• Tidak ada hasil yang ditemukan

Model Optimisasi Kendala Peluang (Chance-Constrained) Untuk Masalah Jaringan Distribusi Air

N/A
N/A
Protected

Academic year: 2017

Membagikan "Model Optimisasi Kendala Peluang (Chance-Constrained) Untuk Masalah Jaringan Distribusi Air"

Copied!
4
0
0

Teks penuh

(1)

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Sistem distribusi air menghubungkan konsumen ke sumber air dengan meng-gunakan komponen-komponen hidrolik seperti pipa, katup, dan waduk. Tujuan utama dari sistem distribusi air untuk menyalurkan air ke konsumen individu dalam jumlah yang diperlukan dan pada tekanan yang cukup. Sistem distribusi air biasanya membawa air minum ke perumahan, institusi, perusahaan komer-sial, dan industri. Meskipun pada beberapa kota memiliki sistem distribusi yang terpisah, seperti sistem tekanan tinggi untuk pemadam kebakaran atau sistem daur ulang air limbah untuk keperluan non air minum, sistem distribusi air pada perkotaan harus mampu menyediakan air untuk keperluan air minum dan untuk keperluan non air minum, seperti untuk pemadam kebakaran dan irigasi.

Jaringan distribusi air terdiri dari sistem planar pipa atau link ( dimana ali-ran air ), yang dihubungkan bersama di titik simpul ( sambungan ) yang mungkin berada pada ketinggian yang berbeda-beda. Secara umum dan kompleks suatu jaringan distribusi air juga mencakup pompa, waduk, dan katup. Sebuah simpul pada jaringan biasanya memiliki salah satu dari dua fungsi utama, yaitu menerima pasokan air untuk sistem atau menyalurkan air yang dibutuhkan oleh konsumen. Masalah sistem distribusi air (Water Distribution System, WDS) dengan gam-baran multi-periode dikelompokkan pada pemodelan optimasi matematika yang menangani ribuan constraints dan variabel terikat pada tingkat kepatuhan yang diperlukan untuk mencapai representasi yang signifikan dari sistem.

Penelitian tentang sistem distribusi air yang sebelumnya telah dikembangkan adalah berkaitan dengan disain tekanan kolektif dari jaringan distribusi air yang sesuai dengan permintaan konsumen (Huang, et al., 2010); disain tata letak jaringan yang optimal dalam rangka meminimalkan total biaya jaringan (Awumah, et al., 1989); perhitungan debit hidran yang sesuai dengan ukuran lokasi distribusi air (Huang, et al., 2010); penentuan desain aliran air per pipa yang terkait dengan

1

(2)

2

jaminan pasokan yang telah ditentukan (Liong, 2004); perhitungan ukuran diam-eter pipa yang optimal untuk meminimalkan biaya investasi dan energi (Ekinci, et al., 2008); analisis kinerja jaringan dalam kondisi operasi yang berbeda (Ross-man, 1997) untuk mengetahui pada situasi mana kemungkinan terjadi kegagalan pasokan air dari jaringan atau sumber pompa air (Izquierdo, et al., 2012).

Penelitian sistem distribusi air lainnya yang telah dikembangkan adalah seperti yang dilakukan oleh Jacobs & Goulter (1991) yang menilai keandalan sistem distribusi air tanpa evaluasi semua kemungkinan kegagalan pipa secara mekanik. Jowitt & Chengchao (1993) mengembangkan metode prediksi untuk mengidentifikasi elemen pipa yang paling berpengaruh tanpa menganalisis kiner-ja hidrolik untuk setiap kemungkinan kegagalan dari skenario. Ezell, et al. (2000) mengembangkan proses empat frase disebut Infrastructure Risk Assessment Model (IRAM) untuk mengevaluasi kerentanan distribusi air. Bahadur, et al. ( 2003 ) mengembangkan metode rangking dalam mengoptimalkan lokasi sensor kimia pa-da sistem distribusi dengan menggunakan PipelineNet pa-dan Sistem Informasi Ge-ografis (SIG). Kalungi & Tanyimboh (2003) menjelaskan pentingnya penggunaan redundansi dan reliabilitas dalam mengukur kinerja suatu sistem. Keandalan sistem yang dikaji dengan menggunakan metode Critical Head Driven Simula-tion. Little (2004) mendeskripsikan strategi holistik untuk mengidentifikasi dan mengkuantifikasi jumlah risiko dalam infrastruktur perkotaan. Lippai & Wright (2005) melakukan analisis kritis terhadap sistem distribusi air, yaitu analisis di bawah kondisi operasi normal untuk merekam permintaan, head, tekanan pada setiap titik simpul dan analisis skenario kegagalan yang terdiri dari penutupan satu pipa. Qiao, et al. (2005) menggunakan pendekatan kuantitatif dalam men-goptimalkan sumber daya keamanan untuk WDS yang menggunakan pendekatan berbasis biaya. Chastain (2006) mengembangkan metode yang mengoptimalkan sensor pemantauan lokasi stasiun untuk meminimalkan kekentalan kontaminan kepada konsumen. Jun, et al. (2008) mengembangkan suatu algoritma yang menghitung dampak dari kegagalan pipa dan penempatan katup pada seluruh sis-tem distribusi air untuk meningkatkan pelayanan dan keandalan distribusi. Wang & Au (2008) mengukur keandalan sistem distribusi air terhadap konsumen sete-lah peristiwa gempa dan mengidentifikasi pipa kritis dalam sistem. EPA merilis

(3)

3

Threat Ensemble Vulnerability Assessment and Sensor Placement Optimization Tool (TEVA-SPOT) yang dikembangkan oleh Sandia University, yang mengop-timalkan sensor lokasi untuk sistem distribusi yang besar untuk melindungi ter-hadap kontaminasi bahan kimia (Berry, et al., 2009). Nazif & Karamouz (2009) mengevaluasi kesiapan sistem distribusi air untuk satu atau lebih istirahat utama dari air dengan menghitung keandalan, ketahanan, dan kerentanan dengan meng-gunakan Sistem Readiness Index (SRI). Baoyu, et al., (2009), mengidentifikasi distribusi sub-region dan seluruh sistem kerentanannya terhadap kontaminasi ba-han kimia dengan menggunakan Vulnerability Assessment Model for Regional Water Distribution System (VAMRWDS).

