OPTIMASI PERANCANGAN SISTEM TENAGA HIBRIDA PADA BASE TRANSCEIVER STATION MENGGUNAKAN ALGORITMA GENETIKA

DAFTAR ISI

2. Alat dan Bahan

3. Dasar Teori

4. Percobaan

5. Video Simulasi

6. Link Download

1. Tujuan

[kembali]

- untuk mengetahui apa itu State of The Art of Intelligence Systems

- untuk dapat mengetahui macam macam dari Art of Intelligence Systems

- untuk mengetahui macam macam perbedaan dari Sistem Pakar, Logika Fuzzy, Jaringan Saraf Tiruan, dan Algoritma Genetika

2. Alat dan Bahan

[kembali]

alat

Matlab

Gambar 1. MATLAB

Software MATLAB atau Matrix Laboratory merupakan software pemrograman canggih yang banyak digunakan di bidang Teknik atau Engineering. Matlab dapat memecahkan masalah mulai dari analisis data, pengembangan algoritma, simulasi, visualisasi, hingga pengambilan kesimpulan

Youtube

Gambar 2. Youtube

YouTube adalah sebuah situs web berbagi video

3. Dasar Teori

[kembali]

Abstrak

Pertumbuhan pengguna telepon seluler semakin meningkat setiap tahunnya, selama tahun 2013 tercatat 6,4 juta pelanggan baru terdaftar dalam data histori perusahaan Telkomsel. Dengan jumlah pelanggan selular yang sangat besar penghematan energi yang dilakukan pada BTS menjadi upaya yang sangat berarti dalam rangka penghematan biaya dan mengurangi pemanasan global. Sistem kelistrikan pada BTS di daerah-daerah kepulauan masih menggunakan generator listrik berbahan bakar fosil. Penggunaan energi fosil sebagai bahan bakar di pembangkit tenaga listrik selain menghabiskan biaya yang tidak sedikit, juga dapat menimbulkan polusi udara. Sehingga dibutuhkan solusi energi alternatif yang tidak hanya murah tetapi juga ramah lingkungan. Penerapan sistem tenaga surya sebagai sumber energi alternatif akan memberikan dampak yang besar pada penghematan bahan bakar fosil. Namun dalam penerapan sistem tenaga surya pada BTS dibutuhkan biaya investasi yang tidak sedikit. Untuk itu dibutuhkan perancangan konfigurasi sistem tenaga surya yang dapat memenuhi kebutuhan listrik BTS namun tetap memperhatikan biaya konfigurasi penggunaan sistem yang paling menguntungkan.

Tugas akhir ini menggunakan pendekatan Algortima Genetika untuk menyelesaikan masalah desain konfigurasi tenaga hibrida yang mana menggabungkan penggunaan energi daur ulang dari panel surya, baterai, pln dan generator diesel sebagai tenaga cadangan. Model optimasi ini memiliki dua tujuan, yaitu meminimalkan biaya penggunaan energi tahunan yang harus dibayarkan oleh perusahaan dan meminimalkan emisi karbon yang dihasilkan sistem. Dari hasil optimasi didapatkan nilai proporsi pembagian beban listrik pada masing-masing sistem dan ukuran komponen panel surya serta baterai yang dibutuhkan pada sistem tenaga hibrida untuk sumber catu daya listrik BTS. Dengan menerapkan sistem tenaga hibrida maka perusahaan dapat melakukan penghematan pembelian bahan bakar hingga 100 % jika menerapkan solusi konfigurasi L (emisi terendah), 98,3 % jika solusi konfigurasi C (seimbang) dan 95 % jika solusi konfigurasi R (biaya terendah).

PENDAHULUAN

LATAR BELAKANG

Komunikasi menjadi aspek penting dalam kehidupan sosial dalam masyarakat. Sistem yang memberikan fasilitas layanan jasa telekomunikasi bagi pelanggan bergerak disebut sebagai sistem komunikasi seluler. Dengan lahirnya sistem komunikasi selular ini memberikan dampak positif yang signifikan pada masyarakat. Kemudahan berkomunikasi yang tidak lagi dibatasi oleh jarak menjadi keunggulan utama yang diberikan sistem komunikasi tersebut. Maka tidak heran bahwa sekarang telepon seluler telah menjadi kebutuhan pokok atau primer di masyarakat [1]. Hal itulah yang mendasari perkembangan yang begitu pesat dalam hal teknologi di telepon selular, baik dari sisi kualitas fitur telepon selular itu sendiri dan infrastruktur jaringan telekomunikasi yang dikelola oleh perusahaan operator sistem komunikasi. Menurut data dari Telkom Indonesia tercatat selama tahun 2013, Telkomsel sebagai anak perusahaan Telkom Indonesia mendapatkan pelanggan baru sebanyak 6,4 juta pelanggan dan hal itu artinya meningkat 5,1 % dari tahun sebelumnya [2].

Dalam tugas akhir ini mengambil topik optimasi BTS seperti penelitian terdahulu yang telah disebutkan sebelumnya. Pada jaringan seluler ini akan diadaptasi penggunaan sistem tenaga hibrida dimana menggabungkan penggunaan energi daur ulang dari panel surya, baterai, pasokan PLN yang terbatas dan genset sebagai tenaga cadangan. Dengan menggunakan pendekatan Algoritma Genetika, tugas akhir ini akan mencari konfigurasi sistem tenaga surya, berupa kombinasi pembagian beban listrik antar sumber catu daya listrik, yaitu panel surya, baterai, aliran listrik PLN dan genset, dimana dengan tujuan utama meminimalkan nilai biaya operasional tahunan penggunaan sistem dan mengurangi emisi karbondioksida (CO2) yang dihasilkan. Tujuan besar yang ingin dicapai oleh tugas akhir ini adalah menghemat penggunaan genset berbahan bakar fosil pada BTS, sehingga diharapkan penerapan sistem mendukung program Green ICT dan turut membangun Indonesia yang bebas polusi.

PERUMUSAN MASALAH

Berdasarkan latar belakang diatas, permasalahan yang diangkat dalam penelitian ini adalah sebagai berikut:

1. Seperti apakah model Algoritma Genetika yang sesuai dengan kondisi BTS?

2. Seperti apakah konfigurasi sistem tenaga hibrida yang dapat menghemat penggunaan bahan bakar fosil pada BTS namun memenuhi kebutuhan beban BTS?

BATASAN PENGERJAAN TUGAS AKHIR

Berdasarkan permasalahan yang disebutkan diatas, batasan masalah dalam tugas akhir ini adalah:

1. Data yang digunakan berasal dari Perusahaan Telelekomunikasi Seluler wilayah Jawa Timur

2. Wilayah dalam proses optimasi dilakukan adalah pada site BTS Pulau Bawean Tambak, Gresik, Jawa Timur

3. Konfigurasi yang dihasilkan terdiri dari kombinasi jumlah beban listrik yang akan dicukupi oleh masingmasing sumber daya listrik, yaitu panel surya (PV) + baterai, aliran PLN dan generator diesel. 4. Jangka waktu yang digunakan dalam pemodelan adalah 1 tahun.

TUJUAN TUGAS AKHIR

Tujuan dari tugas akhir ini adalah untuk memperoleh model dan konfigurasi sistem tenaga surya yang menggunakan green energy dengan biaya seminimal mungkin sehingga dapat mengurangi konsumsi listrik dan emisi karbon pada BTS namun tetap memenuhi kebutuhan pelanggan.

