1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

Study Keandalan Jaringan Distribusi 20 kV di Wilayah Malang

dengan Metode Monte Carlo
Fariz Musabil Hakim, Adi Soeprijanto, Ontoseno Penangsang.
Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
Email : ontosenop@ee.its.ac.id
Abstrak Studi keandalan jaringan distribusi untuk
wilayah Malang dengan metode Monte Carlo dengan
indikator SAIDI (System Average Interruption Duration
Index) dan SAIFI (System Average Interruption Frequensy
Index). Suatu jaringan distribusi 20kV ditentukan oleh
keandalan dari peralatan-peralatan listrik yang
membentuk suatu sistem tenaga. Masing-masing peralatan
tersebut mempunyai probabilitas untuk mengalami
kerusakan sehingga peralatan tersebut seringkali tidak
berfungsi dengan baik, sehingga akan dapat menyebabkan
terjadinya suatu kegagalan dalam menjalankan fungsinya.
Kegagalan tersebut akan menyebabkan terganggungnya
kontinuitas tenaga listrik dengan segala konsekuensinya
bagi perusahaan penyedia tenaga listrik maupun
konsumen. Tujuan yang ingin dicapai pada Tugas Akhir
ini adalah mengevaluasi distribusi gara dapat
memperbaiki kinerja sistem distribusi dari nilai SAIDI
dan SAIFI. Dalam Tugas Akhir ini software simulasi yang
digunakan adalah software program matlab.

II.

Kata Kunci Keandalan, SAIDI, SAIFI, Monte Carlo

I.

A.

Keandalan[1]
Jika kita berbicara keandalan kuantitatif, maka kita
berbicara dalam konteks peluang (probability). Nilai
keandalan ini adalah fungsi waktu, artinya keandalan
sebuah sistem/komponen akan bervariasi sesuai dengan
waktu dimana evaluasi keandalan tersebut dilakukan.
Sistem/komponen yang sama dan diukur saat waktu
operasi yang sama akan mungkin memiliki keandalan
yang
berbeda
jika
kondisi
operasi
kedua
sistem/komponen sejenis tersebut berbeda.
Pengertian keandalan yang sampai saat ini sering
digunakan adalah: Probability of a device performing its
purpose adequately for the period of time intended and
under the operating conditions encountered. Atau dengan
kata lain, Peluang suatu sistem atau komponen untuk
dapat beroperasi sesuai dengan fungsinya.

B.

Indeks Keandalan
Indeks-indeks ini dapat dievaluasi dengan
menggunakan teori keandalan yang relevan setelah
beberapa kriteria tertentu yang berhubungan dengan
kondisi operasional dari suatu item dipenuhi.

C.

Faktor Nilai Keandalan

Banyak faktor yang harus diketahui dan dihitung
sebelum akhirnya melakukan perhitungan analisa
keandalan, faktor-faktor tersebut adalah: MTTF, MTTR,
Laju Kegagalan, Laju Perbaikan, Ketersediaan.

PENDAHULUAN

EBUTUHAN tenaga listrik semakin meningkat dari

tahun ke tahun, hal ini semakin meningkatnya taraf
hidup masyarakat. Pada saat ini tenaga listrik telah menjadi
kebutuhan pokok bagi seluruh konsumen tenaga listrik.
Dengan semakin pentingnya peranan tenaga listrik dalam
kehidupan sehari-hari, maka kontinyuitas penyediaan tenaga
listrik juga menjadi tuntutan yang semakin besardari
konsumen tenaga listrik. Oleh karena hal tersebut, maka
dituntut adanya suatu sistem tenaga listrik yang handal. Untuk
mengetahui keandalan dalam distribusi tenaga listrik ke
konsumen, maka perlu dihitung indeks keandalannya.
Dengan
menggunakan
data
kegagalan
dalam
transformator pada setiap gardu induk, dapat dihitung indeks
keandalan transformator gardu induk. Dengan menggunakan
data pada jaringan sistem distribusi, dapat dihitung indeks
keandalan jaringan distribusi dan dapat dilakukan perhitungan
besarnya nilai keandalan SAIDI dan SAIFI. Adapun metode
yang digunakan untuk mengolah data adalah metode Simulasi
Monte Carlo. Dari hasil simulasi, nantinya akan diperoleh
indeks keandalan jaringan dan nilai keandalan beban. Pada
Tugas Akhir ini, dari hasil-hasil perbandingan yang dilakukan
dari beberapa program tersebut akan dapat terpecahkan solusi
agar keandalan distribusi menjadi lebih baik.

