OPTIMASI LEPASAN BERDASARKAN TAMPUNGAN
OPERASI WADUK SUTAMI UNTUK PLTA DENGAN ALGORITMA GENETIK
JURNAL ILMIAH
TEKNIK PENGAIRAN KONSENTRASI PEMANFAATAN & PENDAYAGUNAAN SDA
Diajukan untuk memenuhi persyaratan memperoleh gelar Sarjana Teknik (S.T.)
MUHAMMAD IQBAL NIM. 105060400111043 UNIVERSITAS BRAWIJAYA FAKULTAS TEKNIK MALANG 2015
OPTIMASI LEPASAN BERDASARKAN TAMPUNGAN
OPERASI WADUK SUTAMI UNTUK PLTA DENGAN ALGORITMA GENETIK Muhammad Iqbal1, Widandi Soetopo2, Pitojo Tri Juwono2
1
Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya
2
Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya
1
iqbalinspiration@gmail.com
ABSTRAK
Produksi listrik PLTA (Pembangkit Listrik Tenaga Air) di waduk Sutami memiliki peran penting dalam rangka memenuhi kebutuhan listrik masyarakat di Pulau Jawa dan Pulau Bali. Dalam pemenuhannya, tentu dibutuhkan suatu produksi daya listrik yang optimal dari PLTA waduk Sutami tersebut, mengingat semakin pesatnya perkembangan populasi masyarakat di Pulau Jawa dan Pulau Bali. Produksi energi listrik pada PLTA waduk Sutami tidak terlepas dari aturan lepasan yang dijalankan pada operasi waduk tersebut. Salah satu metode optimasi untuk penyelesaian masalah tersebut adalah dengan metode Algoritma Genetik yang merupakan salah satu metode program Stokastik.
Metode yang digunakan dalam mengoptimalkan lepasan pada waduk Sutami adalah optimasi lepasan berdasarkan tampungan dengan metode algoritma genetik. Metode Algoritma Genetik dioperasikan menggunakan program spreadsheet Excel dari Microsoft Office versi 2007 (atau disingkat MS-Exel 2007 atau MS. Excel saja). Program MS Excel 2007 adalah program spreadsheet yang terdiri dari lembar-lembar worksheet untuk tampilannya dan prosedur Macro dengan Visual Basic untuk mengontrol jalannya program. Metode ini dapat meniru kelakuan sistem dan dapat digunakan untuk membuat suatu keputusan dari serangkaian keputusan yang terkait.
Setelah dilakukan optimasi didapatkan peningkatan nilai minimum energi bangkitan tahunan PLTA waduk Sutami yaitu 4,32 GWH (meningkat 68,53 %) dan rata-rata energi bangkitan tahunan PLTA waduk Sutami yaitu 14,04 GWH (meningkat 12,86 %), optimasi ini juga meningkatan nilai rerata energi bangkitan dan energi minimum bangkitan untuk empat tipikal tahun berdasarkan skenario pola debit inflow (tahun cukup, tahun normal, tahun rendah, dan tahun kering) dengan pembagian tipikal tahun menggunakan metode Weibull. Dari proses optimasi yang telah dilakukan, diharapkan dapat memberikan gambaran mengenai pedoman lepasan yang optimal pada pengoperasian waduk Sutami untuk PLTA.
Kata kunci: PLTA, Optimasi, Lepasan, Algoritma Genetik.
ABSTRACT
Hydroelectric power production (Hydroelectric Power Plant) in reservoir Sutami has an important role in order to meet the electricity needs of the people in Java and of Bali Island. In the fulfillment, will be a need an optimal production of electric power from the Hydroelectric Power Plant reservoirs Sutami, considering the rapid growth of population in Java and Bali island. Production of electrical energy in Hydroelectric Power Plant reservoirs Sutami not be separated from the releases rules on the operation of the reservoir. One method of optimization for the settlement of the problem is with the Genetic Algorithm method which is one method of stochastic program.
