315 ANALISIS SENSITIVITAS PADA VARIABEL KETIDAKPASTIAN YANG MEMPENGARUHI LUEC PLTN DENGAN PENDEKATAN PROBABILISTIK
Nuryanti1), Akhmad Hidayatno2), Erlinda Muslim3)
1)
Pusat Pengembangan Energi Nuklir (PPEN) BATAN Jl. Kuningan Barat, Mampang Prapatan, Jakarta 12710 Telp./Fax: (021)5204243 Email: [email protected]
2),3)
Departemen Teknik Industri, Fakultas Teknik, Universitas Indonesia Kampus UI Depok, Indonesia
Email: [email protected]2), [email protected]3) ABSTRAK
ANALISIS SENSITIVITAS PADA VARIABEL KETIDAKPASTIAN YANG MEMPENGARUHI LUEC PLTN DENGAN PENDEKATAN PROBABILISTIK. Hal yang cukup krusial untuk dikaji sebelum diambilnya keputusan investasi pada proyek PLTN adalah perhitungan keekonomian proyek, termasuk di dalamnya perhitungan biaya pembangkitan listrik teraras atau Levelized Unit Electricity Cost (LUEC). Proyek infrastruktur seperti PLTN ini sangat rentan terhadap sejumlah variabel ketidakpastian. Informasi tentang variabel ketidakpastian apa saja yang membuat nilai LUEC cukup sensitif akibat perubahan yang terjadi padanya sangat diperlukan agar terjadinya cost overrun dapat dihindari. Oleh karena itu, penelitian ini ditujukan untuk melakukan analisis sensitivitas pada variabel- variabel ketidakpastian yang mempengaruhi LUEC dengan pendekatan probabilistik. Pada studi ini dilakukan analisis probabilistik dengan teknik Monte Carlo yang mensimulasikan keterkaitan antara variabel ketidakpastian yang disensitivitaskan dan dilihat pengaruhnya terhadap LUEC. Hasil analisis sensitivitas menunjukkan bahwa terjadi perubahan yang cukup signifikan pada LUEC PLTN AP1000 dan PLTN OPR akibat sensitivitas investment cost dan faktor kapasitas. Sedangkan perubahan LUEC akibat sensitivitas harga Uranium alam (U3O8)
terlihat tidak cukup signifikan.
Kata kunci: analisis sensitivitas,variabel ketidakpastian, LUEC, PLTN, pendekatan probabilistik
ABSTRACT
SENSITIVITY ANALYSIS ON UNCERTAINTY VARIABLES AFFECTING THE NPP’s LUEC WITH PROBABILISTIC APPROACH. One thing that is quite crucial to be reviewed prior to any investment decision on the nuclear power plant (NPP) project is the calculation of project economic, including calculation of Levelized Unit Electricity Cost (LUEC).
Infrastructure projects such as NPP’s project are vulnerable to a number of uncertainty variables. Information on the uncertainty variables which makes LUEC’s value quite sensitive due to the changes of them is necessary in order the cost overrun can be avoided. Therefore this study aimed to do the sensitivity analysis on variables that affect LUEC with probabilistic approaches.This analysis was done by using Monte Carlo technique that simulate the relationship between the uncertainty variables and visible impact on LUEC. The sensitivity analysis result shows the significant changes on LUEC value of AP1000 and OPR due to the sensitivity of investment cost and capacity factors. While LUEC changes due to sensitivity of U3O8’s price looks not quite significant.
