STUDI OPTIMASI LEPASAN WADUK BERDASARKAN RULE CURVE WADUK PEJOK DI BOJONEGORO DENGAN METODE ALGORITMA GENETIK

(1)

STUDI OPTIMASI LEPASAN WADUK BERDASARKAN RULE CURVE WADUK PEJOK DI BOJONEGORO DENGAN METODE

ALGORITMA GENETIK

Bagus Ibrahim Prijanto1, Widandi Soetopo2, Suwanto Marsudi2 1

Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya

2

Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya

1

[email protected]

ABSTRACT

Waduk Pejok adalah salah satu upaya untuk mempertahankan dan meningkatkan produksi irigasi DI Pacal Kerjo Kabupaten Bojonegoro. Pada musim kemarau banyak area irigasi yang tidak dapat ditanamai tetapi pada musim penghujan Kali Kerjo tidak mampu menampung debit air. Dikarenakan belum adanya pedoman operasi pada Waduk Pejok maka agar pemenuhan kebutuhan irigasi dapat ditingkatkan perlu adanya optimasi dengan menggunakan aturan operasi berupa Rule Curve yang optimal untuk memanfaatkan tampungan Waduk Pejok. Studi ini ditujukan untuk meningkatkan kinerja waduk dan menghasilkan operasi lepasan berdasarkan Rule Curve menggunakan metode Algoritma Genetik, dengan fungsi tujuan memaksimalkan pemenuhan minimum kebutuhan irigasi.

Dari hasil simulasi operasi selama 12 tahun dari tahun 2002-2013 didapatkan

minimum pemenuhan Irigasi sebesar 0,583 % (0,012 m3/dt) dan rata-rata pemenuhan

sebesar 76,496 % (0,762 m3/dt). Terjadi 97 periode tampungan waduk kosong dari 432

periode. Setelah optimasi didapatkan peningkatan nilai minimum sebesar 5,530% (0,583

m3/dt). Rata-rata pemenuhan sebesar 75,480% (0,664 m3/dt). Tidak terjadi periode dimana

tampungan waduk menjadi kosong. Terjadi peningkatan pada pemenuhan minimum

irigasi dengan tetap menjaga tampungan waduk agar tidak mengalami kekosongan dibandingkan simulasi sebelum proses optimasi.

Kata Kunci: Lepasan Berdasarkan Rule Curve, Waduk, Algoritma Genetik, Optimasi

ABSTRACT

Pejok Reservoir is an effort to maintain and increase the irrigation production of Pacal Kerjo Irrigation Area on Bojonegoro. On the dry season, lots of irrigated area

couldn’t be planted but when rainy season, Kerjo River unable to contain the water

discharge. Because there is no operation guidance on Pejok Reservoir, then in order to

increase the irrigation needs, it’s necessary to do optimization by using the operation rules

in the form of optimal Rule Curve to utilize the Pejok Reservoir’s storage. This study

focused to improve reservoir performance and produce release operation based on Rule Curve using Genetic Algorithm method, with objective function to maximize minimum fulfillment of irrigation needs.

From the operation simulation of Pejok Reservoir for 12 years from 2002 - 2013

acquired a fulfillment of minimum irrigation needs by 0.583% (0,012 m3/s) and a fulillment

of average irrigation needs by 76.496% (0.762 m3/s). From 432 periods, there are 97

periods when the storage reservoir is empty. After optimization, there is improvement of

minimum irrigation needs by 5.530% (0.583 m3/s). Fulfillment of average irrigation needs

by 75.480 % (0.664 m3/s). There are no periods occur which reservoir’s storage become

empty. The fulillment of minimum irrigation needs has increased while maintaining the

reservoir’s storage in order to avoid storage emptiness than before the simulation

optimization process.

(2)

PENDAHULUAN Latar Belakang

Pemanfaatan sumber daya air dengan waduk merupakan salah satu alternatif dari sistem penyediaan air. Waduk dibangun dengan tujuan memanfaatkan sumber daya air dengan cara menampung kelebihan air pada musim hujan dan nantinya dapat dipergunakan saat musim kemarau. Untuk dapat memanfaatkan

tampungan waduk sebaik mungkin

diperlukan adanya aturan oprasi waduk yang optimal yang dapat memenuhi kebutuhan yang direncanakan

Identifikasi Masalah

Waduk Suplesi Pejok direncanakan untuk mensuplai kebutuhan air pada area irigasi di hilir rencana waduk yaitu DI Pacal Kerjo yang selama ini mendapatkan suplai air dari Bendung Kerjo. Tujuan dari pemanfaatan waduk ini adalah untuk memenuhi kebutuhan irigasi sekaligus meningkatkan fungsi jaringan irigasi DI Pacal Kerjo seoptimal mungkin yang pada akhirnya diharapkan dapat meningkatkan produksi hasil pertanian. Untuk dapat memenuhi kebutuhan irigasi tersebut diperlukan adanya aturan operasi yang

bagus pada Waduk Pejok sebagai

pedoman dalam pemanfaatan tampungan waduk.

Sangat penting sekali untuk

menemukan aturan operasi waduk yang efektif. Mengingat belum adanya aturan operasi berupa rule curve pada Waduk Pejok, dikhawatirkan tampungan waduk

masih belum dimanfaatkan sebaik

mungkin. . Menetapkan aturan operasi yang efektif merupakan pekerjaan yang cukup sulit. Sehingga perlu adanya kajian berupa studi optimasi menggunakan

metode Algoritma Genetika (AG).

Diharapkan dengan menggunakan metode tersebut dapat memberikan pedoman aturan operasi yang terbaik berupa rule curve pada Waduk Pejok.

Batasan Masalah

Batasan-batasan masalah dalam studi ini adalah sebagai berikut :

1. Studi dilakukan di Waduk Pejok Kabupaten Bojonegoro Provinsi Jawa Timur.

2. Metode yang digunakan dalam studi ini

adalah metode simulasi stokastik

model Algoritma Genetik.

3. Membahas pola pengoperasian dan optimasi waduk berdasarkan Rule Curve.

4. Membahas pengaruh optimasi waduk dengan metode Algoritma Genetik dengan kebutuhan air irigasi eksisting. 5. Daerah irigasi dalam studi adalah DI

Pacal Kerjo seluas 2.983,5 ha.

