BAB I

PENDAHULUAN

1.1 Latar Belakang

Energi listrik sudah menjadi kebutuhan pokok bagi masyarakat seiring dengan
perkembangan teknologi serta meningkatnya jumlah penduduk. Besar kecilnya beban
serta perubahannya tergantung pada kebutuhan para pelanggan akan tenaga listrik.
Oleh karena itu suplai pembangkit juga akan menyesuaikan berdasarkan kebutuhan
beban tersebut.
Listrik yang dikonsumsi masyarakat disuplai dari berbagai unit pembangkit
listrik yang saling terhubung. Unit-unit pembangkit yang terhubung ini membentuk
kesatuan interkoneksi yang kemudian disebut sistem tenaga listrik. Operasi sistem
tenaga listrik tentu membutuhkan biaya. Biaya operasi sistem tenaga listrik diantaranya
adalah biaya pembelian tenaga listrik, biaya pegawai, biaya bahan bakar dan material
operasi merupakan bagian biaya terbesar bagi suatu perusahaan listrik. Sementara itu,
biaya bahan bakar menghabiskan 60 persen dari biaya operasi secara keseluruhan
(Marsudi, 2006).
Saat ini beban puncak Sistem Kelistrikan Lombok sudah mencapai 179,54 MW
pada tanggal 27 maret 2014 dan beban terendah sebesar 90,44 MW pada tanggal 21
maret 2014 terhadap jumlah pembangkitan total 182,32 MW (APDP Mataram, 2014).
Pada kondisi ini pembangkit yang terhubung dalam suatu jaringan sistem tenaga listrik
yaitu Pembangkit Listrik Tenaga Diesel (PLTD) Ampenan memiliki kapasitas yang
cukup besar untuk menyuplai kebutuhan beban Sistem Kelistrikan Lombok terdiri dari 8
unit pembangkit milik PT.PLN (Persero) dengan kapasitas daya terpasang sebesar
55.004 kW dan 45 unit pembangkit sewa dengan kapasitas daya terpasang sebesar
30.000 kW maka jumlah kapasitas daya terpasang sebesar 85.004 kW (APDP Mataram,
2014) harus mampu melayani beban dengan cara unit-unit pembangkit perlu
dijadwalkan (Scheduling) dengan baik sehingga didapatkan kombinasi yang tepat dalam
mengoperasikan unit pembangkit dimana hanya pembangkit dengan pembangkitan yang
ekonomis saja yang dioperasikan sehingga menghasilkan biaya

operasi

yang

minimum.

Berbagai metode optimasi dikembangkan untuk menyelesaikan permasalahan

penjadwalan unit pembangkit. Antara lain metode konvensional seperti metode
Dynamic Programing, metode Lagrange Relaxation dan metode Priority List. Metode
heuristik juga telah dikembangkan untuk memecahkan permasalahan penjadwalan unit
pembangkit antara lain Algoritma Genetika (GA), Particle Swarm Optimization (PSO),
Artificial Bee Colony (ABC), Artificial Neural Network (ANN) dan metode-metode
lainnya.
Dalam menyelesaikan tugas akhir ini metode yang digunakan adalah Binary
Particle Swarm Optimization (BPSO). Metode BPSO merupakan modifikasi dari
persamaan dasar algoritma Particle Swarm Optimization (PSO) standar. PSO adalah
metode optimasi heuristik global yang dikembangkan oleh Elberhart dan Kennedy,
didasarkan pada perilaku sebuah kawanan serangga, seperti semut, rayap, lebah atau
burung. PSO merupakan metodologi baru yang menggembirakan dalam perkembangan
komputasi yang mirip seperti Genetic Algorithm (GA) pada sisi analisa sistem dengan
solusi populasi acak. Populasi pada PSO didasarkan pada penelusuran algoritma dan
diawali dengan suatu populasi yang random yang disebut partikel. Berbeda dengan
teknik komputasi evolusioner lainnya, setiap partikel di dalam PSO juga berhubungan
dengan suatu velocity. Partikel tersebut bergerak melalui penelusuran ruang dengan
velocity yang dinamis yang disesuaikan menurut perilaku historisnya. Oleh karena itu,
partikel mempunyai kecenderungan untuk bergerak ke area penelusuran yang lebih baik
setelah melewati proses penelusuran (Santosa dan Willy, 2011).
Pada kondisi nyata jumlah pembangkit listrik suatu sistem kelistrikan terdiri dari
banyak unit dengan spesifikasi dan varian yang berbeda-beda serta terdapat banyak
batasan-batasan dalam pengoperasiannya. Karena permasalahan Unit Commitment akan
memiliki ruang solusi yang cukup besar maka sangat sesuai dengan karakteristik
masalah yang bisa diselesaikan oleh algoritma PSO. Akan tetapi PSO adalah metode
yang dikhususkan untuk menyelesaikan permasalahan dengan representasi solusi berupa
bilangan real. Oleh karena itu dibutuhkan variasi dari PSO yang mampu menyelesaikan
permasalahan dengan representasi solusi biner, yaitu BPSO (Hosseini et al., 2007).
BPSO juga dikembangkan dan dimodifikasi oleh Kenedy dan Eberhart dengan
tujuan agar metode PSO ini mampu menyelesaikan permasalahan yang membutuhkan
representasi solusi biner dengan menggunakan konsep dasar algoritma PSO (Krisnandi,
2012).

