikan atau pencegahan dapat
R5 Panas Normal Normal Normal
dilakukan secara tepat waktu.[6]
R6 Panas Normal Rendah Pengawasan
R7 Panas Tinggi Normal Pengawasan
R8 Panas Tinggi Rendah Abnormal
R9 Over Normal Normal Abnormal
R10 Over Normal Rendah Pengawasan
R11 Over Tinggi Normal Pengawasan
Gambar 3. 2 Node - RED Dashboard R12 Over Tinggi Rendah Abnormal
JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print) 5

Dalam implementasi sistem logika fuzzy, digunakan satu set 700kW yaitu 25%, 50% dan 75% dengan peningkatan beban
aturan untuk menghubungkan variabel input seperti "Suhu setiap 20 menit dan durasi pengujian 1 jam serta
Minyak," "Tekanan Minyak," dan "Level Minyak" dengan pengambilan data sebanyak 24 kali setiap 2,5 Menit:
variabel output yaitu "Status." Aturan-aturan ini mencakup 24/2,5 mnt Percentage Load Test
pengetahuan ahli dan logika pengambilan keputusan yang No Load Tegangan R Arus R Suhu Tekanan Level
1 176,4kW 395 455 67,8 117 92
diperlukan untuk mengevaluasi tingkat kepanasan pada
2 176,4kW 395 455 67,8 117 92
sistem pendingin. Kumpulan aturan ini menggabungkan 3 176,4kW 395 455 67,8 117 92
pengetahuan ahli dan logika pengambilan keputusan, di mana 4 176,4kW 400 455 67,8 117 92
setiap aturan merepresentasikan skenario tertentu dan 5 176,4kW 400 455 67,8 117 92
menentukan tingkat keluaran yang sesuai berdasarkan istilah 6 176,4kW 400 455 67,8 117 92
linguistik yang terkait dengan variabel input. 7 176,4kW 400 455 67,8 117 92
8 176,4kW 400 455 67,8 117 92
9 352,8kW 400 455 67,8 117 110
IV. PENGUJIAN DAN ANALISA 10 352,8kW 400 897 70,1 117 110
Deteksi Gangguan Trafo pada saat Uji Beban 11 352,8kW 400 897 70,1 117 110
Trafo yang digunakan memiliki spesifikasi sebagai berikut: 12 352,8kW 400 897 70,1 117 110
Kapasitas Power :1250KVA 13 352,8kW 400 897 70,1 117 110
14 352,8kW 400 897 70,1 117 110
Maksimal pembebanan :705,6kW 15 352,8kW 400 897 70,1 117 110
Vin : 20kV 16 352,8kW 400 897 70,1 117 110
Vout : 400V 17 529,2kW 400 897 70,1 117 127
Rasio : 1:50 18 529,2kW 400 1353 70,1 117 127
Arus High Voltage : 36,08A 19 529,2kW 400 1353 71,8 117 127
Arus Low Voltage : 1800A 20 529,2kW 400 1353 71,8 118 127
21 529,2kW 400 1353 71,8 118 127
Impedansi : 5,71
22 529,2kW 402 1353 71,8 118 127
1. Berikut merupakan hasil Tes Pembebanan penuh pada 23 529,2kW 402 1353 71,8 118 127
700kW selama 1 jam, dengan durasi pengujian 1 jam serta 24 529,2kW 402 1353 71,8 118 127
pengambilan data sebanyak 24 kali setiap 2,5 Menit: Dengan Data Tabel respon pada Arus dan Tegangan,
terdapat kewajaran pada arus trafo disaat pembebanan 25%,
24/2,5 mnt Full Load Test
No Load Tegangan R Arus R Suhu Tekanan Level
50% dan 75%, yaitu pembebanan dibawah kapasitas penuh
1 700kW 390 1750 70 110 175 mengakibatkan trafo bekerja dalam kondisi normal,
2 700kW 390 1750 70 110 175 Sehingga tidak ada kendala pada jaringan distribusi yang
3 700kW 390 1750 70 110 175 terjadi. Maka pada sistem logika Fuzzy yang sudah dibuat
4 700kW 390 1750 85 110 175 mengindikasikan status Trafo dalam kondisi “Normal”. Hal
5 700kW 395 1750 85 110 175
6 700kW 395 1750 85 110 175
ini merupakan penerapan pada Sitem Logik Fuzzy pada Rules
7 700kW 395 1750 85 110 175 1 yaitu if “Suhu” “Normal” and “Tekanan” “Normal” and
8 700kW 395 1750 85 110 175 “Level” “Normal” then “Status” “Normal”.
9 700kW 395 1755 89,7 112 175 3. Berikut merupakan hasil Tes Pembebanan Step 2 point
10 700kW 395 1755 89,7 112 175
tingkatan beban yaitu 20% dan 80% dari maksimal beban
11 700kW 395 1755 89,7 112 175
12 700kW 400 1755 89,7 112 175 yang ditampung oleh trafo. dengan durasi pengujian 1 jam,
13 700kW 400 1755 89,7 112 175 penaikan pembebanan dari 20% menuju 80% pada menit 30
14 700kW 400 1755 89,7 112 175 serta pengambilan data sebanyak 24 kali setiap 2,5 Menit:
15 700kW 400 1755 89,7 112 175
16 700kW 400 1800 89,7 112 175
Dengan data Tabel respon pada Arus dan Tegangan,
17 700kW 402 1800 89,7 112 175
18 700kW 402 1800 89,7 125 175 terdapat kewajaran pada arus trafo disaat pembebanan 20%
19 700kW 402 1800 89,7 125 175 dan 80%, yaitu pembebanan dibawah kapasitas penuh
20 700kW 402 1800 89,7 125 175 mengakibatkan trafo bekerja dalam kondisi normal, Sehingga
21 700kW 402 1800 89,7 125 175 tidak ada kendala pada jaringan distribusi yang terjadi. Maka
22 700kW 402 1800 89,7 125 175
pada sistem logika Fuzzy yang sudah dibuat mengindikasikan
23 700kW 402 1800 89,7 125 175
24 700kW 402 1800 89,7 125 175 status Trafo dalam kondisi “Normal”. Hal ini merupakan
Dengan Tabel data Arus dan Tegangan, terdapat penerapan pada Sitem Logik Fuzzy pada Rules 1 yaitu if
ketidaknormalan pada arus trafo disaat pembebanan, yaitu “Suhu” “Normal” and “Tekanan” “Normal” and “Level”
beban dengan kapasitas penuh mengakibatkan terjadi arus “Normal” then “Status” “Normal”[2].
yang mengalir sangat besar, begitu juga mempengaruhi
kinerja dari kumparan inti pada sekunder trafo yang bekerja
maksimal, mengakibatkan Minyak menjadi sangat panas.
Maka pada sistem logika Fuzzy yang sudah dibuat
mengindikasikan status Trafo dalam “Pengawasan”. Hal ini
merupakan penerapan pada Sitem Logik Fuzzy pada Rules 10
yaitu if “Suhu” “Over” and “Tekanan” “Normal” and “Level”
“Rendah” then “Status” “Pengawasan”.[10]
2. Berikut merupakan hasil Tes Pembebanan persentase tiga
poin dari pembebanan penuh
JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print) 6

