Upload
lykhuong
View
267
Download
7
Embed Size (px)
Citation preview
7
1. Pendahuluan
Pembangkit Listrik Tenaga Air (PLTA) Jelok terletak di Kabupaten
Semarang 45 km dari Kota Semarang, tepatnya di Desa Delik Kecamatan
Tuntang. PLTA Jelok menggunakan air yang berasal dari waduk Rawa Pening
yang dibendung melalui sungai Tuntang untuk menggerakkan generator. Rawa
Pening berada didalam Daerah Aliran Sungai (DAS) Tuntang, dan menjadi
sumber mata air bagi Sungai Tuntang.
Musim kemarau seringkali mengakibatkan berkurangnya pasokan air
kedalam waduk. Menurunnya muka air waduk akan mengganggu
keberlangsungan operasi dari PLTA, sehingga produksi listrik akan berkurang [1].
PLTA Jelok menggunakan Turbin buatan Werk Spoor Escher Wyss Holland
dengan tipe Francis. Daya turbin yang digunakan sangat dipengaruhi oleh faktor
laju aliran massa dan tinggi tekan. dimana daya turbin cenderung lebih kecil pada
saat laju aliran massa mengalami penurunan dan sebaliknya daya turbin
cenderung besar ketika laju aliran massa mengalami kenaikan [2]. PLTA Jelok
memiliki 4 unit generator dengan daya terpasang 4 X 5,12 MW dan tinggi terjun
air 144 meter. PLTA Jelok dapat menghasilkan energi listrik sebesar
93GWh/tahun, dan saat ini dikelola oleh PT Indonesia Power, dibawah tanggung
jawab Unit Bisnis Pembangkitan Mrica dengan kontribusi untuk interkoneksi
listrik Jawa - Bali berkisar 6,37 %, PLTA Jelok masih tetap dioperasikan karena
kondisinya masih baik dengan biaya operasi yang relatif lebih murah [3].
Permasalahan yang dialami oleh PLTA Jelok adalah adanya debit air yang
pada waktu tertentu menurun tajam sehingga membuat produksi listrik PLTA
Jelok menurun dan membuat PLTA Jelok hampir berhenti beroperasi, seperti pada
tahun 2012 di mana debit air hanya mampu digunakan untuk mengoperasikan 1
turbin [4]. Tidak hanya pada tahun 2012, dari data produksi tahun 2010 sampai
2013 juga terdapat penurunan produksi yang cukup drastis di tahun 2011 dan
2013 karena debit air yang menurun tajam.
Gambar 1 Grafik Data Debit Air Tahun 2010 – 2013
8
Dari Gambar 1 dapat diketahui bahwa pola data debit air memiliki unsur
pola yang tidak tetap. Data berada pada rerata yang berkisar 30 sampai 35 juta m3,
kemudian mengandung trend untuk debit terkecil setiap tahunnya yang cenderung
semakin menurun, dan musiman dimana debit air berada pada sekitar rerata ketika
musim penghujan, dan menurun ketika musim kemarau.
Penelitian ini difokuskan untuk mengetahui fluktuasi debit air yang akan
datang dengan melakukan peramalan data debit air dengan metode Exponential
Smoothing tiga parameter atau Triple Exponential Smoothing “HoltWinters”.
Pemilihan metode HoltWinters dikarenakan metode ini mampu menangani data
yang memiliki unsur trend dan musiman [5]. Hasil dari penelitian ini diharapkan
dapat digunakan sebagai bahan pertimbangan oleh pihak manajemen PLTA Jelok
dalam melakukan pengelolaan debit air untuk meminimalkan penurunan produksi
listrik yang drastis.
