ANALISIS NILAI DEVIASI ALAT PENGUKUR DAN PEMBATAS PADA SISTEM PENGUKURAN TIDAK LANGSUNG PT PLN (PERSERO) UP3 BELITUNG
Kata Kunci:
APP, Deviasi Pengukuran, PLN, Machine Learning, LossesAbstrak
Alat Pengukur dan Pembatas (APP) memiliki peran penting dalam menjamin akurasi transaksi energi listrik antara pelanggan dan PT PLN (Persero). APP yang mengalami deviasi dapat menyebabkan kerugian finansial, baik bagi perusahaan maupun pelanggan, sekaligus meningkatkan angka susut energi (losses). Penelitian ini bertujuan untuk menganalisis nilai deviasi APP pada sistem pengukuran tidak langsung di wilayah kerja PT PLN (Persero) UP3 Belitung serta mengintegrasikan pendekatan Machine Learning untuk mendukung deteksi dini deviasi. Metode penelitian mencakup analisis on-desk dengan aplikasi Amicon, monitoring data pemakaian bulanan (DPM), serta pengujian lapangan menggunakan alat tera WS2330. Hasil pengukuran manual menunjukkan adanya deviasi signifikan pada pelanggan tegangan menengah, khususnya PT Tommy Utama dan PT Timah TBK, yang disebabkan oleh kerusakan trafo arus (CT), kesalahan instalasi/wiring, serta kondisi lingkungan seperti kubikel yang lembab. Perbaikan teknis berupa penggantian CT dan perbaikan instalasi mampu menurunkan deviasi hingga sesuai standar SPLN. Sebagai penguatan analisis, digunakan algoritma Machine Learning berupa Decision Tree untuk klasifikasi APP (normal vs bermasalah) dan Random Forest Regressor untuk prediksi deviasi kWh. Hasil pengujian menunjukkan bahwa Decision Tree memiliki akurasi 92%, sementara Random Forest menghasilkan nilai RMSE sebesar 0,15, yang menunjukkan kemampuan prediksi cukup baik. Kebaruan (novelty) penelitian ini terletak pada integrasi pengukuran manual dengan analisis berbasis ML untuk mendukung monitoring APP secara lebih efektif. Penelitian ini berkontribusi pada peningkatan sistem monitoring PLN dan memberikan rekomendasi praktis dalam upaya menekan kerugian akibat deviasi APP.
Unduhan
Referensi
T. J. MacGinley, A. P. Heynen, V. Sharma, and P. A. Lant, “Electricity access advances human development…but not always,” Energy for Sustainable Development, vol. 88, p. 101770, Oct. 2025, doi: 10.1016/J.ESD.2025.101770.
S. A. Sarkodie and S. Adams, “Electricity access, human development index, governance and income inequality in Sub-Saharan Africa,” Energy Reports, vol. 6, pp. 455–466, Nov. 2020, doi: 10.1016/J.EGYR.2020.02.009.
A. N. Pratiwi, “ANALISIS PENGENDALIAN KUALITAS ALAT PENGUKUR, PEMBATAS TIDAK LANGSUNG (APP TL) DI PT. POWERINDO PRIMA PERKASA,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, pp. 2830–7062, Oct. 2024, doi: 10.23960/JITET.V12I3S1.5423.
L. Penelitian, P. Hasil, and P. Ensiklopedia, “ANALISIS PEMASANGAN AUTOMATIC METER READING (AMR) SEBAGAI PENDETEKSI AWAL KELAINAN ALAT PENGUKUR DAN PEMBATAS (APP) PADA PELANGGAN BESAR DI PT.PLN (PERSERO) RAYON SUBULUSSALAM KOTA,” Ensiklopedia of Journal, vol. 7, no. 3, pp. 423–431, Apr. 2025, doi: 10.33559/EOJ.V7I3.3067.
