JURNAL TEKNIK POMITS Vol. 1, No.
1, (2012) 1-6
Prediksi Daya Listrik Geothermal Power Plant
Berdasarkan Metode Weighted Moving Average
di PT. GEO DIPA ENERGI Unit Dieng
Junaldi, Katherin Indriawati
Jurusan Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)
Jl. Arief Rahman Hakim, Surabaya 60111
E-mail: katherin@ep.its.ac.id
Abstrak— Sejak harga minyak yang selalu berfluktuasi dan
keprihatinan terhadap peningkatan polusi lingkungan, banyak muncul
upaya untuk menemukan sumber energi alternatif. Energi panas bumi
merupakan solusi yang lebih kompetitif dibandingan dengan energi fosil
konvensional lainya. Hal ini dikarenakan pemanfaatannya relatif
sederhana, sehingga energi yang dibutuhkan untuk mengolahnya lebih
murah. PT. GEO DIPA ENERGI merupakan salah satu perusahaan
pembangkit tenaga listrik di Indonesia yang memanfaatkan energi panas
bumi berupa steam sebagai penggerak utama. Tetapi kualitas fisik steam
yang dihasilkan oleh panas bumi tidak tentu nilainya. Solusinya adalah
dengan memprediksi kualitas fisik steam dalam hal ini adalah laju aliran
massa guna mengetahui daya yang dihasilkan. Pada penelitian ini
digunakan metode Weighted Moving Average (WMA) berdasarkan nilai
Root Mean Square Error (RMSE) untuk memprediksi laju aliran massa
yang keluar dari separator menuju demister. Sehingga diharapkan dengan
memprediksi laju aliran massa pada demister maka dapat diketahui nilai
daya listrik yang dihasilkan dan juga efisiensi plant. Hasil penelitian
menunjukan bahwa nilai Root Mean Square Error (RMSE) yang
dihasilkan pada metode Weighted Moving Average (WMA) bobot tiga
adalah 33,1208 Ton/Hour . Prediksi laju aliran massa yang dihasilkan
sebesar 107,7365 ton/hour atau 29,9343 kg/s. Hasil prediksi daya yang
yaitu 16863,92 kW, sedangkan hasil prediksi efisiensi plant yaitu sebesar
21,83 %.
Kata Kunci — prediksi, efisiensi, daya listrik, laju aliran massa,
WMA, steam.
I. PENDAHULUAN
E nergi geothermal (panas bumi) tampaknya menjadi sumber
energi alternatif yang menarik karena harga minyak yang
selalu berfluktuasi dan keprihatinan terhadap peningkatan
polusi lingkungan, termasuk pemanasan global. Sejak harga
minyak telah mencapai puncaknya, banyak muncul upaya untuk
menemukan sumber energi alternatif. Penggunaan energi panas
bumi ditemukan lebih kompetitif dibandingan dengan energi
fosil konvensional lainya[1]. Selain itu, proses pemanfaatannya
relatif sederhana, sehingga energi yang dibutuhkan lebih murah.
Pada prinsipnya cara kerja geothermal power plant
adalah sama dengan thermal power plant kecuali pada asal
steam. Pada geothermal power plant steam diperoleh dari
reservoir dengan memanfaatkan panas bumi, sedangkan pada
thermal power plant steam diperoleh dari proses boiler.
Dengan demikian kualitas fisik steam yang dihasilkan berbeda
pula.
Salah satu perusahaan pembangkit tenaga listrik di
Indonesia yang menggunakan energi panas bumi sebagai
penggerak utama adalah PT. Geo Dipa Energi Unit Dieng,
Jawa Tengah. Ada tiga jenis utama dari pembangkit listrik yang
banyak dioperasikan: dry steam plant, flash-steam plants
1
(single-flash & double flash) dan binary-cycle plant. Jenis
pembangkit yang digunakan di PT. Geo Dipa Energi Unit
Dieng, Jawa Tengah adalah single-flash steam plant.
Kapasitas dari PLTP Dieng adalah 60 Mwe dan
mensuplai listrik pada daerah Jawa, Madura, dan Bali
(JAMALI). Agar memperoleh kapasitas listrik yang optimum
maka diperlukan efisiensi yang baik dari proses produksi
dengan memperhatikan performansi masing-masing unit.
