STUDI OPTIMASI LEPASAN BERDASARKAN TAMPUNGAN OPERASI WADUK KLAMPIS DI KABUPATEN SAMPANG UNTUK IRIGASI DENGAN
ALGORITMA GENETIK
Yusuf Randy1, Widandi Soetopo2, Lily Montarcih Limantara2
1Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya
2Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya
ABSTRACT
Waduk Klampis adalah waduk yang berada di Kabupaten Sampang yang di fungsikan untuk memenuhi kebutuhan irigasi di D.I. Klampis seluas 2.603 Ha. Tetapi sejauh ini Dinas Pengairan Kabupaten Sampang sebagai instansi yang berwenang atas pengelolaan Waduk Klampis dan jaringan irigasinya saat ini tidak memiliki informasi dan data yang menunjang untuk keperluan monitoring, evaluasi dan perencanaan yang berkesinambungan dalam rangka menjamin kelangsungan operasional Waduk Klampis, dengan melakukan optimasi pengoperasian berdasarkan Tampungan Waduk diharapkan mendapatkan aturan lepasan berdasarkan Tampungan Waduk yang optimal. Studi ini difokuskan pada upaya meningkatkan kinerja waduk berdasarkan Tampungan Waduk menggunakan metode Algoritma Genetik, dengan fungsi tujuan meningkatkan nilai rata-rata produksi panen.
Dari hasil simulasi operasi berdasarkan Tampungan Waduk selama 11 tahun dari tahun 2004-2014 didapatkan rata-rata pemenuhan Irigasi Klampis seluas 2603 Ha yaitu 80,40% dan nilai produksi rata-rata 12,94 milyar rupiah. Proses optimasi Algoritma Genetik ini berpusat pada aturan lepasan berdasarkan Tampungan Waduk sebagai kromosom dan nilai rata-rata produksi sebagai fungsi kinerja/fungsi tujuan. Setelah dilakukan optimasi didapatkan peningkatan nilai minimum pemenuhan irigasi yaitu 80,70% dan rata-rata produksi 14,05 milyar rupaih.
Kata Kunci: Lepasan Berdasarkan Tampungan Waduk, Algoritma Genetik, Optimasi ABSTRACT
Klampis Reservoir is the reservoir in Sampang Regency with the main objective of providing Irrigation Area with coverage area of 2.603 acre. But so far the Water Resources Official Kabupaten Sampang as the authorized institution for the management of the Klampis Reservoir and its irrigation network currently has no information and data to support continuous monitoring, evaluation and planning in order to ensure continuity operation of the Klampis Reservoir, by performing optimization operation based on reservoir storage, expected to obtain the optimal realese rule based on storage reservoir. This study focusing to improve reservoir performance based on reservoir storage use Genetic Algorithm method, with objective function to increasing the production value of planting.
From the results of operation based on reservoir storage simulation which is simulated during 11 years from 2004-2014, it obtained the average of Klampis irrigation fulfillment is 80,40 % fulfillment with coverage irrigation area is 2603 acre, and the average production value is 12.94 billion rupiah. This optimization process centers on release rule based on Reservoir Storage as a chromosoms and the average production value as the objective/performance function. After finishing the optimization, the minimum irrigation demand fulfillment increase to 80.70% and the average production increase to 14.05 billion rupiah.
PENDAHULUAN Latar Belakang
Masalah utama yang dihadapi dalam pendistribusian air adalah tempat, jumlah, waktu, dan mutu air. Sehingga perlu adanya pengelolaan pengoperasian dan perencanaan yang optimal agar keadaan air terjaga pada saat musim kemarau dan pada musim hujan untuk memenuhi kebutuhan manusia.
Dalam pemanfaatan tampungan
waduk dengan kuantitas air yang terbatas. Maka perlu adanya optimasi agar penggunaan air waduk bisa benar-benar
optimal guna memenuhi berbagai
kebutuhan yang direncanakan. Dalam penelitian ini akan diterapkan model optimasi dengan metode Algoritma Genetik yang merupakan salah satu metode program Stokastik.
Identifikasi Masalah
Kebutuhan air pada areal irigasi di hilir waduk selama ini mendapatkan suplai air dari Bendung Klampis atau dengan mengandalkan air hujan. Oleh karena itu Waduk Klampis berfungsi
meningkatkan efisiensi lahan dan
pemanfaatan sumber daya air yang merupakan sumber daya alam terbarukan semaksimal mungkin untuk kesejahteraan masyarakat.
Mengingat sejauh ini Dinas
Pengairan Kabupaten Sampang sebagai instansi yang berwenang atas pengelolaan Waduk Klampis dan jaringan irigasinya saat ini tidak memiliki informasi dan data
yang menunjang untuk keperluan
monitoring, evaluasi dan perencanaan yang berkesinambungan dalam rangka
menjamin kelangsungan operasional
jaringan irigasi Waduk Klampis, maka dalam penetapan pedoman operasi perlu adanya kajian berupa optimasi. Kajian ini difokuskan pada pencarian alternatif lepasan berdasarkan Tampungan Waduk
guna memenuhi kebutuhan irigasi
Klampis menggunakan metode Algoritma Genetik yang merupakan salah satu
metode simulasi untuk optimasi prosedur Stokastik.
Batasan Masalah
Batasan-batasan masalah dalam studi ini adalah sebagai berikut :
1. Studi dilakukan di Waduk Klampis Kabupaten Sampang Provinsi Jawa Timur.
2. Daerah irigasi yang akan dialiri adalah D.I Klampis seluas 2.603 ha. 3. Tidak membahas perencanaan desain
bangunan, biaya konstruksi, operasi pintu, analisa ekonomi, masalah usia guna waduk dan analisis sedimentasi.
4. Tidak membahas perencanaan
kebutuhan air irigasi.
5. Lepasan waduk berdasarkan
Tampungan diperuntukkan untuk irigasi.
6. Membahas operasi dan optimasi
waduk berdasarkan Tampungan
Waduk.
7. Metode yang digunakan dalam studi ini adalah metode simulasi stokastik model Algoritma Genetik.
8. Menggunakan program Visual-Basic dari MS-Exel 2007 untuk membuat simulasi stokastik model Algoritma Genetik.
Rumusan Masalah
Permasalahan yang dibahas dalam studi ini adalah :
1. Bagaimana simulasi lepasan
berdasarkan Tampungan waduk di waduk Klampis ?
2. Bagaimana rumusan model optimasi
untuk Waduk Klampis dan
penyelesaiannya dengan model
optimasi Algoritma Genetik ?
3. Bagaimana hasil peningkatan
produksi tanam dengan simulasi optimasi Algoritma Genetik ?
