Deteksi Partial Discharge dengan Metode CNN VGG16

Abstract

Partial discharge adalah peristiwa loncatan listrik pada bahan isolasi listrik yang menimbulkan kerusakan pada peralatan listrik. Untuk itu diperlukan suatu metode untuk mendeteksi peristiwa partial discharge. Salah satu metode yang dapat digunakan untuk deteksi partial discharge adalah metode CNN VGG16. CNN akan melakukan pemodelan dari analisa dataset gambar partial discharge VSB lalu menggunakannya untuk mengklasifikasikan data baru sebagai partial discharge atau tidak. Pada penelitian ini akan dianalisa bagaimana pengaruh parameter pemodelan dan pembagian dataset terhadap peforma. Penyesuaian parameter dilakukan dengan memvariasikan nilai learning rate, steps per epoch, dan validation steps untuk melihat nilai terbaik sehingga nantinya nilai terbaik yang akan digunakan. Pembagian dataset dilakukan dengan tiga variasi yaitu pembagian train, validasi, dan test pada dataset pertama dibagi rata, yang kedua didominankan ke train, dan yang ketiga jumlah data noPD terlebih dahulu dikurangi agar seimbang dengan PD kemudian data didominankan juga pada train. Berdasarkan penelitian, terbukti bahwa variasi dataset ketiga yang memiliki peforma terbaik dan menunjukkan bahwa CNN arsitektur VGG16 terbukti mampu untuk mengenali pola dari data sinyal partial discharge dan membuat model yang mampu mengklasifikasi data partial discharge atau tidak dengan akurasi train 95,70%, akurasi validasi 93,12% dan akurasi prediksi data test 92,50% juga dengan nilai MCC sebesar 0,75