MANFAAT TUGAS AKHIR

Tugas akhir ini diharapkan dapat memberikan manfaat antara lain:

1. Perusahaan dapat mengetahui konfigurasi sistem tenaga surya yang cocok dengan keadaan BTS yang dimiliki perusahaan sehingga dapat digunakan sebagai bahan perencanaan pengembangan BTS.

2. Sebagai masukan bagi perusahan untuk penggunaan energi alternatif yang ramah lingkungan dalam mendukung program Green Technology.

TINJAUAN PUSTAKA

URAIAN PERMASALAHAN

PT. Telekomunikasi Seluler merupakan perusahaan operator telekomunikasi milik Indonesia. Dengan kepemilikan saham oleh Telkom Indonesia sebesar 65%. Sebagai operator selular nomor 6 terbesar di dunia dalam hal jumlah pelanggan, Telkomsel merupakan pemimpin pasar industri telekomunikasi di Indonesia yang kini dipercaya melayani lebih dari 139 juta pelanggan pada tahun 2014. Saat ini Telkomsel memiliki lebih dari 84.000 BTS yang menjangkau sekitar 98% wilayah populasi di Indonesia. Serta telah mengembangkan Floating BTS yang dipasang di 16 kapal PELNI untuk menjangkau kebutuhan akses pelanggannya ketika berpergian melalui jalur laut. Pada tahun 2008, Telkomsel mulai mengembangkan penggunaan energi terbarukan untuk BTS dan diklaim menjadi pelopor pertama di Asia [8].

Sistem kelistrikan pada BTS di daerah-daerah kepulauan dipasok oleh genset. Penggunaan genset dirasa mengakibatkan besarnya biaya operasional yang digunakan untuk membeli bahan bakar genset. Disamping itu bahan bakar fosil yang digunakan pada genset, selain jumlahnya akan semakin menipis setiap tahunnya serta dapat mencemari lingkungan karena menyumbang emisi karbon yang tidak baik bagi lingkungan. Oleh karena itu, diperlukan alternatif sumber energi lain. Dari data yang telah disebutkan diatas maka penggunaan teknologi terbarukan yang ramah lingkungan dianggap menjadi salah satu alternatif utama untuk mengurangi penggunaan energi fosil yang semakin terbatas. BTS sebagai salah satu infrastruktur utama dari perusahaan operator telekomunikasi menghabiskan energi listrik hingga 80% dari total penggunaan energi perusahaan tersebut, serta menyumbang emisi karbon hingga 60%. Dengan menggunakan energi yang lebih ramah lingkungan perusaahan dapat menerapkan Green ICT dan menghemat biaya operasional dalam jangka panjang.

Penerapan sistem tenaga hibrida pada BTS akan menghabiskan dana yang tidak sedikit khususnya pada pengadaan panel surya dan baterai, sehingga dalam perancangannya perlu dilakukan secara teliti. Penghitungan konfigurasi sistem tenaga surya pada masing-masing BTS sejauh mungkin dilakukan secara optimal dengan prinsip biaya penyediaan listrik terendah (least cost), dengan tetap memenuhi tingkat keandalan yang wajar dalam industri tenaga listrik. Biaya penyediaan terendah dicapai dengan meminimalkan total biaya yang dikeluarkan oleh perusahaan. Biaya penyediaan listrik terdiri dari biaya investasi, biaya bahan bakar, biaya operasi dan pemeliharaan. Model Algoritma Genetika yang akan dikerjakan dalam tugas akhir ini akan mencari solusi konfigurasi yang paling optimal dengan biaya dan emisi karbon yang seminimal mungkin sehingga menguntungkan perusahaan.

SISTEM KOMUNIKASI SELULER

Sistem komunikasi seluler merupakan sistem yang digunakan untuk memberikan layanan jasa telekomunikasi bagi pelanggan bergerak, disini disebut sebagai telepon seluler. Dinamakan sebagai sistem cellular karena daerah layanannya dibagi-bagi menjadi area yang kecil-kecil yang disebut sel (cell). Pemancar sinyal atau base station dapat melingkupi beberapa sel. Terdapat beberapa keuntungan dari penggunaan jaringan seluler, diantaranya adalah peningkatan kapasitas penurunan penggunaan daya listrik, dan jangkauan area yang lebih baik. Sistem seluler ini memungkinkan pengunaan frekuensi ulang pada wilayah yang lain, sehingga jutaan orang mampu berkomunikasi menggunakan telepon seluler secara bersamaan tanpa khawatir akan terjadinya pemutusan hubungan.

BASE TRANSCEIVER STATION

Gelombang komunikasi seluler terhubung melalui suatu perangkat pemancar yang disebut sebagai Base Transceiver Station. BTS disebut juga sebagi modem radio. Perangkat Base Transceiver Station (BTS) menyediakan koneksi jaringan dari suatu user equipment (UE) ke dalam suatu jaringan komunikasi melakui perantara udara [12]. Perangkat UE inilah merupakan perangkat yang dapat berkomunikasi melalui jaringan UMTS.

Penghubung antara sejumlah BTS dan MSC adalah BSC (Base Station Controller). Tiap BSC mengontrol satu atau lebih BTS. BSC dihubungkan ke beberapa BTS melalui Abis-interface [11]. BSC berfungsi untuk menjaga sentral dan mengatur subsistem, sama dengan BSS (Base Station Subsystem). BSS terdiri dari BSC itu sendiri dan BTS yang terhubung seperti yang terlihat pada Gambar 2.1.

Gambar 2.1 Rangkaian Jaringan Radio Seluler

KONSUMSI ENERGI LISTRIK PADA BTS

Terdapat beberapa komponen yang membutuhkan pasokan energi listrik dalam sebuah BTS. Diantaranya ada komponen yang digunakan per sektor sel seperti DSP (Digital Signal Processing) yang bertanggungjawab untuk menangani jalannya sistem dalam sektor tersebut, dan ada juga yang wajib terpasang pada tiap BTS seperti power amplifier dan transceiver yang bertugas dalam menyalurkan sinyal antar seluler [13]. Secara umum kebutuhan listrik pada BTS digambarkan dalam Gambar 2.3. Kebutuhan listrik dari tiap komponen ini dikalikan dengan jumlah sektor yang dilingkupi [14].

Margot, et.al (2011) mengemukakan sebuah model yang dapat menentukan kebutuhan energi listrik yang dibutuhkan dalam BTS [14]. Total beban listrik yang ada pada sebuah BTS diformulasikan dalam Persamaan (1).

𝑛𝑠𝑒𝑐𝑡𝑜𝑟 mewakili jumlah sektor dalam sel, 𝑛𝑇𝑅 mewakili jumlah antena transmitter per sektor dan 𝑃𝐵𝑇𝑆 , 𝑃𝐷𝑆𝑃, 𝑃𝐴𝑚𝑝, 𝑃𝑇𝑟𝑎𝑛𝑠, 𝑃𝑅𝑒𝑐, ∑ 𝑃𝐴𝐶𝑖 𝑛 𝑖 , ∑ 𝑃𝑚𝑖𝑐𝑟𝑜 𝑙 𝑘 dan ∑ 𝑃𝐿𝐵𝑗 𝑚 𝑗 adalah total konsumsi listrik pada BTS, besarnya beban listrik pada DSP, besarnya beban listik pada amplifier, besarnya beban listrik pada transceiver, besarnya beban lisrik pada rectifier, besarnya beban listrik AC (air conditions), besarnya beban lisrik pada microwave, dan besarnya beban lisrik pada incandescent bulbs. Dimana 𝑛, 𝑙, dan 𝑚 merupakan jumlah AC, microwave dan lampu yang digunakan dalam BTS. Sehingga total konsumsi energi (𝐸𝐵𝑇𝑆) yang digunakan dalam BTS didapatkan dari Persamaan (2).