Tujuan dan Manfaat
Tujuan dari studi ini adalah untuk memaksimalkan kinerja operasi Waduk Klampis berdasarkan Tampungan dan
mencapai kondisi yang optimal dalam
peruntukan kebutuhan irigasi D.I
Klampis.
Manfaat dari studi ini adalah untuk
memberikan pedoman lepasan
berdasarkan Tampungan dan untuk
meningkatkan produksi panen D.I.
Klampis.
TINJAUAN PUSTAKA Umum
Fungsi utama waduk secara prinsip adalah menampung kelebihan air pada periode debit tinggi untuk digunakan pada saat debit rendah. Disamping menampung air untuk pemanfaatan dikemudiaan hari, penampungan air dapat memperkecil kerusakan akibat banjir di bagian hilirnya.
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 banjir (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. Muka Air Minimum(Low Water
Level/LWL) adalah elevasi
maksimum yang dicapai oleh
permukaan air waduk
5. Muka Air Minimum (Low Water Level/ LWL) adalah elevasi air terendah bila tampungan dilepaskan pada kondisi normal, permukaan ini dapat dtentukan oleh elevasi dari bangunan pelepas yang terendah. 6. Muka air pada banjir rencana adalah
elevasi air selama banjir maksimum drencanakan terjadi (Flood Water level/ FWL).
7. Pelepasan (release) adalah volume air yang dilepaskan secara terkendali dari suatu waduk selama kurun waktu tertentu.
8. Limpasan (spillout), danggap aliran tdak terkendal dari waduk dan hanya terjadi kalau air yang ditampung dalam waduk melebihi tinggi muka air maksmum.
9. Periode Kritis (critical perode)
adalah perode dimana sebuah waduk berubah dari kondisi penuh ke kondisi kosong tanpa melimpah selama periode tersebut.
Gambar 1. Macam Zona Tampungan Waduk
Sumber : Sudjarwadi, 1988:4
Aturan Operasi Waduk
Aturan Lepasan Operasi Waduk merupakan pedoman dalam melepaskan jumlah air dari waduk untuk memenuhi
berbagai kebutuhan sesuai dengan
Gambar 2. Lepasan Tergantung Tampungan
Sumber: Soetopo W, 2010:14
Parameter yang digunakan dalam penerapan pedoman lepasan operasi waduk berdasarkan tampungan adalah sebagai berikut :
1. Tampungan Waduk (%)
Besarnya tampungan waduk diukur
dengan prosentase tampungan
terhadap kapasitas tampungan aktif 2. Lepasan Kebutuhan (%)
Besarnya pemenuhan diukur dengan melihat kondisi/status tampungan waduk. Artinya apabila kondisi tampungan waduk menurun maka prosentase lepasan sesuai kebutuhan juga menurun.
Penerapan Model Sinus Perkalian Pada Rumusan Kinerja Irigasi
Pada penerapan metode ini, maka fungsi tujuannya adalah nilai produksi panen relatif (dinotasikan sebagai Yr) yaitu perbandingan produksi panen aktual
terhadap produksi panen potensial.
Apabila Yr ini dihubungkan dengan
pemberian air relative (dinotasikan
sebagai Awr, yaitu perbandingan antara pemberian air actual terhadap pemberian air optimum) maka muncul bentuk umum dari hubungan antara pemberian air dan
produksi panen (English, 2002).
Pemberian air yang melampaui batas
optimum justru akan menurunkan
produksi panen. Bentuk umum antara
Awr dan Yr ini ditampilkan pada gambar
2.3 dibawah ini.
Gambar 3. Bentuk Umum hubungan Awr dan Yr
Sumber : English et.al.,2002
Optimasi dengan Algoritma Genetik (AG)
Algoritma Genetik adalah salah satu metode dari kelompok Simulasi untuk optimasi. Prosedur jenis ini cenderung
untuk efektif terutama dalam
mengekplorasi berbagai bagian-bagian daripada wilayah yang layak (feasible) dan secara gradual bergerak menuju solusi-solusi layak yang terbaik.
Model AG berpusat pada struktur daripada kromosom yang mewakili alternatif solusi. Jadi sebuah kromosom merupakan sekumpulan variabel-variabel keputusan sebagai gambar berikut.
VAR-1 VAR-2 VAR-3 VAR-4 VAR-P
Gambar 2.3. Kromosom sebagai Alternatif Solusi Sumber: Soetopo W, 2012:85
Kromosom adalah alternatif solusi, maka setiap kromosom mempunyai nilai kinerja. Karenanya model otimasi AG 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
dengan cara AG itu terdiri dari pada 3 komponen berikut ini.
1. Reproduksi 2. Crossover 3. Mutasi
Reproduksi adalah proses seleksi terhadap kromosom yang terdapat pada suatu populasi berdasarkan nilai kinerja dari masing-masing kromosom.
Crossover adalah persilangan
diantara kromosom-kromosom yang ada pada suatu generasi turunan. Hasil persilangan ini membentuk populasi dari
generasi berikutnya. Pada contoh kasus
ini, maka persilangan antara dua
kromosom generasi turunan akan
menghasilkan satu kromosom baru. Pada persilangan ini, maka setiap variabel dari kromosom baru merupakan gabungan antara dua variabel dari kedua kromosom generasi turunan. Untuk variabel ke~I, maka rumus stokastik penggabungan adalah sebagai berikut.
Vi = V1i . U [0,1] + V2i . (1-U [0,1]) (2-20)
Dengan Vi adalah variabel dari
kromosom baru gabungan, V1i dan V2i
adalah varibel masing-masing dari kedua kromosom generasi turunan, dan U [0,1] adalah bilangan acak uniform antara 0 dan 1.
METODOLOGI PENELITIAN Lokasi Studi
Waduk Klampis terletak di Sungai
Klampis, Desa Kramat, Kecamatan
Kedungdung Kabupaten Sampang.
Secara geografis Waduk Klampis terletak
pada koordinat 07o06’28” LS dan
113o13’14” BT.
Data-data yang Diperlukan
Data-data yang diperlukan dalam studi ini meliputi :
1. Data Debit Inflow
Data ini digunakan untuk mengetahui besarnya debit inflow di Waduk Klampis. Data ini digunakan dalam pengoptimalan Lepasan dengan metode Algoritma Genetik. 2. Data Kebutuhan Air Irigasi
Data Kebutuhan air irigasi yang digunakan pada studi ini adalah
kebutuhan irigasi di D.I.Klampis. Data ini digunakan untuk mengetahui besarnya debit lepasan waduk yang diperlukan.