This study focusing to improve reservoir performance based on reservoir storage, with objective function to optimize the average and minimum production of electric power from the Hydroelectric Power Plant reservoirs Sutami. One method of optimization for the settlement of such problems is by using a Genetic Algorithm (GA). Genetic Algorithm method is operated using a spreadsheet program Excel from Microsoft Office 2007 version (or abbreviated as MS-Exel 2007). MS Excel 2007 is a spreadsheet program that consists of sheets worksheet to zoom and procedures with Visual Basic macros to control the course of the program. This method can mimic the behavior of the system and can be used to make a decision on a series of related decisionsThe optimization obtained an increase in the minimum annual energy generation of Hydroelectric Power Plant reservoirs Sutami 4.32 GWh (up 68.53%) and the average annual energy generation of Hydroelectric Power Plant reservoirs Sutami 14.04 GWh (up 12.86%), this optimization is also increasing value the average energy generation and minimum energy based inflow scenarios (high year, normal year, low year, and dry year) with typical division in using Weibull Methode. The optimization process that has been done, is expected to provide an overview of the optimal rules of release for operation of reservoirs in Hydroelectric Power Plant of Sutami.
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
Secara umum Waduk Sutami mempunyai fungsi sebagai pembangkit listrik dengan
daya 3 x 35.000 kWh (488 juta kWh/tahun), bahwa daya listrik yang mampu dihasilkan oleh Waduk Sutami ini sebenarnya besar, dalam operasi PLTA pada tahun 2002-2011 dengan aturan lepasan sebelum dioptimasi, didapatkan data nilai rerata produksi PLTA selama 10 tahun yaitu 12,44 GWh, dan nilai minimum 2,51 GWh, dan untuk spesifikasi tipikal tahun, pada tipikal tahun cukup (diwakili tahun 2008) didapatkan data nilai rerata produksi PLTA yaitu 14,75 GWh, dan nilai minimum 4,39 GWh, pada tipikal tahun normal (diwakili tahun 2002) didapatkan data nilai rerata produksi PLTA yaitu 13,02 GWh, dan nilai minimum 3,19 GWh, pada tipikal tahun rendah (diwakili tahun 2005) didapatkan data nilai rerata produksi PLTA yaitu 12,23 GWh, dan nilai minimum 3,03 GWh, pada tipikal tahun kering (diwakili tahun 2007) didapatkan data nilai rerata produksi PLTA yaitu 10,47 GWh, dan nilai minimum 2,89 GWh.
Dengan bertambahnya jumlah penduduk untuk kedepannya, terutama di Pulau Jawa dan Bali, tentunya kebutuhan listrik akan meningkat, dengan pertimbangan ini tentunya akan lebih baik jika produksi energi listrik dari PLTA Sutami bisa meningkat dari yang sebelumnya, baik nilai energi rerata maupun minimumnya. Langkah yang harus dilakukan adalah meningkatkan kinerja PLTA Sutami dengan cara melakukan optimasi terhadap aturan lepasan waduk
untuk PLTA dengan tetap
mempertimbangkan kapasitas tampungan yang ada, optimasi yang digunakan adalah optimasi lepasan berdasarkan tampungan operasi Waduk Sutami dengan metode Algoritma Genetik. sehingga untuk kedepannya suplai listrik dari PLTA Sutami mengalami peningkatan.
Batasan Masalah
Batasan-batasan masalah dalam studi ini adalah sebagai berikut :
1. Studi dilakukan di Waduk Sutami di Kabupaten Malang.
2. Data yang digunakan adalah debit inflow.
3. Tidak membahas perencanaan desain bangunan dan juga irigasi.
4. Membahas secara global tentang PLTA (Pembangkit Listrik Tenaga Air).
5. Membahas operasi dan optimasi waduk.
Rumusan Masalah
Rumusan masalah dalam studi ini
dirumuskan sebagai berikut:
1. Bagaimana rumusan model optimasi operasi waduk untuk PLTA yang dikaji pada Waduk Sutami dalam studi ini? 2. Bagaimana rumusan model simulasi
Algoritma Genetik yang dipakai?
3. Bagaimana produksi energi bangkitan
PLTA waduk Sutami dengan
menggunakan aturan lepasan
berdasarkan tampungan hasil optimasi
metode Algoritma Genetik
eksisting Waduk Sutami tahun 2002 - 2011 beserta perbandingan produksi listrik berdasarkan skenario pola debit inflow?