6. Tidak membahas perencanaan

kebutuhan air irigasi, desain bangunan, biaya konstruksi, analisa ekonomi, masalah usia guna waduk dan analisis

sedimentasi.Menggunakan program

Visual-Basic dari MS-Excel 2010 untuk membuat simulasi stokastik model Algoritma Genetik.

Rumusan Masalah

Permasalahan yang dibahas dalam studi ini adalah :

1. Bagaimana simulasi debit dengan metode Model Tangki ?

2. Bagaimana rumusan operasi Waduk

Pejok sebelum proses optimasi

Algoritma Genetik ?

3. Bagaimana optimasi operasi Rule Curve Waduk Pejok menggunakan metode Algoritma Genetik ?

Tujuan dan Manfaat

Tujuan dari studi ini adalah

pembentukan Rule Curve Waduk Pejok

sebagai pedoman pengaturan dalam

melepas air berdasarkan pola dan

karakteristik ketersediaan air Waduk

Pejok dengan menggunakan model

optimasi Algoritma Genetik. Diharapkan dengan studi dapat menyediakan pola pengoperasian waduk yang lebih baik dengan penjatahan air waduk yang paling

(3)

TINJAUAN PUSTAKA Umum

Waduk dapat menahan kelebihan air pada masa-masa aliran tinggi untuk digunakan selama masa-masa kekeringan. Tujuan akhir dari bentuk pemanfaatan waduk adalah untuk memanfaatkan aliran

air, baik dengan cara pengaturan

persediaan air yang berubah-ubah pada sungai ataupun dengan cara memenuhi tuntutan kebutuhan yang berubah-ubah.

Ciri Fisik Waduk

Ciri fisik suatu waduk atau bagian- bagian pokok waduk adalah sebagai berikut :

1. Tampungan efektif atau Kapasitas Berguna (useful storage), adalah volume tampungan diantara Muka air Minimum (Low Water Level/LWL) dan muka air normal (Normally Water Level/NWL).

2. Tampungan tambahan (Surcharge

storage), adalah volume air diatas muka air normal selama banjir. Untuk beberapa saat debit meluap melalui pelimpah kapasitas tambahan ini umumnya tidak terkendali, dengan pengertian adanya hanya pada waktu banjir dan tidak dapat

dipertahankan untuk penggunaan

selanjutnya.

3. Tampungan Mati (dead storage) adalah volume air yang terletak di bawah muka air minimum dan air ini

tidak dimanfaatkan dalam

pengoperasian waduk.

4. Tampungan tebing (valley storage) adalah banyaknya air yang terkandung di dalam susunan tanah pervious dari tebing dan lembah sungai.

5. Permukaan genangan normal (normal water level / NWL) adalah elevasi

maksimum yang dicapai oleh

permukaan air waduk.

6. Permukaan genangan minimum (low water level / LWL) adalah elevasi terendah bila tampungan dilepaskan pada kondisi normal. 7. Permukaan genangan pada banjir

rencana adalah elevasi air selama banjir maksimum direncanakan terjadi (flood water level/FWL)

8. Pelepasan (release) adalah volume air yang dilepaskan secara terkendali dari suatu waduk selama kurun waktu tertentu.

9. Periode Kritis (critical perode) adalah perode dimana sebuah waduk berubah dari kondisi penuh ke kondisi kosong tanpa melimpah selama periode tersebut.

Gambar 1. Zona-Zona Tampungan Waduk

Sumber : Sudjarwadi, 1988:4

Simulasi Model Tangki

Pemilihan dasar metode model tangki ini adalah untuk meniru (stimulate) daerah pengaliran sungai dengan menggantinya oleh sejumlah tampungan yang digambarkan

sebagai sederet tangki. Jumlah limpasan

yang keluar dari lubang-lubang di dinding kanan semua tangki adalah merupakan besarnya limpasan yan dihitung dalam suatu daerah pengaliran dengan masukan curah hujan tertentu.

Gambar 2 Ilustrasi Model Tangki Sumber : Soemarto, 1987

(4)

sebanding dengan tinggi air (h (t)) dalam tangki yang bersangkutan (storage depth)

di atas lubang. Limpasan Q (t)

dirumuskan sebagai berikut.

Q (t) = (h (t) – H1)λ

dengan :

Q (t) = limpasan (mm/hari) h (t) = tinggi tampungan (mm)

λ = koefisien lubang (hari-1)

Gambar 3. Komponen Tangki Sumber : Soemarto, 1987

Aturan Operasi Waduk

Lepasan tak bergantung tampungan dapat dilakukan untuk waduk dengan

debit inflow yang relatif konstan

besarrnya (Soetopo W, 2010:12).

Keseimbangan waduk dinyatakan dalam persamaan berikut.

St+1 = St + I – R – Sp – L

Dengan St+1 adalah tampungan pada akhir periode t, St adalah tampungan pada awal periode t, I adalah total volume debit inflow yang masuk ke waduk selama periode t, dan O adalah total voume debit inflow yang masuk ke waduk selama periode t. R adalah volume debit lepasan terkontrol, Sp adalah volume debit limpahan (tak terkontrol), dan L adalah total bersih volume debit minor kehilangan yang keluar waduk.

Operasi Berdasarkan Rule Curve

Rule Curve adalah aturan operasi yang menyatakan nilai-nilai tampungan yang ideal dan menyediakan suatu mekanisme bagi aturan lepasan yang dispesifikasikan sebagai suatu fungsi tampungan. Jika

tampungan waduk cenderung menuju ke sebelah atas dari rule curve, maka lepasan

ditambah besarnya. Sebaliknya jika

tampungan waduk cenderung menuju ke sebelah bawah dari rule curve, maka lepasan dikurangi besarnya.

Gambar 4. Contoh Lepasan Berdasarkan Rule Curve

Sumber : Soetopo W, 2010

Optimasi Algoritma Genetik

Algoritma Genetik adalah salah satu metode dari kelompok Simulasi untuk optimasi. Algoritma genetika merupakan metode pencarian dan optimasi berdasarkan prinsip dari seleksi alam dan genetika. Penggunaan Algoritma Gentika pertama kali diusulkan pada tahun 1975, oleh Holland (1992) berdasarkan penelitiannya pada teori

evolusi Darwin. Terinspirasi oleh

mekanisme seleksi alam dan reproduksi,

Holland menciptakan rumusan ilmiah

terhadap Teori Darwin untuk diterapkan

pada metode Random Search agar lebih

dapat mencari solusi secara intens. Model AG berpusat pada struktur daripada kromosom yang mewakili alternatif solusi.