3. Data Evaporasi Waduk
Data evaporasi waduk digunakan untuk mengetahui besarnya kehilangan air yang terjadi di Waduk Klampis. Data ini kemudian diolah dalam
pengoptimalan Lepasan dengan
metode Algoritma Genetik 4. Data Karakteristik Waduk
Data karakterisitik waduk yang
digunakan adalah data tampungan aktif , tampungan mati, luas genangan waduk, volume waduk, dan tinggi waduk.
Tahapan Penyelesaian
Gambar 4. Diagram Alir Pengerjaan Algoritma Genetik Mulai Perumusan Parameter Algoritma Genetik Inisialisasi Populasi Crossover (Kawin Silang) Reproduksi Hasil Optimasi Homogen (Seragam) Selesai Tidak Ya
Gambar 5. Diagram Alir Pengerjaan Skripsi
HASIL DAN PEMBAHASAN Nilai Produksi Tanam
Nilai produksi tanam akan
menggunakan data yang diperoleh dari Dinas Pertanian untuk tanaman padi dan palawija. Data tersebut digunakan untuk membandingkan hasil produksi setelah dilakukan optimasi dengan Algoritma Genetik.
Tabel 1. Nilai Produksi
Sumber : Dinas Pertanian Kab. Sampang Tabel 2. Rekapitulasi Nilai Produksi Tahun 2004-2014
Sumber : Dinas Pertanian Kab. Sampang
Simulasi Fungsi Produksi Panen
Tabel 3. Perhitungan Simulasi Nilai Produksi Tahun 2004
Sumber : Perhitungan
Hasil produksi setelah dilakukan simulasi pada tahun 2004 nilai produksi menjadi 14,14 milyar rupiah dan rata-rata
produksi 4,71 milyar rupiah.
Mulai Simulasi Operasi Waduk Berdasarkan Tampungan Perumusan Fungsi Model Perumusan Parameter Simulasi Berdasarkan Tampungan Optimasi Lepasan berdasarkan Tampungan dengan Algoritma Genetik Homogen Kesimpulan Selesai Ya Tidak Debit Inflow Evaporasi Waduk Kebutuhan Irigasi Data Karakteristik Waduk Padi MT 1 1.599 4.995 Palawija MT 1 704 Palawija MT 2 1.454 5.778 Palawija MT 3 7.011.000 925 4.947 1.895.000 2.791.500 3.974.000 Rp/ha ha [Juta Rp] Produksi Luasan Riil Produksi MT
Produksi Produksi Maks. Riil [juta Rp] [milyar Rp] [1] [2] [3] 2004 15.720 14,10 2005 15.720 14,68 2006 15.720 13,80 2007 15.720 12,19 2008 15.720 14,33 2009 15.720 14,56 2010 15.720 14,86 2011 15.720 14,78 2012 15.720 14,55 2013 15.720 14,79 2014 15.720 11,73 Periode Produksi Produksi Awri Yri Yr Maks. Riil
[juta Rp] [milyar Rp] [1] [2] [3] [4] [5] [6] Jan-1 1,0000 1,0000 Jan-2 1,0000 1,0000 Jan-3 1,0000 1,0000 Feb-1 1,0000 1,0000 MT Feb-2 1,0000 1,0000 I Feb-3 1,0000 1,0000 0,95152 4.995,32 4,75 Mar-1 1,0000 1,0000 Mar-2 1,0000 1,0000 Mar-3 1,0000 1,0000 Apr-1 1,0000 1,0000 Apr-2 1,0000 1,0000 Apr-3 1,0000 1,0000 Mei-1 0,8088 0,9976 Mei-2 1,0000 1,0000 Mei-3 1,0000 1,0000 Jun-1 0,7365 0,9950 MT Jun-2 0,7218 0,9943 II Jun-3 0,6773 0,9920 0,97911 5.778,20 5,66 Jul-1 1,0000 1,0000 Jul-2 0,6388 0,9896 Jul-3 0,6140 0,9879 Ags-1 0,5967 0,9865 Ags-2 1,0000 1,0000 Ags-3 0,5621 0,9836 Sep-1 0,5152 0,9789 Sep-2 0,4571 0,9719 Sep-3 0,3686 0,9579 Okt-1 0,2902 0,9404 MT Okt-2 0,2471 0,9278 III Okt-3 1,0000 1,0000 0,75430 4.946,70 3,73 Nov-1 1,0000 1,0000 Nov-2 1,0000 1,0000 Nov-3 1,0000 1,0000 Des-1 0,1586 0,8926 Des-2 0,5404 0,9815 MT Des-3 0,6100 0,9876 I Periode
Perhitungan Simulasi Waduk Klampis Berdasarkan Tampungan Waduk
Aturan lepasan ditetapkan dengan cara coba-coba, dan pada aturan lepasan pada simulasi berdasarkan Tampungan Waduk di waduk Klampis kali ini ditetapkan dengan interval 2%, mulai dari 0 – 100%. Dalam kondisi penuh waduk Klampis memiliki tampungan
maksimum operasi sebesar 10 juta m3, dengan tampungan aktif sebesar 7 juta m3 dan tampungan mati sebesar 3 juta m3.
Tabel 4. Simulasi Waduk Klampis Berdasarkan Tampungan Waduk
Dari perhitungan simulasi waduk Klampis berdasarkan Tampungan Waduk dari tahun 2004 – 2014 didapatkan rata-rata pemenuhan waduk terhadap kebutuhan irigasi 80,70%. Ditinjau dari kinerja waduk Klampis terhadap pemenuhan irigasi D.I. Klampis dengan pedoman lepasan waduk berdasarkan Tampungan Waduk yang ada sudah baik. Dengan dilakukan optimasi menggunakan metode Algoritma Genetik akan dicoba meningkatkan produksi rata-rata dan meningkatkan fungsi kinerja waduk dengan menaikkan nilai produksi
rata-rata, yang akan menjadi fungsi tujuan dari optimasi dengan metode Algoritma Genetik.