2. Tinjauan Pustaka
Terdapat beberapa penelitian yang terkait dengan penelitian ini, salah
satunya adalah penelitian yang berjudul “Kuantifikasi Jasa Lingkungan PLTA
Jelok dan Timo”. Berdasarkan penelitian tersebut, Degradasi lingkungan
khususnya di DTA Waduk Rawa Pening yang menyebabkan realisasi debit
outflow Waduk Rawa Pening sebagai sumber air penggerak turbin PLTA Jelok
dan Timo semakin tahun semakin kecil. Pada bulan Juli debit outflow Waduk
hanya dapat untuk memutar 2 turbin, sedangkan pada bulan Agustus, September
dan Oktober hanya dapat untuk memutar 1 turbin. Dari hasil perhitungan
kuantifikasi jasa lingkungan dengan metode Replacement Cost jasa lingkungan
yang dinikmati PLTA Jelok dan Timo adalah Rp. 12,321 M/tahun sehingga
sebagai salah satu pengguna jasa lingkungan waduk rawa pening, PLTA Jelok dan
Timo perlu ikut membiayai kegiatan konservasi DTA Waduk Rawa Pening yang
dapat dipandang sebagai investasi ke depan dalam rangka menjaga keberlanjutan
produksi listrik [6].
Penelitian kedua yang berjudul “Simulasi Pola Operasi Pembangkit Listrik
Tenaga Air di Waduk kedungombo”. Penelitian ini dilakukan dengan metode
distribusi frekuensi yaitu dengan melakukan simulasi pola operasi waduk untuk
meningkatkan produksi listrik PLTA Kedungombo. Dari simulasi pola operasi
yang dilakukan, didapatkan pola operasi yang optimal untuk meningkatkan
kinerja PLTA Waduk Kedungombo adalah pola operasi yang menahan air
sebanyak-banyaknya di tampungan waduk, dan melepas air sesuai dengan
kebutuhan air total yang telah diperhitungkan, dari simulasi pola operasi yang
dilakukan terdapat peningkatan produksi energi listrik rata-rata per tahun sebesar
14,59 GWh [7].
Penelitian lain adalah “Pemodelan Deret Waktu Menggunakan Teknik
Exponential Smoothing Untuk Peramalan Debit Aliran Sungai ( Studi Kasus
Sungai Cabenge SWS WalanaE - CenranaE)” yang mengujicobakan 4 metode
pramalan yakni : Single Exponential Smoothing (SE), Double Exponential
Smoothing (DE), Triple Exponential Smoothing (TE), dan Autoregressive
Integrated Moving Average (ARIMA) dari debit peramalan dengan nilai debit
terukur, untuk menentukan metode yang memiliki nilai kesalahan paling kecil
9
dalam meramalkan debit aliran sungai. Dari hasil ujicoba tersebut, untuk
meramalkan debit aliran sungai Cabenge pada SWS WalanaE – CenranaE dapat
dilakukan dengan menggunakan Teknik Triple Exponential Smoothing (Winters)
[8].
Pada penelitian ini, metode Triple Exponential Smoothing “HoltWinters”
digunakan untuk memprediksi fluktuasi debit air yang berasal dari Waduk Rawa
Pening, yang dipakai oleh PLTA Jelok untuk menggerakan turbin. Metode
Winters didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur
stasioner, satu untuk trend, dan satu untuk musiman. Persamaan untuk Winters
ditunjukan pada persamaan 1 sampai 4:
Pemulusan keseluruhan :
= + ( 1 - )( + ) ……(1)
Pemulusan trend :
= ( - ) + ( 1 – ) ……(2)
Pemulusan musiman :
I = ß + ( 1 – ß ) ……(3)
Ramalan :
= ( + m ) ……(4)
L adalah panjang musiman (misal, jumlah bulan atau kuartal dalam suatu
tahun), adalah konstanta pemulusan stasioner, adalah konstanta pemulusan
trend, ß adalah konstanta pemulusan musiman, , b adalah komponen trend, I
adalah faktor penyesuaian musiman, dan + m adalah ramalan untuk m
periode ke depan [9].
Setelah dilakukan peramalan, perlu dilakukan evaluasi hasil peramalan
untuk mengetahui keakuratan dari hasil peramalan yang telah dilakukan. Mean
Absolute Percentage Error (MAPE) melakukan perhitungan perbedaan antara
data asli dan data hasil peramalan. Perbedaan tersebut diabsolutkan,
kemudian dihitung ke dalam bentuk persentase terhadap data asli. Hasil
persentase tersebut kemudian didapatkan nilai mean-nya. Rumus untuk
menghitung nilai MAPE ditunjukan pada persamaan 5.