Tujuan dan Manfaat
Tujuan dari studi ini adalah untuk menentukan penjatahan air yang paling optimal untuk operasi PLTA Waduk Sutami pada masing-masing periode di Waduk Sutami sehingga didapatkan peningkatan nilai rerata dan nilai minimum produksi listrik berdasarkan ketersediaan air yang ada pada Waduk Sutami dalam pemanfaatannya untuk PLTA.
Sedangkan manfaat dari studi ini adalah untuk memberikan gambaran pembagian air yang optimal berdasarakan tampungan yang tersedia di Waduk Sutami pada masing-masing periode dengan metode Algoritma Genetik dalam pemanfaatannya untuk PLTA.
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
Aturan Operasi Waduk
Aturan Lepasan Operasi Waduk merupakan pedoman dalam melepaskan jumlah air dari waduk untuk memenuhi berbagai kebutuhan sesuai dengan kondisi yang berlaku.
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.
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 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
Lokasi waduk Sutami terletak di sungai Brantas sebagai sungai utama. Luas DAS Brantas adalah 11.800 km2. Waduk Sutami memiliki daerah genangan di Desa Karangkates, Kecamatan Sumber Pucung, Kabupaten Malang Jawa Timur.
DAS Brantas yang secara geografi masuk dalam Wilayah Daerah Aliran Sungai Brantas yang terletak pada titik koordinat 110030’ – 112055’ Bujur Timur dan 7001’ – 8015’ Lintang Selatan.
Data-data yang Diperlukan
Data-data yang diperlukan dalam studi ini meliputi data-data sekunder terkait dengan studi analisa pola operasi waduk yang berasal dari Waduk Sutami PT Jasa Tirta I. Berdasarkan batasan dan rumusan masalah pada Bab I, maka data-data yang diperlukan adalah sebagai berikut:
1. Data teknis Waduk Sutami.
2. Data debit, yang digunakan adalah data debit 10 harian.
3. Data produksi listrik PLTA Waduk Sutami.
4. Data pola operasi Waduk Sutami.
Tahapan Penyelesaian
Agar tercapainya maksud dan tujuan Dalam penyelesaian studi ini tahapan-tahapan yang harus dilakukan adalah sebagai berikut :
Gambar 4. Diagram Alir Pengerjaan Algoritma Genetik
Gambar 5. Diagram Alir Pengerjaan Skripsi
HASIL DAN PEMBAHASAN
Proses optimasi Algoritma Genetik ini berlangsung secara iteratif dengan menghitung secara langsung kinerja kromosom (alternatif aturan lepasan) pada simulasi waduk Sutami selama 10 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 :
5000 Iterasi awal
1000 Iterasi lanjutan dengan kisaran acak 0,3000 – 0,0005 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.
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.
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 12 tahun (2002-2011) dengan meninjau pemenuhan kebutuhan minimum (fungsi tujuan).
Tabel 1. 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 2. Contoh 120 Kromosom Beserta Nilai 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 3. 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 4. Tabel Proses Crossover
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.
