Aplikasi Logika Fuzzy Pengambilan Keputusan Untuk Efisiensi Kerja Trafo Listrik Di Yogyakarta
Aulia Kahfi, Agus Maman Abadi
Jurusan Pendidikan Matematika Universitas Negeri Yogyakarta Email : [email protected]
Abstrak—Listrik dewasa ini merupakan kebutuhan yang sangat penting bagi manusia,karena hal tersebut listrik juga tidak bisa lepas dari kehidupan manusia sekarang, meskipun juga banyak daerah di Indonesia yang belum terjamah oleh aliran listrik. Salah satu penyedia jaringan listrik di Indonelia adalah PT. PLN (persero) Yogyakarta , untuk membangkitkan arus listrik di PLN Yogyakarta digunakan salah satunya adalah trafo yang diletakkan di gardu-gardu induk yang berada di wilayah Yogyakarta. Untuk itu diperlukan suatu pengambilan keputusan untuk melihat efisinsi trafo di daerah mana yang bekerja dengan baik pada penggunaan siang hari, sehingga dapat dipantau dan digunakan sebagai acuan dalam pemeliharan trafo dan pelayanan kepada pelanggan. Metode sistem pendukung keputusan adalah suatu cara atau tindakan pimpinan untuk membantu memecahkan suatu masalah yang dihadapi melalui pemilihan satu diantara alternatif-alternatif yang dimungkinkan.
Kata kunci: beban, efisiensi, keputusan fuzzy, trafo
I. PENDAHULUAN
Dewasa ini manusia membutuhkan listrik untuk segala macam aktivitas kehidupan. Di Indonesia sendiri listrik dikuasai oleh Perusahaan Listrik Negara (PLN) persero. Di Indonesia sendiri arus listrik dibangkitkan melalui generator di Pembangkit Listrik Tenaga Air dan nantinya dialirkan ke gardu induk ditampung lalu dialirkan ke pelanggan. Di Yogyakarta sendiri ada 8 gardu ( Bantul, Gejayan, Godean, Kentungan, Medari, Semanu, Wates, dan Wirobrajan) induk dengan minimal ada satu trafo didalamnya dengan kapasitas 30MVA dan 60MVA. Setiap saat trafo di gardu induk tersebut dipantau perawatannya dan jumlah beban yang ditanggung. Manfaat ekonomi dari energi dan pengurangan peak loss saat menerapkan kapasitor shunt di radial distribusi Feeder dapat dioptimalkan dengan pemilihan yang benar lokasi dan ukuran instalasi kapasitor sekitar penutup dan lateral [1]. Untuk itu kita perlu juga mengetahui trafo mana yang bekerja efisien sehingga dapat dijadikan acuan untuk kenyamanan dalam pelayanan pelanggan. Perencanaan energi menggunakan analisis multi kriteria telah menarik perhatian pengambil keputusan untuk waktu yang lama. Pada penelitian ini, peneliti menggunakan metode Logika Fuzzy karena dengan menggunakan logika fuzzy, peneliti dapat menentukan kriteria dan bobot yang diinginkan [2]. Metode ini bisa memberikan solusi untuk meningkatkan manajemen energi yang kompleks Pengambilan keputusan kriteria tunggal yang tradisional biasanya ditujukan untuk memaksimalkan manfaat dengan meminimalkan biaya. Metode ini memberikan pemahaman yang lebih baik tentang dasar dari masalah keputusan,mengenalkan peran partisipan / audience dalam proses pengambilan keputusan, memfasilitasi kompromi dan keputusan kolektif dan menyediakan platform yang baik untuk memahami persepsi model dan analis dalam lingkup realistis [3].
Logika Fuzzy merupakan slah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teorihimpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadan elemen dalam suatu himpunan sangatlah penting. Nilai keaggotaan atai derjat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut [4]. Secara umum, sistem fuzzy sangat cocok untuk penalaran pendekatan terutama untuk sistem yang menangani masalah-masalah kehidupan manusia yang sulit didefinisikan dengan menggunakan model
matematis.[5] Misalkan, nilai masukan dan parameter sebuah sistem bersifat kurang akurat atau kurang jelas, sehingga sulit mendefinisikan model matematikanya.
