3 METODOLOGI PENELITIAN
MODEL OPTIMAS
sistem sebelumnya, terdiri atas 3 tahap, yakni tahap pertama analisis sistem keseimbangan energi neto eksisting yang menghasilkan nilai rasio energi neto (NER) eksisting, tahap ke dua adalah identifikasi dan pengembangan sistem optimasi keseimbangan energi neto yang menghasilkan NER optimum, dan tahap terakhir adalah identifikasi teknologi untuk perbaikan kinerja keseimbangan energi neto yang menghasilkan rekomendasi perbaikan kinerja industri. Pengembangan sistem dari sistem sebelumnya dilakukan dengan pemodelan sistem yang terdiri atas pemodelan keseimbangan energi neto eksisting, pemodelan optimasi keseimbangan energi neto, perancangan implementasi model, implementasi model, dan peningkatan kinerja industri (Gambar 9).
Gambar 9 Konsep model optimasi keseimbangan energi neto
Perhitungan keseimbangan energi neto eksisting menggunakan microsoft excel, implementasi optimasi keseimbangan energi neto menggunakan metoda
algoritma genetika GA (genetic algorithm), dan perumusan perbaikan
keseimbangan energi neto didukung scenario analysis, metoda foresight yang
cukup baik perkembangannya akhir-akhir ini. Variabel input model terdiri dari input tak terkontrol yaitu energi input dan output sistem eksisting, dan input terkontrol yakni variabel-variabel berpengaruh terhadap optimasi keseimbangan energi neto sistem.
Sistem optimasi keseimbangan energi biodiesel kelapa sawit
Model matematika MODEL PERHITUNGAN NEB Eksisting Input terkontrol • Biodiesel • Produk samping • BBM Output 1
Nilai NER eksisting
MODEL OPTIMASI
NEB
Output 2
Nilai NER optimum GA
Input tak terkontrol:
• Energi input
• Energi output
Kapasitas produksi unit proses Algoritma
Genetika
Output 3
Rekomendasi NEB
Pemodelan sistem dilakukan dengan menggunakan model matematika. Model menghasilkan nilai keseimbangan energi neto yang optimum, sebuah variabel hasil yang direpresentasikan oleh rasio energi neto (NER). Model optimasi keseimbangan energi neto dipengaruhi oleh variabel-variabel keputusan, yaitu variabel yang menentukan tingkat optimasi sistem produksi biodiesel. Selain itu, model juga dipengaruhi oleh variabel-variabel kendala yang membatasi sistem. Hubungan antar variabel hasil, variabel keputusan, dan variabel kendala, membentuk suatu fungsi tujuan. Fungsi ini digunakan untuk mengevaluasi model dalam menemukan nilai terbaik NER. Identifikasi variabel–variabel berpengaruh tersebut merupakan bagian dari pengembangan model optimasi dari model sebelumnya, yakni model perhitungan keseimbangan energi neto eksisting.
Implementasi model didahului dengan perancangan yang meliputi perumusan fungsi fitness dan penentuan nilai operator algoritma genetika.
Implementasi model menggunakan pemrograman Matlab. Fungsi fitness dan komponen operator tersebut dimasukkan ke dalam aplikasi Matlab yang kemudian dijalankan untuk mendapatkan nilai optimum dan komposisi terbaik variabel model. Model di operasikan sebanyak mungkin sampai menemukan nilai terbaik dan tertinggi.
Validasi model dilakukan dengan membandingkan model yang dihasilkan dengan model lain yang sudah melalui validasi dan verifikasi. Model lain ini diambil dari berbagai hasil penelitian yang telah dilaporkan dalam jurnal ilmiah. Validasi lainnya dilakukan dengan face validation, yakni mendiskusikan dan
mengkonfirmasi kebenaran model kepada pakar yang dikenal ahli dalam kesisteman atau teknologi bioenergi. Pakar yang dimaksud berasal dari Ikatan Ahli Bioenergi Indonesia (IKABI), Badan Pengkajian dan Penerapan Teknologi (BPPT), dan dari sekelompok pakar yang hadir dalam suatu konferensi internasional dimana hasil penelitian ini dipresentasikan.