Keywords: sensitivity analysis, uncertainty variables, LUEC, NPP, probabilistic approach
316 I. PENDAHULUAN DAN LATAR
BELAKANG MASALAH
Salah satu hal yang cukup krusial untuk dikaji sebelum diambilnya keputusan investasi pada proyek PLTN adalah perhitungan keekonomian proyek, termasuk didalamnya perhitungan biaya pembangkitan listrik teraras atau Levelized Unit Electricity Cost (LUEC). Hal ini terkait dengan sifat proyek PLTN yang dicirikan sebagai mega proyek yang padat modal dan padat teknologi serta dengan persyaratan keselamatan dan keamanan yang tinggi. Proyek infrastruktur seperti PLTN sangat rentan terhadap terjadinya beberapa variabel ketidakpastian. Rothwell (2011) mengidentifikasi beberapa variabel ketidakpastian yang dapat berpengaruh terhadap terjadinya uncertainty pada nilai LUEC PLTN, yaitu: biaya investasi (investment cost), harga Uranium Alam, biaya pengkayaan Uranium (enrichment), biaya operasi & pemeliharaan (fix and variable O&M cost ), faktor kapasitas pembangkit dan waktu konstruksi[1]. Oleh karena itu menjadi penting adanya suatu pendekatan yang mampu mengakomodasi kemungkinan terjadinya beberapa variabel ketidakpastian tersebut dalam proyek PLTN yaitu dengan analisis probabilistik[2]. Perubahan nilai pada variabel- variabel ketidakpastian tersebut tentu akan berpengaruh pada nilai LUEC PLTN. Jika perubahan kecil pada suatu variabel ketidakpastian berpengaruh cukup signifikan terhadap LUEC, maka dapat dikatakan bahwa LUEC sangat sensitif oleh perubahan variabel ketidakpastian tersebut.
Namun jika perubahan besar pada suatu variabel ketidakpastian tidak berpengaruh signifikan terhadap LUEC, maka dikatakan bahwa LUEC tidak sensitif terhadap variabel ketidakpastian tersebut. Informasi tentang variabel ketidakpastian mana saja
yang berpengaruh cukup signifikan terhadap LUEC akan sangat membantu bagi pelaku proyek untuk mengelola variabel- variabel ketidakpastian tersebut sehingga terjadinya cost overrun dapat dihindari.
Oleh karena itu, penelitian ini ditujukan untuk melakukan analisis sensitivitas pada variabel-variabel ketidakpastian yang berpengaruh terhadap LUEC PLTN dengan pendekatan probabilistik. Analisis probabilistik dilakukan dengan teknik Monte Carlo yang mensimulasikan beberapa variabel ketidakpastian sebagai input dan dilihat pengaruhnya terhadap LUEC sebagai output. PLTN yang dikaji adalah PLTN AP1000 dari Westinghouse dan PLTN OPR1000 dari KHNP. Dengan penelitian ini dapat diketahui variabel ketidakpastian apa saja yang membuat nilai LUEC cukup sensitif akibat perubahan yang terjadi padanya.
II. METODE DAN DATA II.1. Langkah Penelitian
Penelitian ini dilakukan dengan langkah-langkah berikut:
- Mengumpulkan data yang diperlukan dalam perhitungan LUEC PLTN baik data teknis maupun data ekonomi.
- Menetapkan asumsi yang diperlukan dalam perhitungan.
- Membaharui data biaya ke dalam reference year. Studi ini menggunakan reference year tahun 2010.
- Melakukan perhitungan LUEC berdasar data masukan dengan menggunakan model spreadsheet .
- Mendefinisikan distribusi variabel- variabel ketidakpastian.
- Mensimulasikan pengaruh variabel- variabel ketidakpastian terhadap LUEC pada base case maupun pada uji sensitivitas. Simulasi dibantu dengan paket program @Risk.
317 II.2. Perhitungan Biaya Pembangkitan
Listrik Teraras PLTN
Biaya pembangkitan listrik teraras atau Levelized Unit Electricity Cost (LUEC) adalah biaya pembangkitan listrik yang di- levelized sehingga menjadi cost/kWh, yang terdiri dari biaya investasi atau kapital pembangunan pembangkit, fixed O&M cost, variable O&M cost dan biaya bahan bakar[3]. Formula yang dipakai untuk menghitung LUEC adalah[3] :
E FM r
E LUEC I
n
t
t
1
1
(1)
Keterangan:
LUEC : Levelized Unit Electricity cost I : Biaya investasi total yang di-
diskontokan ke tahun COD (Commercial Operation Date)
M : Biaya operasi dan pemeliharaan per tahun
F : Biaya bahan bakar
E : Produksi listrik yang dibangkitkan per tahun
r : Discount rate (ditetapkan sebesar 10%)
n : Umur pembangkit
II.3. Teknik Simulasi Monte Carlo
Pada dasarnya simulasi merupakan sebuah metode analitik yang bertujuan untuk membuat tiruan dari sebuah sistem yang mempunyai sifat acak[4]. Suatu model deterministik akan memetakan suatu himpunan variabel masukan ke suatu himpunan variabel keluaran sebagaimana terlihat pada Gambar 1.