24/2,5 mnt Step Load Test 24/5 mnt Transient Load Test
No Load Tegangan R Arus R Suhu Tekanan Level No Load Tegangan R Arus R Suhu Tekanan Level
1 141,1kW 395 360 68 115 88 1 141,1kW 400 360 68 115 88
2 141,1kW 395 360 68 115 88 2 141,1kW 400 360 68 115 88
3 141,1kW 400 360 68 115 88 3 141,1kW 400 360 68 115 88
4 141,1kW 400 360 68 115 88 4 141,1kW 400 360 68 115 88
5 141,1kW 400 360 68 115 88 5 141,1kW 400 360 68 115 145
6 141,1kW 400 360 68 115 88 6 635,0kW 385 1500 68 115 145
7 141,1kW 400 360 68 115 88 7 635,0kW 385 1620 70,2 117 145
8 141,1kW 400 360 68 115 88 8 635,0kW 385 1620 70,2 117 145
9 141,1kW 400 360 68 115 88 9 635,0kW 400 1620 70,2 117 145
10 141,1kW 400 360 68 115 88 10 635,0kW 400 1620 70,2 117 145
11 141,1kW 400 360 68 115 88 11 635,0kW 400 1620 70,2 117 145
12 141,1kW 400 1440 68 115 88 12 635,0kW 400 1620 70,2 117 145
13 564,4kW 400 1440 74 118 131 13 635,0kW 400 1620 70,2 117 145
14 564,4kW 395 1440 74 118 131 14 635,0kW 400 1620 70,2 117 145
15 564,4kW 395 1440 74 118 131 15 635,0kW 400 1620 70,2 117 145
16 564,4kW 395 1440 74 118 131 16 635,0kW 395 1620 70,2 117 145
17 564,4kW 395 1440 74 118 131 17 635,0kW 395 1620 70,2 117 145
18 564,4kW 395 1440 74 118 131 18 635,0kW 395 1620 70,2 117 145
19 564,4kW 395 1440 74 118 131 19 635,0kW 400 1620 76 122 145
20 564,4kW 395 1440 74 118 131 20 635,0kW 400 1620 76 122 145
21 564,4kW 395 1440 74 118 131 21 635,0kW 400 1620 76 122 145
22 564,4kW 400 1440 74 118 131 22 635,0kW 400 1620 76 122 145
23 564,4kW 400 1440 74 118 131 23 635,0kW 400 1620 76 122 145
24 564,4kW 400 1440 74 118 131 24 635,0kW 400 1620 76 122 145
4. Berikut merupakan hasil Tes Pembebanan Durasi Panjang Dengan data tabel respon pada Arus dan Tegangan,
2 jam dengan beban yaitu 70% dari maksimal beban yang terdapat kewajaran pada arus trafo disaat pembebanan 20%
ditampung oleh trafo. serta pengambilan data sebanyak 24 menuju 90%, yaitu pembebanan dibawah kapasitas penuh
kali setiap 5 Menit mengakibatkan trafo bekerja dalam kondisi normal, namun
24/5 mnt Long Duration Load Test pada menit 15 perubahan transien pembebanan
No Load Tegangan R Arus R Suhu Tekanan Level mengakibatkan terjadi kendala pada jaringan distribusi yaitu
1 493,9kW 400 1260 70,2 117 121
terjadi Drop voltage seketika pada jaringan distribusi yang
2 493,9kW 400 1260 70,2 117 121
3 493,9kW 400 1260 70,2 117 121
mengakibatkan tegangan menurun atau Under Voltage pada
4 493,9kW 400 1260 70,2 117 121 saat beban bertambah naik dari 20% menuju 90% secara
5 493,9kW 400 1260 70,2 117 121 transien kemudian tegangan berangsur stabil Kembali ke
6 493,9kW 400 1260 70,2 117 121 400V pada menit ke 47,5. Maka pada sistem logika Fuzzy