Penelitian yang dikemukakan di atas masih berkaitan dengan pengemban-gan variabilitas dari pendekatan dan metodologi yang sebelumnya telah dikem-bangkan. Namun dalam kenyataannya bahwa suatu sistem distribusi air mengan-dung parameter tak pasti terutama dalam menangani keandalan dari debit air dan mutu air. Pembahasan yang membicarakan model sistem distribusi air yang menangani keandalan dari debit air dan mutu air dengan parameter tak pasti ini masih belum dikembangkan oleh para ahli maupun praktisi. Secara matematika, masalah distribusi tekanan air pada jaringan distribusi air yang dikembangkan dari persamaan Hazen-William, dapat dirumuskan sebagai masalah mencari akar sistem persamaan non-linear yang umumnya berukuran besar. Bentuk non-linear yang terjadi akibat persamaan penurunan tekanan air yang merupakan persamaan model stochastic (Lansey, et all.,(1989); Sidarto,et al., 2008). Penyelesaian mo-del stochastic dengan momo-del integer programming, masih menimbulkan kesulitan, karena kaitannya dengan penyelesaian komponen vektor dasar layak optimal dari sistem yang secara terus menerus dan berkelanjutan. Sementara dalam sistem jaringan distribusi air, pertimbangan keandalan dalam layanan distribusi air san-gat diperlukan agar distribusi air ke pelanggan dapat terpuaskan. Untuk itu diperlukan suatu model sistem jaringan yang dapat mengatasi keandalan layanan distribusi air. Model distribusi air yang membicarakan tentang parameter kean-dalan sistem distribusi air yang diusulkan dalam penelitian ini adalah model pro-gram stochastic kendala-peluang (chance constrained stochastic propro-gramming). Inovasi dalam penelitian ini adalah penggunaan pendekatan sampel rata-rata

(4)

4

tuk mengatasi kesulitan penyelesaian kendala non-linear bersifat probabilistik se-hingga didapatkan desain yang optimal dari sistem jaringan distribusi air. Sampel rata-rata ini digunakan untuk mengubah kendala non-linear probabilistik menjadi kendala integer non-linear deteministik dalam rangka mengevaluasi turunan dari fungsi optimasi yang berkaitan dengan variabel keputusan yang tidak diketahui.

1.2 Perumusan Masalah

Penelitian ini akan mengembangkan suatu model optimisasi stochastik non-linier untuk mengatasi masalah Jaringan Distribusi Air (WDN). Masalah yang diusulkan pada penelitian ini adalah Bagaimana pengembangan model stochastic jaringan distribusi air yang menghasilkan solusi non-linier dari debit air maksimal pada suatu jaringan distribusi air .

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah untuk mengembangkan model stochastic dari pemecahan masalah jaringan distribusi air kemudian menyelesaikan model tersebut dengan menggunakan pendekatan rata-rata sampling, dan selanjutnya diselesaikan dengan pendekatan Integer Programming.

1.4 Urgensi Penelitian

Hasil dari pengembangan model dan penyelesaiannya ini sangat berguna ba-gi para perancang jaringan distribusi air, baik untuk pertanian maupun jaringan distribusi air bersih untuk perkotaan. Dari hasil ini, para perancang jaringan dis-tribusi air akan dapat merancang suatu jaringan disdis-tribusi air yang lebih efektif dan efisien yang sesuai dengan kekuatan sumber distribusi air.

Referensi

Dokumen terkait

Hasil uji normalitas terhadap kelompok kontrol diperoleh harga kai kuadrat sebesar 14.029 pada p=0.511 (p>0.05), sedangkan hasil uji normalitas terhadap kelompok

Faktor yang mempengaruhi efektifitas ekstraksi dengan teknik emulsi membran cair antara lain lama waktu ekstraksi, pebandingan volume fasa membran dan fasa internal,

Hasil reaksi metilasi 5-metilisatin (10) selanjutnya diuji kemurniannya dengan KLT (Gambar 4.2) yang menunjukkan bahwa padatan hasil reaksi merupakan senyawa murni, yang

.Uji stabilitas sangat penting untuk mengetahui keadaan suatu obat tersebut aman atau tidak, dapat bertahan lama atau tidak sehingga dapat disimpan dalam jangka waktu

 Segmen 1 dan 2 merupakan area dengan aspek sosial dan ekonomi yang tinggi namun dengan aspek ekologis yang rendah, perletakan lapak berdagang yang tidak teratur

Dan juga di sekeliling mereka terlihat bermacam- macam pakaian yang digunakan yaitu orang memakai topi tentara dan seragam tentara, memakai topi bundar anyaman, ada yang

(pengendalian) dan insentif kuat untuk menjamin maksimalisasi nilai pemegang saham (the incentive alignment hypothesis proposed by Zeckhouser and Pound, 1990),

Peraturan Kepala Dinas Pendidikan Nomor 115 Tahun 2009 tentang Pembentukan Badan Akreditasi Provinsi Sekolah/Madrasah Provinsi Daerah Khusus Ibukota Jakarta4. MEMUTUSKAN