STUDI PERANCANGAN SISTEM CERDAS UNTUK MENDETEKSI TITIK GANGGUAN PADA SISTEM DISTRIBUSI TEGANGAN MENENGAH DI PLN UNIT PELAKSANA PENGATUR DISTRIBUSI MAKASSAR

Latar Belakang. Permasalahan utama yang diangkat dalam pengoperasian sistem tenaga listrik adalah keterbatasan metode reaktansi konvensional dalam menghadapi fluktuasi beban operasional (pre-fault load) yang memicu distorsi pada perhitungan impedansi semu saluran. Tujuan. Penelitian ini bertujuan untuk merancang sistem kecerdasan buatan berbasis One-Dimensional Convolutional Neural Network (1D-CNN) untuk memprediksi lokasi gangguan pada jaringan distribusi tegangan menengah 20 kV. Metode. Penelitian ini menggunakan parameter masukan berupa arus gangguan tiga fasa (R, S, T) serta variabel Load Factor (LF) untuk memberikan kompensasi dinamis terhadap jatuh tegangan jaringan. Simulasi dilakukan pada model Penyulang Pantai Losari, Makassar, dengan membangkitkan dataset sintetis melalui pemodelan matematis komponen simetris. Hasil. Hasil pengujian menunjukkan bahwa model 1D-CNN mampu memprediksi jarak secara presisi dengan simpangan rata-rata atau Mean Absolute Error (MAE) sebesar 0,201 km dan Root Mean Square Error (RMSE) sebesar 0,673 km. Temuan krusial dalam penelitian ini membuktikan bahwa integrasi Load Factor berhasil mengoreksi deviasi secara dinamis pada skenario beban puncak. Dengan nilai MAE tersebut, rata-rata radius pencarian petugas di lapangan berhasil dipersempit secara signifikan menjadi sekitar 201 meter, atau ekuivalen dengan 4 hingga 5 gawang tiang saluran distribusi. Kesimpulan. Implementasi arsitektur 1D-CNN yang dikombinasikan dengan kompensasi dinamis Load Factor terbukti tangguh (robust) dan andal dalam mencegah kesalahan prediksi fatal (overestimation) untuk melokalisir titik hubung singkat. Sistem cerdas ini layak direkomendasikan sebagai instrumen pendukung keputusan operasional guna mengakselerasi manuver isolasi gangguan dan pemulihan jaringan, yang secara strategis berkontribusi langsung pada efisiensi waktu penelusuran dan penurunan indeks durasi padam (SAIDI).