Hasil Optimasi Algoritma Genetik
Berdasarkan hasil fungsi tujuan dan alternatif aturan lepasan waduk yang sudah homogen (seragam) maka ditetapkan aturan lepasan pada waduk Sutami berdasarkan Tampungan Waduk yang
Pct. Pct. Tamp. Q maks [%] [%] 0,00 4,33 5,00 11,80 10,00 16,17 15,00 25,21 20,00 28,98 25,00 39,21 30,00 49,17 35,00 50,58 40,00 51,01 45,00 55,96 50,00 57,86 55,00 59,16 60,00 65,39 65,00 66,91 70,00 67,78 75,00 70,30 80,00 80,05 85,00 86,65 90,00 90,97 95,00 93,59 100,00 100,00 Pct. Pct. Tamp. Q maks [%] [%] 0,00 5,42 5,00 13,76 10,00 14,22 15,00 18,34 20,00 24,57 25,00 30,86 30,00 33,64 35,00 37,06 40,00 41,76 45,00 45,15 50,00 45,40 55,00 53,04 60,00 60,86 65,00 66,17 70,00 67,37 75,00 73,89 80,00 81,83 85,00 86,16 90,00 88,11 95,00 92,50 100,00 100,00
dianggap paling optimal dengan menggunakan metode Algoritma Genetik adalah sebagai berikut:
Tabel 5. Kondisi Lepasan Terpilih Pada Perhitungan Optimasi Metode Algoritma Genetik
Tabel 6. Pedoman Lepasan Hasil Optimasi Metode Algoritma Genetik
Gambar 6. Grafik Hasil Optimasi Aturan Lepasan Berdasarkan Tampungan Waduk Sumber : Perhitungan
Perhitungan Pedoman Lepasan Berdasarkan Skenario Pola Debit
Perhitungan pedoman lepasan berdasarkan skenario pola debit digunakan untuk mengetahui pedoman lepasan untuk PLTA Waduk Sutami berdasarkan tipikal tahun atau skenario pola debit inflow, dalam perhitungan ini keandalan debit yang digunakan adalah 26,02% (tahun cukup) diwakili tahun 2008, 50,68% (tahun normal) diwakili tahun 2002, 75,34% (tahun rendah) diwakili tahun 2005 dan 97,30% (tahun kering) diwakili tahun 2007. Dan berikut adalah pedoman lepasan pada masing-masing tahun hasil perhitungan menggunakan metode Algoritma Genetik.
Tabel 7. Pedoman Lepasan Tahun Cukup
Sumber : Perhitungan
Tabel 8. Pedoman Lepasan Tahun Normal
Pct. Pct. Tamp. Q maks [%] [%] 0,00 8,54 5,00 15,55 10,00 22,25 15,00 22,67 20,00 25,32 25,00 35,28 30,00 40,04 35,00 42,23 40,00 42,41 45,00 45,76 50,00 46,14 55,00 51,53 60,00 56,13 65,00 62,95 70,00 72,20 75,00 77,40 80,00 87,18 85,00 90,28 90,00 90,50 95,00 98,67 100,00 100,00 Pct. Pct. Tamp. Q maks [%] [%] 0,00 10,11 5,00 16,07 10,00 20,98 15,00 23,25 20,00 25,27 25,00 32,35 30,00 36,07 35,00 48,10 40,00 56,85 45,00 57,17 50,00 64,80 55,00 67,61 60,00 74,29 65,00 75,18 70,00 77,94 75,00 80,99 80,00 85,95 85,00 88,20 90,00 91,27 95,00 97,53 100,00 100,00 Peningkatan Peningkatan
Sebelum Optimasi Setelah Optimasi Sebelum Optimasi Setelah Optimasi
(GWH) (GWH) (GWH) (GWH) 1 2002-2011 (10 Tahun) 12,44 14,04 12,86 2,51 4,23 68,53 2 2008 (Tahun Cukup) 14,75 15,07 2,17 4,39 5,02 14,35 3 2002 (Tahun Normal) 13,02 13,33 2,38 3,19 3,73 16,93 4 2005 (Tahun Rendah) 12,23 12,65 3,43 3,03 3,50 15,51 5 2007 (Tahun Kering) 10,47 10,85 3,63 2,89 3,12 7,96 (%) Tahun No.
Energi Rerata PLTA Waduk Sutami
(%)
Energi Minimum PLTA Waduk Sutami
Tabel 9. Pedoman Lepasan Tahun Rendah
Sumber : Perhitungan
Tabel 10. Pedoman Lepasan Tahun Kering
Sumber : Perhitungan
Tabel 4.11. Rekapitulasi Perbandingan Nilai Rerata dan Minimum Energi Listrik PLTA Sutami
Sumber: Perhitungan
KESIMPULAN DAN SARAN Kesimpulan
Berdasarkan analisa pada bab-bab sebelumnya, dapat diambil beberapa kesimpulan sebagai berikut:
1. Rumusan model optimasi operasi waduk dalam studi ini yaitu dilakukan membuat alternatif aturan nilai lepasan (dalam bentuk persen) waduk Sutami untuk PLTA dengan cara coba-coba yang nantinya akan terjadi peningkatan nilai rata-rata dan penigkatan nilai minimum energi bangkitan PLTA, nilai rata-rata dan nilai minimum energi bangkitan PLTA ini menjadi fungsi tujuan pada optimasi Algoritma Genetik.