Fuzzy decision making ( pengambilan keputusan samar) adalah suatu metode pengambilan keputusan dengan membuat suatu variable ke dalam keanggotaan fuzzy [0,1]. Pengambilan keputusan yang samar menggunakan fungsi keanggotaan fungsi objektif dan batasan didefinisikan sebagai subset fuzzy. Keputusan yang optimal diimplementasikan dengan memilih alternatif terbaik dari ruang keputusan fuzzy (D). Salah satu dari tiga keputusan fuzzy dapat dipilih: keputusan perpotongan, keputusan convex dan keputusan produk.[6] Kepentingan relatif semua tujuan dan batasan menggunakan mean aritmetik.Apalagi tingkat preferensi fuzzy (diperkenalkan dalam hal ini paper) perlu diuji pada pembuatan keputusan yang diketahui pilihan platform dan supplier tentu pilihan yang lebih baik untuk itu [7].
Pada saat ini, logika fuzzy sudah banyak diterapkan di berbagai bidang, baik di dunia industri maupun penelitian. Bahkan pada clasawarsa terakhir ini aplikasi logika fuzzy ini semakin menjamur seiring dengan perkembangna teknologi komputasi yang luar biasa pesatnya. Dengan pesatnya perkembangan logika fuzzy ini dicoba untuk diaplikasikandalam bidang penelitian listrik [8].
Dalam kelistrikan istilah umum di Indonesia, sistem 3-phase ini lebih familiar dengan nama sistem R-S-T. karena memang umumnya menggunakan simbol “R”, “S” , “T” untuk tiap penghantar phasenya serta simbol “N” untuk penghantar netral [9].Listrik 3-phase adalah listrik AC (alternating current) yang menggunakan 3 penghantar yang mempunyai tegangan sama tetapi berbeda dalam sudut phase sebesar 120 degree. Ada 2 macam hubungan dalam koneksi 3 penghantar tadi : hubungan bintang (“Y” atau star) dan hubungan delta. Sesuai bentuknya, yang satu seperti huruf “Y” dan satu lagi seperti simbol “delta”. Untuk mengetahui efisiensi suatu trafo maka nilai dari penghantar tersebut harus sama yaitu R = S = T sehingga trafo bekerja dengan baik karena tegangan yang di alirkan sama.
Oleh sebab itu diperlukan suatu metode penarik keputusan mana trafo yang bekerja paling efisien, sehingga dengan metode pengambil keputusan fuzzy dapat ditentukan trafo daerah mana yang bekerja efisien pada siang hari. Rumusan masalah yang digunakan adalah dari penelitian ini ada 3 yaitu, Dari kedelapan trafo tersebut di manakah yang efisien dalam bekerja melayani beban pelanggan pada penggunaan siang hari? Lebih maksimal trafo berkapasitas beban 30MVA atau 60MVA dalam melayani beban pelanggan? Apakah metode pengambilan keputusan fuzzy bisa digunakan dalam mengambil keputusan trafo daerah mana yang lebih efisien pada penggunaan siang hari? Sehingga penelitian ini bertujuan untuk mengambil kesimpulan dari efisiensi kerja trafo pada siang hari di gardu induk wilayah Yogyakarta dengan pengambilan keputusan samar ( fuzzy decision making),mengetahui trafo daerah mana yang bekerja efisien dari kedelapan daerah tersebut pada penggunaan siang hari, mengetahui trafo yang mampu efisien melayani pelanggan yang berkapasitas 30MVA atau yang 60MVA.
II. METODE PENELITIAN
Pada penelitian ini variable yang digunakan adalah tegangan trafo (V), Arus Asli Trafo dalam kilo Ampere (IA) , Arus Efisien Trafo dalam kilo Ampere (IE), dan dengan output persentase tegangan trafo efisien (Ve). Dari semua variable tersebut akan dibuah kedalam keanggotaan fuzzy interval 0 sampai . Dan dapat diketahui jika trafo bekerja efisien jika R = S =T dan persentasenya antara 70% - 80% dan apabila mendekati 90% - 100% maka trafo akan berlebih kapasitas. Data yang digunakan adalah data PT. PLN (Persero) DISTRIBUSI JAWA TENGAH & DI Yogyakarta APD Semarang Data Beban & Tegangan Trafo Gardu Induk Wilayah Area Yogyakarta pada hari Jumat, 06 Januari 2017. Selanjutnya bagan alur penelitian dapat dilihat pada gambar berikut :
GAMBAR 1. METODE PENELITIAN III. HASIL DAN PEMBAHASAN
Berikut ini merupakan data dari PT.PLN Yogyakarta mengenai data beban dan tegangan trafo gardu induk di Yogyakarta pada hari Jumat,6 Januari 2017 pukul 10.00 WIB.