Perubahan keluaran daya listrik sebuah pembangkit listrik
tenaga panas bumi berkaitan dengan kondisi steam dari sumur
produksi. Konsistensi produksi daya listrik menyebabkan
keuntungan dari perusahaan pun akan tetap. Sebaliknya
penurunan daya listrik dapat menimbulkan kerugian, sehingga
harus diantisipasi. Dengan demikian, upaya memprediksi daya
listrik sebuah pembangkit listrik tenaga panas bumi perlu
dilakukan sebagai langkah awal untuk mencegah timbulnya
dampak negatif yang lebih besar.
II. METODE PENELITIAN
Ada beberapa tahapan yang dilakukan pada penelitian ini
dan dapat dijabarkan melalui flowchart pada gambar 2.1.
Tahap pertama yang dikerjakan dalam penelitian tugas
akhir ini adalah melakukan tinjauan plant mulai dari production
well, separator, rock muffler, silencer, steam purifer, turbin,
kondensor dan injection well. Sumur produksi (production
well) yang aktif ada empat sumur, sedangkan sumur injeksi
(injection well) yang aktif ada dua sumur.
Karakteristik steam yang keluar dari sumur produksi di
PT. Geo Dipa Energi memiliki kecenderungan jumlah brine (air
garam) yang lebih besar dibandingkan jumlah steam kering.
Akibat kecenderungan tersebut maka pada setiap sumur
produksi dipasang separator. Ukuran separator didesain
dengan semua ukuran sama, namun setiap sumur memiliki
jumlah aliran, mutu, dan karakteristik yang berbeda-beda.
Dengan demikian bila dioperasikan sesuai dengan kapasitas
masing-masing sumur akan menghasilkan kualitas uap yang
berbeda-beda, ada yang memenuhi kriteria yang masuk ke
turbin, ada pula yang membawa brine sehingga menyebabkan
efisiensi turbin cepat menurun karena korosi.
Efisiensi plant dapat dihitung dengan menggunakan
hukum termodinamika, baik hukum pertama maupun hukum
kedua termodinamika. Pada hukum pertama termodinamika,
nilai efisiensi plant secara keseluruhan didapatkan dengan
membagi nilai daya yang dihasilkan dengan energi input yang
diberikan ke sistem. Pada hukum kedua termodinamika,
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 2

efisiensi plant secara keseluruhan didapatkan dengan membagi 2771,0655 - 730,1685

x2 =
nilai daya yang dihasilkan dengan eksergi input yang diberikan 2769.935 - 730,1685
ke sistem. x2 = 0,9990761
Dead state untuk geofluid dapat dipilih menjadi kondisi
Entalpi keluaran turbin pada pada kondisi ideal, adalah:
lingkungan dimana suhu atmosfir dan tekanan atmosfir berada
pada 18 0C dan 78,063 kPa. Nilai ini telah dicantumkan oleh  s − s6 
h5 s = h6 + [h7 − h6 ]x  4  (3.2)
data badan meteorologi lokal.  s7 − s6 
MULAI
MULAI
 6,6542 − 0,486 
h5 s = 140,782 + [2541,7720 − 140,782]x  
Tinjauan
Tinjauan Plant
Plant  8,6220 − 0,486 
h5 s = 1961,060579 kJ/kg
Pengambilan
Pengambilan Data
Data Entalpi pada kondisi keluaran turbin yang aktual (nyata)
adalah:
 h6 
Perhitungan
Perhitungan Daya
Daya Listrik
Listrik h4 − A1 − 
 h7 − h6 
h5 = (3.3)
Validasi
Validasi Perhitungan
Perhitungan A
1+
h7 − h6
TIDAK
Untuk mencari kondisi keluaran turbin yang aktual maka
Benar?
Benar? perlu diketahui nilai faktor Bauman (A). Berdasarkan
persamaan 2.4, maka diperoleh faktor Bauman sebagai berikut:
YA
A = 0,425(h4 − h5 s ) (3.4)
Perancangan
Perancangan Algoritma
Algoritma Prediksi
Prediksi A = 0,425(2769,18 − 1961,060579)
TIDAK
A = 343,45075 kJ/kg
Perhitungan daya berdasarkan asumsi dimana kualitas uap
RMSE
RMSE << 40
40
yang masuk turbin atau x 4 sama dengan satu. Untuk
YA
memudahkan perhitungan agar lebih jelas, maka dilakukan
permisalan untuk penyebut dan pembilang pada persamaan
Pembuatan
Pembuatan Modul
Modul Prediksi
Prediksi Daya
Daya Listrik
Listrik (3.3).