Pct. Pct. No. Tamp. Kebutuhan
[%] [%] 1 0,00 3,00 2 2,00 8,00 3 4,00 12,00 4 6,00 15,50 5 8,00 17,50 6 10,00 22,00 7 12,00 25,50 8 14,00 27,50 9 16,00 30,25 10 18,00 34,40 11 20,00 37,65 12 22,00 40,50 13 24,00 41,78 14 26,00 46,00 15 28,00 47,80 16 30,00 50,00 17 32,00 51,68 18 34,00 53,00 19 36,00 54,76 20 38,00 56,33 21 40,00 58,00 22 42,00 60,00 23 44,00 61,00 24 46,00 62,50 25 48,00 63,09 26 50,00 65,25 27 52,00 66,55 28 54,00 68,00 29 56,00 70,00 30 58,00 71,25 31 60,00 72,87 32 62,00 73,66 33 64,00 75,00 34 66,00 76,00 35 68,00 77,60 36 70,00 78,50 37 72,00 79,80 38 74,00 82,87 39 76,00 83,10 40 78,00 85,70 41 80,00 86,50 42 82,00 87,25 43 84,00 88,90 44 86,00 89,50 45 88,00 90,00 46 90,00 91,00 47 92,00 92,35 48 94,00 97,80 49 96,00 98,00 50 98,00 99,00 51 100,00 100,00 7 juta m3 2004 ave 80,40 3 juta m3 86400 min 3,00
Pct. Cek Cek Cek Tampungan Aktif Waduk OUTFLOW PASOKAN IRIGASI Tahun No. Periode Banyak INFLOW KEBUTUHAN INFLOW KEBUTUHAN Luas MAW Tinggi Volume Tamp.Aktif tamp. pasokan Ada SPILLOUT
hari IRIGASI IRIGASI awal evaporasi kehilangan mati cukup Limpahan Awal Akhir Volume Persen Defisit [m³/dt] [m³/dt] [juta m³] [juta m³] [km²] [mm/hari] [juta m³] [%] [%] [juta m³] [0/1] [0/1] [0/1] periode periode [juta m³] [%] [0/1] [juta m³] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 1 1 Jan-1 10 4,683 0,000 4,04611 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 3,89889 1 2 Jan-2 10 4,781 0,591 4,13078 0,51041 2,45363 6,0 0,14722 100,00 100,00 0,51041 0 0 0 7,000 7,000 0,51041 100,00 0 3,47315 1 3 Jan-3 11 4,886 3,863 4,64365 3,67185 2,45363 6,0 0,16194 100,00 100,00 3,67185 0 0 0 7,000 7,000 3,67185 100,00 0 0,80987 1 4 Feb-1 10 3,953 1,989 3,41539 1,71828 2,45363 6,0 0,14722 100,00 100,00 1,71828 0 0 0 7,000 7,000 1,71828 100,00 0 1,54990 1 5 Feb-2 10 3,887 1,403 3,35837 1,21177 2,45363 6,0 0,14722 100,00 100,00 1,21177 0 0 0 7,000 7,000 1,21177 100,00 0 1,99938 1 6 Feb-3 9 3,956 1,348 3,07619 1,04857 2,45363 6,0 0,13250 100,00 100,00 1,04857 0 0 0 7,000 7,000 1,04857 100,00 0 1,89512 1 7 Mar-1 10 3,198 0,000 2,76307 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 2,61585 1 8 Mar-2 10 3,168 0,925 2,73715 0,79961 2,45363 6,0 0,14722 100,00 100,00 0,79961 0 0 0 7,000 7,000 0,79961 100,00 0 1,79032 1 9 Mar-3 11 3,218 2,309 3,05839 2,19423 2,45363 6,0 0,16194 100,00 100,00 2,19423 0 0 0 7,000 7,000 2,19423 100,00 0 0,70221 1 10 Apr-1 10 0,380 0,000 0,32832 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 0,18110 1 11 Apr-2 10 0,180 0,000 0,15552 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 0,00830 1 12 Apr-3 10 0,120 2,242 0,10368 1,93750 2,45363 6,0 0,14722 100,00 100,00 1,93750 0 0 1 7,000 5,019 1,93750 100,00 0 0,00000 1 13 Mei-1 10 0,016 0,623 0,01382 0,53829 2,04373 6,0 0,12262 71,70 79,60 0,42850 0 0 1 5,019 4,482 0,42850 79,60 1 0,00000 1 14 Mei-2 10 0,004 0,000 0,00346 0,00000 1,92951 6,0 0,11577 64,02 75,01 0,00000 0 0 1 4,482 4,369 0,00000 100,00 0 0,00000 1 15 Mei-3 11 0,001 0,000 0,00095 0,00000 1,90475 6,0 0,12571 62,42 73,94 0,00000 0 0 1 4,369 4,245 0,00000 100,00 0 0,00000 1 16 Jun-1 10 0,000 0,080 0,00000 0,06945 1,87775 6,0 0,11266 60,64 73,12 0,05078 0 0 1 4,245 4,081 0,05078 73,12 1 0,00000 1 17 Jun-2 10 0,000 0,439 0,00000 0,37936 1,84306 6,0 0,11058 58,30 71,49 0,27122 0 0 1 4,081 3,699 0,27122 71,49 1 0,00000 1 1 18 Jun-3 10 0,000 0,382 0,00000 0,33014 1,75899 6,0 0,10554 52,85 67,16 0,22174 0 0 1 3,699 3,372 0,22174 67,16 1 0,00000 2004 1 19 Jul-1 10 0,000 0,000 0,00000 0,00000 1,68737 6,0 0,10124 48,17 63,28 0,00000 0 0 1 3,372 3,271 0,00000 100,00 0 0,00000 1 20 Jul-2 10 0,000 0,149 0,00000 0,12849 1,66521 6,0 0,09991 46,73 62,71 0,08058 0 0 1 3,271 3,090 0,08058 62,71 1 0,00000 1 21 Jul-3 11 0,000 0,137 0,00000 0,13013 1,62518 6,0 0,10726 44,15 61,11 0,07953 0 0 1 3,090 2,904 0,07953 61,11 1 0,00000 1 22 Ags-1 10 0,000 0,257 0,00000 0,22165 1,58272 6,0 0,09496 41,48 59,48 0,13183 0 0 1 2,904 2,677 0,13183 59,48 1 0,00000 1 23 Ags-2 10 0,000 0,000 0,00000 0,00000 1,53217 6,0 0,09193 38,24 56,53 0,00000 0 0 1 2,677 2,585 0,00000 100,00 0 0,00000 1 24 Ags-3 11 0,000 0,560 0,00000 0,53201 1,51074 6,0 0,09971 36,93 55,49 0,29520 0 0 1 2,585 2,190 0,29520 55,49 1 0,00000 1 25 Sep-1 10 0,000 0,811 0,00000 0,70100 1,42107 6,0 0,08526 31,28 51,08 0,35806 0 0 1 2,190 1,747 0,35806 51,08 1 0,00000 1 26 Sep-2 10 0,000 0,839 0,00000 0,72483 1,32010 6,0 0,07921 24,95 43,79 0,31738 0 0 1 1,747 1,350 0,31738 43,79 1 0,00000 1 27 Sep-3 10 0,000 0,778 0,00000 0,67199 1,22730 6,0 0,07364 19,29 36,49 0,24520 0 0 1 1,350 1,031 0,24520 36,49 1 0,00000 1 28 Okt-1 10 