Verifikasi dilakukan terrhadap pemograman komputer yang digunakan dalam menjalankan uji coba model optimasi keseimbangan energi neto. Verifikasi ini dilakukan untuk memastikan bahwa rancangan program dan prosedur yang dikembangkan adalah tepat. Verifikasi dilakukan per sub model, yakni sub model budi daya, pengolahan, pemurnian, dan pembuatan biodiesel. Teknik yang digunakan dalam verifikasi ini adalah kombinasi antara pengujian statis dan dinamis.
Pendekatan sistem dan perancangan model ini dilakukan terhadap keseimbangan energi yang berlaku pada rantai nilai penuh dan pada setiap tahap proses produksi. Konsep rantai penuh proses produksi biodiesel diilustrasikan pada Gambar 10.
Pengumpulan Data
Berdasarkan sumbernya maka metode pengumpulan data penelitian ini dibagi dalam dua kelompok, yaitu data sekunder dan data primer. Data Sekunder adalah data yang diperoleh dari berbagai sumber yang telah ada seperti buku, laporan dan jurnal. Data ini tersedia di perusahaan, kantor pemerintah, dan perguruan tinggi. Data sekunder berkaitan dengan kondisi nasional industri dan inovasi yang pernah terjadi di industri biodiesel. Data primer adalah data yang diperoleh secara langsung dari sumbernya. Metodenya antara lain observasi lapangan, wawancara, dan pengiriman kuesioner. Data ini terdiri atas data energi input, energi output, dan teknologi proses produksi. Data sekunder dan data primer yang diperlukan dalam penelitian ini ditunjukkan dalam Tabel 3 dan Tabel 4.
Tabel 3 Data sekunder yang dikumpulkan
Jenis Data Deskripsi data Sumber data
Kondisi industri
biosolar nasional Meliputi data kebutuhan biosolar nasional (liter/thn) untuk sektor transportasi dan industri, peta penyebaran industri, dokumen kebijakan yang terkait dengan
pengembangan biosolar dalam negeri.
Dirjen EBTKE, BPS, Pertamina
Kondisi industri
biodiesel nasional Meliputi data kebutuhan biodiesel nasional dan internasional (liter/thn), kebutuhan ekspor (liter/thn), tujuan ekspor, produksi nasional (liter/thn), kapasitas produksi nasional (liter/thn), pertumbuhan produksi (% per tahun), peta penyebaran industri.
Dirjen EBTKE, BPS, Kemenperind, Asosiasi, Produsen
Kondisi industri minyak sawit (CPO) nasional
Meliputi data kebutuhan nasional minyak sawit (liter/thn), kebutuhan ekspor (liter/thn), produksi nasional (liter/thn), kapasitas produksi nasional (liter/thn), pertumbuhan produksi (% per tahun), peta penyebaran produsen CPO dalam negeri, data perusahaan CPO nasional.
BPS, Kemenperind, Asosiasi terkait, Produsen CPO
Kondisi industri
kelapa sawit nasional Meliputi data kebutuhan TBS nasional (ton/thn), produksi nasional (ton/thn), kapasitas produksi nasional (ton/thn), produktivitas nasional (ton/ha)/thn pertumbuhan (% per tahun), peta
penyebaran, data perusahaan kelapa sawit nasional, luas tanaman dan lahan
perkebunan nasional (ha.), kebijakan terkait.
Dirjen Perkebunan, BPS, Asosiasi,
perusahaan perkebunan
Inovasi teknologi Perkembangan mutakhir penelitian biodiesel yang terkait dengan NEB, data konversi satuan energi, data hasil penelitian.