TEORI PENUNJANG

Mean Time To Failure

Mean Time To Failure (MTTF) adalah waktu ratarata kegagalan yang terjadi selama beroperasinya suatu
sistem, dapat dirumuskan:
MTTF=
dimana: T=waktu operasi (up time)
n=jumlah kegagalan
Mean Time To Repair
Mean Time To Repair adalah waktu rata-rata yang
diperlukan untuk
melakukan perbaikan terhadap
terjadinya kegagalan suatu sistem yang dapat dirumuskan:
MTTR=
dimana: L=waktu perbaikan (down time)
n=jumlah perbaikan
1

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

M = total pelanggan pada sistem

Laju Kegagalan
Laju kegagalan atau hazard rate adalah frekuensi
suatu sistem/komponen gagal bekerja, dilambangkan
dengan (lambda), laju kegagalan dari suatu sistem
biasanya tergantung dari waktu tertentu selama sistem
tersebut bekerja. Rumus laju kegagalan:

System Average Interruption Duration Index[8]

SAIDI (System Average Interruption Duration Index)
adalah nilai rata-rata dari lamanya kegagalan untuk
setiap pelanggan selama satu tahun. Persamaan SAIDI
dapat dilihat pada persamaan berikut.

=
dengan:
k = laju perbaikan saluran
M k = jumlah pelanggan pada saluran k
M = total pelanggan pada sistem

Semakin besar nilai maka semakin jelek

keandalan suatu sistem/komponen tersebut.
Laju Perbaikan
Laju perbaikan atau Downtime rate adalah frekuensi
lamanya suatu sistem/komponen dalam masa perbaikan
(kondisi OFF). Rumus laju perbaikan:

Customer Average Interruption Duration Index[5]

CAIDI (Customer Average Interruption Duration
Index) adalah index durasi gangguan konsumen rata-rata
tiap tahun, menginformasikan tentang waktu rata-rata
untuk penormalan kembali gangguan tiap-tiap pelanggan
dalam satu tahun.

Jadi semakin besar nilai maka semakin bagus

nilai keandalan suatu sistem tersebut.
Ketersediaan
Ketersediaan atau Availability didefinisikan sebagai
proporsi waktu dimana sistem dalam keadaan siap
beroperasi. Nilai dari availability sistem bergantung pada
frekuensi komponen-komponen sistem yang gagal
bekerja (laju kegagalan) dan lama perbaikan dari
komponen yang rusak hingga sistem berfungsi kembali
(laju perbaikan).

E.

Simulasi Monte Carlo

Metode Monte Carlo adalah algoritma komputasi
untuk mensimulasikan berbagai perilaku sistem fisika
dan matematika. Penggunaan klasik metode ini adalah
untuk mengevaluasi integral definit, terutama integral
multidimensi dengan syarat dan batasan yang rumit.
III.

ANALISA KEANDALAN DISTRIBUSI

A.
D.

Pengertian dan Tujuan Pemeliharaan

Pemeliharaan peralatan listrik tegangan tinggi adalah
serangkaian tindakan atau proses kegiatan untuk
mempertahankan kondisi dan meyakinkan bahwa peralatan
dapat berfungsi. Tujuan pemeliharaan peralatan listrik
tegangan tinggi adalah untuk menjamin kontinyunitas
penyaluran tenaga listrik dan menjamin keandalan, antara lain:
a. Untuk meningkatkan reliability, availability dan effisensi.
b. Untuk memperpanjang umur peralatan..
c. Mengurangi resiko terjadinya kegagalan atau kerusakan
peralatan.
d. Meningkatkan Safety peralatan.
e. Mengurangi lama waktu padam akibat sering gangguan.