Berdasarkan latar belakang yang telah dijelaskan di atas maka pada penelitian ini
akan dibahas Penjadwalan Unit Pembangkit Listrik Tenaga Diesel (PLTD) Ampenan
Menggunakan Metode Binary Particle Swarm Optimization (BPSO).
1.2

Perumusan Masalah
Permasalahan yang akan dibahas dalam penelitian ini adalah :
1. Bagaimana menentukan kombinasi unit PLTD Ampenan yang harus beroperasi
untuk memenuhi kebutuhan beban Sistem Kelistrikan Lombok (SKL) dalam
periode waktu 1 minggu (168 jam) menggunakan metode Binary Particle Swarm
Optimization (BPSO)?
2. Bagaimana mendapatkan biaya operasi yang minimum berdasarkan penjadwalan
unit PLTD Ampenan dalam periode waktu 1 minggu (168 jam) menggunakan
metode Binary Particle Swarm Optimization (BPSO)?
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini adalah :
1. Penjadwalan unit pembangkit dilakukan dalam periode jangka pendek selama 1
minggu (168 jam) berdasarkan beban Rencana Operasi Mingguan.
2. Metode penjadwalan unit pembangkit di PLTD Ampenan digunakan sebagai
pembanding dari hasil penelitian yang dilakukan.
3. Karakteristik input-output unit pembangkit diperoleh dari data Major Overhoul
(MO) PLTD Ampenan.
4. Pembangkit yang memiliki tipe, merek dan kapasitas yang sama diasumsikan
memiliki karakteristik input-output dan nilai Spesific fuel consumption (SFC)
yang sama.
5. Peramalan beban selama 1 minggu (168 jam) ke depan tidak dibahas, data
peramalan beban diperoleh dari PT.PLN (Persero).
6. Output dari sistem adalah jadwal yang merupakan solusi keluaran sistem yang
paling mendekati biaya optimal ekonomi.
7. Representasi yang digunakan adalah adalah representasi biner.
8. Evaluasi solusi partikel untuk menentukan besar daya yang dihasilkan unit
pembangkit menggunakan metode Economic dispatch dengan Lambda iteration..

1.4 Tujuan Penelitian

Adapun tujuan yang ingin dicapai dari penelitian ini adalah:
1. Mendapatkan kombinasi dari unit PLTD Ampenan yang harus beroperasi untuk
memenuhi kebutuhan beban Sistem Kelistrikan Lombok (SKL) pada periode
waktu 1 minggu (168 jam) menggunakan metode Binary Particle Swarm
Optimization (BPSO).

2. Mendapatkan biaya operasi yang minimum untuk memenuhi kebutuhan beban

Sistem Kelistrikan Lombok pada periode waktu 1 minggu (168 jam) dengan
kombinasi on-off pembangkitnya menggunakan metode Binary Particle Swarm
Optimization (BPSO).
1.5 Manfaat Penelitian
Hasil dari penelitian ini diharapkan dapat memberikan manfaat sebagai berikut:
1. Bagi penulis sendiri dapat mengetahui dan memahami penggunaan algoritma
kecerdasan buatan dalam penjadwalan unit pembangkit pada suatu pusat
pembangkit listrik.
2. Memberikan jadwal operasi sistem pembangkit listrik yang optimal.
3. Sebagai bahan masukan bagi pihak PLN dan pihak yang terkait dalam
penghematan biaya pembangkitan terutama biaya bahan bakar.
1.6 Sistematika Penulisan
Bab I Pendahuluan

Membahas latar belakang pengambilan judul

tugas akhir, perumusan masalah, batasan
masalah,

tujuan

penelitian,

manfaat

penelitian, dan sistematika penulisan.

Bab II Teori Penunjang

Membahas tinjauan pustaka dan landasan

teori yang menunjang pembahasan tugas
akhir yaitu mengenai model penyelesaian
penjadwalan unit pembangkit menggunakan
metode Binary Particle Swarm Optimization
(BPSO).

Bab III Metodologi Penelitian

Membahas tentang perancangan sistem untuk

membuat aplikasi integrasi Algoritma Binary
Particle Swarm Optimization (BPSO) dalam
menyelesaikan permasalahan penjadwalan

Bab IV Hasil dan Pembahasan

unit pembangkit.
Membahas tentang pengujian sistem dan
analisis terhadap implementasi Algoritma
Binary Particle Swarm Optimization (BPSO).

Bab V Penutup

Menguraikan

tentang

kesimpulan

hasil
4

penelitian pada Tugas Akhir yang telah

dilakukan dan saran terhadap pengembangan
ke depan.