0,000 0,627 0,00000 0,54158 1,15353 6,0 0,06921 14,73 28,50 0,15438 0 0 1 1,031 0,808 0,15438 28,50 1 0,00000 1 29 Okt-2 10 0,000 0,511 0,00000 0,44192 1,10046 6,0 0,06603 11,54 24,69 0,10911 0 0 1 0,808 0,632 0,10911 24,69 1 0,00000 1 30 Okt-3 11 0,000 0,000 0,00000 0,00000 1,05896 6,0 0,06989 9,03 19,83 0,00000 0 0 1 0,632 0,563 0,00000 100,00 0 0,00000 1 31 Nov-1 10 0,057 0,000 0,04925 0,00000 1,04230 6,0 0,06254 8,04 17,58 0,00000 0 0 1 0,563 0,549 0,00000 100,00 0 0,00000 1 32 Nov-2 10 0,017 0,000 0,01469 0,00000 1,03873 6,0 0,06232 7,85 17,35 0,00000 0 0 1 0,549 0,502 0,00000 100,00 0 0,00000 1 33 Nov-3 10 0,005 0,000 0,00432 0,00000 1,02800 6,0 0,06168 7,17 16,67 0,00000 0 0 1 0,502 0,444 0,00000 100,00 0 0,00000 1 34 Des-1 10 2,536 1,020 2,19110 0,88118 1,01368 6,0 0,06082 6,35 15,85 0,13963 0 0 1 0,444 2,435 0,13963 15,85 1 0,00000 1 35 Des-2 10 2,695 3,449 2,32848 2,98030 1,47680 6,0 0,08861 34,78 53,69 1,60012 0 0 1 2,435 3,075 1,60012 53,69 1 0,00000 1 36 Des-3 11 2,781 1,382 2,64306 1,31320 1,62072 6,0 0,10697 43,92 60,96 0,80055 0 0 1 3,075 4,810 0,80055 60,96 1 0,00000 Sumber : Perhitungan
Keterangan: 1. tahun 7. Inflow Waduk (juta m3) 13. Persen Keb.+ Slope * ([12] - Persen Tamp.) 19. Jika [15]<>0; maka 0; jika [17]<>0; maka [7]+[18]-[11]-[14]; jika tidak Kapasitas Tamp. Aktif 2. No 8. Keb. Irigasi (juta m3) 14. [13]*[8]/100 20. Jika [15]<>0; maka 0; jika tidak [16]<>0; maka [7]+[18]-[11]-[19]; jika tidak [14] 3. Periode 9. Data Teknis Waduk 15. Jika [7]+[18]-[11] >= 0; maka 0; jika tidak 1 21. Jika [6]=0; maka 100; jika [20]-[8]<=0; maka 0; Round (100*[20]/[8]) 4. Banyak Hari 10. Perhitungan Penman Modifikasi 16. Jika [7]+[18]-[11]-[14] >= 0; maka 0; jika tidak 1 22. Jika [21]>=100; maka 0; jika tidak 1
5. Inflow Waduk 11. [4]*[9]*[10]/1000 17. Jika [7]+[18]-[11]-[14] > 7, maka 0; jika tidak 1 23. Jika [17] = 0 maka 0; jika tidak ([5]+[18]-[11]-[19]-[20]) 6. Keb. Irigasi 12. 100*[18]/Tampungan Aktif 18. Kapasitas Tampungan Awal Waduk
[1]
Detik per hari
EVAPORASI
[juta m³] PCT
Kebutuhan Kapasitas Tamp. Aktif Tahun Awal
Model Simulasi Optimasi Algoritma Genetik
Umum
Model Algoritma Genetik berpusat
pada kromosom-kromosom yang
mewakili alternatif solusi, alternatif solusi pada studi kali ini yaitu berupa
aturan lepasan waduk berdasarkan
Tampungan Waduk. Dengan fungsi
tujuan memaksimalkan kebutuhan
minimum untuk irigasi. Cara kerja Algoritma Genetik pada studi kali ini
dengan mensimulasikan waduk
berdasarkan Tampungan Waduk selama
11 tahun (2004-2014) dengan
meningkatkan rata-rata produksi panen (fungsi tujuan).
Tabel 5. Contoh Alternatif Aturan Lepasan Berdasarkan Tampungan Pada Optimasi Algortima Genetik
Sumber : Perhitungan
Model optimasi Algoritma Genetika adalah proses optimasi yang secara
iteratif mengembangkan dari suatu
populasi (kromosom-kromosom)
daripada kromosom (alternatif lepasan
waduk) sehingga tercapailah suatu
kumpulan variabel lepasan waduk yang homogen (seragam) daripada variabel lepasan waduk yang terbaik.
Reproduksi
Reproduksi adalah proses seleksi terhadap kromosom yang terdapat pada suatu populasi berdasarkan nilai kinerja
dari masing-masing kromosom. Dalam
penentuan nilai kinerja (ranking),
semakin besar nilai fungsi tujuan maka semakin baik kinerja dari kromosom tersebut. Kemudian dilanjutkan dengan proses copy, proses copy atau proses pemilihan generasi terbaik ini akan menjadi generasi turunan yang berikutnya . Proses seleksi disini memilih 16
variabel lepasan waduk terbaik
(diranking) dari kumpulan variabel aturan lepasan waduk yang berjumlah 120. Tabel 6. Contoh 120 Kromosom Beserta Fungsi Kinerja Algoritma Genetik
Sumber : Perhitungan
Dari 120 kromosom tersebut pada
satu generasi populasi, tiap-tiap
kromosom memiliki nilai kinerja
terhadap fungsi tujuan. Berdasarkan fungsi kinerja tersebut akan di seleksi menjadi 16 kromosom terpilih yang memiliki kinerja terbaik pada suatu populasi.
Tabel 7. Contoh Kromosom Hasil Seleksi
Sumber : Perhitungan
Dalam proses optimasi dari 16 kromosom diatas akan dijadikan generasi turunan selanjutnya dengan melalui proses crossover, berhenti ketika antar kromosom homogen.
Crossover
Crossover adalah persilangan antara
kromosom yang ada pada suatu generasi turunan. Crossover merupakan bagian dari proses reproduksi. Hasil persilangan ini membentuk populasi dari generasi berikutnya (dalam studi ini sebanyak 120 kromosom). Pada studi ini persilangan antara dua kromosom generasi turunan akan menghasilkan satu kromosom baru.
Vi = V1i . U [0,1] + V2i . (1-U [0,1])
Tabel 8. Tabel Proses Crossover
Sumber : Perhitungan
Vi = 11,5976 . 0,0437 + 11,5731 .