Gambar 1. Model Deterministik[5]
Simulasi Monte Carlo adalah suatu metode untuk mengevaluasi secara berulang suatu model deterministik menggunakan himpunan bilangan acak sebagai masukan.
Perambatan ketidakpastian (Uncertainty propagation) merupakan prinsip dasar di belakang simulasi Monte Carlo[5]. Skematis dari prinsip perambatan ketidakpastian dapat dilihat pada Gambar 2. Langkah- langkah dalam simulasi Monte Carlo adalah sebagai berikut[5]:
1. Buat suatu model parametrik, y = f (x1, x2, ...., xq)
2. Bangkitkan suatu himpunan masukan acak, xi1, xi2,..., xiq
3. Evaluasi model dan simpan hasilnya sebagai yi
4. Ulangi langkah 2 dan 3 untuk i = 1, ..., n 5. Analisis hasil
Gambar 2. Skematis Perambatan Ketidakpastian
318 II.4. DATA
II.4.1. Parameter Teknis dan Ekonomi PLTN
Beberapa parameter teknis dan ekonomi dari PLTN yang dikaji dapat dilihat pada Tabel 1.
Tabel 1. Parameter Teknis PLTN yang Dikaji
No Parameter Unit Nilai
1 Kapasitas Unit Gross MW 2 x 1000
2 Pemakaian Sendiri % 5,5
3 Kapasitas Unit Netto MW 1.890
4 Faktor Kapasitas % 85
5 Produksi Daya tahunan MWh 14.892.000
6 Daya yang Dijual Tiap tahun MWh 14.072.940
7 Daya bakar reaktor (Burn Up) MWd per metrik ton U235 60.000(6) II.4.2.Data Komponen Biaya
Pembangkitan Listrik a. Biaya Investasi (investment cost)
Data investment cost PLTN AP1000 yang digunakan dalam studi ini berupa nilai
rata-rata investment cost dari estimasi harga beberapa kontrak PLTN AP1000 di Amerika Serikat, sedangkan investment cost PLTN OPR1000 menggunakan data dari IEA(2010)[1],[7].
Tabel 2. Data Investment Cost PLTN yang Dikaji[1],[7]
No Pembangkit Tahun Estimasi
Harga US$/kWe Total Biaya
Investasi (US$) 1. PLTN AP1000 di Amerika Serikat[1]
Levy County April 2010 4.333 8.666.000.000
Summer Kuartal 3, 2010 3.520 7.040.000.000
Vogtle Agustus 2010 4.323 8.646.000.000
EIA Desember 2010 5.339 10.678.000.000
Rata-rata 4.379 8.758.000.000
2. PLTN OPR1000 di Korea Selatan[7]
2010 1.876 3.752.000.000
b. Biaya Bahan Bakar Nuklir (BBN) Komponen biaya BBN yang diperhitungkan dalam hal ini adalah front- end cost, sedangkan back-end cost dalam prakteknya dimasukkan dalam komponen Operation & Maintenance (O&M) Cost[8].
Karena PLTN diasumsikan baru beroperasi tahun 2023, maka data tahun 2010 dieskalasi ke tahun tersebut dengan tingkat eskalasi 0,5%, mengacu pada Locatelly &
Mancini (2010)[9]. Data rincian biaya BBN dapat dilihat dalam Tabel 3.
Tabel 3. Rincian Biaya Bahan Bakar Nuklir (BBN) Tahun 2010[10]
Komponen Biaya BBN Harga 2010 Harga 2023 Total Biaya BBN
Harga U3O8 $146 $155,78 $1.386
Biaya Konversi (U3O8 ke UF6) $13 $13,87 $104
Biaya Pengkayaan $155,00 $165,38 $1.207
Biaya Fabrikasi $240 $256,08 $256
Biaya BBN (US$/kg U235) $2.953
c. Biaya Operasi dan Pemeliharaan (O&M Cost)
O&M Cost dibedakan menjadi variable dan fixed O&M Cost. Struktur
fixed O&M mengacu pada studi PLN Litbang (2006) dengan tingkat eskalasi 3%
per tahun[3]. Hasil perhitungan fixed O&M pada tahun dasar untuk PLTN OPR dan
319 AP1000 masing-masing adalah sebesar
US$ 108.269.491 dan US$ 203.113.461.