Dimana t adalah total waktu penggunaan atau durasi dari digunakannya BTS. Dalam pengerjaan tugas akhir ini diasumsikan BTS selalu dalam keadaan aktif atau menyala sehingga waktu (t) memiliki nilai 24 jam.

POTENSI ENERGI SURYA

Energi surya termasuk dalam sumber daya alam yang dapat diperbaharui dan bersifat natural atau berasal dari alam. Sumber energi didapatkan dari pancaran sinar matahari. Di saat hari yang cerah, energi matahari yang menyinari bumi menghasilkan rata-rata 1 kilowatt per meter persegi area bumi, berarti dalam satu jam energi matahari yang menyinari bumi mampu mensuplai energi yang dibutuhkan di seluruh dunia untuk 1 tahun. Permukaan bumi disinari matahari dengan jumlah volume yang sangat besar. Tidak seperti minyak bumi, batu bara dan energi fosil lainnya, energi matahari ramah lingkungan, untuk pemakaiannya tidak menghasilkan emisigas buang CO2 yang dapat merusak lingkungan, oleh karena itu teknologi panel surya sangat mendukungpenyediaan energi alternatif pada saat krisis energi dan mendukung pencegahan pemanasan global di dunia.

PERENCANAAN SISTEM TENAGA HIBRIDA PADA BTS

Sistem tenaga hibrida pada umumnya terdiri dari sumber energi utama yang bekerja secara paralel dengan unit energi tambahan lainnya. Pada tugas akhir ini akan dibuat model yng dapat menghasilkan konfigurasi sistem yang paling optimal pada BTS (Base Transceiver Station) di Pulau Bawean Tambak milik perusahaan Telkomsel di Jawa Timur. Dalam Gambar 2.4 di bawah ini sistem penggunaan PV dengan genset pada BTS yang akan digunakan pada tugas akhir ini. Komponen sistem tenaga surya terdiri dari panel surya (Fotovoltaik), baterai, charges controller, switch, inverter dan tenaga listrik yang didapat dari genset.

Teknologi Tenaga Surya Fotovoltaik

Sel surya atau fotovoltaik adalah perangkat yang mengkonversi radiasi sinar matahari menjadi energi listrik. Efek fotovoltaik ini ditemukan oleh Becquerel pada tahun 1839, dimana Becquerel mendeteksi adanya tegangan foto ketika sinar matahari mengenai elektroda pada larutan elektrolit. Pada tahun 1954 peneliti di Bell Telephone menemukan untuk pertama kali sel surya silikon berbasis p-n junction dengan efisiensi 6%.

Prinsip kerja sel surya adalah sebenarnya identik dengan piranti semikonduktor diode. Ketika cahaya bersentuhan dengan sel surya dan diserap oleh lapisan anti refleksi, kemudian terjadi pelepasan elektron. (Elektron-elektron bebas terbentuk dari million photon atau benturan atom pada lapisan penghubung). Sehingga elektron menuju ke semi-konduktor pada lapisan yang berbeda, yaitu pada Semikonduktor tipe-n dan Semikonduktor tipe-p. Ketika dua tipe material tersebut mengalami kontak maka kelebihan elektron dari tipe-n berdifusi pada tipe-p. Sehingga area doping-n akan bermuatan positif sedangkan area doping-p akan bermuatan negatif. Terjadi perubahan sigma gaya-gaya pada bahan menyebabkan perbedaan potensial dan arus akan mengalir.

Bright (2011) daya (Wpeak) yang dikeluarkan oleh sistem tenaga surya atau PLTS dapat dihitung dengan persamaan-persamaan sebagai berikut ini [4].

Besarnya energi yang yang akan dipasok oleh sistem panel surya ( 𝐸𝑝𝑣 ) dapat ditentukan oleh pengguna sistem, dengan mendefinisikannya sebesar berapa persen dari keseluruhan energi total yang dibutuhkan. Persamaan (3) merumuskan besarnya 𝐸𝑝𝑣:

Dalam menghitung jumlah panel surya untuk memenuhi kebutuhan energi, maka perlu dicari besarnya PV area dengan Persamaan (4):

Nilai Isolation Value (𝐼𝑣 ) diartikan sebagai rata-rata KwH per hari energi sinar matahari yang ditangkap pada setiap meter persegi panel surya pada kecepatan lintang. Nilai Isolation Value (𝐼𝑣 ) ini bervariasi tergantung pada lokasinya. 𝑇𝐶𝐹 merupakan nilai daya keluar maksimum panel surya pada saat temperatur tinggi dengan memperhatikan besarnya kapasitas panel yang digunakan (𝑃𝑜𝑢𝑡), dapat dihitung dengan Persamaan (5).

Setelah mendapatkan nilai PV area maka selanjutnya dapat dihitung besarnya daya yang dapat dibangkitkan oleh panel surya (𝑃𝑤𝑝) dengan Persamaan (6) berikut ini:

𝑃𝑤𝑝 = 𝑃𝑉 𝑎𝑟𝑒𝑎 𝑥 𝑃𝑆𝐼 𝑥 𝜇𝑝𝑣 (6)

Dimana keluar 𝜇𝑝𝑣 adalah efisiensi pembangkitan energi listrik yang dihasilkan modul fotovoltaik; PSI merupakan tetapan Peak Sun Insolation yaitu sebesar 1 kW/m2 .

Sehingga jumlah panel surya yang dibutukan (𝑁𝑝𝑣) dapat dihitung dengan Persamaan (7) berikut ini: 𝑁𝑝𝑣 = 𝑃𝑤𝑝 𝑃𝑜𝑢𝑡 ⁄ (7)

Pada umumnya modul fotovoltaik dipasarkan dengan kapasitas 100 Watt-peak (Wp) dan kelipatannya. Unit satuan Watt-peak adalah satuan daya (Watt) yang dapat dibangkitkan oleh modul fotovoltaik dalam keadaan standar uji (Standard Test Conditions-STC).

BATERAI SURYA

Baterai dapat digunakan sebagai media penyimpanan energi yang telah diserap oleh panel surya. Sehingga ketika dalam keadaan tidak ada sinar matahari maka sistem tetap dapat teraliri listrik. Dalam sistem solar power, digunakan baterai yang memiliki masa pakai (lifetime) yang panjang dan mampu menyimpan energi yang besar. Untuk menghitung ukuran baterai yang dibutuhkan (𝐵𝐴𝐻𝑅) dalam memasok cadangan listrik selama 𝑛 hari (ketika tidak ada sinar matahari), maka dicari dengan perhitungan pada Persamaan (8):

𝐵𝐴𝐻𝑅 = (𝐸𝑡 × 𝑛) (𝑉𝑠 × 𝜂) ⁄ (8)

Dimana 𝑛 adalah jangka waktu (hari) penyimpanan, 𝑉𝑠 adalah tegangan operasi baterai yang bervariasi tergantung dengan kapasitas baterai yang akan digunakan, 𝜂 adalah nilai efisisensi dari kegagalan sistem. Pilihan dari baterai menentukan jumlah baterai yang akan digunakan, untuk meminimalkan jumlah baterai dan ruang yang tersedia, disarankan untuk menggunakan baterai kapasitas tinggi. Mempertimbangkan kapasitas baterai yang digunakan, jumlah baterai penyimpanan yang diperlukan dapat dicari melalui Persamaan (9) sebagai berikut:

𝑁𝐵𝑇𝑅 = 𝐵𝐴𝐻𝑅 𝐼𝑏 ⁄ (9)

Dimana 𝑁𝐵𝑇𝑅 adalah jumlah baterai yang digunakan, 𝐼𝑏 adalah nilai arus baterai yang dipilih, 𝐵𝐴𝐻𝑅 adalah waktu yang diperlukan amp penyimpanan baterai. Baterai dapat dihubungkan bersama-sama baik paralel atau cara serial.