(1-0,0437)
Vi = 11,5926
Dengan Vi adalah variabel dari kromosom baru gabungan, V1i dan V2i adalah varibel masing-masing dari kedua kromosom generasi turunan, dan U [0,1] adalah bilangan acak uniform antara 0 dan 1.
Model Optimasi Lepasan Waduk Klampis dengan Algoritma Genetik
Proses optimasi Algoritma Genetik ini berlangsung secara iteratif dengan menghitung secara langsung kinerja kromosom (alternatif aturan lepasan) pada simulasi waduk selama 12 tahun.
Berikut adalah tahapan optimasi
Algoritma Genetik : 1. Proses Inisialisasi
Pada proses Inisialisasi maka
dibangkitkan secara stokastik
populasi pertama sebanyak 16
kromosom (Alternatif Aturan
Lepasan). Satu kromosom
dibangkitkan melalui dua tahap yaitu :
20 Iterasi awal
200 Iterasi lanjutan dengan
kisaran acak 2 – 0,0001 2. Crossover
Setelah terbentuk 16 kromosom pada generasi pertama hasil bangkitan dari
proses Inisialisasi, kemudian
dilakukan proses Crossover. Proses ini merupakan persilangan antara kromosom pada suatu generasi turunan. Pada proses ini maka ada
prioritas bagi kromosom hasil
Crossover adanya perbaikan minimal 1 kali. Proses Crossover ini akan menghasilkan 120 kromosom baru hasil kombinasi antar generasi. 3. Proses Perbaikan
Dari 120 kromosom hasil Crossover kemudian dipilihlah 16 kromosom
terbaik berdasarkan fungsi
kinerja/fungsi tujuan. Generasi
populasi 16 kromosom hasil seleksi inilah yang akan menjadi generasi turunan berikutnya. No 1 2 3 4 5 6 -- 16 Posisi 6 18 83 31 80 1 -- 23 Kinerja 4,6839 4,6839 4,6839 4,6839 4,6839 4,6839 -- 4,6839 1 2 3 4 5 6 -- 16 0,00 0,952 0,951 0,951 0,951 0,951 0,951 -- 0,951 2,00 0,974 0,974 0,972 0,973 0,973 0,968 -- 0,970 4,00 0,976 0,980 0,980 0,980 0,979 0,981 -- 0,979 6,00 0,928 0,930 0,929 0,928 0,930 0,930 -- 0,928 8,00 0,736 0,738 0,738 0,737 0,737 0,735 -- 0,738 10,00 0,868 0,866 0,866 0,868 0,868 0,867 -- 0,866 12,00 0,843 0,845 0,845 0,844 0,845 0,843 -- 0,845 14,00 0,518 0,515 0,516 0,516 0,518 0,518 -- 0,516 16,00 0,737 0,737 0,737 0,738 0,737 0,737 -- 0,737 18,00 0,858 0,856 0,857 0,858 0,858 0,856 -- 0,858 20,00 0,855 0,854 0,854 0,856 0,854 0,855 -- 0,854 22,00 0,732 0,731 0,729 0,721 0,729 0,734 -- 0,729 24,00 0,705 0,709 0,709 0,708 0,706 0,707 -- 0,707 26,00 0,457 0,455 0,455 0,455 0,455 0,455 -- 0,455 28,00 0,411 0,411 0,409 0,406 0,408 0,409 -- 0,409 30,00 0,453 0,447 0,450 0,448 0,448 0,448 -- 0,447 32,00 0,404 0,405 0,405 0,405 0,404 0,405 -- 0,405 -- -- -- -- -- -- -- -- --78,00 0,292 0,290 0,290 0,290 0,293 0,290 -- 0,290 80,00 0,281 0,277 0,275 0,281 0,287 0,297 -- 0,289 82,00 0,371 0,374 0,370 0,372 0,364 0,371 -- 0,364 84,00 0,209 0,212 0,216 0,211 0,210 0,210 -- 0,214 86,00 0,180 0,178 0,183 0,178 0,175 0,188 -- 0,177 88,00 0,258 0,260 0,263 0,261 0,257 0,259 -- 0,260 90,00 0,258 0,269 0,257 0,266 0,266 0,263 -- 0,270 92,00 0,427 0,434 0,441 0,434 0,444 0,427 -- 0,429 94,00 0,555 0,549 0,552 0,554 0,546 0,552 -- 0,548 96,00 0,431 0,431 0,431 0,431 0,430 0,431 -- 0,431 98,00 0,341 0,345 0,341 0,344 0,341 0,340 -- 0,337 100,00 1,000 1,000 1,000 1,000 1,000 1,000 -- 1,000 Tampungan Waduk (%) Kromosom (Lepasan Waduk %)
1 2 3 4 -- 14 15 16 4,01 4,01 4,01 4,01 -- 4,01 4,01 4,02 8,12 8,12 8,11 8,11 -- 8,11 8,11 8,12 12,24 12,25 12,24 12,25 -- 12,25 12,23 12,26 16,15 16,17 16,16 16,16 -- 16,17 16,14 16,18 19,26 19,28 19,27 19,27 -- 19,28 19,25 19,29 22,92 22,93 22,92 22,93 -- 22,93 22,91 22,96 26,47 26,50 26,48 26,49 -- 26,49 26,47 26,52 28,66 28,67 28,66 28,67 -- 28,67 28,64 28,70 31,76 31,78 31,77 31,78 -- 31,78 31,75 31,82 35,38 35,39 35,38 35,40 -- 35,40 35,36 35,44 38,99 38,99 38,98 39,00 -- 39,00 38,97 39,05 42,08 42,07 42,06 42,05 -- 42,03 42,04 42,13 45,05 45,06 45,05 45,03 -- 45,01 45,02 45,12 46,98 46,98 46,97 46,95 -- 46,95 46,95 47,04 48,71 48,71 48,69 48,66 -- 48,67 48,68 48,77 50,62 50,60 50,59 50,55 -- 50,56 50,57 50,66 52,33 52,31 52,29 52,26 -- 52,26 52,27 52,38 53,77 53,71 53,74 53,68 -- 53,69 53,69 53,80 -- -- -- -- -- -- -- --86,04 85,96 85,96 85,95 -- 85,91 85,97 85,98 87,23 87,13 87,12 87,14 -- 87,08 87,18 87,20 88,79 88,71 88,68 88,71 -- 88,65 88,73 88,74 89,67 89,60 89,59 89,60 -- 89,56 89,62 89,64 90,43 90,35 90,36 90,35 -- 90,32 90,38 90,39 91,52 91,45 91,47 91,44 -- 91,38 91,47 91,49 92,60 92,59 92,55 92,56 -- 92,51 92,57 92,63 94,40 94,42 94,41 94,40 -- 94,41 94,41 94,44 96,74 96,73 96,74 96,73 -- 96,73 96,74 96,76 98,56 98,55 98,56 98,55 -- 98,56 98,56 98,58 100,00 100,00 100,00 100,00 -- 100,00 100,00 100,00 100,00 100,00 100,00 100,00 -- 100,00 100,00 100,00 94 96 98 100 % 84 86 88 90 92 78 80 82 34 --24 26 28 30 32
Tampungan Waduk Lepasan Waduk (%) 0 2 4 6 8 10 12 14 16 18 20 22
4. Kondisi Optimal
Proses perbaikan ini akan berhenti hingga antara kromosom satu dengan lainnya sudah identik satu sama lain atau seragam. Seragam (homogen) dalam hal ini menandakan pada sebuah populasi sudah didominasi oleh satu jenis kromosom terbaik
saja. Maka sudah tidak
memungkinkan lagi untuk
melakukan perbaikan nilai kinerja.