Indeks Keandalan dari Sisi Pelanggan

Indeks keandalan merupakan suatu metode
pengevaluasian parameter keandalan suatu peralatan
distribusi tenaga listrik terhadap keandalan. Indeks ini
antara lain adalah SAIFI (System Average Interruption
Frequency Index), SAIDI (System Average Interruption
Duration Index) dan CAIDI (Customer Average
Interruption Frequency Index).
System Average Interruption Frequency Index[8]
SAIFI (System Average Interruption Frequency
Index) adalah jumlah rata-rata kegagalan yang terjadi per
pelanggan yang dilayani per satuan waktu (umumnya
tahun). Indeks ini ditentukan dengan membagi jumlah
semua kegagalan dalam satu tahun dengan jumlah
pelanggan yang dilayani oleh sistem tersebut. Persamaan
untuk SAIFI dapat dilihat pada persamaan berikut ini.

B.

Perhitungan Menggunakan Metode Monte Carlo

Pada analisis evaluasi keandalan sistem tenaga listrik,
dilakukan langkah-langkah berikut untuk mendapatkan indeks
keandalan berdasarkan data-data yang telah didapatkan:
1. Mengumpulkan data-data laju kerusakan () dan laju
perbaikan () untuk tiap unit peralatan sistem yang
terkait.

dengan:
k = laju kegagalan saluran
M k = jumlah pelanggan pada saluran k
2

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

2.

Membuat matriks hubungan antar unit peralatan.

Matriks ini memiliki elemen a i,j = 1, bila terdapat
hubungan kerusakan unit peralatan i menyebabkan
pemadaman unit peralatan j dan a i,j = 0 bi la tidak
ada hubungan.
3. Membuat simulasi perhitungan harian selama 1
tahun (365 hari), yaitu membangkitkan bilangan
acak dan memeriksa apakah bilangan tersebut
dalam peluang kegagalan unit peralatan sesaat R(t)
= e-t.
4. Bila disimulasikan terjadi kegagalan unit, maka
dicatat waktu kegagalan unit peralatan tersebut dan
yang terkait berdasarkan matriks hubungan unit
peralatan, serta dihitung secara acak lama perbaikan
yang dilakukan.
5. Langkah (3) dan (4) dilakukan sebanyak jumlah
iterasi yang diinginkan. Seluruh hasil simulasi
waktu kegagalan dan lama perbaikan di rekap dan
digunakan dalam perhitungan indeks keandalan
SAIDI, SAIFI, CAIDI, ASAI, dan ASUI dan
ditampilkan kurvanya.

Gambar1. Realibility Single Line Diagram

B.

Simulasi Monte Carlo

Untuk memberikan hasil yang lebih konvergensi, maka
pada Tugas Akhir ini memberikan pembanding dengan
menggunakan simulasi metode Monte Carlo.
Pada simulasi Monte Carlo diambil contoh jumlah
iterasi (N) sebagai berikut : 1.000, 2500, 5.000, 7.000, dan
7.500 kali. Tujuan dari banyaknya iterasi (N) yang dilakukan
adalah untuk melakukan percobaan acak sebanyak mungkin
sehingga hasil perhitungan menjadi lebih akurat hingga suatu
nilai iterasi tertentu hasil yang didapat cenderung mencapai
konvergensi.
Dari hasil program dan dengan menggunakan berbagai macam
iterasi tersebut didapatkan hasil seperti berikut :

C. Setup Simulasi program analisis kelistrikan transien

Program program analisis kelistrikan transien
Reliability digunakan untuk menganalisis keandalan suatu
sistem dengan skala besar.
Di dalam program analisis kelistrikan transien keandalan
tersedia fasilitas untuk mencari indeks keandalan sistem,
diantaranya :
1.Indeks rata-rata Frekuensi Gangguan Sistem (SAIFI).
2.Indeks rata-rata Durasi Gangguan Sistem (SAIDI).
3.Indeks rata-rata Durasi Gangguan Peralatan (CAIDI).
4.Indeks rata-rata Ketersediaan Layanan (ASAI).
5.Indeks rata-rata Ketidaktersediaan Layanan (ASUI).
IV.