TABEL 1. DATA BEBAN & TEGANGAN TRAFO GARDU INDUK WILAYAH AREA YOGYAKARTA
Gardu
Induk Trafo Daya Trafo
Rasio Tegangan
(kV)
Arus
Nominal HV
LV Daya Tegangan
19
Arus Tegangan
Asli
Arus efisiensi
HV LV R S T MW
Bantul Trafo I
60
MVA 60 150 / 20 231 1732 110 775 762 745 26,547 21,16 0,72519313 1,63903974 Trafo
II
60
MVA 60 150 / 20 231 1732 55 374 311 385 12,169 20,74 0,33915641 1,67223148 Trafo
III 60
MVA 60 150 / 20 231 1732 103 727 666 720 24,356 21,03 0,66945377 1,6491717 Gejayan Trafo
I
60
MVA 60 150 / 20 231 1732 141 990 989 953 33,353 20,76 0,92867007 1,67062047
Trafo
II
60
MVA 60 150 / 20 231 1732 125 827 843 876 29,111 20,88 0,80589883 1,6610192 Godean Trafo
I
30
MVA 30 150 / 20 115 866 62 437 329 358 13,059 21,19 0,35623194 0,81835963
Trafo
II
30
MVA 30 150 / 22 115 787 76 534 525 535 18,233 20,86 0,50524 0,83130587 Kentungan Trafo
II
60
MVA 60 150 / 20 231 1732 151 1019 1062 1062 35,384 20,63 0,99142895 1,68114789
Trafo
III 60
MVA 60 150 / 20 231 1732 86 574 568 603 19,543 20,62 0,54784344 1,68196319
Trafo
IV 60
MVA 60 150 / 20 231 1732 71 455 430 502 15,945 21 0,43889348 1,65152766 Medari Trafo
I
30
MVA 30 150 / 20 115 866 67 466 470 444 15,782 20,89 0,43669427 0,83011204 Trafo
II
30
MVA 30 150 / 22 115 787 43 303 266 290 9,632 20,38 0,27319088 0,8508852 Semanu Trafo
I
60
MVA 60 150/20 231 1732 65 445 460 424 14,946 20,52 0,42101883 1,69015989 Wates Trafo
II
30
MVA 30 150/20 115 866 58 397 397 410 12,337 20,4 0,34956931 0,850051
Trafo
I
30
MVA 30 150/20 115 866 50 350 300 343 11,595 21,21 0,31599774 0,81758795 Wirobrajan Trafo
II
60
MVA 60 150/20 231 1732 26 183 161 146 5,491 20,45 0,15520726 1,69594528
Trafo
I
60
MVA 60 150/20 231 1732 178 1251 1162 1244 42,653 21,28 1,15859555 1,62979704 Defuzzifikasi
OUTPUT INPUT
Fuzzifikasi
Mesin Inferensi
Himpunan Samar pada Tegangan Trafo dalam kilo Volt (V) dengan fungsi keanggotaan adalah VR (tegangan rendah ) dan VT (tegangan tinggi)
1, untuk
, untuk 25 0, untuk
0, untuk x ≥ 25
, untuk 1, untuk
Himpunan Samar pada Arus Asli Trafo dalam kilo Ampere (IA) dengan fungsi keanggotaan adalah IAR ( arus asli rendah ) dan IAT (asli tinggi)
1, untuk , untuk 0, untuk
, untuk 0, untuk
Himpunan Samar pada Arus Efisien Trafo dalam kilo Ampere (IE) dengan fungsi keanggotaan adalah IER ( arus efisien rendah ) dan IET (arus efisien tinggi)
1, untuk , untuk 0, untuk
, untuk 0, untuk
Dengan output Himpunan Samar pada Tegangan Trafo Efisien (Ve) dalam kilo Volt (V) dengan fungsi keanggotaan adalah VER ( tegangan rendah ) dan VET (tegangan tinggi)
1, untuk
, untuk 0, untuk
0, untuk x ≥ 50
, untuk 1, untuk
Maka diasumsikan ada 8 aturan fuzzy dari input variabel tegangan (V), Arus Asli (IA), Arus Efisien (IE) dan output variabel persentase tegangan trafo efisien (Ve) adalah