GENERATOR LISTRIK

Generator Listrik Generator listrik merupakan sebuah dinamo besar yang berfungsi sebagai pembangkit listrik. Generator listrik ini mengubah energi kinetik menjadi energi listrik. Generator listrik pertama kali ditemukan oleh Faraday pada tahun 1831. Pada saat itu, generator listrik dibuat dalam bentuk gulungan kawat pada besi yang berbentuk U. Generator listrik tersebut terkenal dengan nama Generator cakram faraday. Cara kerja generator listrik adalah menggunakan induksi elektromagnet, yaitu dengan memutar suatu kumparan dalam medan magnet sehingga timbul energi induksi. Terdapat 2 komponen utama pada generator listrik, yaitu: sator (bagian yang diam) dan rotor (bagian yang bergerak). Rotor akan berhubungan dengan poros generator listrik yang berputar pada pusat stator. Kemudian poros generator listrik tersebut biasanya diputar dengan menggunakan usaha yang berasal dari luar, seperti yang berasal dari turbin air maupun turbin uap.

PLN

Perusahaan Listrik Negara (disingkat PLN) adalah sebuah BUMN yang mengurusi semua aspek kelistrikan yang ada di Indonesia. Izin Usaha Penyediaan Tenaga Listrik PLN telah ditetapkan oleh Menteri Energi dan Sumber Daya Mineral sesuai Surat Keputusan No. 634 - 12/20/600.3/2011 tanggal 30 September 2011. Surat keputusan tersebut menetapkan Wilayah Usaha PLN yang meliputi seluruh wilayah Republik Indonesia. Untuk provinsi Jawa Timur termasuk dalam wilayah operasi Jawa-Bali, khususnya PLN distribusi Jawa Timur.

ANNUAL COST OF ENERGY (ACoe)

Biaya yang diperhitungkan dalam tugas akhir ini adalah total biaya keseluruhan untuk pengadaan pasokan energi listrik yang harus dibayarkan oleh perusahaan setiap tahunnya. Dalam studi kasus sistem tenaga hibrida ini, dimana kebutuhan beban listrik akan dipasok oleh tiga buah sumber catu daya. Maka biaya operasional juga terdiri dari biaya operasional sistem PV, biaya pemakaian PLN, dan biaya operasional generator diesel (genset). Untuk menggambarkan total biaya yang dibutuhkan dalam konfigurasi sistem tenaga hibrida digunakan formulasi penghitungan biaya pada Persamaan (10). Biaya yang dihabiskan untuk menghasilkan satu kWh (𝐶) dihitung dengan membagi penjumlahan dari nilai PV (Present Value) komponen peralatan, biaya operasi dan pemeliharaan tahunan dan investasi modal yang digunakan.

𝐴𝐶𝑜𝑒 = (∑𝐶𝑘 +𝑂𝑀𝑘 𝑚 𝑘=1 ) (10)

Dimana 𝐶 adalah biaya energi atau biaya yang dihabiskan untuk menghasilkan satu kWh dari setiap sistem 𝑘, 𝑂𝑀𝑘 adalah biaya operasional dan pemeliharaan dari sistem 𝑘.

BIAYA ENERGI (COE) SISTEM PV

Biaya energi PV berbeda dengan biaya energi untuk pembangkit konvensional. Hal ini dikarenakan besarnya biaya energi PV untuk membangkitkan 1 kWh dipengaruhi oleh biaya investasi dikeluarkan di awal proyek, biaya pemeliharaan dan biaya penyusutan pertahunnya.

BIAYA INVESTASI

Biaya investasi merupakan biaya yang dikeluarkan oleh perusahaan pada saat awal membangun sistem pembangkit listrik tenaga surya. Biaya ini terdiri dari biaya pembelian komponen, biaya pengiriman, biaya instalasi, dan biaya lainnya.

BIAYA PEMELIHARAAN DAN OPERASIONAL (𝑪𝑶&𝑴)

Berdasarkan penelitian di beberapa negara Eropa dan Mediterania, besarnya biaya pemeliharaan dan operasional ditentukan sebesar 1% [7]. Biaya tersebut sudah mencakup upah untuk pekerjaan pembersihan, biaya pemeliharaan panel surya dan pemeriksaan peralatan. Berdasarkan acuan tersebut maka pada tugas akhir ini ini besar persentase untuk biaya pemeliharaan dan operasional per tahun PV akan ditetapkan sebesar 1% dari total biaya investasi awal. Sehingga Persamaan (11) untuk 𝐶𝑂&𝑀 adalah sebagai berikut:

𝐶𝑂&𝑀 = 1 100 ⁄ 𝑥 𝐶𝑖𝑛𝑣𝑒𝑠𝑡𝑎𝑠𝑖 (11)

BIAYA SIKLUS HIDUP

Biaya siklus hidup atau Life Cycle Cost untuk PV ditentukan oleh nilai sekarang dari biaya total sistem PV yang terdiri dari biaya investasi awal (𝐶𝑖𝑛𝑣𝑒𝑠𝑡𝑎𝑠𝑖) dan biaya jangka panjang untuk pemeliharaan dan operasional (MPW). Sehingga biaya siklus hidup (𝐿𝐶𝐶) PV pada tugas akhir ini akan dihitung dengan Persamaan (12).

𝐿𝐶𝐶 = 𝐶𝑖𝑛𝑣𝑒𝑠𝑡𝑎𝑠𝑖 + 𝑀𝑃𝑊 (12)

Besar nilai sekarang (present value) untuk biaya pemeliharaan dan operasional (MPW) PV selama umur proyek 𝑛 tahun dengan tingkat diskonto sebesar 𝑖 dihitung dengan Persamaan (13) sebagai berikut: 𝑀𝑃𝑊 = 𝐶𝑂&𝑀 𝑥 ( (1 +𝑖) 𝑛 − 1 𝑖(1 + 𝑖) 𝑛 ) (13)

BIAYA ENERGI PV

Perhitungan biaya energi (cost of energy) suatu PV ditentukan oleh biaya siklus hidup (𝐿𝐶𝐶), faktor pemulihan modal (𝐶𝑅𝐹) dan kWh produksi tahunan (𝐸𝑝𝑣tahunan). Biaya energi PV dihitung dengan Persamaan (14) sebagai berikut : 𝐶𝑂𝐸𝑝𝑣 = (𝐿𝐶𝐶 𝑥 𝐶𝑅𝐹) 𝐸𝑝𝑣 (𝑡𝑎ℎ𝑢𝑛𝑎𝑛) (14) Faktor pemulihan modal untuk mengkonversikan semua arus kas biaya siklus hidup menjadi serangkaian biaya tahunan, dihitung dengan Persamaan (15).