7 493,9kW 400 1260 70,2 117 121 yang sudah dibuat mengindikasikan status Trafo dalam
8 493,9kW 400 1260 70,2 117 121 kondisi “Normal”. Hal ini merupakan penerapan pada Sitem
9 493,9kW 400 1260 70,2 117 121
Logik Fuzzy pada Rules 1 yaitu if “Suhu” “Normal” and
10 493,9kW 400 1260 70,2 117 121
11 493,9kW 400 1260 70,2 117 121 “Tekanan” “Normal” and “Level” “Normal” then “Status”
12 493,9kW 400 1260 70,2 117 121 “Normal”. Namun pada indikator Node - Red akan
13 493,9kW 400 1260 70,2 117 121 mengindikasikan Gangguan UnderVoltage selama 15 menit
14 493,9kW 400 1260 70,2 117 121 dan berangsur indicator tersebut Off.[1]
15 493,9kW 400 1260 70,2 117 121
16 493,9kW 400 1260 70,2 117 121
17 493,9kW 400 1260 70,2 117 121 V. KESIMPULAN/RINGKASAN
18 493,9kW 400 1260 70,2 117 121
19 493,9kW 400 1260 70,2 117 121
Berdasarkan penelitian dan analisis yang dilakukan
20 493,9kW 400 1260 70,2 117 121 menggunakan metode "Experience Based Recommendation"
21 493,9kW 400 1260 70,2 117 121 dengan menggunakan rules logika fuzzy, berhasil terlihat
22 493,9kW 400 1260 70,2 117 121 bahwa sistem ini efektif dalam memonitor dan
23 493,9kW 400 1260 70,2 117 121 mengkategorikan gangguan pada trafo. Proses analisis
24 493,9kW 400 1260 70,2 117 121 gangguan menjadi lebih terarah dan efisien. Penggunaan
Dengan Grafik respon pada gambar Arus dan Tegangan, logika fuzzy membantu mengatasi ketidakpastian dan
terdapat kewajaran pada arus trafo disaat pembebanan 70% keambiguan dalam data pengukuran. Selain itu, sistem logika
dengan durasi 2 jam yaitu pembebanan dibawah kapasitas fuzzy dapat beradaptasi dengan perubahan kondisi
penuh mengakibatkan trafo bekerja dalam kondisi normal, operasional trafo yang kompleks, seperti saat pengujian
Sehingga tidak ada kendala pada jaringan distribusi yang beban pada trafo. Penggunaan logika fuzzy ini dapat
terjadi. Maka pada sistem logika Fuzzy yang sudah dibuat meningkatkan keandalan dan efisiensi operasional trafo
mengindikasikan status Trafo dalam kondisi “Normal”. Hal dengan mendeteksi gangguan secara lebih awal. Dengan
ini merupakan penerapan pada Sitem Logik Fuzzy pada Rules demikian, penggunaan logika fuzzy dalam sistem
1 yaitu if “Suhu” “Normal” and “Tekanan” “Normal” and rekomendasi ini memberikan manfaat yang signifikan
“Level” “Normal” then “Status” “Normal”.
5. Berikut merupakan hasil Tes Pembebanan transien 2 poin
dari pembebanan penuh 700kW yaitu 20% menuju 90% UCAPAN TERIMA KASIH
dengan peningkatan beban pada menit ke 15 dan durasi Penulis mengucapkan terima kasih kepada Allah SWT
pengujian 1 jam serta pengambilan data sebanyak 24 kali yang telah memberikan rahmat dan hidayahnya,Kedua orang
setiap 2,5 Menit:
JURNAL TEKNIK ITS Vol. X, No. Y, (TAHUN) ISSN: 2337-3539 (2301-9271 Print) 7