1. Jika tegangan rendah dan arus asli rendah dan arus efisien rendah maka tegangan efisien rendah 2. jika tegangan rendah dan arus asli tinggi dan arus efisien tinggi maka tegangan efisien tinggi 3. jika tegangan rendah dan arus asli rendah dan arus efisien tinggi maka tegangan efisien rendah 4. jika tegangan rendah dan arus asli tinggi dan arus efisien rendah maka tegangan efisien rendah
5. Jika tegangan tinggi dan arus asli rendah dan arus efisien rendah maka tegangan efisien tinggi 6. jika tegangan tinggi dan arus asli tinggi dan arus efisien tinggi maka tegangan efisien tinggi 7. jika tegangan tinggi dan arus asli rendah dan arus efisien tinggi maka tegangan efisien rendah 8. jika tegangan tinggi dan arus asli tinggi dan arus efisien rendah maka tegangan efisien tinggi
Dengan Matlab , FIS dengan inferensi Mamdani dan defuzzyfikasi centroid maka didapatkan hasil output sebagai berikut :
GAMBAR 2. FIS TEGANGAN ARUS
GAMBAR 3.RULE TEGANGAN ARUS UNTUK TEGANGAN PERTAMA
TABEL 2. HASIL OUTPUT DATA BEBAN & TEGANGAN TRAFO GARDU INDUK WILAYAH AREA YOGYAKARTA
Daya Trafo
RASIO TEGA NGAN
(kV)
Arus
Nominal Daya
Tegangan 19
Arus Tegangan
Asli
Arus efisiensi
Persen tase daya asli
Tegangan model
Ket.
Tegangan
HV LV MW
60 MVA
6 0
150 /
20 231 173 2
26,54
7 21,16 0,7251931 1,63903
97 44,75 22,4 Rendah
60 MVA
6 0
150 /
20 231 173 2
12,16
9 20,74 0,3391564 1,67223
15 22,23 24,6 Rendah
60 MVA
6 0
150 /
20 231 173 2
24,35
6 21,03 0,6694538 1,64917
17 41,97 22,3 Rendah
60 MVA
6 0
150 /
20 231 173 2
33,35
3 20,76 0,9286701 1,67062
05 57,16 22 Rendah
60 MVA
6 0
150 /
20 231 173 2
29,11
1 20,88 0,8058988 1,66101
92 50,58 22,1 Rendah
30 MVA
3 0
150 /
20 115 866 13,05
9 21,19 0,3562319 0,81835
96 50,46 24,1 Rendah
30 MVA
3 0
150 /
22 115 787 18,23
3 20,86 0,50524 0,83130
59 67,98 22,1 Rendah
60 MVA
6 0
150 /
20 231 173 2
35,38
4 20,63 0,9914289 1,68114
79 61,32 21,9 Rendah
60 MVA
6 0
150 /
20 231 173 2
19,54
3 20,62 0,5478434 1,68196
32 34,82 21,9 Rendah
60 MVA
6 0
150 /
20 231 173 2
15,94
5 21 0,4388935 1,65152
77 28,98 22,3 Rendah
30 MVA
3 0
150 /
20 115 866 15,78
2 20,89 0,4366943 0,83011
2 54,27 22,2 Rendah
30 MVA
3 0
150 /
22 115 787 9,632 20,38 0,2731909 0,85088
52 38,5 23,3 Rendah
60 MVA
6
0 150/20 231 173 2
14,94
6 20,52 0,4210188 1,69015
99 26,56 21,9 Rendah
30 MVA
3
0 150/20 115 866 12,33
7 20,4 0,3495693 0,85005
1 47,34 23,7 Rendah
30 MVA
3
0 150/20 115 866 11,59
5 21,21 0,3159977 0,81758
8 40,42 30,3 Rendah
60 MVA
6
0 150/20 231 173
2 5,491 20,45 0,1552073 1,69594
53 10,57 21,8 Rendah
60 MVA
6
0 150/20 231 173 2
42,65
3 21,28 1,1585955 1,62979
7 72,23 22,6 Rendah
Dengan rumus dan dari tegangan model juga dapat dikelompokkan tegangan model tinggi dan tegangan model rendah.
