SEGMENTASI TRAFO LISTRIK MENGGUNAKAN ALGORITMA K-MEANS UNTUK MENDUKUNG EVALUASI KAPASITAS GARDU INDUK LISTRIK DI JAWA TIMUR

Abstract

Di era globalisasi saat ini, hampir seluruh aktivitas di bidang apapun selalu berkaitan dengan listrik yang berperan sebagai sumber tenaga untuk menghidupkan teknologi-teknologi yang digunakan. Sehingga kebutuhan listrik selalu mengalami peningkatan yang dapat dilihat dari jumlah energi listrik yang terjual oleh PT. PLN (Persero) khususnya di Jawa Timur pada tahun 2013 meningkat 6.68% Untuk memenuhi kebutuhan listrik tersebut, dibutuhkan kapasitas terpasang yang lebih dari jumlah penjualan listrik agar kebutuhan listrik dapat selalu terpenuhi. Namun, peningkatan jumlah kapasitas terpasang tidak sebanding dengan peningkatan beban puncak yang diketahui dari hasil penjualan listrik Hal ini dapat menimbulkan beberapa daerah kekurangan pasokan listrik Sehingga, PT. PLN (Persero) Distribusi Jawa Timur harus siap untuk menghadapi permintaan listrik yang semakin meningkat dan melakukan evaluasi terhadap kondisi kapasitas gardu induk listrik yang terpasang dalam menyalurkan energi listrik Ice seluruh daerah di Jawa Timur agar dapat membantu perusahaan dalam melakukan evaluasi dan memprioritaskan sumber daya dan tenaganya untuk pengembangan kapasitas kelompok trafo tertentu. i Hasil dari penelitian ini adalah terbentuk 4 kelompok trafo menggunakan metode Ward dan algoritma K-Means dengan kondisi dan karakteristik masing-masing. Trafo kelompok I mensuplai listrik ke pelanggan rumah tangga dan pemakaiannya melebihi kapasitas yang disediakan dengan utilitas tertinggi antara lain I07.27% pada trafo Tubani, 102.0I% pada trafo Porongi, dan 99.59% pada trafo Probolinggoi. Trafo kelompok 2 mensuplai listrik ke pelanggan industri dan pemakaiannya optimal dengan utilitas tertinggi antara lain 66.5I% pada trafo Kupangi, 64.66% pada trafo Tuban2, dan 62. 70% pada trafo Waru3. Trafo kelompok 3 mensuplai listrik ke pelanggan industri dan pemakaiannya melebihi kapasitas yang disediakan dengan utilitas tertinggi an tara lain 99.88% pada trafo Mojokerto6, 99.42% pada trafo Mranggen2, dan 99.30% pada trafo Ploso2. Dan yang terakhir trafo kelompok 4 mensuplai listrik ke pelanggan rumah tangga dan pemakaiannya melebihi kapasitas yang disediakan dengan utilitas tertinggi antara lain 96.I6% pada trafo Ke,Yerani, 96.I3% pada trafo Kertosono2, dan 95.84% pada trafo Banaran5. Kemudian hasil pengelompokan divalidasi dan menunjukkan bahwa jumlah yang optimal adalah 4 dengan nilai Dunn Index 0.057217I6. Selain itu, sebuah peta juga dibuat dari hasil clustering untuk mempermudah pengamatan persebaran dari trafo gardu induk listrik pada Jawa Timur. ===================================================================================================== In the current era of globalization, almost all activity in any field is always associated with electricity that acts as a source of energy to turn on the technologies used. So the demand for electricity is always increase that can be seen from the amount of electric energy sold by PT. PLN (Persero), especially in Jawa Timur in 2013 increased by 6.68% To meet the demand for electricity, it takes installed capacity more than the amount of electricity sales in order electricity needs can always be met. However, the increase in the number of installed capacity is not proportional to the increase in peak load is known of the sale of electricity. This can cause some areas of power shortage. Thus, PT. PLN (Persero) Distribusi Jawa Timur must be prepared to face the growing electricity demand and to evaluate the condition of the electrical substation capacity installed in distributing electricity to all regions in Jawa Timur in order to assist the company in evaluating and prioritizing of resources and energy for the development of the capacity of a particular transformer group. Results of this research are formed four groups of transformer using Ward methods and K-Means algorithm with the conditions and characteristics of each. Transformer group 1 iii supplying electricity to the household customers and the usage exceeds the capacity provided with the highest utility was 107.27% in Tuban1 transformer, 102.01% in Porong1 transformer, and 99.59% in Probolinggo1 transformer. Transformer group 2 supplying electricity to industrial customers and the usage optimal with the highest utility was 66.51% in Kupang1 transformer, 64.66% in Tuban2 transformer, and 62. 70% in Waru3 transformer. Transformer group 3 supplying electricity to industrial customers and the usage exceeds the capacity provided with the highest utility was 99.88% in Mojokerto6 transformer, 99.42% in Mranggen2 transformer, and 99.30% in Ploso2 transformer. And the latter transformer group 4 supplying electricity to the household customers and the usage exceeds the capacity provided with the highest utility was 96.16% in Kenjeran1 transformer, 96.13% in Kertosono2 transformer, and 95.84% in Banaran5 transformer. Then the grouping results validated and demonstrated that the optimum number is 4 to Dunn Index value of0.05721716. Additionally, a map is also made of the results of clustering to facilitate observation of the distribution of electricity transformer substation in Jawa Timur.