S. Pratama, Hidayat, and Arzul, “STUDI ANALISA KOMPARATIF PENEMPATAN APP (ALAT PENGUKUR DAN PEMBATAS) PADA TEGANGAN MENENGAH DAN TEGANGAN RENDAH,” ABSTRACT OF UNDERGRADUATE RESEARCH, FACULTY OF INDUSTRIAL TECHNOLOGY, BUNG HATTA UNIVERSITY, vol. 17, no. 1, pp. 10–10, Mar. 2021, Accessed: Sep. 15, 2025. [Online]. Available: https://ejurnal.bunghatta.ac.id/index.php/JFTI/article/view/18392
“A FEASIBILITY STUDY OF CURRENT TRANSFORMER (CT) THROUGH INSULATION RESISTANCE TESTING AT PT. PLN (PERSERO) UPT CILEGON SUBSTATION | Teknika.” Accessed: Sep. 15, 2025. [Online]. Available: https://jurnal.sttw.ac.id/index.php/jte/article/view/416
E. Stano and M. Kaczmarek, “Analytical method to determine the values of current error and phase displacement of inductive current transformers during transformation of distorted currents higher harmonics,” Measurement, vol. 200, p. 111664, Aug. 2022, doi: 10.1016/J.MEASUREMENT.2022.111664.
Z. Zhang, B. Chen, C. Tian, Y. Chen, and Y. Wang, “A novel measurement-protection-integrated current transformer based on hybrid core and magnetic field sensor,” IET Electr Power Appl, vol. 18, no. 7, pp. 739–755, Jul. 2024, doi: 10.1049/ELP2.12417.
W. Zhang, Y. Shi, J. Yu, B. Yang, and C. Lin, “Online measurement of capacitor voltage transformer metering errors based on GRU and MTL,” Electric Power Systems Research, vol. 221, p. 109473, Aug. 2023, doi: 10.1016/J.EPSR.2023.109473.
A. Ghaderi, A. Mingotti, L. Peretto, and R. Tinarelli, “Procedure for ratio error and phase displacement prediction of inductive current transformers at different operating conditions,” I2MTC 2020 - International Instrumentation and Measurement Technology Conference, Proceedings, May 2020, doi: 10.1109/I2MTC43012.2020.9129115.
Z. Zhang, B. Chen, C. Tian, Y. Chen, and Y. Wang, “A novel measurement-protection-integrated current transformer based on hybrid core and magnetic field sensor,” IET Electr Power Appl, vol. 18, no. 7, pp. 739–755, Jul. 2024, doi: 10.1049/ELP2.12417.
W. D. Agustin and M. A. Hamid, “ANALISIS ERROR METER DAN CT PADA AUTOMATIC METER READING (AMR) DI PT PLN (PERSERO) UP3 CIKUPA,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 1, pp. 2830–7062, Jan. 2024, doi: 10.23960/JITET.V12I1.3776.
S. Li, T. Ding, C. Mu, C. Huang, and M. Shahidehpour, “A Machine Learning-based Reliability Evaluation Model for Integrated Power-Gas Systems,” IEEE Transactions on Power Systems, vol. 37, no. 4, pp. 2527–2537, Nov. 2021, doi: 10.1109/TPWRS.2021.3125531.
G. Li, Y. Huang, Z. Bie, and T. Ding, “Machine-learning-based reliability evaluation framework for power distribution networks,” IET Generation, Transmission & Distribution, vol. 14, no. 12, pp. 2282–2291, Jun. 2020, doi: 10.1049/IET-GTD.2019.1520.
T. Hong and S. Fan, “Probabilistic electric load forecasting: A tutorial review,” Int J Forecast, vol. 32, no. 3, pp. 914–938, 2016, doi: 10.1016/j.ijforecast.2015.11.011.
R. Jaiswal, F. Maatug, R. Davidrajuh, and C. Rong, “Anomaly Detection in Smart Meter Data for Preventing Potential Smart Grid Imbalance,” ACM International Conference Proceeding Series, pp. 150–159, Dec. 2021, doi: 10.1145/3508259.3508281.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Syafira Saharani, Muhammad Erpandi Dalimunthe

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
HAK CIPTA
Hak cipta atas artikel apapun pada Jurnal Nasional Teknologi Komputer (JNASTEK) dipegang penuh oleh penulisnya dibawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License.
1. Penulis mengakui bahwa Jurnal Nasional Teknologi Komputer (JNASTEK) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License - CC BY-SA.
2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada Jurnal Nasional Teknologi Komputer (JNASTEK).
LISENSI
Jurnal Nasional Teknologi Komputer (JNASTEK) diterbitkan berdasarkan ketentuan Creative Commons Attribution-ShareAlike 4.0 International License. Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.