Sedangkan data variable O&M Cost mengacu pada Rothwell (2011) yaitu sebesar 0,56 US$/kWe per tahun[1].
II.4.3. Variabel-variabel Ketidakpastian Tabel 4 menyatakan pendefinisian distribusi variabel ketidakpastian yang berpengaruh terhadap LUEC. Dalam studi ini masa konstruksi ditetapkan selama 5 tahun.
Tabel 4. Pendefinisian Distribusi Variabel-variabel Ketidakpastian
No Variabel Ketidapastian AP1000 OPR1000 Keterangan 1 Investment Cost
Distribusi Lognormal
Distribusi Lognormal 4276,65 844,87 2,227742,72 2 Harga Uranium Alam
(U3O8)
Distribusi Pearson5 Distribusi Pearson5 Rothwell (2011)[1]
= 1,5420; =
28,436
= 1,5420;
= 28,437 3 Pengkayaan Uranium
(Enrichment)
Distribusi Normal Distribusi Normal Rothwell (2011)[1]
139,740 22,216 139,740 22,216 4 Fixed O&M Cost
Distribusi Extvalue Distribusi Extvalue Rothwell (2011)[1]
= 85,21376;
= 5,16562 = 85,21376;
= 5,16562
5 Variable O&M Cost Distribusi Logistic Distribusi Logistic Rothwell (2011)[1]
= 0,61520
= 0,01772 = 0,61520
= 0,01772 6 Faktor Kapasitas
Distribusi PERT minimum = 0,75;
most likely = 0,85;
maximum = 0,95
Distribusi PERT minimum = 0,75;
most likely = 0,85;
maximum = 0,95
Rothwell (2011)[1]
Catatan: Penentuan Distribusi investment cost AP1000 dilakukan dengan fitted distribution terhadap data historis, sedangkan jenis distribusi investment cost OPR diasumsikan sama dengan AP1000.
III. HASIL DAN PEMBAHASAN III.1. Hasil Analisis Probabilistik nilai
LUEC pada kondisi Base Case Kondisi base case adalah kondisi di mana belum dilakukan analisis sensitivitas
terhadap sejumlah variabel ketidakpastian.
Tabel 5 menunjukkan hasil simulasi pada kondisi base case.
Tabel 5. Hasil Simulasi Variabel Ketidakpastian Terhadap LUEC pada Kondisi Base Case
Statistik LUEC AP1000 LUEC OPR1000
Minimum 5,5701 2,8387
Maximum 18,3282 15,7623
Rata-rata 9,5226 5,8341
Standar Deviasi 1,6681 1,4980
Dari Tabel 5 diketahui nilai Risk Adjusted LUEC PLTN AP1000 dan PLTN OPR pada kondisi base case, yaitu masing- masing sebesar 11,1907 cent US$/kWh dan 7,3321 cent US$/kWh. Nilai ini merupakan penjumlahan nilai rata-rata dan standar
deviasi dari distribusi LUEC hasil simulasi.
Pada simulasi kondisi base case ini juga diperoleh diagram tornado yang menunjukkan koefisien regresi antara masing-masing variabel ketidakpastian
320 dengan LUEC AP1000 dan OPR seperti ditunjukkan pada Gambar 3 dan Gambar 4.
Gambar 3. Diagram Tornado LUEC PLTN AP1000
Gambar 4. Diagram Tornado LUEC PLTN OPR1000
Kedua gambar tersebut
memperlihatkan urutan variabel-variabel ketidakpastian yang mempengaruhi LUEC PLTN AP1000 maupun OPR1000 berdasarkan besarnya koefisien regresi, yaitu: investment cost, faktor kapasitas, harga Uranium alam (U3O8),biaya fixed O&M dan pengkayaan (enrichment) Uranium. Pada studi ini, analisis sensitivitas akan dilakukan pada tiga variabel saja:
investment cost, faktor kapasitas dan harga U3O8.
III.2.Analisis Sensitivitas Variabel Ketidakpastian Terhadap LUEC dengan Pendekatan Probabilistik a. Sensitivitas Investment Cost Terhadap
LUEC
Sensitivitas investment cost dilakukan dengan merubah nilai investment cost sehingga terdapat 5 nilai investment cost yang disensitivitaskan yaitu: base 20%. Nilai base adalah 4.379 US$/kWh pada PLTN AP1000 dan 1.876 US$/kWh pada OPR1000. Tabel 8 menunjukkan hasil simulasi sensitivitas investment cost terhadap LUEC PLTN AP1000 dan PLTN OPR, sedangkan Gambar 5 dan Gambar 6 menunjukkan grafik fungsi distribusi kumulatifnya.