 h6 
Analisa
Analisa Data
Data dan
dan Penyusunan
Penyusunan Laporan
AA = A1 −  (3.5)
 h7 − h6 
Laporan

 140,782 
SELESAI
SELESAI AA = 343,450751 − 
 2541,7720 − 140,782 
Gambar 2.1 Flowchart Penelitian AA = 20,138228
A
III. ANALISIS DAN PEMBAHASAN AB = 1 + (3.6)
A. Perhitungan Daya Listrik Dihasilkan
h7 − h6
Berdasarkan data pada tanggal 1 Januari 2011, diketahui 343,45075
AB = 1 +
beberapa nilai fisis dari steam. 2541,7720 − 140,782
•
AB = 1,1430455
m dem = 34,54 kg/s
Maka didapatkan persamaan baru yaitu:
T2 = 172,49 0C ; h2 = 2771,0655 kJ/kg ; s2=6,6462 kJ/kg.K
h4 − AA
T3 = 172,49 0C ; h3 = 730,1685 kJ/kg ;s3= 2,0662 kJ/kg.K h5 = (3.7)
T4 = 171,3 0C ; h4 = 2769.935 kJ/kg ;s4= 6.6558 kJ/kg.K AB
T6 = 33,6 0C ; h6 = 140.832 kJ/kg ;s6= 0.4863 kJ/kg.K 2769,935 − 20,138228
h5 =
T7 = 22,04 0C ; h7 = 2542.42 kJ/kg ;s7= 8.6142 kJ/kg.K 1,1430455
Dengan menghitung daya listrik yang dihasilkan h5 = 2405,7
menggunakan persamaan 3.9, maka terlebih dahulu menghitung
kualitas steam yang masuk ke turbin menggunakan persamaan Sehingga dalam perhitungan kerja turbin berdasarkan
3.1, yaitu: persamaan (3.8) adalah:
wt = h4 − h5 (3.8)
h2 − h3
x2 = (3.1) wt = 2769,935 − 2405,7 =364,235
h4 − h3
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 3

Daya listrik yang dihasilkan adalah: Tabel 3.1 Hasil perbandingan daya menggunakan sofware GUI
• • dan perhitungan pabrik
W t = x 2 m dem wt (3.9) mt Ta Tb W Gross gen W Gross gen
• No
(kg/s) (0C) (0C) Pabrik (MW) sofware (MW)
W t = 0,999076142 * 34,54 * 364,235 = 23669,92 kW
1 34,54 172,5 35,5 23,44 23,67
Dalam memudahkan perhitungan daya listrik yang
dihasilkan maka penulis membuat sebuah sofware sebagai alat 2 34,72 173,3 35,5 23,75 23,84
bantu perhitungan yaitu GUI (Grapichal User Interface). 3 36,94 171,7 37,5 24,38 24,11
Sofware ini dirancang dengan memasukan formula matematis 32,50 172,3 37,0 21,56 21,37
4
perhitungan untuk menghasilkan daya listrik pada geothermal
power plant. Bentuk tampilan jendela GUI dapat dilihat pada 5 31,94 172,7 37,5 23,75 23,91
gambar 3.1. Dari gambar 3.1 tersebut, dapat dilihat ada tiga 6 32,50 172,3 37,0 23,12 23,27
buah inputan untuk menghasilkan daya listrik yaitu laju aliran 44,17 171,1 37,0 24,38 24,73
7
massa yang masuk turbin, suhu yang masuk separator, suhu
yang masuk ke dalam kondensor. Dalam laporan ini, data suhu 8 39,17 173,1 37,5 25,62 25,6
yang masuk menuju separator tidak ada dan diasumsikan sama 9 36,94 171,9 37,0 23,44 23,74
dengan suhu pada demister. Asumsi tersebut berdasarkan 32,78 172,9 36,5 20,63 20,55
10
pendekatan termodinamika pada siklus Renkine.