MAPE = ……(5)
adalah nilai data periode ke-t, adalah nilai ramalan periode ke –t, n adalah
banyak data [9].
10
3. Metode Penelitian
Pada penelitian ini, Triple Exponential Smoothing direpresentasikan sebagai
mekanisme untuk memprediksi fluktuasi debit air PLTA pada periode yang akan
datang di PLTA Jelok. Pendekatan Triple Exponential Smoothing dalam
penelitian ini dapat dilihat seperti pada Gambar 2.
Gambar 2 Konsep Triple Exponential Smoothing
Penelitian ini menggunakan data yang diperoleh dari PLTA Jelok, yang
meliputi debit air yang masuk dan produksi listrik PLTA Jelok. Periode
pengambilan data adalah bulanan selama 4 tahun yakni tahun 2010 – 2013. Data
disusun dalam Microsoft Office Excell dan kemudian disimpan dalam
ekstensi .csv dan diprediksi dalam lingkungan pemrograman R ( R Environment
Development).
Gambar 3 Tahapan Penelitian
11
Gambar 3 menunjukan tahapan pada penelitian ini yaitu : tahap satu adalah
melakukan studi literatur untuk menyusun kerangka konseptual untuk dijadikan
pedoman penelitian. Tahap dua adalah pengumpulan data penelitian. Tahap tiga
adalah analisis data dan prediksi serta menghitung akurasi ketiga metode
Exponential Smoothing. Tahap empat adalah visualisasi luaran dalam bentuk
grafik runtun waktu.
4. Hasil dan Pembahasan
Hasil peramalan debit air PLTA Jelok dengan menggunakan Software R
for Windows versi 3.1.0 dengan Triple Exponential Smoothing, ditunjukkan pada
Gambar 4.
Gambar 4 Data Prediksi Debit Air 2014-2015 dengan Triple Exponential Smoothing
Gambar 4 menunjukan dinamika fluktuasi debit air dengan metode Triple
Exponential Smoothing dengan memperhitungkan konstanta alpha, beta, dan
gamma. nilai alpha = 0.864458250894871, beta = 0, dan gamma =
0.0324344027472843. Pola debit air tahun 2014 – 2015 ( Data Prediksi )
diperkirakan mirip dengan pola debit air pada tahun 2012 dalam kisaran
signifikasi 95% dengan dinamika fluktuasi yang hampir sama dengan tahun 2013.
Dinamika fluktuasi debit air tahun 2014 (data prediksi) diperkirakan akan sama
atau lebih tinggi dari dinamika debit air tahun 2012 dan 2013 ( data aktual )
dengan kisaran signifikasi 80%. Pada tahun 2011 sampai 2013 ( data aktual ) debit
air terkecil terjadi antara bulan September dan Oktober. Debit air terkecil tahun
2014 diperkirakan akan terjadi pada bulan September ( data prediksi ). Kode
untuk TES ditunjukkan pada Kode Program 1.
12
Kode Program 1 Hitung Prediksi dengan Triple Exponential Smoothing
Baris 1 sampai 3 pada Kode Program 1 adalah perintah untuk memanggil
library yang diperlukan, yakni stats, forecast, dan tseries. Baris 4 sampai 5
addalah perintah untuk memanggil data .csv kemudian menyusun data ke dalam
time series untuk dilakukan peramalan Baris 7 sampai 11 adalah perintah untuk
peramalan dengan Triple Exponential Smoothing dengan tiga parameter, dan jenis
musiman adalah multiplicative. Baris 13 sampai 22 adalah perintah untuk plotting
data kedalam grafik. Hasil prediksi debit air tahun 2014 dengan menerapkan
rumus Triple Exponential Smoothing dapat dilihat pada Tabel 1.