Sehingga didapatkan juga MAPE dari tegangan efisien yaitu,
TABEL 3. HASIL MAPE TEGANGAN TRAFO GARDU INDUK WILAYAH AREA YOGYAKARTA
Daya Trafo
Rasio Tegangan
(kV)
Daya
Tegangan 19
Arus Tegangan
Asli
Arus efisiensi
Persentase daya asli
Tegangan model
Keterangan Tegangan
Persen Daya model
MAPE Tegangan MW
60
MVA 60 150 / 20 26,547 21,16 0,7251931 1,6390397 44,75 22,4 Rendah 36,71449 0,0586011 60
MVA 60 150 / 20 12,169 20,74 0,3391564 1,6722315 22,23 24,6 Rendah 41,136894 0,1861138 60
MVA 60 150 / 20 24,356 21,03 0,6694538 1,6491717 41,97 22,3 Rendah 36,776529 0,0603899 60
MVA 60 150 / 20 33,353 20,76 0,9286701 1,6706205 57,16 22 Rendah 36,75365 0,0597303
60
MVA 60 150 / 20 29,111 20,88 0,8058988 1,6610192 50,58 22,1 Rendah 36,708524 0,0584291 30
MVA 30 150 / 20 13,059 21,19 0,3562319 0,8183596 50,46 24,1 Rendah 19,722467 0,1373289 30
MVA 30 150 / 22 18,233 20,86 0,50524 0,8313059 67,98 22,1 Rendah 18,37186 0,0594439 60
MVA 60 150 / 20 35,384 20,63 0,9914289 1,6811479 61,32 21,9 Rendah 36,817139 0,0615608 60
MVA 60 150 / 20 19,543 20,62 0,5478434 1,6819632 34,82 21,9 Rendah 36,834994 0,0620757 60
MVA 60 150 / 20 15,945 21 0,4388935 1,6515277 28,98 22,3 Rendah 36,829067 0,0619048 30
MVA 30 150 / 20 15,782 20,89 0,4366943 0,830112 54,27 22,2 Rendah 18,428487 0,0627094 30
MVA 30 150 / 22 9,632 20,38 0,2731909 0,8508852 38,5 23,3 Rendah 19,825625 0,1432777 60
MVA 60 150/20 14,946 20,52 0,4210188 1,6901599 26,56 21,9 Rendah 37,014502 0,0672515 30
MVA 30 150/20 12,337 20,4 0,3495693 0,850051 47,34 23,7 Rendah 20,146209 0,1617647 30
MVA 30 150/20 11,595 21,21 0,3159977 0,817588 40,42 30,3 Tinggi 24,772915 0,4285714 60
MVA 60 150/20 5,491 20,45 0,1552073 1,6959453 10,57 21,8 Rendah 36,971607 0,0660147 60
MVA 60 150/20 42,653 21,28 1,1585955 1,629797 72,23 22,6 Rendah 36,833413 0,0620301
MAPE Tegangan 10,571752
Dengan rumus
maka MAPE tegangan didapatkan 10,6%. Dan dari data tegangan model dapat didapatkan daya model yaitu dengan , sehingga didapatkan hasil dan urutan model seperti berikut:
TABEL4. HASIL URUTAN DATA EFISIENSI BEBAN MODEL & TEGANGAN TRAFO GARDU INDUK WILAYAH AREA YOGYAKARTA
Persentase daya asli
Persen Tegangan model
Keterangan Tegangan
Persen Daya model
MAPE Tegangan
Urutan daya model
Gardu Induk
TRAFO
44,75 22,4 Rendah 36,7144902 0,058601 Bantul Trafo I
22,23 24,6 Rendah 41,13689444 0,186114 1 Trafo II
41,97 22,3 Rendah 36,77652899 0,06039 Trafo III
57,16 22 Rendah 36,75365031 0,05973 Gejayan Trafo I
50,58 22,1 Rendah 36,70852435 0,058429 Trafo II
50,46 24,1 Rendah 19,72246697 0,137329 Godean Trafo I
67,98 22,1 Rendah 18,37185974 0,059444 Trafo II
61,32 21,9 Rendah 36,81713874 0,061561 Kentungan Trafo II
34,82 21,9 Rendah 36,8349938 0,062076 4 Trafo III
28,98 22,3 Rendah 36,82906689 0,061905 Trafo IV
