DETEKSI IDENTITAS KWH METER DIGITAL SATU FASA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN TEMPLATE MATCHING

ZAKI , AHMAD FAUZI (2023) DETEKSI IDENTITAS KWH METER DIGITAL SATU FASA MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN TEMPLATE MATCHING. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (587Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2907Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Kilowatt hour meter merupakan alat untuk mengukur jumlah pemakaian energi pada pelanggan yang digunakan oleh PT. PLN (Persero). Seiring waktu pemakaiannya, beberapa masalah sering terjadi pada Kwh meter seperti tegangan drop, keypad rusak, dan layar LCD mati. Pendataan Kwh meter rusak dilakukan secara manual yakni dengan mencatatnya satu per satu sehingga memerlukan tenaga dan waktu yang cukup lama. Proses pendataan Kwh meter yang rusak meliputi merk, nomor meter dan tahun Kwh meter. Pemanfaatan metode artificial neural network dapat mendeteksi merk dan metode template matching dapat mendeteksi nomor meter dan tahun Kwh meter. Penelitian ini menggunakan 3 kamera yang memiliki perbedaan resolusi yakni kamera webcam Logitech C922, webcam NYK A96,dan handphone iPhone Xr. Program yang dibuat berhasil mendeteksi merk dengan nilai error 0%. Hasil deteksi nomor meter menggunakan webcam Logitech C922 memiliki rata-rata error 5,30%, webcam NYK A96 memiliki rata-rata error 9,59%, dan handphone iPhone Xr memiliki rata-rata error 0,75%. Hasil deteksi tahun menggunakan webcam Logitech C922 memiliki ratarata error 35,41%, webcam NYK A96 memiliki rata-rata error 26,38%, dan handphone iPhone Xr memiliki rata-rata error 4,86%. Resolusi kamera yang digunakan berpengaruh pada hasil deteksi, semakin besar resolusi kamera yang digunakan dapat mengurangi nilai error pada hasil deteksi dengan posisi pengambilan citra tampak depan Kwh meter yang miring. Kwh meter merk Sanxing merupakan Kwh meter yang terbaik, karna memiliki nilai error rendah dibanding merk lain. Kata kunci: Artificial Neural Network, Kwh Meter Digital Satu Fasa, Template Matching Kilowatt hour meter is a tool to measure the amount of energy usage in customers used by PT PLN (Persero). Over time, some problems often occur with Kwh meter such as voltage drop, broken keypad, and dead LCD screen. Data collection of damaged Kwh meters is done manually by recording them one by one it requires considerable time. The process of recording broken Kwh meters includes the brand, number of meters and year of product. Utilization of artificial neural network methods can detect brands and template matching method can detect meter numbers and Kwh meter years. This research uses 3 cameras that have different resolutions, sequentally the Logitech C922 webcam camera, NYK A96 webcam, and iPhone Xr cellphone. The program successfully detected the brand with error 0%. The meter number detection results using the Logitech C922 webcam have an average error of 5.30%, the NYK A96 webcam has an average error of 9.59%, and the iPhone Xr mobile phone has an average error of 0.75%. Year detection results using the Logitech C922 webcam have an average error of 35.41%, the NYK A96 webcam has an average error of 26.38%, and the iPhone Xr mobile phone has an average error of 4.86%. The resolution of the camera used has an effect on the detection results, the greater the resolution of the camera used can reduce the error value in the detection results with the position of taking the image of the front view of the tilted Kwh meter. The Sanxing brand is the best. It has small error then other. Keyword : Artificial Neural Network, Single Phase Digital Kwh Meter, Template Matching

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan)
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	2301767961 . Digilib
Date Deposited:	18 Sep 2023 04:24
Terakhir diubah:	18 Sep 2023 04:24
URI:	http://digilib.unila.ac.id/id/eprint/75654

Actions (login required)

Lihat Karya Akhir