tua yang selalu memberikan dukungan. Dosen pembimbing

1 dan Dosen pembimbing 2 yang senantiasa memberikan
bimbingan dan masukan terhadap project yang penulis
kerjana. Penulis juga diperkenankan menyampaikan ucapan
terima kasih kepada seluruh pihak dari departemen Teknik
Elektro Otomasi dan mitra yang telah membantu dari
segi fasilitas maupun pendanaan dalam pembangunan

DAFTAR PUSTAKA

[1] I. P. a. E. Society, "IEEE Standard Requirements for

Instrument Transformers," IEEE Std C57.13™-2016,
pp. 1-96, 2016.
[2] I. P. a. E. Society, "IEEE Guide for the Use of
Dissolved Gas Analysis Applied to Factory
Temperature Rise Test for the Evaluation of Mineral
Oil-Immresed Transformers and Reactors,"
IEEE Std C57.130™-2015, pp. 1-17, 2015.
[3] I. P. &. E. Society, "IEEE Standard Terminology for
Power and Distribution Transformers," IEEE Std
C57.12.80™-2010, pp. 1-56, 2010.
[4] I. P. a. E. Society, "IEEE Standard for Performance
and Test Requirements for Instrument Trnasformers of
a Nominal System Voltage of 155 kV and Above,"
IEEE Std C57.13.5™-2019, pp. 1-81, 2019.
[5] Desmira and A. D. Listiyawan, "Analisa Disturbance
Fault Recorder (DFR) Sebagai Alat Perekam Anomali
pada Gardu Induk Rangkat Baru," Energi dan
Kelistrikan: Jurnal Ilmiah - Universitas Sultan Ageng
Tirtayasa, pp. 1-12, 2021.
[6] J. Kopjak, "Event-driven Fuzzy Inference System
Implementation in Node-RED," 17th International
Symposium on Intelligent Systems and Informatics, pp.
1-6, SISY 2019.
[7] D. I. Krisnadi, "ANALISIS PENGARUH
TEMPERATUR TERHADAP MASA GUNA DAN
PEMBEBANAN DARURAT," UNIVERSITAS
INDONESIA - FAKULTAS TEKNIK PROGRAM
MAGISTER TEKNIK ELEKTRO , pp. 1-82, 2011.
[8] F. Suryatini and Maimunah, "Implementasi Sistem
Kontrol Irigasi Tetes Menggunakan Konsep IoT
Berbasis Logika Fuzzy Takagi-Sugeno," rusan Teknik
Otomasi Manufaktur dan Mekatronika, Politeknik
Manufaktur Bandung, pp. 1-10, 2018.
[9] A. A. N. A. I Nyoman Oksa Winanta, "Studi
Tegangan Tembus Minyak Transformator," Jurnal
SPEKTRUM Vol. 6,No. 3, pp. 1-9, 2019.
[10] IEC, "Insulating Liquids-Determination of Breakdown
Voltage at Power Frequency tTest Methods," IEC
60156, pp. 23 - 55, 1995.
[11] A. A. N. A. I Weda Suryawan, "Analisis Penyeimbang
Beban Pada Transformator Distribusi Menggunakan
Metode Fuzzy," Majalah Ilmiah Teknologi Elektro,
Vol. 17, No. 1, pp. 1-7, 2018.