Tiga buah inputan yang digunakan ke dalam perhitungan 11 29,72 173,2 33,0 21,25 21,29
sofware GUI , inputan ini sangat compatible dengan data yang 12 28,61 172,2 34,5 21,25 20,98
ada pada pabrik sendiri, yaitu PT. Geo Dipa Energi. Dari 28,06 173,1 34,0 20,63 20,19
13
ketiga inputan tersebut dengan memasukan formula
perhitungan ke dalam sofware GUI, maka langsung didapatkan 14 26,67 172,8 34,5 21,25 20,91
nilai daya. B. Analisa Perhitungan Efisiensi Eksergi
Ta adalah suhu yang masuk ke dalam demister, Tb adalah Efisiensi plant dapat dihitung dengan menggunakan
suhu yang masuk ke dalam kondensor, dan flowrate adalah laju hukum pertama dan kedua termodinamika. Hukum pertama
aliran yang masuk pada demister. Adapun nilai-nilai tersebut termodinamika adalah membandingkan energi output dengan
adalah sebagai berikut: Flowrate = 34,54 kg/s ; Ta = 172,5 0C; input. Hukum kedua termodinamika tersebut adalah dengan
Tb = 35,5 0C. Dengan memasukan nilai tersebut ke dalam membandingkan eksergi output dengan eksergi input.
sofware, maka langsung didapatkan daya yang dihasilkan yaitu Analisa efisiensi plant pada hukum pertama
23669, 92 kW. termodinamika diperoleh berdasarkan persamaan 3.10 dan
Untuk memvalidasi perhitungan gross electrical dalam 2.11, maka didapatkanlah nilai dibawah ini:
perhitngan sofware GUI ini, maka dilakukan perbandingan • •
dengan daya litrik kotor yang diperoleh perusahaan. E n = m(h − h0 ) (3.10)
Perbandingan gross electrical power oleh perusahaan dan • Pada masukan demister (kondisi 2)
sofware GUI dapat dilihat pada tabel 3.1. Berdasarkan data •
dari beberapa sampel pada tabel, menunjukan selisih daya yang E n = 34,54(2770,34 − 75,6162)
dihasilkan oleh software dan perhitungan perusahaan tidak •
terlalu besar. Selisih daya berkisar antara 92,4078 kW sampai E n = 93075,76 kW
345,8877 kW. Sehingga dapat dikatakan bahwa perhitungan • Pada demister menuju turbin (kondisi 4)
yang dilakukan oleh GUI adalah baik. •
E n = 34,54(2769,−75,6162)
•
E n = 93035,69 kW
• Pada keluaran turbin (kondisi 5)
•
E n = 34,54(2565,5 − 75,6162)
•
E n = 86000,59 kW
• Efisiensi Energi overall plant:
•
W
ηI = •
(3.11)
En dem
23669,92
ηI =
Gambar 3.1 Tampilan jendela sofware penghitung daya listrik 93075,76
pada power plant tipe single - flash
η I = 0,2543 atau 25,43 %
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 4

Analisa efisiensi plant pada hukum kedua termodinamika Hasil perhitungan karakteristik steam dapat dilihat pada
diperoleh berdasarkan persamaan 3.12 dan 3.13, maka tabel 3.2, yaitu dengan menggunakan mikrosoft excel. Untuk
didapatkanlah nilai dibawah ini: mengetahui efisiensi plant secara keseluruhan menggunakan
• • hukum termodinamika pertama adalah dengan membandingkan
E x = m(h − h0 − T0 ( s − s 0 ) (3.12) daya yang dihasilkan oleh pembangkit dengan laju energi pada
• Pada masukan demister (kondisi 2) demister. Daya yang dihasilkan yaitu sebesar 23669, 92 kW,
• sedangkan laju energi yang dihasilkan oleh demister adalah
E x = 34,54(2770,34 − 75,6162 − 18(6,6445 − 0,2678) 93075,76 kW. Maka efisiensi yang dihasilkan adalah 0,2543
• atau 25,43 %.
E x = 89111,25 kW Perhitungan efisiensi geothermal power plant
• Pada demister menuju turbin (kondisi 4) menggunakan hukum kedua termodinamika. Untuk mengetahui
• efisiensi yang dihasilkan oleh plant secara keseluruhan adalah
E x = 34,54(2769,18 − 75,6162 − 18(6,6542 − 0,2678) dengan membandingkan daya yang dihasilkan oleh pembangkit
• dengan laju energi pada demister. Berdasarkan tabel 3.2
E x = 89065,15 kW dimana daya yang dihasilkan yaitu sebesar 23669, 92 kW.