Rekapitulasi Hasil Optimasi Algoritma Genetik
Secara umum hasil perhitungan iteratif dari optimasi Algoritma Genetika yang telah optimal berdasarkan fungsi tujuan disajikan pada tabel berikut: Tabel 9. Rekap Hasil Iterasi Optimasi Metode Algoritma Genetik
Dari Tabel Rekap Hasil Iterasi Optimasi Metode Algotitma Genetik dapat dilihat bahwa kondisi populasi mengacu pada hasil fungsi tujuan sudah
seragam(homogen) tercapai pada
generasi turunan ke 10. Dapat
diasumsikan bahwa nilai dari 51 lepasan pada tiap-tiap kondisi tampungan waduk
(aturan lepasan waduk berdasarkan
Tampungan Waduk) sudah optimal dengan nilai kinerja 4,6839. Nilai tersebut merupakan nilai dari nilai minimum produksi rata-rata daerah
irigasi Klampis. Seiring dengan
homogennya fungsi tujuan maka aturan
lepasan yang menjadi gen/variabel
menjadi homogen pula. Berikut Tabel hasil optimasi dalam pencarian alternatif aturan lepasan berdasarkan Tampungan Waduk.
Tabel 9. Aturan Lepasan Berdasarkan Tampungan Waduk Hasil Optimasi Algortima Genetik
Sumber : Perhitungan
Berdasarkan hasil fungsi tujuan dan alternatif aturan lepasan waduk yang
sudah homogen (seragam) maka
ditetapkan aturan lepasan pada waduk Klampis berdasarkan Tampungan Waduk yang dianggap paling optimal dengan menggunakan metode Algoritma Genetik adalah sebagai berikut:
Tabel 10. Pedoman Lepasan Hasil Optimasi Metode Algoritma Genetik
Sumber : Perhitungan 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 II 0,59 0,52 0,21 0,23 0,28 0,38 0,59 0,53 0,36 0,46 0,04 0,38 III 3,86 3,56 1,87 1,91 2,01 3,48 3,85 3,80 2,25 2,97 0,20 2,71 I 1,99 1,41 0,64 0,62 0,58 1,78 1,32 1,52 0,39 1,03 0,08 1,03 II 1,40 1,12 0,65 0,44 0,61 1,40 1,14 0,92 0,74 0,62 0,20 0,84 III 1,35 1,09 0,65 0,42 0,70 1,20 1,20 0,69 0,93 0,47 0,25 0,81 I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 II 0,93 0,93 0,79 0,50 0,68 0,93 0,93 0,62 0,93 0,59 0,38 0,74 III 2,54 2,50 2,54 1,58 2,14 2,54 2,51 1,92 2,54 2,08 1,25 2,19 I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 III 2,04 2,04 2,04 1,25 2,04 2,04 2,04 2,04 2,04 2,04 1,64 1,93 I 0,50 0,62 0,62 0,29 0,62 0,62 0,56 0,62 0,62 0,62 0,50 0,56 II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 I 0,06 0,08 0,08 0,03 0,08 0,07 0,07 0,07 0,08 0,08 0,08 0,07 II 0,32 0,44 0,41 0,22 0,41 0,44 0,36 0,39 0,44 0,44 0,44 0,39 III 0,24 0,33 0,31 0,19 0,31 0,35 0,27 0,30 0,35 0,32 0,35 0,30 I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 II 0,09 0,13 0,12 0,09 0,12 0,15 0,11 0,12 0,15 0,13 0,15 0,12 III 0,09 0,13 0,12 0,09 0,12 0,15 0,11 0,12 0,15 0,13 0,14 0,12 I 0,15 0,22 0,20 0,15 0,20 0,24 0,17 0,19 0,26 0,22 0,24 0,20 II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 III 0,31 0,45 0,42 0,31 0,42 0,50 0,36 0,40 0,55 0,44 0,50 0,42 I 0,42 0,62 0,56 0,41 0,56 0,69 0,49 0,54 0,73 0,60 0,66 0,57 II 0,38 0,58 0,53 0,37 0,53 0,64 0,45 0,51 0,70 0,56 0,63 0,54 III 0,29 0,49 0,45 0,27 0,45 0,55 0,37 0,43 0,59 0,48 0,53 0,44 I 0,18 0,36 0,32 0,17 0,32 0,40 0,26 0,31 0,44 0,35 0,39 0,32 II 0,13 0,27 0,27 0,12 0,24 0,30 0,20 0,23 0,42 0,26 0,34 0,25 III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 I 0,16 0,46 0,58 0,81 0,39 1,01 0,57 0,33 1,02 0,42 0,76 0,59 II 1,86 1,39 1,81 2,53 1,18 3,45 2,36 1,80 3,45 1,06 2,30 2,11 III 0,84 0,22 0,36 0,67 0,21 1,36 0,91 0,70 1,06 0,03 0,56 0,63 Desember Tahun Juli Agustus September Oktober Nopember Februari Maret April Mei Juni
Bulan Periode Rata-rata
Januari
Pct. Pct. No. Tamp. Kebutuhan
[%] [%] 1 0,00 4,01 2 2,00 8,12 3 4,00 12,24 4 6,00 16,15 5 8,00 19,26 6 10,00 22,92 7 12,00 26,47 8 14,00 28,66 9 16,00 31,76 10 18,00 35,38 11 20,00 38,99 12 22,00 42,08 13 24,00 45,05 14 26,00 46,98 15 28,00 48,71 16 30,00 50,62 17 32,00 52,33 18 34,00 53,77 19 36,00 55,64 20 38,00 57,17 21 40,00 58,61 22 42,00 60,25 23 44,00 61,42 24 46,00 63,49 25 48,00 64,86 26 50,00 66,35 27 52,00 67,13 28 54,00 68,81 29 56,00 70,59 30 58,00 72,06 31 60,00 73,24 32 62,00 74,76 33 64,00 76,05 34 66,00 76,87 35 68,00 78,89 36 70,00 79,75 37 72,00 81,09 38 74,00 82,87 39 76,00 84,81 40 78,00 86,04 41 80,00 87,23 42 82,00 88,79 43 84,00 89,67 44 86,00 90,43 45 88,00 91,52 46 90,00 92,60 47 92,00 94,40 48 94,00 96,74 49 96,00 98,56 50 98,00 100,00 51 100,00 100,00
Gambar 5. Grafik Hasil Optimasi Aturan Lepasan Berdasarkan Tampungan Waduk Sumber : Perhitungan
KESIMPULAN DAN SARAN Kesimpulan
Berdasarkan analisa pada bab-bab
sebelum dapat diambil beberapa
kesimpulan sebagai berikut :
1. Dari simulasi operasi waduk dengan
menggunakan aturan lepasan
berdasarkan Tampungan Waduk,
maka dapat dikemukakan hal-hal sebagai berikut :
Dari 432 periode operasi telah
terjadi 329 periode limpahan.