𝐶𝑅𝐹 = 𝑖(1 + 𝑖) 𝑛 (1 +𝑖) 𝑛 − 1 (15)

BIAYA ENERGI (COE) SISTEM PLN

Biaya untuk energi dari PLN (𝐶𝑂𝐸𝑝𝑙𝑛) disebut juga sebagai biaya pemakaian listrik yang harus dibayarkan pelanggan PLN. Biaya ini mengacu pada tarif tenaga listrik yang ditetapkan oleh perusahaan dan disetujui oleh pemerintah.

BIAYA ENERGI (COE) SISTEM GENERATOR DIESEL

Biaya untuk membangkitkan energi dari generator diesel bergantung pada beberapa hal, yaitu konsumsi bahan bakar (liter) setiap jamnya (𝐶𝑜𝑛𝑠𝑑𝑖𝑒𝑠𝑒𝑙), harga pembelian dari bahan bakar (𝑃𝑟𝑓𝑢𝑒𝑙) dan besarnya tenaga yang dikeluarkan oleh generator dalam kW (𝑃𝑔𝑒𝑛). Sehingga biaya energi generator diesel (𝐶𝑂𝐸𝑑𝑖𝑒𝑠𝑒𝑙) dihitung dengan Persamaan (16) [7].

𝐶𝑂𝐸𝑑𝑖𝑒𝑠𝑒𝑙 = 𝐶𝑜𝑛𝑠𝑑𝑖𝑒𝑠𝑒𝑙 𝑥 𝑃𝑟𝑓𝑢𝑒𝑙 𝑃𝑔𝑒𝑛 (16)

ALGORITMA GENETIKA

Algoritma genetika adalah algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan-masalah (problem solving). Pendekatan yang diambil oleh algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan merepresentasikan perbaikan-perbaikan pada populasi awalnya. Dengan melakukan proses ini secara berulang, algoritma ini diharapkan dapat mensimulasikan proses evolusioner.

Algoritma genetika berangkat dari himpunan solusi yang dihasilkan secara acak yang disebut populasi. Sedangkan setiap individu dalam populasi disebut kromosom yang merupakan representasi dari solusi dan masing-masing dievaluasi tingkat ketanggguhannya (fitness) oleh fungsi yang telah ditentukan. Melalui proses seleksi alam atas operator genetik, gen-gen dari dua kromosom (disebut parent) diharapkan akan menghasilkan kromosom baru dengan tingkat fitness yang lebih tinggi sebagai generasi baru atau keturunan (offspring) berikutnya. Kromosomkromosom tersebut akan mengalami iterasi yang disebut generasi (generation). Pada setiap generasi, kromosom dievaluasi berdasarkan nilai fungsi fitness (Gen dan Cheng, 2000). Setelah beberapa generasi maka algoritma genetika akan konvergen dapat kromosom terbaik, yang merupakan solusi optimal (Goldberg, 1989).

Terdapat empat kondisi yang berpengaruh pada proses evaluasi individu, yaitu:

a. Kemampuan individu untuk melakukan reproduksi

b. Keberadaan populasi individu yang melakukan reproduksi

c. Keberagaman individu dalam suatu populasi

d. Perbedaan kemampuan untuk bertahan hidup

Individu yang lebih kuat akan memiliki kemampuan bertahan dan reproduksi yang lebih tinggi dibandingkan dengan individu yang lebih lemah. Pada kurun waktu tertentu, populasi akan lebih banyak memuat individu yang lebih kuat.

KOMPONEN ALGORITMA GENETIKA

Terdapat beberapa komponen yang digunakan pada algoritma genetika beberapa diantaranya juga merupakan istilah biologis. Berikut daftar komponen dari algoritma genetika:

(a) Gen, merupakan nilai yang menyatakan satuan dasar yang mewakili suatu maksud dalam satu kesatuan gen yang disebut kromosom

(b) Kromosom, merupakan gabungan dari gen-gen yang membentuk nilai tertentu dan menyatakan kemungkinan solusi dari suatu permasalahan.

(d) Fitness Score, merupakan nilai kecocokan yang dimiliki oleh tiap kromoson dan didapat dari penghitungan variabel kromosom dalam fungsi kecocokan (fitness function).

OPERATOR ALGORITMA GENETIKA

Dalam algoritma genetika mencakup beberapa proses. Berikut ini adalah daftar istilah proses yang ada di algoritma genetika:

 Reproduction, merupakan sebuah proses untuk mendapatkan generasi potensial dengan memilih parent dengan nilai lebih tinggi atau dengan memilih parent yang mempunyai kemungkinan besar untuk dipilih saat proses reproduksi.

 Crossover, memilih posisi acak dalam deretan dan bertukar segmen baik ke kanan atau ke kiri dengan segmen lain di dalam deretan untuk menghasilkan dua keturunan baru.

 Mutation, merupakan perubahan acak dalam reprensentasi kromosom.

 Elitism, merupakan proses mempertahankan keturunan terbaik untuk berkembang melalui generasi.

Multi-Objective Genetic Algorithm (MOGA)

Algoritma genetika sebagai metode optimasi dengan pendekatan berbasis populasi, sangat cocok untuk memecahkan masalah optimasi multi-obyektif. Kemampuan algoritma genetika untuk secara bersamaan mencari berbagai daerah dari ruang solusi memungkinkan untuk menemukan satu set beragam solusi untuk masalah yang sulit dengan berbagai macam karakterisik. Operator pindah silang pada algoritma genetika dapat menghubungkannya pada tujuan yang berbeda untuk menciptakan solusi non-dominated baru.

Pada penyelesaian masalah multi-obyektif, tidak menghasilkan solusi tunggal. Tujuan dari algoritma genetika multi-obyektif adalah untuk menemukan satu set solusi dalam rentang batasan (idealnya dengan penyebaran yang baik). Himpunan solusi yang merupakan kumpulan dari beberapa titik juga dikenal sebagai Pareto front. Semua solusi yang ada pada Pareto front adalah solusi optimal.

PENDEKATAN ALGORITMA GENETIKA DALAM OPTIMASI SISTEM TENAGA HIBRIDA

Dengan generasi populasi acak di awal, algoritma genetika menawarkan solusi acak untuk komponen sistem surya yang memenuhi keseimbangan generasi permintaan beban atau daya pada setiap iterasinya. Setiap solusi acak tersebut akan dievaluasi dengan menghitung nilai kecocokan. Proses Selection akan menyeleksi solusi terbaik dilihat dari nilai kecocokan yang telah dihitung. Selanjutnya solusi terpilih akan dilakukan proses crossover dimana memungkinkan munculnya solusi baru yang memiliki nilai kecocokan lebih tinggi dari sebelumnya. Sebagai contoh dalam sistem hibrida menggunakan kombinasi komponen panel surya (PV)- turbin angin-diesel, dari proses selection didapat dua buah solusi konfigurasi yaitu 10/20/15 (10 kW turbin, 20 kW panel surya, 15 kW diesel) dan 5/25/12 (5 kW turbin, 25 kW panel surya, 12 kW diesel). Sehingga ketika dilakukan proses crossover maka akan menghasilkan 2 buah solusi baru yang mana mungkin saja memiliki nilai kecocokan yang lebih tinggi atau sebaliknya, yaitu: 5/25/15 (5 kW turbin, 25 kW panel surya, 15 kW diesel) dan 10/20/12 (10 kW turbin, 20 kW panel surya, 12 kW diesel). Dalam proses iterasi algoritma genetika dapat dilakukan pula proses mutation dimana mengganti salah satu gen pada kromosom . Misalnya dengan mengganti ukuran diesel dari 15 kW menjadi 5 kW pada solusi 10/20/15 (10 kW turbin, 20 kW panel surya, 15 kW diesel). Ketika generasi baru telah terbentuk, maka solusi tersebut akan melalui evaluasi dan terbentuk populasi baru untuk beberapa iterasi hingga didapatkan hasil yang baik. Proses ini sama dengan evolusi biologi dimana yang terbaik yang bertahan.