• Pada keluaran turbin (kondisi 5) Sedangkan laju eksergi yang dihasilkan oleh demister adalah
• 89111,25 kW. Maka efisiensi yang dihasilkan adalah 0,2656
E x = 34,54(2565,5 − 75,6162 − 18(8,3401 − 0,2678) atau 26,56 %.
• Berdasarkan tabel 3.2 losses terbesar terjadi pada turbin
E x = 80981,89 kW yang menuju kondensor yaitu sebesar 150,1218 kW. Seperti
• Efisiensi Energi overall plant: yang telah diketahui pada turbin akan terjadi kehilangan
• eksergi karena ketika steam yang masuk ke dalam turbin akan
W
η II = •
(3.13) mengalami degradasi termodinamika. Ini karena suhu ketika
Ex dem turbin masuk akan jauh berbeda dengan suhu ketika suhu
keluar dari turbin, karena perubahan nilai suhu pada turbin
23669,92
η II = yang keluar tersebut akan mempengaruhi nilai entropinya.
89111,25 Seperti diketahui bahwa perhitungan eksergi yang hilang atau
η II = 0,265 atau 26,56 % hancur adalah mengalikan nilai entropi dengan suhu pada
kondisi mati (dead state).
Dapat dilihat bahwa nilai efisiensi yang dihasilkan
menggunakan analisa hukum kedua termodinamika mempunyai
C. Analisa Prediksi Laju Aliran Massa Menggunakan
nilai yang lebih besar. Ini menunjukan bahwa pada hukum
Metode Weighted Moving Average
pertama termodinamika, efisiensi plant tidak berada pada
Metode yang digunakan untuk memprediksi jumlah aliran
pengukuran yang realistis, kemudian pada hukum kedua
steam pada laporan ini adalah Weighted Moving Average
termodinamika, dibutuhkan efisiensi untuk mendefinisikannya.
(Bobot Rata-rata Bergerak). Metode ini dianggap paling cocok
Tabel 3.2 Karakteristik Nilai GPP pada lokasi besar
untuk memprediksi data time series karena hasil prediksi dapat
State T P mt
No Component mengikuti trend dengan baik.
(°C) (kPa) (kg/s)
Dalam upaya mendapatkan daya yang dihasilkan oleh
1 Dead state 0 18 78,603 -
pembangkit listrik tenaga panas bumi, variabel yang yang
2 to demister 2 172,5 966 34,54
mengalami perubahan yang siginifikan adalah laju aliran massa.
3 out demister 3 172,5 966 34,54
Oleh sebab itu penulis hanya memprediksi laju aliran yang
4 to turbin 4 171,3 799 34,54
menuju demister saja untuk mewakili perhitungan prediksi daya
5 to condensor 5 35,5 97 34,54
6 cond to ColTow 6 33,6 5,2 -
listrik dan efisiensi plant. Sedangkan untuk variabel lain seperti
7 ColTow to Cond 7 22,04 2,7 -
suhu pada demister dan kondensor hanya diasumsikan saja
8 dem to injection 8 172,5 844,06 -
dikarenakan selisih data satu dan data yang lainnya tidak terlalu
besar.
lanjutan tabel 3.2 Data yang digunakan adalah data pada bulan April tahun
h s En Ex Ex loss 2010 sampai bulan Maret 2012. Pada penelitan tugas akhir ini
No digunakan percobaan untuk empat jenis bobot, yaitu tiga (3),
(kJ/kg K) (kJ/kg K) (kW) (kW) (kW)
1 75,6162 0,267819 0 0 4,820742 empat (4), lima (5), dan enam (6).
Kemudian melakukan pemilihan bobot berdasarkan nilai
2 2770,34 6,6445 93075,76 89111,25 119,601
root mean square error. Dengan menggunakan persamaan
3 2770,34 6,6445 93075,76 89111,25 119,601 (3.14), maka didapatkan nilai RMSE untuk masing-masing
4 2769,18 6,6542 93035,69 89065,15 119,7756 bobot sesuai dengan tabel 3.3. Nilai RMSE paling kecil yaitu
5 2565,5 8,3401 86000,59 80981,89 150,1218 berbobot tiga sebesar 33,1208. Nilai RMSE yang kecil
6 140,782 0,486 0 0 8,748 menyebabkan nilai fit (kecocokan) yang dihasilkan menjadi
7 93,9551 0,331 0 0 5,958 lebih besar. Oleh sebab itu bobot yang ditetapkan pada
8 730,041 2,066 0 0 37,188 penelitian tugas akhir ini adalah tiga.
