Article Per Year (5 Year)
p-Index From 2019 - 2024
0.835
P-Index
This Author published in this journals
All Journal MEDIA ELEKTRIKA
Dewantara, Belly Yan
Unknown Affiliation
Control & Systems Engineering Electrical & Electronics Engineering Energy Engineering

Published : 5 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search

 1 
RANCANG BANGUN KENDALI KECEPATAN MOTOR BERBASIS LOGIKA FUZZY UNTUK SISTEM PROPULSI ELEKTRIK PADA KAPAL MENGGUNAKAN PULSE WIDTH MODULATION (PWM) Gafur, Abd; D.P.K., Iradiratu Diah; Dewantara, Belly Yan
MEDIA ELEKTRIKA Vol 13, No 1 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (744.646 KB) | DOI: 10.26714/me.13.1.2020.24-32

Abstract

Sistem propulsi kapal adalah suatu mekanisme yang akan memutar baling-baling. Pada perkembangan saat ini motor induksi 3 fasa banyak digunakan untuk kendaraan elektrik baik untuk mobil listrik maupun propulsi pada kapal. Disamping keunggulannya motor induksi memiliki kelemahan yaitu sulitnya mengatur kecepatan motor induksi dikarenakan sifatnya yang tidak linier. Pada prinsipnya motor induksi dioperasikan pada kecepatan yang konstan, bila beban berubah kecepatan motor juga berubah. Dari permasalahan tersebut dalam penelitian ini dirancang alat kendali kecepatan motor berbasisi logika fuzzy untuk sistem propulsi elektrik pada kapal menggunakan pulse width modulation. Untuk mengetahui kinerja alat maka dilakukan beberapa pengujian, pengujian pertama dengan membandingkan respon kecepatan motor mengguakan logika fuzzy dan tanpa logika fuzzy dimana hasilnya adalah untuk respon kecepatan motor tanpa menggunakan kontrol logika fuzzy rata-rata dapat menempuh 23 detik untuk stady state, sedangkan untuk penggunaan kontrol logika fuzzy rata-rata mampu mencapai stady state dengan waktu 17 detik. Untuk nilai rata-rata error stady state tanpa penggunaan kontrol logika fuzzy yaitu sebanyak 97 rpm, sedangkan untuk penggunaan kontrol logika fuzzy rata-rata nilai error stady state adalah 78 rpm. Dimana untuk rise time sendiri tanpa menggunakan logika fuzzy rata-rata adalah 4 detik dan untuk penggunaan kontrol logika fuzzy memerlukan waktu rata-rata 2 detik.
KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA BELITAN STATOR MOTOR INDUKSI YANG DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN METODE NEURAL NETWORK (NN) Irawan, Barli Jeihan; PK, Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (837.433 KB) | DOI: 10.26714/me.13.1.2020.1-11

Abstract

Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%, dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN). Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan tidak melebihi tingkat keerroran 5% yang telah ditetapkan.
KLASIFIKASI HUBUNG SINGKAT TURN TO TURN PADA BELITAN STATOR MOTOR INDUKSI YANG DISEBABKAN KEGAGALAN ISOLASI MENGGUNAKAN METODE NEURAL NETWORK (NN) Irawan, Barli Jeihan; D.P.K., Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (837.433 KB) | DOI: 10.26714/me.13.1.2020.1-11

Abstract

Hampir seluruh industri menggunakan motor induksi sebagai alat bantu produksi, hal ini disebabkan karena beberapa alasan yaitu, kecepatan putar yang dihasilkan konstan, motor induksi tidak memiliki sikat sehingga rugi gesek dapat dikurangi, dan perawatannya yang mudah. Pada penelitian ini adalah mendeteksi kerusakan belitan stator yang disebabkan oleh laminasi belitan sehingga terjadinya hubung singkat pada satu phasa, yang disebut juga dengan turn fault. Metode Fast Fourier Transform (FFT) yang digunakan untuk pedeteksian arus dengan pembebanan 0%, dan 100% yang nantinya hasil deteksi untuk klasifikasi pada Neural Network (NN). Pengkategorian tingkat pembebanan dan tingkat kerusakan yang dialami oleh motor induksi, yaitu turn to turn u1, turn to turn u1 dan v1, dan turn to turn u1, v1 dan w1. Pembacaan hasil test yang dilakukan pada Neural Network memiliki hasil prediksi yang baik karena MSE yang dihasilkan tidak melebihi tingkat keerroran 5% yang telah ditetapkan.
PENERAPAN METODE NEURAL NETWORK UNTUK MENGKLASIFIKASI KERUSAKAN BATANG ROTOR MOTOR INDUKSI MELALUI DATA SPEKTRUM ARUS Boimau, Osni; PK, Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (775.368 KB) | DOI: 10.26714/me.13.1.2020.12-23

Abstract

Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 5.84 . Dengan rata-rata efisiensi pengujian dibawah 5%.
PENERAPAN METODE NEURAL NETWORK UNTUK MENGKLASIFIKASI KERUSAKAN BATANG ROTOR MOTOR INDUKSI MELALUI DATA SPEKTRUM ARUS Boimau, Osni; D.P.K., Iradiratu Diah; Dewantara, Belly Yan; Rahmatullah, Daeng
MEDIA ELEKTRIKA Vol 13, No 2 (2020): MEDIA ELEKTRIKA
Publisher : PSTE UNIMUS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (775.368 KB) | DOI: 10.26714/me.13.1.2020.12-23

Abstract

Kerusakan batang rotor merupakan salah satu jenis kerusakan pada motor induksi yang dapat menyebabkan masalah serius. Kerusakan tersebut dapat mencapai 5% - 10% dari seluruh kasus gangguan motor induksi. Oleh karena itu perlu adanya prediksi awal untuk mengetahui adanya gangguan pada motor induksi, agar dapat dilakukan perbaikan lebih cepat dan tanggap sebelum terjadi kerusakan yang lebih parah. Pada penelitian ini membahas tentang klasifikasi kerusakan batang rotor motor induksi dengan menggunakan analisa arus stator. Data spectrum arus diambil mengunakan metode fast fourier transform. Eksperimen penelitian dilakukan menggunakan metode Neural Network sebagai alat bantu untuk mendeteksi sinyal kesalahan dari mesin listrik karena mampu mengenali pola setiap kerusakan pada batang rotor motor induksi. Pengujian sistem dilakukan untuk mementukan letak kerusakan dalam beberapa kondisi, yaitu kondisi rotor diambil dari hasil pendeteksian Fast Fourier Transform, kondisi beban diambil dari presentase pembebanan yakni 0%, 25%, 50%, 75%, 100% dan tingkat kerusakan motor diambil mulai dari kondisi batang rotor normal sampai rotor mengalami kerusakan 3BRB7mm. Hasil pengujian ini membuktikan bahwa metode Neural Network mampu mengklasifikasi setiap kondisi kerusakan batang rotor motor induksi dengan membuktikan dari hasil Mean Squared Error MSE yang dihasilkan memiliki nilai rata-rata pada semua kondisi kerusakan sebesar 5.84 . Dengan rata-rata efisiensi pengujian dibawah 5%.
Co-Authors Boimau, Osni Boimau, Osni Gafur, Abd Iradiratu Diah Prahmana Karyatanti Irawan, Barli Jeihan PK, Iradiratu Diah Rahmatullah, Daeng