Tabel 1 Perhitungan Prediksi Debit Air Tahun 2014 dengan Triple Exponential Smoothing
Tahun Bulan Periode debit aktual
( Xt ) m ramalan (Ft) St bt It
1 1 1 34120584.59
1.498918342
2 2 31106816.29
1.366523407
3 3 30019495.97
1.318757391
4 4 31414102.47
1.380022498
5 5 34451508.17
1.513455825
6 6 28853384.31
1.26753007
7 7 16715580.24
0.73431596
8 8 9104337.95
0.399953849
9 9 8245512.48
0.36222562
10 10 8942815.73
0.392858173
11 11 11586264.78
0.508984972
12 12 28601252.06
22763471.25 -294154.2908 1.256453892
2 1 13 30590733.1
33679671.33 20670586.44 -347658.14 1.498918342
2 14 30645887.03
27771757.22 22158723.2 -293051.7983 1.366523407
3 15 34329381.61
28835515.78 25501873.37 -184891.7382 1.318757391
4 16 33049022.53
34938004.24 24122233.28 -220429.933 1.380022498
5 17 31461377.27
36174323.5 21183752.41 -301279.2794 1.513455825
6 18 32391114.94
26469162.63 24960419.31 -179979.3878 1.26753007
7 19 32706280.25
18196672.52 42027201.47 333031.3811 0.73431596
1 library(stats)
2 library(forecast)
3 library(tseries)
4 data <- read.csv("F:/ANBU JI/JADIII/data csv/debit thn 12-13.csv",
5 header=T, dec=",", sep=";")
6 data.ts <- ts(data$debit, start= c(2012), frequency = 12)
7 HW4 <- HoltWinters(data.ts,
8 alpha=0.864458250894871,
9 beta=0,
10 gamma=0.0324344027472843,
11 seasonal="multiplicative")
12 HW4
13 plot(forecast(HW4,
14 level=c(80,95)),
15 col="red",
16 type="o",
17 lwd="1",
18 ylim=c(-20,60),
19 xlim=c(2012,2015),
20 xlab="Tahun",
22 ylab="Debit Air (juta m3)",
22 main="Prediksi Debit Air PLTA Jelok 2014-2015")
13
8 20 22510682.41
16942138.18 54512761.32 694512.4605 0.399953849
9 21 14009098.12
19997488.95 40777290.5 265287.7159 0.36222562
10 22 8816749.6
16123912.3 24807744.7 -217622.9109 0.392858173
11 23 12516002.45
12516002.45 24590121.79 -217622.911 0.508984972
12 24 25658395.96
30622921.08 20923714.75 -320208.1641 1.256453892
1 30882973.93
2 28155174.01
3 27171026.6
4 28433302.63
5 31182497.06
6 26115564.14
7 15129483.71
8 8240451.766
9 7463117.939
10 8094255.956
11 10486875.22
12 25887356.04
Tabel 1 menunjukan penerapan rumus Triple Exponential Smoothing
“HoltWinters” dengan nilai alpha = 0.872840430594289, gamma =
0.0297453390116518, beta = 0. Pada table 2, didapat dengan merata- rata data
aktual tahun 1 periode 1 sampai 12. didapat dari hasil pengurangan data aktual
periode 13 dengan data aktual periode 1, kemudian dibagi dengan L ( jumlah
musiman = 12). periode 1 diperoleh dari pembagian data aktual periode 1
dengan . periode 2 diperoleh dari pembagian data aktual periode 2 dengan
, demikian sampai periode 12. Setelah didapatkan , , dan ,
persamaan rumus Triple Exponential Smoothing “HoltWinters” dapat dilakukan.
Perhitungan untuk dapat digambarkan untuk periode 13 sebagai berikut :
= 0.864458250894871 + ( 1 – 0.864458250894871 )
( 22763471.25 – (-294154.2908))
= 20670586.44
= 0.0297453390116518 (20670586.44 - 22763471.25) +
( 1 – 0.0297453390116518 ) ( -294154.2908 )
= 1145132.173
= 0 + ( 1 – 0) 1.498918342 = 1.498918342
= (22763471.25 + (-294154.2908)) 1.498918342 = 33679671.33
…………………
= (20923714.75 + (-320208.1641)) 1.498918342 = 30882973.93
………………...