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 5

∑ [Y (t ) − Y ' (t )]
i =1
2

RMSE = (3.14)
N −m
dengan
Y(t) = data yang digunakan untuk memprediksi
Y’(t) = hasil prediksi
N = banyaknya data
m = bobot
Tabel 3.3 Perbandingan nilai bobot pada WMA dengan
RMSE
No Bobot RMSE
1 3 33,1208 Gambar 3.2 Perbandingan Data Prediksi dengan Beda
Bobot
2 4 37,0274
3 5 41,0672 Dalam memudahkan perhitungan prediksi menggunakan
metode weighted moving average, maka penulis membuat
4 6 41,1354 sebuah software. Nilai bobot yang ditetapkan adalah tiga sesuai
Tabel 3.4 Data Laju Aliran Massa dengan nilai RMSE yang ditetapkan. Tujuan pembuatan
Bulan No Flowrate sofware ini adalah untuk memudahkan perhitungan. Software
Apr-10 1 262,800
Mei-10 2 259,871
ini dapat difungsikan hanya dengan memasukan data laju aliran
Jun-10 3 254,483 massa pada database microsoft excel, maka hasil prediksi bisa
Jul-10 4 229,355
Agust-10 5 219,645
dilakukan secara simultan. Dengan catatan data aktual yang di
Sep-10 6 157,990 gunakan adalah tiap bulan. Sofware ini akan mudah menyimpan
Okt-10 7 113,548 data terbaru hingga data terlama baik itu data validasi maupun
Nop-10 8 96,167
Des-10 9 132,290 data prediksi. Pada gambar 3.3 dan 3.4 menujukan tampilan
Jan-11 10 89,129 jendela prediksi laju aliran massa menggunakan metode
Feb-11 11 128,385
Mar-11 12 127,871
weighted moving average.
Apr-11 13 175,133
Mei-11 14 176,078
Jun-11 15 169,667
Jul-11 16 162,885
Agust-11 17 159,250
Sep-11 18 171,680
Okt-11 19 170,827
Nop-11 20 162,967
Des-11 21 143,065
Jan-12 22 131,323
Feb-12 23 113,000
Mar-12 24 96,419
Apr-12 25 ?

Hasil prediksi menggunakan metode Weighted Moving

Average bobot 3 dapat dilihat pada persamaan 3.15.
Gambar 3.3 Hasil Plotting Prediksi pada GUI
npM + (n − 1) pM −1 + ... + 2 p( M −n+ 2) + p( M −n+1) (3.15)
WMAM =
n + (n − 1) + ... + 2 + 1
(96,419 * 3) + (113 * 2) + (131,323 * 1)
WMA3 =
3 + 2 +1
WMA3 = 107,7634 Ton/Hour
Jadi hasil prediksi yang dihasilkan pada bulan april adalah
sebesar 107,7634.
Untuk mengetahui hasil prediksi laju aliran massa
menggunakan dengan bobot yang berbeda yaitu, empat, lima
dan enam maka digunakanlah mikrosoft excel sebagai alat
hitung. Perbandingan hasil prediksi daya untuk masing-masing
bobot dapat dilihat pada pada gambar 3.2, dapat dilihat bobot
yang dapat mengikuti trend dengan baik adalah yang
mempunyai bobot tiga, yang berwarna ungu.
Gambar 3.4 Tampilan hasil prediksi pada databese GUI
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6
• Analisa Prediksi Daya
Hasil prediksi laju aliran massa dari steam menggunakan
metode weighted moving average adalah sebesar 107,7364
Ton/Hour, jika dikonversikan ke dalam satuan kilogram/detik,
maka hasilnya adalah 29,9343. Dalam perhitungan daya listrik
yang dihasilkan, laju aliran massa adalah variabel penting dan
memiliki pengaruh besar. Oleh sebab itu pada perhitungan hasil
prediksi daya, karakteristik steam yang diprediksi hanya laju
aliran massa. Sedangkan untuk suhu yang masuk ke demister
dan ke kondensor diasumsikan sebagai angka yang konstan,
karena berdasarkan hasil data yang dianalisa suhu yang masuk
ke demister dan kondensor paling sering muncul dengan angka
yang sama. Nilai yang diasumsikan pada pada laporan ini yaitu
172,5 0C untuk suhu yang masuk menuju ke demister dan 37,5
0 bulan April 2012 pada laju aliran, daya listrik yang dihasilkan
C untuk suhu yang masuk ke menuju kondensor.