321 Tabel 8. Hasil Sensitivitas Investment Cost terhadap LUEC AP1000 dan OPR1000 Statistik
Investment Cost AP1000 (US$/kWe) Investment Cost OPR (US$/kWe) Base -
20%
Base - 10%
Base
Value Base+10% Base + 20%
Base - 20%
Base - 10%
Base
Value Base+10% Base+
20%
3.503 3.941 4.379 4.817 5.255 1.501 1.688 1.876 2.064 2.251 Minimum 6,7242 7,3871 8,0501 8,7130 9,3759 3,6321 3,9153 4,1986 4,4818 4,7651 Maksimum 14,3574 15,3819 16,4064 17,4309 18,4554 7,2548 7,6450 8,0352 8,4254 8,8156 Rata-rata 8,0647 8,8581 9,6515 10,4449 11,2384 4,4009 4,7404 5,0799 5,4195 5,7590 Standar
deviasi 0,6377 0,6878 0,7392 0,7917 0,8450 0,3128 0,3346 0,3568 0,3795 0,4026 Risk
Adjusted LUEC
8,7024 9,5459 10,3907 11,2366 12,0834 4,7137 5,0750 5,4367 5,7990 6,1616
Hasil pada Tabel 8 menunjukkan bahwa makin tinggi investment cost maka akan makin tinggi pula Risk adjusted LUEC yang terbentuk baik pada PLTN AP1000
maupun PLTN OPR. Semakin tinggi biaya investasi menyebabkan dispersi nilai LUEC yang terjadi juga makin besar tercermin dari perubahan nilai standar deviasi .
Gambar 5. Fungsi Distribusi Kumulatif Sensitivitas Investment Cost Terhadap LUEC AP1000
Gambar 6. Fungsi Distribusi Kumulatif Sensitivitas Investment Cost Terhadap LUEC OPR
Diasumsikan bahwa nilai LUEC sebesar 8,5 cent US$/kWh nantinya akan ditetapkan sebagai harga jual listrik PLTN ke PLN yang disepakati dalam PPA (Power Purchase Agreement). Lebih tingginya biaya investasi PLTN AP1000 dibanding PLTN OPR menyebabkan probabilitas terjadinya LUEC PLTN AP1000 < 8,5 cent
US$/kWh hanya terjadi pada nilai investment cost sebesar base - 20% (3.503 US$/kWe) dan base–10% (3.941 US$/kWe) sebagaimana ditunjukkan oleh Gambar 5. Probabilitas terjadinya LUEC <
8,5 cent US$/kWh yaitu sebesar 30% pada investment cost sebesar base – 10% dan 80% pada investment cost sebesar base–
322 20%. Dengan kata lain jika diinginkan
probabilitas LUEC AP1000 < 8,5 cent US$/kWh sebesar 80% maka investment cost-nya harus diturunkan dari 4.379 US$/kWe menjadi 3.503 US$/kWe.
Pengalaman menurunkan biaya investasi ini terjadi di China dalam membangun PLTN AP1000 (biaya investasi sebesar 2.302 US$/kWe) karena tingkat kandungan lokal yang tinggi dan biaya pekerja konstruksi yang berada di bawah kawasan Eropa maupun Amerika Utara[11].
Pada PLTN OPR terlihat bahwa pada kelima nilai investment cost yang disensitivitaskan (1.876 cent US$/kWe 20%), probabilitas terjadinya LUEC < 8,5 cent US$/kWh semuanya di atas 80%.
b. Sensitivitas Faktor Kapasitas Terhadap LUEC
Faktor kapasitas (capacity factor- CF) menggambarkan seberapa besar sebuah pembangkit listrik dimanfaatkan[12]. Makin tinggi nilainya menunjukkan makin handalnya sebuah pembangkit. Faktor kapasitas tahunan didefinisikan sebagai:
(2)
Terdapat tiga nilai faktor kapasitas yang disensitivitaskan, yaitu: 75%, 85%
dan 95%. Tabel 9 menunjukkan hasil simulasi sensitivitas faktor kapasitas terhadap nilai LUEC PLTN AP1000 dan PLTN OPR, sedangkan Gambar 7 dan 8 menunjukkan fungsi distribusi kumulatif nya.
