View/Open

Author
EKEL, DOANTA GINTING

Date Published
26 Jun 2026

Advisor
Syamsyarief Baqaruzi, S.T., M.T,
Afit Miranto, S.T., M.T.,

Subject
Teknik Elektro

Publisher

Penelitian ini merancang dashboard Digital Twin berbasis web dengan Machine Learning untuk memantau dan memprediksi kondisi jaringan distribusi 20 kV. Telemetri beban, suhu, tegangan, arus, status operasi, dan timestamp tiga trafo distribusi diambil dari Firebase Realtime Database, lalu ditampilkan sebagai status, peta topologi, grafik, notifikasi, dan riwayat SCADA. Dua RandomForestRegressor memprediksi beban dan suhu pada jam target; hasilnya dipadukan dengan threshold keselamatan, health score, auto-regressive blending, dan profil historis guna mendukung keputusan hibrida, visualisasi, serta peringatan dini. Model dilatih dengan 5.000 sampel sintetis dan divalidasi pada 1.800 sampel holdout sintetis. Evaluasi awal menghasilkan F1- score 98,11%, MAE/RMSE beban 1,596/2,221, R² beban 99,13%, MAE/RMSE suhu 0,806/1,063, dan R² suhu 98,16%. Hasil ini memvalidasi profil operasi sintetis, bukan akurasi akhir lapangan. Prediksi ditahan saat telemetri tidak valid, offline, atau blackout; forecast tidak langsung memicu switching. Data lapangan jangka panjang tetap diperlukan untuk menguji generalisasi model dan keandalan sistem.

URI
https://repository.itera.ac.id/depan/submission/SB2608190043

Keyword
Digital Twin dashboard web trafo distribusi Random Forest sistem keputusan hibrida Firebase Realtime Database web dashboard distribution transformer hybrid decision system