2021 : PENGEMBANGAN MACHINE LEARNING BERBASIS DECISION TREE REGRESSOR UNTUK DETEKSI ANOMALI GENERATOR TURBIN GAS 3,5 MW

Dr. Suyanto ST.,MT.

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Kinerja model sistem prediksi berbasis Machine Learning (ML) seperti Decision Tree Regressor (DTR) memiliki kinerja yang lebih baik dibandingkan model berbasis Deep Learning (DL) salah satunya jaringan syaraf tiruan JST, terutama untuk kasus data bersifat terstruktur, sehingga ML menjadi pilihan utama dalam pemodelan sistem prediksi yang dapat digunakan di berbagai macam industri. Pemodelan sistem prediksi generator turbin gas di PT SAKA Energi selama ini menggunakan DL-JST untuk memprediksi kapasitas turbin gas. Hasil model sistem prediksi DL-JST sudah dapat digunakan sebagai acuan dalam pengambilan keputusan untuk deteksi anomali generator turbin gas. Ada beberapa model sistem prediksi berbasis ML yang telah digunakan untuk memprediksi kapasitas turbin gas seperti Logistic Regression dan Elastic Net. Pada penelitian thesis ini akan diusulkan penggunaan model ML-DTR sebagai alternatif dari model sistem prediksi kapasitas turbin gas. Model ML-DTR tergolong lebih ringan, dikarenakan tidak perlu dilakukan metode training dengan waktu inference model juga lebih cepat dibandingkan dengan model berbasis DL-JST, karena ML-DTR tidak menyimpan banyak bobot pada sistem perhitungan prediksi dari kapasitas generator turbin gas, sehingga penggunaan ML-DTR dapat menjadi suatu alternatif model sistem prediksi turbin gas.