54,27 22,2 Rendah 18,42848723 0,062709 Medari Trafo I
38,5 23,3 Rendah 19,82562526 0,143278 Trafo II
26,56 21,9 Rendah 37,01450157 0,067251 2 Semanu Trafo I
47,34 23,7 Rendah 20,14620877 0,161765 Trafo II
40,42 30,3 Tinggi 24,77291495 0,428571 Wates Trafo I
10,57 21,8 Rendah 36,97160705 0,066015 3 Trafo II
72,23 22,6 Rendah 36,83341301 0,06203 Wirobrajan Trafo I
Berdasarkan Tabel 4 dari FIS Matlab didapatkan empat urutan trafo yang bekerja efisien terbaik adalah Trafo I Bantul ,Trafo I Semanu, Trafo II Wates, dan Trafo III Kentungan .
IV. SIMPULAN DAN SARAN
Jadi dengan metode fuzzy decision making (pengambil keputusan fuzzy) maka didapatkan urutan trafo yang bekerja efisien pada siang hari dari empat terbaik presentase mesin adalah Trafo I Wirobrajan, Trafo II Kentungan,Trafo I Gejayan, dan Trafo II Gejayan. Dan dari FIS Matlab didapatkan empat urutan terbaik adalah Trafo I Bantul ,Trafo I Semanu, Trafo II Wates, dan Trafo III Kentungan dengan MAPE Tegangan 10,5% sehingga data FIS mendekati presentase mesin maka presentase model dapat digunakan untuk mencari efisiensi daya trafo listrik.
DAFTAR PUSTAKA
[1] F. D. Penha,C.A.F. Murari,"A fuzzy decision model for optimal shunt allocation on unbalance radial distribution with nonlinear loads part i : the solution method ",Elec0'99 International Conference On Electrical And Electronics Engineering.
[2] S. Abadi,Y.S. Negoro, “Aplikasi sistem pendukung keputusan menggunakan metode fuzzy sample additive weighting (saw) dalam menentukan kelaikan installasi listrik yang terpasang di rumah pelanggan ”,Lampung : STMIK Pringsewu Lampung,2017.
[3] S.D. Pohekar, M. Ramachandran,"Application of multi-criteria decision making to sustainable energy planning a review",Renewable and Sustainable Energy Reviews 8 (2004) 365–381.
[4] S.Kusumadewi, H. Purnomo,2013,"Aplikasi Logika Fuzzy Untuk Pendukung Keputusan", Yogyakarta : Graha Ilmu.
[5] S.A.H. Khoshsolat, N. Abdul Aziz, N. Ismail, N. Adam, "Repositioning of electric distribution substations using fuzzy decision making ",Energy Procedia 14 (2012) 476 – 482.
[6] G. J. Klir ,Clair Ute St., Yuan Bo.1997, " Fuzzy Set Theory (Fuzzy Decision Making Dalam Kepemilikan Rumah)",United State of America:Prentice-Hall Inc.
[7] Supriyono,"Aplikasi logika fuzzy pada optimasi daya listrik sebagai sistem pengambilan keputusan",Seminar Nasional II SDM Teknologi Nuklir Yogyakarta,21-22 Desember 2006, hal 285-292.
[8] M. Çunkas, "Design optimization of electric motors by multiobjective fuzzy genetic algorithms", Mathematical and Computational Applications, Vol. 13, No. 3, pp. 153-163, 2008.
[9] S. Mukherjee , S. Kar, " A three phase supplier selection method based on fuzzy preference degree",Journal of King Saud University – Computer and Information Sciences (2013) 25, 173–185.