Perguruan tinggi, Lembaga litbang
Tabel 4 Data primer yang dikumpulkan No. Unit Proses Energi input Proses Energi
output Sumber Metode 1 Proses produksi biodiesel (PME) RPO (ton/thn); Metanol (ton/thn); Katalis (ton/thn); Listrik (kWh/thn); BBM pabrik (liter/thn); Transportasi dari lokasi produsen RPO Metode pembuatan biodiesel dan produk sampingnya serta metode pengolahan limbah Biodiesel (ton/thn); Produk samping (ton/thn) PT Wilmar Bioenergi Indonesia, PT Kawasan Industri Dumai, PT Murini, Sam-Sam II. Lokasi Dumai-Riau Kuesione, observasi, wawancara 2 Proses produksi minyak sawit hasil pemurnian (RPO) CPO (ton/thn); Listrik (kWh/thn); BBM pabrik (liter/thn); Transportasi dari lokasi produsen CPO Metode pembuatan RPO dan pengiriman ke pabrik biodiesel RPO
(ton/thn) PT Wilmar Nabati Indonesia, Dumai - Riau Kuesioner, observasi, wawancara 3 Proses produksi minyak sawit (CPO) Tandan buah segar (ton/thn); Listrik (kWh/thn); BBM untuk pabrik (liter/thn); Transportasi dari lokasi produsen TBS ke pabrik CPO Metode pembuatan CPO dan produk sampingnya serta metode pengolahan limbah CPO (ton/thn); Produk samping (ton/thn) PKS Pinang Awan PT Perkebunan Milano, Labuhan Batu Selatan – Sumatera Utara Kuesioner, observasi, wawancara 4 Proses budi daya kelapa sawit Tenaga kerja (org/proses); BBM untuk Peralatan dan mesin (liter/proses); Listrik (kWh/thn); Pupuk (ton/thn); Transportasi dari lokasi perkebunan ke pabrik CPO Metode budi daya antara lain proses penyiapan lahan, bibit, penanaman, pemeliharaan, dan pemanenan, dan metode pengolahan limbah Tandan buah segar (ton/thn) Produk samping (ton/thn) Sei daun Estat, PT Perkebunan Milano Labuhan Batu Selatan – Sumatera Utara Kuesioner, observasi, wawancara
Pemodelan Sistem
Sistem yang telah diidentifikasi, dimodelkan dalam bentuk persamaan matematika dengan metode-metode perhitungan yang dikenal dalam keseimbangan energi neto. Keseimbangan energi neto secara tidak langsung mengacu pada hukum termodinamika, yakni pada hukum kekekalan energi yang berbunyi “Energi dapat berubah dari satu bentuk ke bentuk yang lain tapi tidak bisa diciptakan ataupun
dimusnahkan (konversi energi)". Jika E1 adalah energi pada keadaan awal dan E2
energi pada keadaan akhir, maka selisih energi atau delta energi DE mengikuti persamaan:
DE = E2 – E1
Keseimbangan energi neto berbicara energi khusus yang dalam penelitian ini energi merujuk pada energi fosil. Oleh karena itu, energi input tidak mempertimbangkan energi yang tidak menggunakan energi fosil. Energi output hanya memperhitungkan bentuk energi yang dapat dimanfaatkan. Dengan demikian, persamaan keseimbangan energi neto dapat didefinisikan sebagai selisih antara energi output dengan energi input , atau direpresentasikan oleh nilai rasio energi
neto NER yaitu perbandingan antara dengan .
NEB = Eout – Ein NER = Eout / Ein
Dalam penelitian ini energi input merujuk pada energi fosil, antara lain BBM, batubara, dan gas, baik langsung maupun tidak langsung atau melekat pada material inputan industri (embeded energy). Energi output merujuk pada energi yang
terkandung dalam 1 kg biodiesel . Setiap unit energi, baik input maupun output, merupakan jumlah dari seluruh individu atau kelompok energi dan material yang masuk atau keluar dari setiap unit proses. Jadi, setiap energi mewakili satu unit proses
i dan unit energi j
∑ ∑ ∑ ∑
Setiap variabel berpengaruh diasumsikan diproduksi dengan menggunakan energi fosil dengan nilai intensitas energi tertentu ( ) yang diambil dari berbagai referensi (Tabel 5). Untuk memudahkan perhitungan maka nilai energi setiap variabel merefer ke nilai massa biodiesel PME (Palm Methyl Ester), yakni Kilogram
Tabel 5 Intesitas energi yang digunakan dalam penelitian
Item Nilai Satuan Referensi
Pupuk
Nitrogen (N) 48.90 MJ/kg Patyk et.al (2003) Potassium (K2O) 5.00 MJ/kg FEES (1991) Phosphate (P2O5) 5.70 MJ/kg Whells (2001) Magnesium (MgO) 5.00 MJ/kg FEES (1991) Boron (B) 215.00 MJ/kg Boswell et.al. (1985) Listrik dari grid* 3.60 MJ/kWh BBPT - KFA (1993)
Diesel 37.42 MJ/L BBPT - KFA (1993)
Batubara**
Metanol 23.93 37.60 MJ/kg MJ/kg BBPT - KFA (1993) de Souza et al. (2010) Katalis (NaOH) 18.25 MJ/kg de Souza et al. (2010) Biodiesel (PME) 37.13 MJ/kg de Souza et al. (2010) Gliserol 18.05 MJ/kg Neto et al. (2004) Kernel 18.90 MJ/kg Shuit et al. (2009)
TKKS 17.90 MJ/kg Prasertsan dan Sajjakulnukit (2006) Serat 17.60 MJ/kg Prasertsan dan Sajjakulnukit (2006) Cangkang 18.50 MJ/kg Prasertsan dan Sajjakulnukit (2006) LCPKS (biogas) 204.00 MJ/m3 Chin et al. (2013)
*) Listrik yang bersumber dari PLN dengan nilai konversi listrik secara nasional **) Batubara sebagai bahan bakar energi fosil untuk pembangkit listrik
Algoritma Genetika
Model optimasi keseimbangan energi neto yang telah diformulasikan pada bagian pemodelan sistem, diimplementasikan dengan metoda algoritma genetika. Penggunaan metoda ini didukung oleh fasilitas pemrograman Matlab.