Jadi sebuah kromosom merupakan

sekumpulan variabel-variabel keputusan

sebagai gambar berikut.

Gambar 5. Kromosom sebagai Alternatif Solusi

Sumber: Soetopo W, 2012:85

Sebuah alternatif solusi mempunyai nilai kinerja. Jadi, setiap kromosom mempunyai nilai kinerja dikarenakan sebuah kromosom itu adalah merupakan alternatif solusi. Oleh sebab itu, model optimasi Algoritma

(5)

Genetika bertujuan untuk mendapatkan kromosom terbaik yang mempunyai nilai kinerja terbaik pula.

Model optimasi AG adalah proses

optimasi yang secara iteratif

mengembangkan suatu populasi

daripada kromosom-kromosom

(alternatif- alternatif solusi) sehingga tercapailah suatu populasi homogen daripada kromosom (alternatif solusi) yang terbaik. Secara garis besar maka

proses pengembangan populasi

kromosom hasil Inisialisasi dengan cara Algoritma Genetika itu terdiri dari komponen Reproduksi dan Crossover.

Reproduksi adalah proses seleksi terhadap kromosom yang terdapat pada suatu populasi berdasarkan nilai kinerja dari masing-masing kromosom, dan

dilanjutkan dengan proses copy

terhadap kromosom hasil seleksi.

Kromosom hasil proses copy ini merupakan generasi turunan yang berikutnya.

Crossover adalah merupakan

persilangan di antara

kromosom-kromosom yang ada pada suatu generasi turunan. Hasil persilangan ini membentuk populasi dari generasi berikutnya. Dengan Vi adalah variabel dari kromosom baru gabungan, dan adalah variabel masing-masing dari kedua kromosom generasi turunan, dan U [0,1] adalah bilangan acak uniform

antara 0 dan 1. Proses Algoritma

Genetika terutama dilakukan oleh

Reproduksi dan Crossover secara

bergantian yang menghasilkan generasi turunan dari kromosom yang semakin baik dan juga semakin homogen.

METODOLOGI PENELITIAN Lokasi Studi

Waduk Pejok terletak di Sungai Brangkal, Dusun Pejok, Desa Pejok,

Kecamatan Kepoh Baru Kabupaten

Bojonegoro. Secara geografis as Waduk Pejok terletak pada koordinat 08 15’34,8” LS dan 113 59’6,4” BT.

Data – Data Yang Digunakan

Data yang digunakan adalah sebagai berikut.

Tahapan Penyelesaian

Tahapan perhitungan dan analisa yang dilakukan dalam studi ini adalah sebagai berikut:

1. Pengumpulan Data

Data yang dikumpulkan dalam studi ini adalah data curah hujan, data klimatologi,

data debit inflow Bendung Kerjo

kebutuhan air irigasi, dan karakteristik waduk.

2. Perhitungan Simulasi Model Tangki

Data input yang dibutuhkan untuk menentukan besarnya debit inflow dari tahun 2002- 2013 dengan menggunakan simulasi Model Tangki adalah data curah hujan dan data evapotranspirasi potensial.

3. Perhitungan Simulasi Waduk Tahun 2002

-2013

Dalam tahapan ini dilakukan perhitungan simulasi waduk selama 12 tahun. Simulasi dimulai dari tahun 2002 hingga tahun 2013.

4. Optimasi Rule Curve dengan metode

Algoritma Genetik (AG)

Pada tahap ini akan dilakukan simulasi waduk berdasarkan Rule Curve hasil

(6)

metode Algoritma Genetika selama 12 tahun dari tahun 2002-2013.

Tahapan ini bertujuan untuk

menemukan hasil simulasi dari Rule Curve Waduk Pejok yang optimal. Tahapan dalam metode AG adalah

Inisialisasi, Crossover, Seleksi

(Reproduksi), dan Klarifikasi.

5. Perhitungan Rule Curve Berdasarkan

Keandalan Debit

Perhitungan ini digunakan untuk

mengetahui aturan operasi

berdasarkan Rule Curve untuk Waduk Pejok berdasarkan tipikal tahun atau probabilitas keandalan debit inflow.

Gambar 6. Diagram Alir Metode Algoritma Genetik

Gambar 7. Diagram Alir Pengerjaan Skripsi

HASIL DAN PEMBAHASAN Analisa Simulasi Model Tangki

Susunan model tangki yang digunakan adalah susunan empat tangki yang disusun secara seri seperti yang ditunjukan pada gambar berikut.

Gambar 8. Susunan Model Tangki Sumber : Hasil Perhitungan

(7)

Untuk mendapatkan data debit inflow yang sesuai, parameter-parameter tangki akan

disimulasikan dengan metode

coba-banding/trial and error. Debit hasil

perhitungan Model Tangki akan

dikalibrasi dengan debit pengamatan

lapangan. Proses kalibrasi debit

perhitungan Model Tangki dilakukan dengan melihat korelasi dan nilai Root Mean Square Error (RMSE) antar debit

tahun 2002 dan 2003 dari hasil

perhitungan dan debit pengamatan pada tahun yang sama. Paramter yang diterima dengan nilai korelasi dan RMSE sebesar 0,835 dan 3,952 ditampilkan berikut ini. Tabel 1. Parameter Model Tangki

Tabel 2. Debit Inflow Hasil Model Tangki

Perhitungan Simulasi Waduk Pejok

Simulasi dilakukan tiap tahun secara berkelanjutan selama 12 tahun dari tahun 2002 – 2013. 1 tahunnya memiliki 36 periode dengan periodenya 10 harian. Simulasi setiap

tahun dimulai dari bulan November

menyesuaikan dari kebutuhan irigasi DI Pacal-Kerjo, dengan inflow yang didapat dari perhitungan debit Model Tangki.

Outflow waduk Pejok berdasarkan

kebutuhan irigasi DI Pacal-Kerjo seluas 2.983,5 ha dengan periode tanam Padi – Padi

– Palawija - Palawija, dan ada pengaruh dari

bendung Kerjo pada hilir waduk. Dalam

kondisi penuh waduk Pejok memiliki

tampungan maksimum sebesar 6,405 juta m3,

dengan tampungan aktif sebesar 6,363 juta m3

dan tampungan mati sebesar 0,042 juta m3.