2. Rumusan model simulasi Algoritma Genetik langkah awal dengan melakukan proses inisialisasi, yaitu pemilihan 16 kromosom (alternatif lepasan waduk). Kemudian secara iteratif dikembangkan lagi melalui proses atau persilangan antar generasi (crossover), terbentuklah 120 kromosom dan memilih 16 kromosom terbaik melalui proses reproduksi (seleksi). Proses iteratif tersebut akan Hasil optimasi lepasan berdasarkan Tampungan Waduk selama 12 tahun (2002-2013) didapatkan peningkatan nilai minimum pemenuhan irigasi yaitu 89,55% dan rata-rata pemenuhan irigasi yaitu 98,78%.
3. Perbandingan produksi energi bangkitan PLTA waduk Sutami antara data eksisting dengan hasil optimasi lepasan Berdasarkan Tampungan waduk Sutami untuk PLTA yaitu, selama 10 tahun (2002-2011) didapatkan hasil sebagai berikut:
• Peningkatan rerata energi bangkitan PLTA = 12,86 %
• Peningkatan energi minimum yang bisa diproduksi PLTA = 68,53 %
Tahun Cukup (Tahun 2008)
• Peningkatan rerata energi bangkitan PLTA = 2,17 %
• Peningkatan energi minimum yang bisa diproduksi PLTA = 14,35 %
Tahun Normal (Tahun 2002)
• Peningkatan rerata energi bangkitan PLTA = 2,38 %
• Peningkatan energi minimum yang bisa diproduksi PLTA = 16,93 %
Tahun Rendah (Tahun 2005)
• Peningkatan rerata energi bangkitan PLTA = 3,43 %
• Peningkatan energi minimum yang bisa diproduksi PLTA = 15,51 %
Tahun Kering (Tahun 2007)
• Peningkatan rerata energi bangkitan PLTA = 3,63 %
• Peningkatan energi minimum yang bisa diproduksi PLTA = 7,96 %
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 untuk PLTA Waduk Sutami, perlu adanya peninjauan dan pengawasan agar lepasan bisa terkontrol menyesuaikan kondisi tampungan waduk yang ada, sehingga untuk kedepannya energi bangkitan PLTA waduk Sutami bisa lebih optimal.
3. Pada pola operasi aktual untuk PLTA Waduk Sutami, upaya pemenuhan kapasitas tampungan waduk dirasa perlu
dilakukan pengontrolan dan
pengawasan, meskipun pengaruhnya tidak terlalu signifikan terhadap produksi energi bangkitan PLTA Waduk Sutami.
DAFTAR PUSTAKA
Marsudi, Djiteng. 2005. Pembangkitan Energi Listrik. Jakarta: Erlangga Mc. Mahon, T.A, Mein, R.G. 1978.
Reservoir Capacity and Yield.
Amsterdam: Elvesier Scientific Publishing Company.
Limantara, L.M. 2009. Hidrologi TSA – I. Malang: CV. Citra
Peta Tematik Indonesia. 2010. Peta Topografi dan Administratif
Kabupaten Malang. Dari
http://petatematikindo.wordpress.co m. (diakses 9 Oktober 2014).
Skema Kerja Turbin Tipe Vertical Francis. 2015. Dari https://www.ytimg.com. (diakses 11 Nopember 2015)
Soedibyo. 2003. Teknik Bendungan. Jakarta: Pradnya Paramita
Soetopo, W. 2012. Model-model Simulasi Stokastik untuk Sistem Sumberdaya Air. Malang: CV. Asrori.
Soetopo, W. 2010. Operasi Waduk Tunggal. Malang: CV. Asrori
Sudjarwadi. 1988. Operasi Waduk. Yogyakarta: KMTS Universitas Gajah Mada.