Proses implementasinya model optimasi adalah sebagai berikut:
a. Merumuskan fungsi fitness yang dikembangkan dari fungsi tujuan model optimasi
b. Menyusun matriks dan vektor yang dikembangkan dari fungsi kendala model optimasi
c. Menentukan batas bawah dan batas atas dari setiap variabel dalam fungsi fitnes
d. Menentukan nilai populasi awal, peluang pindah silang, dan mutasi algoritma genetika
e. Menjalankan Matlab untuk menemukan nilai terbaik dan komposisi variabel yang mendukungnya
f. Menjalankan Matlab berulang-ulang hingga menemukan nilai terbaik yang tidak berubah-ubah atau kondisi stasioner
Secara umum proses penerapan metoda algoritma genetika menggunakan Matlab disajikan pada Gambar 11.
Gambar 11 Proses algoritma genetika optimasi keseimbangan energi neto menggunakan Matlab
Analisis Skenario
Pada prakteknya, penerapan metoda technology foresight ini senantiasa
melibatkan seluruh pihak yang terkait (stakeholders) untuk mendiskusikan
kemungkinan-kemungkinan kejadian di masa datang. Proses analisis skenario dapat berbeda-beda, namun pada umumnya mengikuti suatu pola yang terstruktur, interaktif, dan imajinatif.
Berdasarkan uraian Johnston (1998), analisis skenario terdiri atas 10 tahapan kegiatan, antara lain sebagai berikut:
a. Identifikasi isu utama
Pada tahap awal ini tujuan atau topik scenario planning ditentukan dengan
terlebih dahulu mengidentifikasi isu utama atau keputusan yang hendak ditanggapi. Kemudian jangka waktu skenario dan partisipan yang terlibat dalam proses ini. Partisipan sangat berpengaruh dalam proses sehingga perlu memperhatikan tingkat pengetahuan, pengalaman, dan subyektifitas mereka terhadap topik skenario yang dibahas.
Populasi awal Evaluasi Seleksi Pindah silang Paket Solusi Mutasi Sesuai keinginan? Tidak Ya
Model Optimasi NEB (Fungsi Tujuan, Fungsi Kendala)
Rancangan GA
(Fungsi fitness, Matriks kendala, batas bawah dan batas akhir variabel fitness)
b. Identifikasi faktor kunci
Jika topik skenario, isu utama, atau decision telah ditentukan, maka langkah
berikutnya adalah menyusun faktor-faktor kunci yang berpengaruh terhadap keberadaan atau perkembangan topik yang telah ditentukan pada tahap awal. c. Indentifikasi variabel kunci yang dapat diprediksi
Berdasarkan faktor kunci yang telah disusun, maka tugas berikutnya adalah menganalisa substansi faktor tersebut dan membuat daftar variabel yang mana dalam jangka waktu tertentu memberi pengaruh sangat kuat terhadap topik skenario dan dapat diprediksi.
d. Identifikasi variabel yang mengandung ketidakpastian
Kegiatan pada tahap ini sama dengan tahap sebelumnya namun untuk variabel yang sangat berpengaruh dan tidak dapat diperkirakan kapan dan bagaimana akan terjadi.
