PenaTerkini.co.id, Depok – Dosen Institut Teknologi PLN (ITPLN), Christiono R, berhasil mempertahankan disertasinya pada program Doktoral Teknik Elektro Universitas Indonesia (UI), Selasa, (30/06/2026), kemarin dengan mengangkat inovasi pengembangan isolator polimer berbahan limbah batu bara berbasis machine learning. Penelitian tersebut dinilai mampu menjawab kebutuhan material kelistrikan nasional di tengah percepatan pembangunan jaringan transmisi dan distribusi listrik sesuai RUPTL PLN 2025–2034.
Disertasi berjudul “Pengembangan Isolator Polimer Silicone Rubber – Coal Fly Ash Untuk Tegangan Tinggi berbasis Machine Learning” dipertahankan dalam sidang promosi doktor yang dipimpin Prof. Ir. Widjojo Adi Prakoso, M.Sc., Ph.D., selaku Ketua Dewan Guru Besar Fakultas Teknik Universitas Indonesia. Tim penguji terdiri atas Faiz Husnayain, S.T., M.Sc., Ph.D., Ismi Rosyiana Fitri, S.T., Ph.D., Prof. Ir. Syamsir Abduh, M.M., Ph.D., IPU., ASEAN Eng., serta Prof. Dr. Ir. Salamana Manjang, M.T., IPM., ASEAN Eng.
Dalam disertasinya, Christiono menyoroti besarnya kebutuhan isolator tegangan tinggi seiring rencana ekspansi sistem kelistrikan nasional. Berdasarkan RUPTL PLN 2025–2034, Indonesia akan membangun sekitar 47.758 kilometer sirkuit jaringan transmisi, 197.998 kilometer jaringan distribusi, serta menambah kapasitas gardu induk dan gardu distribusi hingga 126.357 MVA.
Di sisi lain, akumulasi limbah Coal Fly Ash (CFA) dari pembangkit listrik berbahan bakar batu bara masih menjadi tantangan lingkungan yang belum sepenuhnya terselesaikan. Penelitian tersebut menawarkan solusi dengan memanfaatkan fly ash mentah sebagai material pengisi (filler) pada isolator berbahan silicone rubber (SiR) tanpa memerlukan proses pra-perlakuan yang rumit.
“Penelitian ini membuktikan bahwa limbah coal fly ash tidak hanya dapat dikurangi dampak lingkungannya, tetapi juga ditingkatkan nilainya menjadi material isolator tegangan tinggi yang memiliki performa kompetitif. Pendekatan berbasis machine learning memungkinkan kami memperoleh formulasi optimum secara lebih akurat dan efisien untuk mendukung kebutuhan infrastruktur kelistrikan nasional,” ujar Christiono R dalam keterangannya, Sabtu,(04/07/2026).
Penelitian tersebut menggunakan pendekatan eksperimental yang dipadukan dengan optimasi multiobjektif menggunakan algoritma GLME-GA, GLME-SPLINE-GA, dan SVM-GA. Analisis dilakukan terhadap data penelitian yang telah tervalidasi selama periode 2018–2025 untuk mengevaluasi karakteristik dielektrik maupun mekanik material komposit.