SIMULASI DAN ANALISIS

A. Simulasi Analisa Keandalan dengan menggunakan

Software program analisis kelistrikan transien.
Untuk melakukan simulasi dengan menggunakan
program Program Analisis Kelistrikan Transien ini adalah
dengan memasukkan data-data yang ada dan sesuai dengan
sistem kelistrikan. Kemudian data tersebut merupakan
parameter yang harus dimasukan hingga mendapatkan hasil
running pada realibility pada Single Line Diagram. Agar hasil
setelah di running menghasilkan hasil yang maksimal, maka
parameter-parameter yang harus diperhatikan adalah nilai-nilai
peralatan yang terdapat pada Single Line Diagram.
Gambar2. Hasil SAIFI dengan banyak iterasi 1000

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

Gambar3. Hasil SAIDI dengan banyak iterasi 1000

Gambar6. Hasil SAIFI dengan banyak iterasi 5000

Gambar4. Hasil SAIFI dengan banyak iterasi 2500

Gambar7. Hasil SAIDI dengan banyak iterasi 5000

Gambar8. Hasil SAIFI dengan banyak iterasi 7000

Gambar5. Hasil SAIDI dengan banyak iterasi 2500
4

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

C. Perbandingan Perhitungan dengan Simulasi program

analisis kelistrikan transien dan Simulasi Monte Carlo
Dengan menggunakan bahasa pemrograman kita dapat
membuat bahasa pemrograman dengan simulasi Monte Carlo
dan menentukan indeks keandalan SAIFI, SAIDI, CAIDI,
ASAI, dan ASUI dari seluruh peralatan dengan menggunakan
perhitungan berdasarkan rumus yang telah dijabarkan
sebelumnya. Sedangkan pada program analisis kelistrikan
transien juga dapat mengetahui indeks keandalan suatu sistem
dari menu Reliability dengan terlebih dahulu memasukan
parameter-parameter yang dibutuhkan. Dibawah ini adalah
tabel perbandingan antara perhitungan dengan simulasi Monte
Carlo dan program analisis kelistrikan transien.
Tabel 1. Perbandingan Perhitungan Simulasi program analisis
kelistrikan transien dengan Simulasi Monte Carlo
PROGRAM
ANALISIS
KELISTRIKAN
TRANSIEN
Monte Carlo

Gambar9.Hasil SAIDI dengan banyak iterasi 7000

SAIFI

2.486

1.050

SAIDI

6.678

7.258

Dari tabel diatas, terlihat bahwa perbandingan antara

perhitungan keandalan program analisis kelistrikan transien
dengan simulasi Monte Carlo didapatkan hasil yang mendekati
sama. Perbedaan untuk hasil dari simulasi Monte Carlo
dikarenakan pada simulasi Monte Carlo digunakan bilangan
variable bilangan acak sehingga hasil untuk setiap iterasi (N)
tidak selalu sama. Dapat terlihat bahwa perhitungan dengan
software lebih cepat dan tingkat akurasi perhitungan tinggi.
V.