Keuntungan yang paling signifikan dari penggunaan algoritma genetika dalam menentukan ukuran pada sistem hibrida adalah memiliki kemampuan yang cukup efisien untuk menemukan optimum global [14]. Selain itu, algoritma genetika memungkinkan untuk memasukkan parameter dengan jumlah yang tak terbatas pada sebuah kromosom sehingga membuatnya cocok untuk studi kasus penentuan ukuran (sizing). Keuntungan ini tidak tersedia dalam beberapa pendekatan lain yang biasa digunakan seperti Particle Swarn Optimization (PSO), Simulated Annealingi, Ant Colony, dan lain-lain. Disamping itu, pendekatan GA tidak memerlukan informasi derivatif.

METODOLOGI PENELITIAN

IDENTIFIKASI MASALAH

Pada tahap ini tahap dimana dilakukannya proses pengkajian permasalahan yang diangkat dalam tema tugas akhir tersebut, sehingga dapat diketahui apa saja kebutuhan dan keluaran yang diinginkan. Identifikasi permasalahan dilakukan dengan mendapatkan informasi tentang penelitian terdahulu dan dikaitkan dengan kondisi keterkinian yang ada pada saat ini. Sehingga pada akhirnya penelitian ini mengambil permasalahan mengenai perancangan sistem tenaga surya pada tower BTS guna pengoptimasian penggunaan daya listrik pada studi kasus PT. Telekomunikasi Seluler wilayah Jawa Timur. Setelah masalah teridentifikasi, maka dilanjutkan dengan perumusan masalah, pendefinisian batasan, tujuan dan manfaat dari penelitian ini. Sehingga terbentuk pedoman mengenai pengerjaan penelitian yang terfokus dan tidak menyimpang.

STUDI LITERATUR

Pada tahap ini akan dilakukan pendalaman lebih lanjut mengenai landasan teori yang akan digunakan dalam tugas akhir, terkait materi algoritma genetika, jaringan telekomunikasi, sistem tenaga surya dan optimasi. Selain itu juga dilakukan peninjauan terhadap penelitianpenelitian terdahulu sebagai inputan untuk pengembangan dari penelitian terdahulu tersebut. Referensi materi diperoleh dari beberapa sumber yaitu buku, e-book, jurnal penelitian serta artikel ilmiah.

PENGUMPULAN DATA

Pengumpulan data merupakan tahapan dimana untuk mendapatkan data untuk kita kembangkan dalam tugas akhir tersebut. Data tersebut bisa ditemukan dalam bentuk wawancara, studi pustaka, kuisioner, dan lain sebagainya. Data yang dikumpulkan lalu diolah dan dianalisa untuk menemukan jawaban atas permasalahan yang muncul pada penelitian yang sedang dilakukan. Data-data yang dibutuhkan sebagai bahan penelitian ini berasal dari data historis yang dimiliki oleh PT.

PENGOLAHAN DATA DAN ANALISIS

Berdasarkan data yang telah didapatkan, selanjutnya dilakukan proses pengolahan terhadap data yang telah didapatkan. Proses pengolahan data dan analisis yang terdapat pada penelitian ini terdiri dari beberapa aktivitas yang bertahap dan saling bergantung.

FORMULASI MODEL DENGAN ALGORITMA GENETIKA

Permasalahan pada studi kasus akan dituliskan dalam model matematis. Sehingga didapatkan rumusan dari fungsi tujuan, variabel, dan batasan, yang digunakan sebagai komponen algoritma genetika. Selanjutnya model tersebut akan diimplementasikan sesuai dengan tahapan proses yang ada pada algoritma genetika menggunakan software komputer. Pada pengerjaan penelitian ini digunakan software Matlab sebagai tool pendukung pembangunan model pada program komputer.

VERIFIKASI DAN VALIDASI MODEL

Selanjutnya model yang telah diimplementasikan ke dalam program Matlab akan dilakukan proses verifikasi dan validasi. Kedua proses ini bertujuan tuntuk memastikan bahwa model dan program yang dibuat dapat berjalan tanpa muncul error dan telah sesuai dengan tujuan yang diharapkan diawal. Untuk proses verifikasi maka akan dilakukan pengecekan pada kode program Matlab yang telah dibuat dan dilakukan proses uji coba (running). Sedangkan cara untuk melakukan validasi adalah dengan membandingkan antara hasil yang dikeluarkan oleh model yang telah dibuat dengan hasil yang dikeluarkan oleh perangkat lunak yang sudah ada, misalnya QM dengan cara membuat model sederhana Linear Programming. Apabila hasil yang dikeluarkan sama atau mendekati (berada di tingkat error yang diperbolehkan) maka dapat dikatakan model sudah valid.

PEMILIHAN SOLUSI KONFIGURASI

Pada tahap ini dilakukan pemilihan komponen yang mendukung sistem tenaga surya sesuai dengan model Algoritma Genetika yang telah dibuat. Selanjutnya akan menghasilkan rancangan sistem tenaga surya yang harus disediakan pihak operator untuk memenuhi kebutuhan trafik pelanggan, contoh: 4 buah panel surya 12Wp dan 5 buah 10 buah baterai 64 Ah. Pemilihan komponen ini didasari dari pemenuhan kebutuhan pasokan listrik namun dengan biaya energi tahunan (ACoe)semurah mungkin dan menghasilkan emisi karbondioksida (CE) seminimum mungkin. Pihak operator dapat mengurangi penggunaan konsumsi daya listrik yang menggunakan bahan bakar fosil dan mewujudkan industri yang lebih ramah lingkungan. Setelah mendapatkan konfigurasi sistem yang paling optimal maka selanjutnya juga akan dihitung perbandingan efisiensi sebelum dan jika menerapkan konfigurasi sistem tenaga surya tersebut.

PENARIKAN KESIMPULAN DAN SARAN

Pada tahap ini akan dilakukan penarikan kesimpulan dari hasil pengerjaan tugas akhir. Dari analisis optimasi akan menghasilkan hasil paling optimal mengenai rancangan sistem tenaga surya pada Base Transceiver Station (BTS) di Pulau Bawean Tambak milik PT. Telekomunikasi Seluler. Berdasarkan solusi yang ditarik pada bagian kesimpulan, terdapat kelebihan dan kekurangan yang nantinya akan dilaporkan ke perusahaan sebagai saran atau masukan dari hasil pengerjaan tugas akhir ini.

PEMBUATAN LAPORAN TUGAS AKHIR

Tahap ini merupakan tahap akhir dari pengerjaan tugas akhir. Pada tahap ini akan dilakukan penyusunan buku laporan tugas akhir yang berisi penjelasan dokumentasi langkah-langkah pembuatan tugas akhir secara mendetail, hasil pembuatan tugas akhir, dan kesimpulan dari pengerjaan tugas akhir.

PERANCANGAN

Formulasi Model

Dalam pembuatan formulasi model optimasi terdapat beberapa langkah yang perlu dilakukan yaitu penentuan variabel keputusan, fungsi tujuan dari masalah dan batasan.