Gambar 3.5 Tampilan hasil prediksi daya listrik pada GUI
Setelah memasukan ketiga angka tersebut kedalam
software, maka didapatkan daya listriknya yaitu sebesar
16863,92 kW.Hal ini dapat ditunjukan pada gambar 3.5
• Analisa Prediksi Efisiensi Eksergi
Berdasarkan analisa yang telah dibahas sebelumnya bahwa
perhitungan efisiensi yang lebih efektif yaitu menggunakan
hukum kedua termodinamika. Oleh sebab itu, analisa yang
digunakan untuk perhitungan prediksi efisiensi plant adalah
menggunakan hukum kedua termodinamika.
Untuk memudahkan perhitungan maka penulis membuat
softwere perhitungan efisiensi ke dalam GUI. Pada gambar 3.6
menunjukan tampilan dari software GUI. Dari hasil prediksi
yang dilakukan menggunakan software tersebut maka
didapatkan hasil prediksi efisiensi keseluruhan plant sebesar.
21,83 %.
Gambar 3.6 Tampilan hasil prediksi efisiensi pada GUI
6
Hasil tersebut menunjukan bahwa perhitung efisiensi yang
dihasilkan oleh perusahaan masih kecil dibandingkan dengan
efisiensi dari plant single-flash diseluruh dunia, yakni berkisar
antara 30% sampai 50% . Sebagai contoh single-flash
geothermal power plant di El Salvador, Jepang, dan Kenya.
Yang masing-masingnya memiliki nilai sebesar 33,1 %, 35 %,
dan 50,6% [8].
IV. KESIMPULAN
Berdasarkan pengujian yang telah dilakukan maka
didapatkan kesimpulan yaitu: nilai Root Mean Square Error
(RMSE) yang dihasilkan pada metode Weighted Moving
Average (WMA) bobot tiga adalah 33,1208. Hasil prediksi
dan efisiensi eksergi adalah 107,7364 Ton/Hour (29,9343
kg/s), 16863,92 kW, dan 21,83%, untuk masing-masing. Nilai
efisiesi plant yang dihasilkan pada perhitungan ini yaitu pada
tanggal 1 Januari 2011 adalah 26,65 %
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada ibu Katherin
Indriawati selaku dosen pembimbing penulis, serta pihak-pihak
yang telah membantu penyelesaian penelitian tugas akhir ini.
DAFTAR PUSTAKA
[1] ]C. Coskun, Z. Oktay, I. Dincer., 2011, Performance
evaluations of a geothermal power plant, Balikesir
University, Turkey and University of Ontario Institute of
Technology, Oshawa, ON L1H 7K4 Canada.
[2] DiPippo, Ronald., 2008, Geothermal power plants:
principles, applications and case studies, 2nd Edition.
[3] A. Çengel, Yunus & A. Boles, Michael.,2005,
Thermodynamics: An Engineering Approach, 5th
edition.
[4] J. Moran, Michael & N. Shapiro, Howard., 2007,
Fundamentals of Engineering Thermodynamics, 6th
edition.
[5] Yari, Mortaza., 2009, Exergetic analysis of various types
of geothermal power plants, Department of Mechanical
Engineering, Faculty of Engineering, University of
Mohaghegh Ardabili, Ardabil 179, Iran.
[6] Lin, Yiqiu., Cobourn, W. Geoffrey., 2006, Fuzzy system
models combined with nonlinear regression for daily
ground-level ozone predictions, Department of
Mechanical Engineering, J.B. Speed School of Engineering,
University of Louisville, KY, USA.
[7] Aminudin, Mohammad., 2011, Peramalan Cuaca Kota
Surabaya Tahun 2011 menggunakan Metode Moving
Average dan Klasifikasi Naive Bayes, PENS ITS,
Indonesia.
[8] Cerci, Y., 2001. Performance Evaluation of a Single-
flash Geothermal Power Plant in Denizli. Turkey
[9] Azizah, N.S., Anwar, N., 2008. Permodelan Hujan-Debit
Menggunakan Model HEC-HMS di DAS SAMPEAN
BARU. Teknik Sipil ITS, Indonesia