Tabel 9. Hasil Sensitivitas Faktor Kapasitas Terhadap LUEC PLTN AP1000 dan OPR1000 Statistik Faktor Kapasitas AP1000 Faktor Kapasitas OPR
75% 85% 95% 75% 85% 95%
Minimum 6,3663 5,6620 5,1059 3,1902 2,8550 2,5903 Maksimum 19,0575 16,8526 15,1120 15,0108 13,2877 11,9273 Rata-rata 10,5297 9,3398 8,4005 6,3710 5,6735 5,1229 Standar deviasi 1,9052 1,6833 1,5084 1,5538 1,3795 1,2427 Risk Adjusted LUEC 12,4349 11,0231 9,9089 7,9248 7,0530 6,3656
Gambar 7. Fungsi Distribusi Kumulatif Sensitivitas CF Terhadap LUEC AP1000
Gambar 8. Fungsi Distribusi Kumulatif Sensitivitas CF Terhadap LUEC OPR1000
323 Tabel 9 menunjukkan bahwa
semakin rendah faktor kapasitas pembangkit maka akan makin tinggi nilai Risk adjusted LUEC yang terbentuk baik pada PLTN AP1000 maupun PLTN OPR.
Dispersi nilai LUEC yang terjadi juga terlihat makin besar seiring dengan makin rendahnya faktor kapasitas, tercermin dari nilai standar deviasi yang terbentuk.
Probabilitas terjadinya LUEC PLTN AP1000 < 8,5 cent US$/kWh akan makin tinggi dengan meningkatnya nilai faktor kapasitas sebagaimana ditunjukkan dengan Gambar 7, yaitu sekitar 15% pada faktor kapasitas 75%, 35% pada faktor kapasitas 85% dan 60% pada faktor kapasitas 95%.
Pada PLTN OPR1000 (Gambar 8), probabilitas terjadinya LUEC OPR < 8,5 cent US$/kWh berada di atas 80% untuk
ketiga nilai faktor kapasitas yang disensitivitaskan, yaitu sekitar 85% pada faktor kapasitas 75%, 95% pada faktor kapasitas 85% dan 97% pada faktor kapasitas 95%.
c. Sensitivitas Harga U3O8 Terhadap LUEC
U3O8 merupakan rumus kimia dari uranium alam hasil penambangan.
Sensitivitas harga U3O8 dilakukan dengan merubah harga U3O8 sehingga terdapat 5 harga U3O8 yang disensitivitaskan yaitu:
base (146 US$/kg) 20%. Tabel 10 menunjukkan hasil simulasi sensitivitas harga U3O8 terhadap LUEC PLTN AP1000 dan PLTN OPR, sedangkan Gambar 9 dan Gambar 10 masing-masing menunjukkan grafik fungsi distribusi kumulatifnya.
Tabel 10. Hasil Sensitivitas Harga U3O8 Terhadap LUEC PLTN AP1000 & PLTN OPR1000
Statistik
Harga U3O8 pada AP1000 (US$/kg) Harga U3O8 pada OPR1000 (US$/kg) Base -
20%
Base -
10% Base Base
+10%
Base + 20%
Base - 20%
Base -
10% Base Base
+10%
Base + 20%
117 131 146 161 175 117 131 146 161 175
Minimum 5,3416 5,3744 5,4071 5,4399 5,4727 3,0491 3,0819 3,1146 3,1474 3,1802 Maksimum 15,1901 15,2229 15,2556 15,2884 15,3212 11,7154 11,7482 11,7809 11,8137 11,8465 Rata-rata 9,3784 9,4112 9,4440 9,4768 9,5095 5,7683 5,8011 5,8338 5,8666 5,8994 Standar
deviasi 1,4972 1,4972 1,4972 1,4972 1,4972 1,3224 1,3224 1,3224 1,3224 1,3224 Risk
Adjusted LUEC
10,8756 10,9084 10,9412 10,9740 11,0067 7,0907 7,1235 7,1563 7,1891 7,2218
Gambar 9. Fungsi Distribusi Kumulatif Sensitivitas Harga U3O8 Terhadap LUEC AP1000
324 Gambar 10. Fungsi Distribusi Kumulatif Sensitivitas Harga U3O8 Terhadap LUEC OPR1000