Dari perhitungan simulasi waduk
Klampis berdasarkan Tampungan Waduk selama 11 tahun, mulai dari
2004-2014 didapatkan rata-rata
pemenuhan Irigasi sebesar 80,40% dan nilai produksi rata-rata yaitu 12,94 milyar rupiah.
2. Dari simulasi waduk Klampis
berdasarkan Tampungan Waduk akan dilakukan peningkatan nilai minimum
penuhan irigasi, nilai minimum
pemenuhan irigasi ini menjadi fungsi tujuan optimasi Algoritma Genetik. Rumusan model optimasi dengan Algortima Genetik langkah awal yaitu dengan melakukan proses Inisialisasi. Dari proses Inisialisasi dibangkitkan 16 kromosom dengan cara stokastik sebagai populasi awal dari kromosom yang akan dikembangkan, pada tiap-tiap kromosom memiliki 21 gen dan
setiap kromosom memiliki nilai
kinerja berdasarkan fungsi tujuan optimasi. Setelah proses Inisialisasi dilakukan, kemudian populasi tersebut
dikembangkan memalalui proses
crossover atau persilangan antar
generasi, terbentuklah 120 kromosom hasil crossover. Berikutnya adalah proses reproduksi yaitu proses seleksi, memilih 16 kromosom terbaik dari 120 kromosom berdasarkan fungsi kinerja. Selain dilakukan berdasarkan ranking terhadap nilai kinerja setiap kromosom, juga ada prioritas bagi kromosom yang ada perbaikannya (minimal 1 kali). Selanjutnya dari 16
kromosom hasil seleksi tersebut
dijadikan generasi turunan selanjutnya
dan dilakukan proses crossover
kembali dengan mekanisme yang sama. Proses reproduksi tersebut akan berhenti jika antar kromosom pada suatu populasi sudah homogen. Hal tersebut menandakan pada proses perbaikan antar kromosom sudah identik satu sama lain, jadi proses perbaikan sudah tidak memungkinkan lagi dilakukan. Pada proses crossover dalam studi ini generasi turunan terbentuk hingga 10 turunan untuk mecapai kondisi homogen.
3. Dari hasil optimasi dengan Algoritma
Genetik dapat dikemukakan hasil
optimasi lepasan berdasarkan Tampungan Waduk selama 11 tahun (2004-2014) didapatkan peningkatan nilai minimum pemenuhan irigasi yaitu 80,70% dan peningkatan nilai produksi rata-rata yaitu 14,05 milyar rupiah.
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. Perlu adanya evaluasi terhadap PPT
rencana DI Pacal-Kerjo, dengan
meninjau kondisi existing terkini. 3. Pada pola operasi aktual, perlu adanya
peninjauan agar lepasan bisa
terkontrol menyesuaikan kondisi
DAFTAR PUSTAKA
Asdak, C. 2004. Hidrologi dan
Pengelolaan Daerah Aliran
Sungai. Yogyakarta: Gadjah
Mada University Press.
Fakultas Teknik Universitas Brawijaya.
2000. Panduan Penulisan
Skripsi. Malang : Jogja
Mediautama
Harto, Sri. 1993. Analisa Hidrologi. Jakarta : Gramedia Pustaka Utama.
Novianto, Imansyah. 2004. Studi Pola
Operasi dan Optimasi Sebagai
Alternatif Untuk Mengatasi
Masalah Keterbatasan Air Pada Daerah Irigasi Waduk Klampis Di Pulau Madura Kabupaten Sampang Provinsi Jawa Timur.
Skripsi. Tidak Diterbitkan.
Jurusan Teknik Pengairan
Universitas Brawijaya Malang. Limantara. L.M. 2010. Hidrologi Praktis.
Bandung: Lubuk Agung.
Limantara. L.M. 2010. Hidrologi Teknik
Dasar. Malang: Citra Malang.
Mc. Mahon, T.A, Mein, R.G. 1978.
Reservoir Capacity and Yield.
Amsterdam: Elvesier Scientific Publishing Company.
Dinas Pengairan Kabupaten Sampang Dinas Pertanian Kabupaten Sampang
Unit Pelaksanaan Teknis (UPT)
Sumberdaya Air Wilayah Sungai Madura. Pamekasan
Soetopo, Widandi. 2012. Model-model
Simulasi Stokastik untuk Sistem
Sumberdaya Air. Malang:
Asrori.
Soetopo, Widandi. 2010. Operasi Waduk
Tunggal. Malang: Citra Malang.
Soetopo,Widandi, 2007. Penerapan
Model Sinus-Perkalian Pada
Rumusan Fungsi Kinerja Irigasi
Untuk Optimasi Dengan
Program Dinamik. Jurnal
Teknik. ISSN 0854 – 2139.
Soemarto, CD. 1986. Hidrologi Teknik
Edisi I. Surabaya: Penerbit
Usaha Nasional.
Soewarno , 2000. Hidrologi Operasional
Jilid kesatu. Bandung : PT. Citra
Aditya Bakti
Sosrodarsono, S. dan Takeda, K. 1987.
Hidrologi Untuk Pengairan.
Jakarta: Paradnya Paramita.
Sudjarwadi. 1988. Operasi Waduk.
Yogyakarta: KMTS Universitas Gajah Mada.
Suhardjono,1994. Kebutuhan Air
Tanaman. Malang : ITN Malang