Tabel 3. Hasil Simulasi Waduk Pejok Tahun 2002 - 2013

Diharapkan dengan dilakukannya

optimasi menggunakan metode Algoritma Genetik berdasarkan Rule Curve akan dapat memaksimalkan fungsi kinerja waduk dengan menjaga agar tidak terdapat periode dimana tampungan waduk menjadi kosong dan menaikkan angka pemenuhan minimum kebutuhan irigasi.

Model Optimasi Lepasan Waduk Pejok Dengan Algoritma Genetik Berdasarkan

Rule Curve

Umum

Operasi berdasarkan Rule Curve adalah operasi waduk yang dipengaruhi dari batas bawah Rule Curve. Batas bawah Rule Curve adalah persentase dari kapasitas tampungan aktif waduk. Lepasan waduk sepenuhnya ditinjau dari batas bawah Rule Curve. Model Algoritma Genetik berpusat pada pencarian alternatif solusi yang disebut kromosom, solusi yang dimaksud pada studi kali ini yaitu sebuah seri batas bawah Rule Curve selama 36 periode yang menjadi aturan waduk untuk 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 I 8,275 1,720 1,749 0,786 3,826 1,082 1,558 3,822 3,266 3,111 1,737 5,173 II 6,710 0,831 2,385 2,348 3,017 0,621 0,617 1,396 2,625 0,415 8,881 2,333 III 5,466 5,977 4,805 0,864 0,403 5,600 7,018 1,825 7,801 5,331 2,835 8,586 I 5,848 9,989 4,546 3,736 7,274 3,331 0,945 0,652 2,144 3,753 1,262 1,142 II 6,612 6,246 0,640 1,732 4,865 2,717 0,126 0,725 6,883 5,169 0,680 2,108 III 5,962 1,049 6,105 4,632 5,938 4,443 4,305 6,812 1,218 1,290 1,837 0,805 I 5,784 3,309 10,635 5,202 0,791 1,521 3,611 6,441 1,998 4,690 2,665 4,164 II 3,983 3,331 4,728 0,697 0,107 0,915 1,463 1,281 0,803 3,559 0,355 11,503 III 5,230 0,919 2,108 6,725 4,973 1,905 5,507 4,303 9,925 7,558 2,830 2,009 I 8,949 1,081 4,681 10,356 3,654 2,213 1,246 0,573 5,459 4,249 4,746 6,499 II 6,374 0,311 0,649 3,888 1,168 6,186 0,166 0,819 1,502 5,980 0,632 5,244 III 2,775 1,041 0,112 0,521 0,505 1,744 1,438 0,110 1,072 2,729 0,085 1,063 I 2,109 1,076 1,159 0,074 3,380 0,233 2,982 1,154 0,144 5,674 0,893 0,142 II 1,860 2,729 0,177 0,020 2,052 0,555 0,397 0,486 2,559 1,943 0,120 2,397 III 1,686 1,443 0,256 0,020 1,803 1,161 0,054 3,453 6,061 0,260 0,017 0,562 I 1,532 0,321 0,055 0,020 0,241 0,155 0,016 0,460 4,012 0,036 0,017 3,397 II 1,396 0,165 1,833 0,224 0,034 2,035 0,324 0,062 0,535 0,017 0,017 2,368 III 1,275 0,150 0,263 2,826 0,017 0,272 0,044 0,016 0,072 0,017 0,016 1,186 I 1,168 0,144 0,053 0,601 0,017 0,037 0,016 0,016 0,017 0,017 0,016 0,919 II 1,073 0,137 0,035 0,089 0,017 0,016 0,016 0,016 0,017 0,017 0,016 2,337 III 0,988 0,131 0,034 0,019 0,017 0,016 0,016 0,016 0,017 0,017 0,016 0,312 I 0,913 0,125 0,033 0,019 0,017 0,016 0,016 0,016 0,017 0,017 0,016 0,043 II 0,845 0,120 0,032 0,019 0,017 0,016 0,016 0,016 0,017 0,017 0,016 0,017 III 0,784 0,114 0,032 0,019 0,017 0,016 0,016 0,016 2,104 0,017 0,016 0,016 I 0,730 0,109 0,031 0,019 0,017 0,016 0,016 0,016 0,281 0,017 0,016 0,016 II 0,681 0,105 0,030 0,018 0,017 0,016 0,016 0,016 1,191 0,017 0,016 0,016 III 0,636 0,100 0,029 0,018 0,017 0,016 0,016 0,016 0,159 0,017 0,016 0,016 I 0,595 0,096 0,029 0,018 0,017 0,016 4,101 0,016 0,022 0,017 0,016 0,016 II 0,558 0,092 0,028 0,983 0,016 0,016 0,546 0,016 3,930 0,017 0,016 0,016 III 0,524 0,088 0,027 0,133 0,016 1,272 0,073 1,425 3,636 0,456 0,016 3,947 I 0,493 0,084 1,662 0,020 0,016 1,418 4,374 0,190 3,719 4,876 0,016 0,526 II 0,464 0,081 0,230 0,018 0,016 2,206 0,723 6,251 0,651 5,015 0,016 3,829 III 0,438 0,078 2,636 2,109 0,942 0,294 0,097 5,223 2,904 2,626 0,133 1,294 I 4,646 1,563 0,590 2,183 2,852 4,687 3,326 1,610 6,397 5,945 0,231 2,881 II 4,170 0,256 0,299 3,409 3,371 3,805 7,372 0,215 0,851 0,791 0,273 7,691 III 2,045 0,744 2,963 3,897 8,131 1,313 2,564 3,184 4,762 2,291 1,616 1,023 Desember Juli Agustus September Oktober Nopember Februari Maret April Mei Juni Bulan Periode Debit [m3/dt] Tahun Januari Outflow Periode

Juta m³ % Juta m³ Juta m³ Kosong

Minimum 0,012 0,583 0 0

Rata-Rata 0,762 76,496 0,748 -Jumlah 269,417 - 320,356

-97 Pemenuhan Spillout Tamp. Waduk

(8)

dapat melepas outflow tertentu guna memenuhi kebutuhan irigasi.