Tabel 10 menunjukkan bahwa perubahan harga U3O8 memang berpengaruh terhadap LUEC PLTN AP1000 maupun PLTN OPR tercermin dari nilai rata-rata LUEC yang makin tinggi seiring dengan naiknya harga U3O8. Namun perubahan nilai LUEC akibat kenaikan harga U3O8 terlihat tidak terlampau signifikan, ditunjukkan oleh grafik fungsi distribusi kumulatif LUEC hasil sensitivitas harga U3O8 yang hampir berimpit pada Gambar 9 dan Gambar 10. Nilai standar deviasi yang sama pada semua harga U3O8
yang disensitivitaskan baik pada PLTN AP1000 maupun PLTN OPR juga menunjukkan tidak terjadinya dispersi LUEC akibat sensitivitas harga U3O8. 4. KESIMPULAN
Nilai LUEC PLTN AP1000 maupun PLTN OPR cukup sensitif terhadap perubahan nilai investment cost dan faktor kapasitas, tercermin dari perubahan nilai rata-rata dan standar deviasi LUEC yang cukup signifikan akibat sensitivitas kedua variabel ketidakpastian tersebut. Sedangkan perubahan nilai LUEC akibat sensitivitas harga U3O8 pada kedua tipe PLTN tersebut terlihat tidak terlampau signifikan, ditunjukkan oleh grafik fungsi distribusi kumulatif LUEC hasil sensitivitas harga U3O8 yang hampir berimpit serta nilai standar deviasi LUEC yang sama pada semua harga U3O8 yang disensitivitaskan.
DAFTAR PUSTAKA
[1] ROTHWELL, 2011, “The Economics of Future Nuclear Power: An Update of The Economic Future of Nuclear Power (2004), a Study Conducted at the University of Chicago”, Stanford University
[2] RODE, at. Al., 2001,”Montecarlo Methods for Appraisal and Valuation:
A Case Study of a Nuclear Power Plant”, CEIC Working Paper 01-01, Carnegie Mellon Electricity Industry Center, Carnegie Mellon University, Pittsburgh
[3] PT. PLN (Persero) Litbang, 2006,
”Studi Ekonomi, Pendanaan dan Struktur “owner” dalam Rangka Rencana Persiapan Pembagunan PLTN Pertama di Indonesia”, PLN, Jakarta
[4] CAHYO, W., N., Desember 2008,”Pendekatan Simulasi Monte Carlo untuk Pemilihan Alternatif dengan Decision Tree pada Nilai Outcome yang Probabilistik”, Teknoin, Volume 13, Nomor 2,11-17, ISSN;
0853-8697.
[5] SRIDADI, B., 2009, ”Pemodelan dan Simulasi Sistem: Teori, Aplikasi dan Contoh Program dalam Bahasa C”, Penerbit Informatika.
[6] Korean Electric Power Corporation (KEPCO), 1998, Preliminary Report for Joint Study on The Construction of
325 KSN-1000 in Indonesia
[7] OECD, IEA, NEA, 2010, “Projected Cost of Generating Electricity (2010 Edition)”
[8] BIRMANO, M. D., 2007, ”Konsep dan Ciri Ekonomi Daur Bahan Bakar Nuklir”, Couching Perhitungan Ekonomi dan Pendanaan PLTN, PPEN-BATAN Jakarta, 3-21 September 2007.
[9] LOCATELLI, G., MANCINI, M., 2010, “Small-medium Sized Nuclear, Coal and Gas power plant: A Probabilistic Analysis of Their Performances and Influence of CO2
Cost”, Energy Policy, 38, 6360-6374.
[10] World Nuclear Association (WNA), March 2011,“The Economic of Nuclear Power”, http://www.nea.org/, diakses 12 Oktober 2011
[11] World Nuclear Association (WNA), Desember 2011,“The Economic of Nuclear Power”, http://www.nea.org/, diakses 12 Januari 2012
[12] MARSUDI, D., 2005, “Pembangkitan Energi Listrik”, Penerbit Erlangga, Jakarta.
![Gambar 1. Model Deterministik [5]](https://thumb-ap.123doks.com/thumbv2/123dok/3840443.3956643/3.892.343.584.982.1164/gambar-model-deterministik.webp)