e. Pengelompokan variabel
Bila daftar variabel di atas ditemukan dalam jumlah yang banyak, maka pengurangan dapat dilakukan dengan mengeluarkan sejumlah unmanagable variable, variabel yang tidak dapat dikendalikan atau diatur. Variabel tersebut
kemudian di analisa tingkat pengaruh dan tingkat ketidak-pastian relatifnya, yakni membandingkan antara satu variabel dengan variabel lainnya
f. Identifikasi faktor-faktor pengungkit
Bagian pertama tahap ini adalah merangking predictible variabels menurut
tingkat pentingnya. Kemudian merangking critical uncertainties menurut
tingkat penting dan ketidak-pastiannya. Dengan dasar pertimbangan ini, serangkaian faktor-faktor pengungkit akan ditemukan.
g. Seleksi logika skenario
Tahap ini bertujuan untuk membangun satu set skenario yang masuk akal/logis, yang akan membantu dalam menentukan karakteristik dan jumlah skenario yang akan disusun.
h. Penyusunan skenario
Logika skenario yang dibentuk pada tahap sebelumnya, dikembangkan menjadi suatu skenario pada tahap ini. Penyusunannya mempertimbangkan kembali variabel-variabel utama skenario yang sudah diidentifikasi sebelumnya, antara lain: key driving forces, hubungan yang mungkin terjadi
antara satu dengan lainnya, key factors, dan isu/trend yang telah diidentifikasi
pada tahap sebelumnya. i. Analisa kesesuaian skenario
Kaji kesesuaian tiap skenario terhadap logika yang terbentuk, identifikasi hal- hal utamanya, termasuk yang berhubungan dengan kelemahan terbesarnya. Pada tahap ini, skenario di uji lagi terhadap variabel-variabel kuncinya hingga dapat dipastikan konsistensinya.
j. Analisa implikasi skenario dalam Renstra
Implikasi suatu skenario diuji dengan membalik arah alur logikanya, dari hasil menuju isu utamanya (focal issue/decision). Dari sini akan ditemukan
Pelaksanaan Kegiatan
Penelitian ini terdiri atas 4 kegiatan utama, yaitu:
a. Identifikasi sistem optimasi keseimbangan energi neto industri biodiesel yang terdiri atas kegiatan studi literatur, survei lapangan (perkebunan kelapa sawit, pabrik pengolahan kelapa sawit, pabrik pemurnian, pabrik biodiesel), mengolah dan analisis data.
b. Pemodelan sistem optimasi keseimbangan energi neto industri biodiesel yang terdiri atas kegiatan identifikasi variabel berpengaruh, identifikasi hubungan antara variabel, dan formulasi model optimasi.
c. Perancangan dan implementasi model dengan algoritma genetika d. Validasi dan verifikasi.
e. Perumusan rekomendasi perbaikan keseimbangan energi neto industri
Kegiatan-kegiatan di atas diterapkan dalam dua tahapan penelitian, yaitu optimasi keseimbangan energi neto untuk lingkup produksi minyak sawit (CPO) dan untuk lingkup produksi biodiesel. Pembagian ini dilakukan untuk efektifias validasi dan verifikasi model. Optimasi lingkup produksi CPO telah dipresentasikan dalam konferensi internasional yang terindeks scopus di Bali, sedangkan untuk lingkup biodiesel telah di terima untuk direview dalam jurnal internasional terindeks scopus.
Penelitian ini mengambil kasus di salah satu kelompok usaha biodiesel terkemuka di Indonesia. Jenis usahanya antara lain perkebunan kelapa sawit dan pabrik pengolahan minyak sawit di Labuhan Batu Sumatera Utara, pabrik pemurnian dan pabrik biodiesel berlokasi di kawasan industri Pelintung Dumai Riau. Kelompok usaha ini merupakan perusahaan produsen biodiesel terbesar di Indonesia, kapasitas 1 050 000 ton/thn atau sekitar 30% dari total kapasitas produksi biodiesel nasional. Lokasi masing-masing unit proses rantai produksi biodiesel dan kapasitas masing- masing unit ditunjukkan pada Gambar 12.
Gambar 12 Lokasi penelitian Perkebunan kelapa sawit Luas :2.909 ha Pabrik CPO kapasitas 60 MT FFB/jam Pabrik pemurnian kapasitas 5.600 MT per hari Pabrik biodiesel kapasitas 3 x 350.MT per tahun