= (22763471.25 + (-294154.2908)) 1.256453892 = 25207252.69
14
Tabel 3 Tabel Hasil Akurasi Metode Triple Exponential Smoothing
MAD MSE MPE MAPE ( % )
5193253.727 3.86895E+13 -5.250111211 24.0443219
Tabel 3 menunjukan hasil penghitungan akurasi metode Triple Exponential
Smoothing . Evaluasi hasil peramalan digunakan untuk mengetahui keakuratan
hasil peramalan yang telah dilakukan terhadap data yang sebenarnya.
5. Simpulan
Berdasarkan hasil analisis dan peramalan Debit Air PLTA Jelok dengan
metode Triple Exponential Smoothing yang sudah dilakukan, didapatkan
kesimpulan bahwa metode yang digunakan dapat merepresentasikan informasi
dinamika dan fluktuasi debit air yang digunakan oleh PLTA Jelok dalam bentuk
grafik runtun waktu yang didalamnya memuat data aktual dan data prediksi debit
air waktu yang akan datang. Metode Triple Exponential Smoothing memberikan
hasil yang cukup baik, dengan nilai akurasi berada pada kisaran 24% berdasarkan
pengukuran akurasi dengan metode Mean Absolute Percentage Error (MAPE).
Hasil peramalan debit air PLTA Jelok, dapat digunakan oleh PLTA Jelok sebagai
bahan pertimbangan dalam menentukan kebijakan pengelolaan debit air, untuk
meminimalkan penurunan produksi listrik yang drastis pada bulan – bulan tertentu
di tahun mendatang.
6. Pustaka
[1] Maulana R., (2012), Prediksi Curah Hujan dan Debit Menggunakan Metode
Adaptive Neuro-Fuzzy Inference System (ANFIS). Program Studi
Meteorologi, Fakultas Ilmu dan Teknologi Kebumian, ITB.
[2] Sasongko E. T., Muhajir K., Badrawada I. G. G., &Anton, (2008),
Pengaruh Laju Aliran massa Terhadap Daya Turbin Air Francis Pada Sub
Unit PLTA Jelok Semarang, Jurnal Teknologi, Vol. 1, No. 1, 2008: 9-13.
[3] Safitri (2011), Safitri ke PLTA Jelok dan Timo, From
http://www.indonesiapower.co.id/SitePages/NewsDetail.aspx?dN=251,
Diakses pada tanggal 16 Juni 2014.
[4] Sugihartono (2012), Kemarau Panjang, Pasokan Listrik PLTA Jelok Turun,
http://www.suaramerdeka.com/v1/index.php/read/news_smg/2012/09/10/12
9543/Kemarau-Panjang-Pasokan-Listrik-PLTA-Jelok-Turun, Diakses pada
tanggal 2 Juli 2014.
[5] Raharja, A., Wiwik, A., & Retno, A.V., 2009, Penerapan Metode
Exponential Smoothing untuk Peramalan Penggunaan Waktu Telepon Di
PT Telkom Divre 2 Surabaya, Sistem Informasi, Fakultas Teknologi
Informasi, Institut Teknologi Sepuluh November, SsISFO-Jurnal Informasi.
[6] Purboseno, S., Bambang, A.N., Suripin, &Hadi, S.P., 2013, Kuantifikasi
Jasa Lingkungan PLTA Jelok dan Timo, Prosiding Seminar Nasional
Pengelolaan Sumberdaya Alam dan Lingkungan 2013, ISBN 978-602-
17001-1-2.
15
[7] Astried D., Wahyudi A.H., &Suyanto, (2013), Simulasi Pola Operasi
Pembangkit Listrik Tenaga Air di Waduk kedungombo, e-Jurnal MATRIKS
TEKNIK SIPIL Universitas Sebelas Maret/September 2013/304.
[8] Lukman M., &Susanto E., 2011, Pemodelan Deret Waktu Menggunakan
Teknik Exponensial Smoothing Untuk Peramalan Debit Aliran Sungai
( Studi Kasus Sungai Cabenge SWS WalanaE - CenranaE), Institutional
Repository Universitas Diponegoro.
[9] Makridakis, 1999, Metode dan Aplikasi Peramalan, Jilid 1, diterjemahkan
oleh : Untung Sus Andriyanto & Abdul Basith, Erlangga, Jakarta.