Record Details

Deteksi dan Klasifikasi Sinyal Listrik Non-Stasioner yang Mengandung Masalah Kualitas Daya Menggunakan Transformasi Hilbert Huang

JE-Unisla

View Archive Info
 
 
Field Value
 
Title Deteksi dan Klasifikasi Sinyal Listrik Non-Stasioner yang Mengandung Masalah Kualitas Daya Menggunakan Transformasi Hilbert Huang
 
Creator Afroni, Mohammad Jasa
Melfazen, Oktriza
 
Subject Teknik Elektro
Dekomposisi Mode Empiris, Jaringan Saraf Tiruan, Klasifikasi Sinyal, Kualitas Daya, Transformasi Hilbert Huang.
Power System
 
Description Makalah ini menyajikan klasifikasi sinyal listrik non-stasioner yang mengandung masalah Kualitas Daya (KD) berbasis Transformasi Hilbert Huang (THH) dan Jaringan Saraf Tiruan (JST). Transformasi Hilbert Huang (THH) adalah metode analisis sinyal yang relatif baru, yang terdiri dari dua tahap - Dekomposisi Mode Empiris (DME) dan Transformasi Hilbert (TH). Proses DME menguraikan sinyal menjadi komponen – komponennya dalam bentuk Fungsi Mode Intrinsik (FMI) sementara TH digunakan untuk memperoleh amplitudo dan frekuensi sesaat dari masing-masing FMI. Fitur yang diekstraksi melalui THH digunakan untuk melatih JST guna mengenali kelas sinyal yang diproses. Kelas sinyal yang diidentifikasi mulai dari sinyal normal, interupsi, sag, swell, harmonisa, transien, dan gabungannya. Hasil simulasi menunjukkan bahwa kombinasi THH dan JST dapat secara efektif mendeteksi dan mengklasifikasikan sinyal yang mengandung berbagai masalah KD.
 
Publisher Universitas Islam Lamongan
 
Contributor —
 
Date 2017-09-01
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
—
—
 
Format application/pdf
 
Identifier https://jurnalteknik.unisla.ac.id/index.php/elektronika/article/view/81
10.30736/je.v2i2.81
 
Source JE-Unisla; Vol 2, No 2 (2017); 68-74
JE-Unisla; Vol 2, No 2 (2017); 68-74
26860653 http:/
25020986 http://
10.30736/je.v2i2
 
Language ind
 
Relation https://jurnalteknik.unisla.ac.id/index.php/elektronika/article/view/81/45
 
Coverage —
—
—
 
Rights ##submission.copyrightStatement##