Gambar10. Hasil SAIFI dengan banyak iterasi 7500

KESIMPULAN DAN SARAN

A. Kesimpulan
1. Berdasarkan dari nilai indeks keandal dengan
menggunakan simulasi program analisis kelistrikan
transien dan dengan standart program analisis kelistrikan
transien mempunyai hasil yang tidak berbeda jauh dengan
hasil simulasi Monte Carlo.
2. Untuk nilai MTTR sesuai dengan standart program
analisis kelistrikan transien. Jadi dapat disimpulkan
bahwa waktu yang dibutuhkan untuk menormalkan
kembali penyaluran daya setelah terjadi gangguan adalah
relatif singkat.
3. Pada simulasi Monte Carlo tersebut dilakukan berbagai
macam iterasinya. Iterasinya diantaranya adalah 1000,
2500, 5000, 7000 dan juga 7500.
4. Agar mendapatkan hasil yang lebih akurat sehingga suatu
nilai iterasi tertentu hasil yang didapat cenderung
mencapai konvergensi.
5. Perbedaan hasil yang terdapat pada kedua simulasi tidak
berbeda jauh. Simulasi yang digunakan adalah program
analisis kelistrikan transien dan Monte Carlo dari
perbedaan itu dapat dismpulkan bahwa nilai indeks

Gambar11. Hasil SAIDI dengan banyak iterasi 7500

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6

6.

7.

keandalan pada Gardu Induk tersebut mempunyai indeks

keandalan yang normal.
Pada simulasi program analisis kelistrikan transien
tersebut data untuk panjang-panjang saluran semestinya
mempunyai nilai data yang pasti agar dapat menghasilkan
nilai indeks keandalan yang benar-benar bagus.
Perbedaan perhitungan simulasi program analisis
kelistrikan transien dengan perhitungan matlab
mempunyai selisih yang cukup besar. Nilai SAIFI dengan
perhitungan Program Analisis Kelistrikan Transien lebih
baik dibandingkan dengan simulasi program Monte Carlo,
sedangkan nilai SAIDI dengan simulasi program Monte
Carlo lebih baik dengan perhitungan manual. Hal itu
disebabkan karena pada simulasi program Monte Carlo
digunakan variable bilangan acak (random) untuk
menghitung nilai SAIDI dan SAIFI.

B. Saran
1. Untuk penelitian lebih lanjut tentang keandalan sistem
distribusi, perlu dilibatkan berbagai analisa lainnya,
seperti cost analysis, management analysis maupun
maintenance analysis.
2. Untuk melengkapi wacana penelitian tentang keandalan
distribusi, dapat dilakukan pengembangan untuk daerah
lain yang memiliki karakteristik jaringan dan beban yang
berbeda-beda, baik di PT. PLN (Persero) Distribusi
Malang maupun di seluruh Indonesia.
3. Untuk menghitung nilai indeks keandalan dengan
menggunakan metode Monte Carlo ini membutuhkan
data-data yang pasti dan signifikan.

DAFTAR PUSTAKA

Artana, Ketut Buda, Diktat Kuliah: Kuliah Keandalan1Pendahuluan - FTK ITS, Surabaya.
[2] Artana, Ketut Buda, Diktat Kuliah: Statistika RekayasaDistribusi Peluang FTK ITS, Surabaya.
[3] Endrenyi, J., Reliability Modeling in Electric Power
Systems, John Wiley & Sons Ltd., Toronto, Ch. 2, 1980.
[4] Ir. Syariffuddin Mahmudsyah, M.Eng, Pembangkitan
dan Manajemen Energi Listrik, Institut Teknologi
Sepuluh Nopember, Surabaya, 2009.
[5] L. Goel and R. Billinton, Monte Carlo Simulation
Applied to Distribution Feeder Reliability Evaluation,
Electr. Power Syst. Rrs. 29 193-202, 1994.
[6] Marsudi, Djiteng, Operasi Sistem Tenaga Listrik, Balai
Penerbit dan Humas ISTN, Jakarta Selatan, 1990.
[7] Moubray, John, Reliability Centered Maintenance,
Industrial Press, New York, 1997
[8] Rausand, M. and Hoyland, A., System Reliability
Theory; Models, Statistical methods, and Applications,
John Wuiley & Sons, New York, 2004.
[9] X. Liang and L. Goel, Distribution System Reliability
Evaluation using the Monte Carlo Simulation Method,
ELSEVIER. Electric Power Systems Research, 40 75-83,
1997.

[1]