Penentuan Variabel Keputusan

Permasalahan yang akan diselesaikan melalui model optimasi adalah mengetahui jumlah beban daya yang yang akan dipenuhi oleh masing-masing sumber catu daya. Pasokan listrik harus memenuhi kebutuhan (demand) listrik BTS selama 24 jam sehari, artinya harus ada listrik yang selalu mengalir setiap saat. Selain itu untuk menghitung biaya yang dihabiskan dalam pengadaan PV serta baterai, dibutuhkan inputan ukuran kapasitas panel PV dan baterai yang akan digunakan dalam membuat sistem tenaga hibrida. Setiap ukuran kapasitas memiliki harga dan spesifikasi efisiensi yang berbeda-beda. Untuk itu pemilihan tipe panel PV dan baterai akan ditambahkan menjadi salah satu variabel keputusan dalam model ini. Sehingga variabel keputusan model optimasi pada Tugas Akhir ini dijelaskan pada Tabel 4.1 dibawah ini

Perumusan Fungsi Tujuan

Tujuan yang ingin dicapai dalam permasalahan optimasi ini adalah mengetahui konfigurasi sistem tenaga hibrida dengan biaya operasional yang semurah mungkin serta sistem yang menghasilkan emisi karbondioksida yang paling minimal. Sehingga fitness function yang digunakan dalam model optimasi algoritma genetika multiobyektif pada tugas akhir ini adalah persamaan biaya keseluruhan sistem tenaga hibrida dan persamaan emisi karbondioksida. Berikut ini adalah persamaan-persamaan yang diperhitungkan.

Biaya PV (𝐶𝑝𝑣) 𝐶𝑝𝑣𝑏𝑎𝑡 = 𝐶𝑂𝐸𝑝𝑣 × 𝑥1 × 𝐸𝐵𝑇𝑆 (17)

Dimana 𝐶𝑂𝐸𝑝𝑣 adalah konversi biaya penggunaan energi PV & baterai per satuan kWh dan 𝐶𝑎𝑐𝑞 adalah biaya awal pembelian dan pemasangan PV & baterai.

Biaya PLN (𝐶𝑝𝑙𝑛)

𝐶𝑝𝑙𝑛 = 𝐶𝑂𝐸𝑝𝑙𝑛.× 𝑥2 × 𝐸𝐵𝑇𝑆 + 𝐶𝑎𝑏𝑜𝑛𝑒𝑚𝑒𝑛 (18)

Dimana 𝐶𝑂𝐸𝑝𝑙𝑛 adalah biaya pemakaian listrik per kWh yang harus dibayarkan pada PLN dan 𝐶𝑎𝑏𝑜𝑛𝑒𝑚𝑒𝑛adalah biaya abonemen pemasangan aliran listrik PLN.

Biaya Generator Diesel (𝐶𝑑𝑖𝑒𝑠𝑒𝑙)

𝐶𝑑𝑖𝑒𝑠𝑒𝑙 = 𝐶𝑂𝐸𝑑𝑖𝑒𝑠𝑒𝑙 × 𝑥3 × 𝐸𝑡𝑜𝑡 + 𝐶𝑚𝑎𝑖𝑛 (19)

Dimana 𝐶𝑂𝐸𝑑𝑖𝑒𝑠𝑒𝑙 adalah biaya yang dibutuhkan untuk mengoperasikan generator listrik per kWh dan 𝐶𝑚𝑎𝑖𝑛adalah biaya perawatan dan rutin bulanan.

Emisi CO2 PV&Baterai (𝐸𝑝𝑣𝑏𝑎𝑡)

𝐶𝐸𝑝𝑣𝑏𝑎𝑡 = 𝑘𝑝𝑣𝑏𝑎𝑡 × 𝑥1 × 𝐸𝐵𝑇𝑆 (20)

Dimana 𝑘𝑝𝑣𝑏𝑎𝑡 adalah konstanta emisi yang dihasilkan per kWh (kg CO2-eq/kWh) oleh pembangkit listrik tenaga surya (PV)

Emisi CO2 PLN (𝐸𝑝𝑙𝑛)

𝐶𝐸𝑝𝑙𝑛 = 𝑘𝑝𝑙𝑛 × 𝑥2 × 𝐸𝐵𝑇𝑆 (21)

Dimana 𝑘𝑝𝑙𝑛 adalah konstanta emisi yang dihasilkan per kWh (kg CO2-eq/kWh) oleh pembangkit listrik PLN

Emisi CO2 Generator Diesel (𝐸𝑑𝑖𝑒𝑠𝑒𝑙)

𝐶𝐸𝑑𝑖𝑒𝑠𝑒𝑙 = 𝑘𝑑𝑖𝑒𝑠𝑒𝑙 × 𝑥3 × 𝐸𝐵𝑇𝑆 (22)

Dimana 𝑘𝑑𝑖𝑒𝑠𝑒𝑙 adalah konstanta emisi yang dihasilkan per kWh (kg CO2-eq/kWh) oleh generator listrik Sehingga fungsi tujuan dalam permasalah optimasi perancangan sistem tenaga hibrida ini adalah sebagai berikut

Fitness(1)𝑀𝑖𝑛 𝐶𝑡𝑜𝑡𝑎𝑙 = 𝐶𝑝𝑣𝑏𝑎𝑡 + 𝐶𝑑𝑖𝑒𝑠𝑒𝑙 +𝐶𝑝𝑙𝑛 (23)

Fitness(2) 𝑀𝑖𝑛 𝐶𝐸𝑡𝑜𝑡𝑎𝑙 = 𝐶𝐸𝑝𝑣𝑏𝑎𝑡 + 𝐶𝐸𝑑𝑖𝑒𝑠𝑒𝑙 + 𝐶𝐸𝑝𝑙𝑛(24)

Perumusan Batasan Model

Dalam menyelesaikan optimasi ini agar memperoleh solusi permasalah yang sesuai dengan tujuan, maka perlu ditetapkan beberapa batasan. Batasan-batasan yang digunakan dalam permasalahan ini adalah kapasitas beban listrik BTS (arus DC) dan kapasitas beban listrik yang dapat dipasok oleh PLN. Sehingga berikut ini adalah batasan (constraint) yang dipertimbangkan dari model optimasi sistem tenaga hibrida ini.

Inisialisasi Data

Terdapat beberapa data yang akan dimasukan ke dalam program aplikasi Matlab yang akan dibuat. Berikut adalah data yang perlu diinisialisasikan dalam program.

a. Parameter Sistem Panel Surya (PV) & Baterai

 Load Profile (EBTS) Kebutuhan beban listrik yang dibutuhkan oleh BTS di Pulau Bawean Tambak adalah 1800 watt (konstan). Sehingga total load dalam satu tahun adalah 15678 kWh (43,2 kWh/hari).  Isolation Value (Iv) Nilai rata-rata insolasi harian matahari pada BTS di Pulau Bawean Tambak dipergunakan nilai bulanan pada tahun 2011 yang diambil dari website NASA [17] (data dapat dilihat pada Tabel 4.2). Dalam penyelesaian masalah perancangan sistem tenaga hibrida ini digunakan dua jenis skenario kondisi paparan sinar matahari, yaitu

(1) kondisi normal (best scenario) dan

(2) kondisi minimal (worst scenario). Sehingga data tingkat insolasi matahari yang digunakan dalam tugas akhir ini juga terdapat dua macam. Untuk skenario kondisi sinar matahari normal digunakan data Isolation Value bulanan pada kondisi rata-rata. Sedangkan untuk skenario minimal atau sinar matahari yang kurang digunakan data Isolation Value bulanan pada kondisi minimum.