Jadi, 1 kromosom (alternatif solusi) adalah 1 alternatif seri batas bawah Rule Curve. Fungsi tujuan metode ini untuk

memaksimalkan kebutuhan minimum

irigasi selama 12 tahun (2002 – 2003). Setiap seri Rule Curve memiliki nilai

kinerja berupa fungsi tujuan yaitu

pemenuhan kebutuhan minimum irigasi selama 12 tahun. Untuk mendapatkan fungsi tujuan yang terbaik maka metode Algoritma Genetika akan melakukan

pencarian alternatif solusi hingga

mendapatkan alternatif solusi yang

memberikan fungsi tujuan yang terbaik.

Gambar 9. Contoh Alternatif Rule Curve (Kromosom)

Sumber : Perhitungan

Tahap Inisialisasi

Proses inisialisasi adalah langkah awal dalam metode Algoritma Genetika

yang bertujuan untuk menghasilkan

sekumpulan alternatif Rule Curve awal. Dalam proses ini, jumlah alternatif Rule Curve yang dihasilkan sebanyak 16 buah

alternatif Rule Curve. Untuk mendapatkan 16 alternatif tersebut dilakukan pencarian secara acak (random) dan berulang. Setiap Rule Curve yang digunakan dalan perhitungan simulasi waduk selama 12 tahun akan menghasilkan nilai-nilai kinerja yang berbeda, yaitu :

1. Total Tampungan Di Bawah Kurva Rule

Curve

2. Pemenuhan Gagal

3. Pemenuhan Minimum Irigasi

Tabel 4. Nilai-Nilai Kinerja 16 Alternatif Rule Curve Hasil Inisialisasi

Tabel 5 16 Rule Curve Hasil Inisialisasi

Tahap Crossover

Crossover atau kawin silang adalah proses pengembangan 16 alternatif Rule Curve (kromosom) awal yang dihasilkan sebelumnya pada proses inisialisasi. 16 Rule Curve akan saling digabungkan (crossover) satu sama lain sehingga menghasilkan 120 Rule Curve baru. Rule Curve baru merupakan gabungan dari dua alternatif Rule Curve hasil inisialisasi dengan masing-masing alternatif

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 47,000 46,000 54,000 36,000 35,000 50,000 44,000 36,000 34,000 26,000 42,000 23,000 49,000 34,000 32,000 49,000 Pemenuhan Minimum 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 27,027 29,403 12,778 13,565 Di Bawah Kurva Pemenuhan Gagal 21,799 17,142 26,606 Total Tampungan Nilai - Nilai 22,285 18,755 24,739 23,386 23,136 26,044 13,757 28,440 13,269 Kromosom (Alternatif Rule Curve) Kinerja 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 75,40 40,03 59,63 61,58 33,76 59,93 30,84 41,28 62,20 37,76 2,13 19,10 33,41 24,12 54,44 58,03 2 30,93 32,56 59,56 41,20 40,94 84,76 42,47 66,24 36,72 41,79 31,46 21,89 7,19 31,48 42,49 61,20 3 4,13 51,16 51,34 45,48 50,64 71,12 52,61 27,97 62,08 25,28 40,27 28,43 35,15 25,22 40,51 22,51 4 22,19 59,56 56,85 27,11 37,55 66,90 59,72 13,61 79,63 4,47 34,91 43,08 25,97 45,75 31,29 23,19 5 3,17 50,08 67,35 61,57 35,28 64,25 35,16 33,00 87,71 28,80 22,63 45,43 60,99 82,55 48,97 54,71 6 37,05 35,13 29,11 70,63 46,92 59,68 36,82 48,28 80,76 45,61 53,49 56,64 46,93 2,57 73,48 22,75 7 52,53 59,45 63,91 77,53 58,34 82,98 35,60 51,52 44,07 61,76 74,96 2,84 51,50 49,78 71,79 27,36 8 36,06 50,07 23,51 84,69 1,23 47,40 9,92 39,00 81,66 66,52 23,19 0,11 53,93 6,53 46,92 28,30 9 27,54 66,90 63,47 4,92 27,01 76,00 3,56 55,87 45,81 89,40 36,01 85,37 25,98 97,18 3,82 0,64 10 65,67 49,47 50,21 76,05 17,85 39,35 0,61 53,59 26,95 69,96 67,96 38,10 67,68 4,93 31,60 73,59 11 10,46 58,06 67,46 54,31 44,70 15,06 41,41 9,92 35,27 24,11 21,82 38,41 88,65 60,69 19,79 32,43 12 86,53 86,09 1,33 40,21 90,01 92,88 63,73 21,46 68,78 64,62 71,09 17,98 83,81 37,39 25,00 11,25 13 41,59 47,52 43,63 30,38 62,75 24,03 21,12 87,93 90,83 12,26 49,96 79,41 17,65 85,10 27,67 12,70 14 16,13 7,78 42,17 14,94 70,84 28,50 24,93 56,52 35,39 64,44 87,10 51,91 23,18 92,40 76,46 3,02 15 80,27 60,75 44,37 11,81 79,35 16,30 58,14 94,70 71,48 51,43 33,42 85,86 25,25 22,73 13,26 76,09 16 51,68 78,98 11,14 9,36 68,00 62,74 57,57 51,64 92,24 59,64 6,23 43,83 86,21 70,61 83,00 65,18 17 54,32 52,83 48,85 77,39 60,89 8,63 25,89 92,33 73,19 48,50 77,98 9,44 14,80 87,14 23,98 72,86 18 67,35 69,50 75,23 92,26 58,79 58,67 68,38 89,14 72,51 87,50 67,02 70,05 75,81 86,70 83,92 67,98 19 85,91 73,39 82,04 78,89 68,73 75,67 83,44 90,83 76,23 86,16 94,34 71,20 62,96 85,76 81,89 77,99 20 76,15 70,36 78,23 80,77 78,10 76,21 99,05 77,23 75,30 84,38 77,90 71,75 67,27 84,05 75,90 83,84 21 30,09 43,12 76,09 82,41 48,57 87,62 68,60 79,10 86,06 90,53 77,78 76,99 63,64 85,43 49,29 75,31 22 62,86 43,60 75,60 86,35 57,90 81,50 76,77 44,55 76,96 90,60 77,57 70,21 66,69 81,84 60,46 79,86 23 25,53 43,98 75,50 92,78 11,75 46,48 55,54 9,16 68,35 79,43 47,40 24,57 35,44 39,56 16,92 40,37 24 57,77 56,41 73,99 81,34 72,15 78,35 70,82 64,41 74,10 88,09 73,27 67,96 62,63 18,39 54,00 70,93 25 56,70 54,55 62,54 87,83 55,66 81,29 64,80 68,77 77,59 13,38 77,20 12,64 71,75 74,71 54,51 74,43 26 56,25 57,79 64,87 73,58 58,88 75,82 67,77 61,72 71,99 62,29 71,13 38,01 59,63 63,85 51,85 69,68 27 46,93 43,90 66,23 63,51 48,54 72,17 64,52 59,43 69,66 50,97 62,42 41,47 54,00 55,04 51,15 71,76 28 46,63 36,17 57,02 62,53 37,62 72,39 64,79 66,59 73,97 48,52 61,52 36,56 45,18 55,12 50,12 68,15 29 47,58 37,64 55,87 44,32 37,70 69,42 54,20 57,98 64,76 44,53 64,20 23,81 44,88 52,12 51,91 66,73 30 40,40 31,64 60,28 43,44 35,54 68,91 37,40 43,39 61,77 41,13 59,50 22,60 40,12 46,36 48,92 63,70 31 39,63 31,16 64,67 39,73 29,71 65,21 36,05 42,19 60,34 39,53 56,89 20,57 42,41 46,60 43,40 64,69 32 35,45 31,23 19,92 37,03 26,93 33,97 11,60 37,48 17,71 34,00 58,79 9,76 53,53 5,82 8,65 43,86 33 26,15 28,18 46,06 20,22 25,11 48,52 26,03 5,85 50,98 30,08 3,87 1,87 7,94 17,59 32,67 48,43 34 28,31 16,79 33,42 14,36 10,80 12,56 13,93 38,95 25,75 18,53 11,28 6,15 9,96 37,42 38,03 49,75 35 17,91 29,66 34,33 6,28 20,21 4,36 26,21 14,28 49,05 19,27 73,19 7,10 35,43 15,17 25,39 11,43 36 33,38 8,91 45,49 31,58 18,30 54,14 3,18 6,57 29,25 5,05 19,47 12,44 35,74 33,94 29,33 54,62 Tampungan Aktif [%] Periode Bulan Jul Jun Mei Apr Mar Des Nov Okt Agu Sep Jan Feb

(9)

memiliki sejumlah porsi tertentu dari Rule Curve awal.

Tabel 6. Nilai Kinerja Rule Curve Hasil Crossover

Tabel 7. Rule Curve Hasil Crossover

Tahap Seleksi (Reproduksi)

Reproduksi adalah proses seleksi terhadap 120 alternatif Rule Curve (kromosom) hasil crossover yang nantinya akan terpilih 16 Rule Curve terbaik berdasarkan nilai kinerja dari masing-masing Rule Curve berupa pemenuhan minimum kebutuhan irigasi. 16 alternatif hasil seleksi ini disebut generasi turunan. Proses seleksi ini berdasarkan sistem peringkat (rangking) dengan semakin besar nilai kinerja Rule Curve maka semakin besar kemungkinan Rule Curve tersebut untuk masuk ke dalam kumpulan 16 Rule Curve hasil seleksi.

Rekapitulasi Hasil Optimasi Algoritma Genetik

Dari proses crossover dan reproduksi yang dilakukan secara berulang sebanyak 11 kali, menghasilkan seri Rule Curve optimal yang homogen.

Tabel 8. Rekapitulasi Fungsi Tujuan

Gambar 10. Rule Curve Hasil Inisialisasi (Belum Seragam)

Gambar 11. Rule Curve Optimal Untuk Tahun 2002 – 2013 Setelah Optimasi (Sudah Seragam ) Sumber : Perhitungan 1 2 3 4 5 6 7 8 - 120 25,000 36,000 24,000 15,000 42,000 16,000 26,000 21,000 - 40,000 Pemenuhan Minimum 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 - 0,00 5,629 19,120 8,690 8,732 16,294 - 10,278 Di Bawah Kurva Pemenuhan Gagal 7,578 9,517 11,351

Kromosom (Alternatif Rule Curve ) Kinerja Total Tampungan Nilai - Nilai 1 2 3 4 5 6 7 8 - 120 1 42,18 60,27 62,27 35,46 65,37 38,08 49,99 62,79 - 54,48 2 31,06 36,31 32,38 31,18 35,52 40,26 43,00 34,47 - 44,23 3 36,74 26,16 28,64 19,25 32,84 40,65 20,44 35,44 - 34,92 4 26,51 32,80 26,00 30,38 48,48 41,40 14,61 45,34 - 27,88 5 47,96 26,84 43,30 16,43 21,74 31,78 32,76 6,20 - 51,74 6 36,70 32,18 49,63 42,65 46,57 36,98 45,19 43,95 - 34,58 7 54,70 53,29 57,74 52,84 55,41 49,40 52,40 50,01 - 62,72 8 44,77 27,02 38,56 11,10 40,58 15,13 37,64 59,81 - 43,81 9 38,36 45,37 10,89 27,30 41,05 6,22 42,79 29,44 - 3,25 10 55,40 55,42 71,24 32,06 50,66 6,63 56,61 46,62 - 72,88 11 25,97 31,93 39,16 23,86 11,49 32,68 10,00 20,60 - 26,44 12 86,29 32,51 85,30 87,20 89,96 78,25 29,66 76,89 - 19,39 13 45,00 41,97 40,74 47,92 41,32 22,98 44,40 48,65 - 16,33 14 9,53 23,28 16,00 29,36 23,72 24,80 44,79 32,46 - 71,47 15 61,47 63,70 13,39 79,69 73,22 68,58 92,10 77,39 - 29,99 16 77,22 49,91 46,65 56,63 54,42 56,86 51,67 58,61 - 75,18 17 54,03 49,32 54,33 59,80 38,58 28,89 91,55 68,94 - 69,85 18 69,04 71,55 73,04 66,51 66,77 67,82 79,75 71,86 - 81,48 19 80,23 82,94 83,28 75,75 79,88 84,50 86,86 84,02 - 78,69 20 75,97 76,41 78,67 76,99 76,19 86,26 76,76 75,44 - 79,57 21 38,98 65,80 74,85 34,48 81,76 48,58 48,30 79,36 - 74,21 22 61,44 70,08 76,66 58,60 69,49 63,04 59,91 71,63 - 72,15 23 36,19 54,56 67,25 20,74 46,31 53,33 13,21 35,02 - 29,09 24 57,13 62,57 69,70 62,39 77,38 64,52 58,03 66,12 - 64,00 25 56,21 62,20 66,41 56,66 63,43 58,45 61,65 64,17 - 62,00 26 56,56 58,51 62,22 56,38 68,28 56,96 59,61 67,31 - 61,89 27 46,71 57,75 61,82 48,54 56,64 53,60 55,21 60,25 - 59,09 28 44,58 54,26 54,86 44,81 56,37 51,35 55,74 58,64 - 57,64 29 45,06 54,40 46,22 43,54 53,35 49,10 49,05 56,68 - 60,38 30 39,12 54,70 41,10 40,05 55,69 40,25 41,56 50,72 - 56,86 31 37,15 49,26 39,64 35,82 47,44 38,68 39,84 41,24 - 55,89 32 32,11 30,46 36,34 31,85 34,12 33,11 36,71 26,57 - 12,45 33 26,59 34,10 21,50 26,11 36,47 26,11 14,21 36,45 - 47,98 34 22,74 29,62 20,82 14,38 16,42 17,16 29,34 27,98 - 45,74 35 21,16 30,41 10,05 18,44 10,84 19,24 17,09 30,43 - 13,75 36 13,77 41,10 32,03 28,43 36,53 13,12 20,05 32,11 - 29,34 Tampungan Aktif [%] Bulan Periode Nov Des Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Inisialisasi 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Crossover - Seleksi 1 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Crossover - Seleksi 2 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Crossover - Seleksi 3 3,06 1,35 1,16 0,00 0,00 0,54 0,00 0,00 0,41 0,00 0,00 0,00 0,00 0,00 0,00 0,00 Crossover - Seleksi 4 3,51 3,39 3,56 3,33 3,43 3,47 3,29 3,31 3,33 3,27 3,38 3,23 3,20 3,23 3,27 3,16 Crossover - Seleksi 5 5,25 5,14 5,13 5,16 5,28 5,09 5,09 5,09 5,17 5,07 5,08 5,11 5,03 4,97 4,97 4,95 Crossover - Seleksi 6 5,49 5,46 5,43 5,43 5,42 5,40 5,39 5,38 5,39 5,38 5,39 5,38 5,37 5,38 5,36 5,35 Crossover - Seleksi 7 5,53 5,52 5,52 5,53 5,52 5,52 5,51 5,51 5,52 5,53 5,51 5,51 5,52 5,53 5,52 5,50 Crossover - Seleksi 8 5,53 5,53 5,53 5,53 5,53 5,52 5,52 5,52 5,52 5,52 5,51 5,51 5,51 5,51 5,51 5,51 Crossover - Seleksi 9 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,52 5,52 5,52 5,52 5,52 5,52 5,51 5,51 Crossover - Seleksi 10 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,52 5,52 5,52 5,52 Crossover - Seleksi 11 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53 5,53

Pemenuhan Minimum Irigasi (%)

Alternatif Rule Curve (Kromosom)

Proses 0,000 0,641 1,281 1,922 2,562 3,203 3,843 4,484 5,124 5,765 6,405 0,00 10,00 20,00 30,00 40,00 50,00 60,00 70,00 80,00 90,00 100,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Nov Des Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt

Volume (Juta m3) Tampungan (%)

Periode (10 Harian)

Perbandingan Rule Curve Waduk Setelah Optimasi

(10)

Perhitungan Rule Curve Berdasarkan Keandalan Debit

Perhitungan Rule Curve berdasarkan

keandalan debit digunakan untuk

mengetahui aturan operasi berdasarkan

Rule Curve untuk Waduk Pejok

berdasarkan tipikal tahun atau probabilitas keandalan debit inflow, dalam perhitungan ini keandalan debit yang digunakan adalah 26,02% (tahun cukup), 50,68% (tahun normal), 75,34% (tahun rendah), 80,00 % (andalan) dan 97,30% (tahun kering). Tabel 9. Keandalan Debit Inflow

Gambar 11. Rule Curve Untuk Keandalan Debit 26,02 %

Sumber : Perhitungan No. Tahun Rata-Rata Debit Tahun Terurut Debit Terurut Probabilitas (%) Tipikal Tahun

[1] [2] [3] [4] [5] [6] [7] 1 2002 2,877 2002 2,877 2 2003 1,546 2010 2,466 3 2004 1,274 2013 2,378 26,02 Cukup 4 2005 1,618 2011 2,166 5 2006 1,655 2006 1,655 6 2007 1,441 2005 1,618 7 2008 1,532 2003 1,546 50,68 Normal 8 2009 1,463 2008 1,532 9 2010 2,466 2009 1,463 10 2011 2,166 2007 1,441 75,34 Rendah 11 2012 0,892 2004 1,274 80,00 Andalan 12 2013 2,378 2012 0,892 97,30 Kering 0,000 0,640 1,280 1,920 2,560 3,200 3,840 4,480 5,120 5,760 6,400 0,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Tampungan (%) _{Volume (Juta m}3)

Periode (10 Harian) Grafik Rule Curve Waduk Pada Keandalan 26,02 %

Rule Curve 0,000 0,640 1,280 1,920 2,560 3,200 3,840 4,480 5,120 5,760 6,400 0,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Grafik Rule Curve Waduk Pada Keandalan 50,68 %

Rule Curve 0,000 0,640 1,280 1,920 2,560 3,200 3,840 4,480 5,120 5,760 6,400 0,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Nov Des Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt

Tampungan (%)

Volume (Juta m3₎

Rule Curve 0,000 0,640 1,280 1,920 2,560 3,200 3,840 4,480 5,120 5,760 6,400 0,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 Nov Des Jan Feb Mar Apr Mei Jun Jul Agu Sep Okt

Rule Curve 0,000 0,640 1,280 1,920 2,560 3,200 3,840 4,480 5,120 5,760 6,400 0,000 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 100,000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Tampungan (%)

Volume (Juta m3)

Rule Curve

(11)

Pola Operasi Pintu Pengambilan

Data yang akan digunakan dalam

perhitungan operasi pintu bangunan

pengambilan berdasarkan data teknis yang diketahui antara lain :

1. Elevasi = 33 m

2. Lebar = 1 m

3. Jumlah Pintu = 2

Pada perhitungan tinggi bukaan pintu

bangunan pengambilan menggunakan

ketentuan tinggi bukaan pintu maksimal adalah 1,200 m

Tabel 10. Pola Operasi Pintu Pengambilan

KESIMPULAN DAN SARAN Kesimpulan

Setelah melakukan analisa pada bab- bab sebelumnya, dapat diambil beberapa kesimpulan berikut tentang optimasi waduk berdasarkan Rule Curve menggunakan program Algoritma Genetik .

1. Untuk menentukan besarnya debit inflow pada Waduk Pejok digunakan analisa dengan metode Model Tangki dari tahun 2002 sampai dengan tahun 2013. Dalam simulasi tiap tahun dibagi menjadi tiga periode disetiap bulannya dengan periode 10 harian.

Parameter untuk Model Tangki

didapat dengan cara uji coba

kemudian debit hasil perhitungan dikalibrasikan pada debit tahun 2002-2003. Perhitungan debit untuk tahun berikutnya dilakukan ketika parameter tersebut dapat diterima. Paramter yang diterima dengan nilai korelasi dan RMSE sebesar 0,835 dan 3,952 ditampilkan pada tabel 1.

2. Dari simulasi Waduk Pejok dari tahun 2002 - 2013 sebelum proses optimasi dengan Algoritma Genetik didapatkan hal-hal sebagai berikut.

Tabel 11. Hasil Simulasi Waduk Pejok Sebelum Optimasi

Dilihat dari tabel bahwa pemenuhan

minimum irigasi sebesar 0,012 Juta m3

(0,583 %) dengan terdapat 97 periode dimana tampungan waduk mengalami kekosongan .

3. Dari simulasi waduk Pejok akan

dilakukan peningkatan nilai minimum

pemenuhan kebutuhan irigasi, nilai

tersebut menjadi fungsi tujuan optimasi. Rumusan model optimasi dengan

Algoritma Genetik adalah

membangkitkan alternatif Rule Curve secara acak kemudian dikembangkan

secara berulang untuk menghasil

alternatif unggulan. Pembangkitan secara acak dilakukan pada proses Inisialisasi. Dari proses Inisialisasi dibangkitkan 16 alternatif Rule Curve secara acak sebagai kumpulan alternatif awal ,setiap Rule Curve memiliki 36 variabel keputusan berupa batas bawah Rule Curve tiap periode. Setiap Rule Curve memiliki nilai-nilai kinerja yang didapat dari memasukan Rule Curve ke dalam

simulasi waduk. Setelah proses

Inisialisasi dilakukan, kumpulan Rule Curve tersebut dikembangkan melalui penggabungan antar Rule Curve, hingga terbentuklah 120 Rule Curve baru Berikutnya adalah seleksi, memilih 16 Rule Curve terbaik dari 120 Rule Curve berdasarkan fungsi tujuan yaitu nilai minimum pemenuhan kebutuhan irigasi. Selanjutnya dari 16 Rule Curve hasil seleksi tersebut akan dilakukan proses crossover kembali dengan mekanisme yang sama. Pengulangan proses crossover dan seleksi tersebut akan berhenti jika antar Rule Curve seragam. Hal tersebut menandakan bahwa Rule Curve sudah

Elevasi Tinggi Muka

Muka Air 0,200 0,400 0,600 0,800 0,900 1,000 1,200 Air Di Hulu m m 1 33,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 2 34,000 1,000 1,045 1,045 1,045 1,045 1,045 1,045 1,045 3 35,000 2,000 1,503 1,503 1,503 1,503 1,503 1,503 1,503 4 36,000 3,000 1,841 2,762 2,762 2,762 2,762 2,762 2,762 5 37,000 4,000 2,126 4,252 4,252 4,252 4,252 4,252 4,252 6 38,000 5,000 2,377 4,754 7,131 7,131 7,131 7,131 7,131 7 39,000 6,000 2,604 5,208 7,812 9,114 9,114 9,114 9,114 8 40,000 7,000 2,813 5,625 8,438 11,250 11,250 11,250 11,250 9 41,000 8,000 3,007 6,014 9,020 12,027 13,531 13,531 13,531 No. m3/detik

Tinggi Bukaan Pintu (m) Debit

Outflow Periode

Juta m³ % Juta m³ Juta m³ Kosong Minimum 0,012 0,583 0 0

Rata-Rata 0,762 76,496 0,748 -Jumlah 269,417 - 320,356

-97 Pemenuhan Spillout Tamp. Waduk

(12)

identik satu sama lain, jadi tidak

memungkinkan lagi untuk

dikembangkan. Dari hasil optimasi dengan Algoritma Genetik didapatkan hal-hal sebagai berikut.

Tabel 12. Hasil Simulasi Waduk Pejok Setelah Optimasi

Terjadi peningkatan pada pemenuhan minimum irigasi menjadi 0,118 Juta m3 (5,530 %) dengan tetap menjaga

tampungan waduk agar tidak

mengalami kekosongan dibandingkan simulasi sebelum proses optimasi.

Saran

1. Pada proses Inisialisasi, sebaiknya populasi awal dan iterasi diperbanyak sehingga akan menghasilkan solusi yang lebih baik lagi yang mempunyai nilai kinerja lebih baik pula.

2. Pada pola operasi aktual, perlu adanya peninjauan agar lepasan bisa terkontrol

menyesuaikan kondisi tampungan

waduk yang ada.

DAFTAR PUSTAKA

Chang, F.-J., Chen, L., Chang, L.-C. 2005.

Optimizing The Reservoir Operating Rule Curves By Genetic Algorithms. Taiwan: John Wiley & Sons, Ltd. http://onlinelibrary.wiley.com/doi/10 .1002/hyp.5674/abstract (diakses 18 November 2014)

Harto, Sri. 1993. Analisa Hidrologi. Jakarta: Gramedia Pustaka Utama

Limantara, L. M. 2010. Hidrologi Praktis. Bandung: Lubuk Agung.

Lee, C. 2013. Mahir Otodidak VBA Macro

Excel. Jakarta: Elex Media

Komputindo

Linsley , K. Ray JR, Max A. Kohler, Joseph L.H.

Paulhus. 1986. Hidrologi Untuk

Insinyur. Terjemahan Hermawan.

Jakarta: Erlangga

Mc. Mahon, T.A., and Russel, G.M. 1978.

Reservoir Capacity And Yield.

Amsterdam: Elsevier Scientific