 Peak Sun Insolation (PSI)

Di permukaan bumi intensitas matahari pada saat di puncak adalah sekitar 1 kW / m² atau 1000 W/m2 pada permukaan horizontal di permukaan laut di hari yang cerah [18]

 Days of Autonomy (Nday)

Merupakan jumlah hari dimana baterai harus memasok listrik sendiri ketika terbatasnya atau tidak ada pengisian (charging). Pada sistem tenaga hibrida BTS di Pulau Bawean Tambak, ditetapkan bahwa nilai Nday adalah 3 hari.

 Depth of Discharge (DODmax)

DOD menggambarkan seberapa dalam baterai habis. Jika kita mengatakan baterai terisi penuh 100%, itu berarti DOD baterai ini adalah 0%. Untuk ambang batas DOD pada baterai didalam sistem ini adalah 80%

 Tegangan Sistem (V)

Tegangan di keseluruhan sistem tenaga listrik pada BTS Pulau Bawean Tambak adalah 48 volt.

 Tipe Panel PV (Solar Cell)

Panel surya yang digunakan menjadi inputan data pada model tugas akhir ini terdiri dari 5 tipe panel dengan ukuran kapasitas daya yang dibangkitkan (Wp) dan efisiensi modul yang berbeda-beda. Kelima panel ini memiliki brand yang sama, yaitu Yingli Seri Panda 48 cell 40 mm (YlxxxC-24b) dengan tegangan 24 volt. Tabel 4.3 berisikan informasi dari tipe panel PV yang digunakan dalam model optimasi ini dengan asumsi harga $3,3/Wp.

Representasi Kromosom

Dalam menyelesaikan optimasi perancangan konfigurasi sistem tenaga surya menggunakan algoritma genetika ini, langkah pertama yang dilakukan setelah menentukan model optimasi adalah membuat representasi model ke dalam sebuah kromosom. Kromosom merupakan elemen dasar dan utama dari proses pemodelan Algoritma Genetika. Dalam permasalah ini kromosom terdiri dari gen-gen yangmerupakan variabel keputusan dari model optimasi. Gen yang memakai double vector. Pada Gambar 4.3 merupakan contoh dari representasi kromosom yang digunakan pada tugas akhir ini.

Inisialisasi Populasi

Proses inisialisasi adalah proses pembentukan populasi awal yang diperoleh dengan cara rekombinasi kromosom sebanyak ukuran populasi yang telah ditentukan diawal. Dalam inisialisasi populasi ini, masing-masing kromosom yang terbentuk harus memenuhi batasan yang telah ditetapkan sebelumnya.

Evaluasi Individu

Setelah didapatkan populasi awal dari hasil random, maka proses selanjutnya adalah mengevaluasi setiap kromosom. Fungsi evaluasi (fitness function) yang digunakan adalah dua fungsi minimal pada model optimasi, yaitu pada Persamaan (24) dan (25). Pada metode NSGA-II ini evaluasi dilakukan dengan mencari dua nilai, yaitu (1) Nilai ranking (front level) dengan cara Fast Non-Dominated dan (2) Jarak antar individu dengan menghitung Crowding Distance.

Rekombinasi dan Sorting

Untuk populasi awal yang telah dilakukan operasi pindah silang dan mutasi sehingga menghasilkan populasi anak (offspring). Populasi dikombinasikan menjadi satu populasi besar dan dilakukan seleksi untuk membentuk individu-individu pada generasi berikutnya. Seperti yang diilustrasikan pada Gambar 4.7, populasi diurutkan berdasarkan ranking nondomination, generasi yang baru tersebut diisi oleh individu berdasarkan ranking yang dimilikinya hingga ukuran populasi melebihi ukuran populasi awal. Karena melebihi dari ukuran populasi yang telah ditentukan maka dilakukan pemilihan berdasarkan nilai crowding distance hingga ukuran populasi normal (N). Proses ini berulang hingga kriteria stop terpenuhi.

Seleksi Orang Tua (Parent)

Proses seleksi dilakukan dengan tournament selection. Dimana pada metode ini menjalankan beberapa "kompetisi" di antara beberapa individu yang dipilih secara acak dari populasi. Pemenang setiap kompetisi (satu dengan nilai fitness terbaik) dipilih sebagai parent untuk proses pindah silang ataupun mutasi. Tingkat seleksi mudah disesuaikan dengan mengubah ukuran kompetisi. Jika ukuran kompetisi lebih besar, individu yang lemah memiliki kesempatan yang lebih kecil untuk dipilih.

Operasi Pindah Silang

Tahap ini dilakukan untuk mendapatkan kromosom baru hasil offspring. Proses ini melibatkan dua kromosom yang dijadikan sebagai parent yang memiliki tugas memproduksi kromosom baru dengan harapan menghasilkan keturunan atau kromosom yang lebih baik. Dalam proses pindah silang ini ada parameter penting yang harus diperhatikan karena berkaitan dengan rasio anak yang akan dihasilkan dalam satu generasi. Parameter itu adalah probabilitas pindah silang. Probabilitas pindah silang menunjukan presentase jumlah Old Parent yang akan dipindahsilangkan dan menghasilkan offspring (keturunan baru). Nilai probabilitas ini adalah antara 0 hingga 1, dan cenderung mendekati angka 1. Untuk tugas akhir ini nilai probabilitas pindah silang yang digunakan adalah 0,1-0,9 pada proses uji coba

Operasi Mutasi

Proses mutasi dilakukan dengan menukar ukuran salah satu gen dalam kromosom sehingga didapatkan posisi yang berbeda. lagi nilai gen yang telah diperoleh. Pada proses mutasi ini sama dengan pada proses pindah silang, dimana mutasi yang terjadi tergantung pada nilai probabilitas mutasinya. Probabilitas mutasi menunjukan presentase jumlah offspring yang terkena mutasi. Nilai probabilitas ini adalah antara 0 hingga 1, dan cenderung mendekati angka 0. Untuk tugas akhir ini metode mutasi yang digunakan adalah Adaptive feasible. Metode ini secara acak melakukan mutasi yang adaptif bergantung pada kondisi sukses atau tidaknya generasi sebelumnya dan memperhatikan pemenuhan batasan yang ada

HASIL

Kesimpulan

Kesimpulan Dari keseluruhan proses pengerjaan tugas akhir yang dilakukan, terdapat beberapa kesimpulan yaitu :

1. Metode Algoritma Genetika Multi-Obyektif mampu menjadi metode penyelesaian untuk kasus pengoptimalan konfigurasi sistem tenaga hibrida BTS Pulau Bawean Tambak

2. Pada studi kasus konfigurasi sistem tenaga hibrida BTS Pulau Bawean Tambak, parameter Algoritma Genetika Multi-Obyektif yang memberikan solusi paling optimal adalah Pc= 0,3 dan Npop =100

3. Hasil optimasi dengan menggunakan model Algoritma Genetika Multi-Obyektif didapatkan nilai proporsi pembagian beban listrik di masing-masing sistem sumber catu daya dan ukuran panel surya serta baterai yang dibutuhkan

4. Nilai proporsi hasil dari proses optimasi pemenuhan beban listrik BTS pada kondisi paparan sinar matahari normal adalah sebagai berikut: