Bab Iii
Bab Iii
METODOLOGI PENELITIAN
Jumlah Jumlah
keluarga keluarga
Kabupaten Kecamatan Kelurahan Kondisi pengguna Tanpa
Listrik Listrik
ASMAT DER AMKAI Non 5 285
KOUMUR PLN
ASMAT DER YAMKAP Non 80 142
KOUMUR PLN
ASMAT DER AMARU Gelap 0 500
KOUMUR
ASMAT DER AMKUM Gelap 0 174
KOUMUR
ASMAT DER EROSAMAN Non 2 177
KOUMUR PLN
ASMAT DER AMAGAIS Non 12 74
KOUMUR PLN
ASMAT DER SOHOMANE Non 20 18
KOUMUR PLN
ASMAT DER SUAGAI Non 35 57
KOUMUR PLN
Sistem pembangkit yang dirancang pada penelitian ini adalah pembangkit hybrid
PV-Angin-Diesel, sehingga dibutuhkan data iradiansi matahari dan kecepatan angin.
Data-data tersebut didapatkan melalui perangkat lunak HOMER Pro yang diunduh dari
basis data NASA.
Tabel 3.2 Data alam Desa Amaru
Amaru
Month
Average Daily
Clearness Radiation Daily
Index Temperature Velocity
Clearness Index
0.6
0.5
0.4
0.3
0.2
0.1
0
ry ry ch ril ay ne Ju
ly st be
r er be
r
be
r
nua rua ar Ap M Ju ugu m tob m m
Ja b M A e Oc ve ce
Fe pt
Se No De
Daily Radiation
7
6
5
4
3
2
1
0
ar
y
ar
y ch ril ay ne Ju
ly st be
r er be
r
be
r
nu ru ar Ap M Ju ugu m tob m m
a b M A e c e e
J Fe pt O v c
Se No De
Velocity
6
5
4
3
2
1
0
ry ry ch ril ay ne Ju
ly st be
r er be
r
be
r
nua rua ar Ap M Ju ugu m tob m m
Ja b M A e Oc ve ce
Fe pt
Se No De
Pada penelitian ini digunakan dua jenis kelompok beban yaitu beban rumah
tangga / komunal dan beban administratif / perkantoran. Pada kelompok beban komunal,
kebutuhan energi setiap rumah tangga diasumsikan sebesar 400 Wh / hari sesuai dengan
standar Kementrian ESDM untuk daerah tertinggal. Profil beban komunal per harinya
diatur sesuai dengan standard IEA (International Energy Agency) yaitu beban puncak
terjadi ketika malam hari dan tidak terdapat perbedaan profil beban komunal baik saat
hari kerja maupun hari libur [16]. Pemodelan beban listrik komunal dilakukan dengan
menyesuaikan dengan kebutuhan rumah tangga. Pada umumnya sebagian besar
kebutuhan listrik masyarakat desa adalah lampu untuk penerangan. Selain itu terdapat
juga kebutuhan rumah tangga lainnya yang umum digunakan seperti televisi dan
peralatan elektronik sederhana. Pada penelitian ini beban komunal yang disuplai sistem
diasumsikan sejumlah 100 pelanggan dengan beban listrik yang diasumsikan sama
sehingga total beban komunal adalah 20 kWh/hari. Berikut ini merupakan data beban
komunal yang digunakan pada penelitian ini :
1 Lampu LED 3 2 6 8 48
2 Lampu LED 3 1 3 4 12
3 TV 20 inch 17 1 17 4 68
4 Charger HP 5 1 5 4 20
5 Kipas Angin 35 1 35 7 245
Total Energi Harian (Wh/hari/rumah) 393
Tabel 3.4 Data Beban Komunal 50 Pelanggan Menurut Zona Waktu
Zona Waktu Total Daya Beban Waktu Pemakaian (h) Total Energi Beban
(kW) (kWh)
Beban Pagi - 1.7 12 20.4
Siang Hari (06.00
- 18.00)
Beban Puncak 4.3 4 17.2
Malam Hari
(18.00 - 22.00)
Beban Malam 0.3 8 2.4
Hari (22.00 -
06.00)
Total Ebergi Beban (kWh) 40
2.5
2
1.5
1
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Jam
Pola beban administratif berbeda dengan beban komunal. Pada pola beban
administratif, beban puncak terjadi ketika siang hari dimana banyak peralatan elektronik
yang diguanakan di kantor. Pola beban administratif juga berbeda antara hari kerja dan
hari libur dimana pada hari libur lebih kecil dibandingkan pada hari kerja. Pada
penelitian ini, untuk pola beban administratif digunakan data pemakaian listrik Kantor
Kecamatan Caringin. Berikut ini merupakan data beban administratif yang digunakan
pada penelitian ini.
Tabel 3.5 Data Kebutuhan Beban Harian Administratif
Daya (kW)
0.6 Weekday
Weekend
0.4
0.2
0
0 5 10 15 20 25
Jam
Pada penelitian ini, data yang diperoleh berupa data primer dan data sekunder.
Data primer Data primer adalah data yang diperoleh secara langsung. Pada penelitian
ini, data yang diperoleh dari sumber data primer adalah potensi energi terbarukan dan
temperatur di daerah penelitian. Data ini diperoleh dari NASA melalui perangkat lunak
HOMER. Data yang diperoleh dari HOMER Pro berupa grafik rata-rata potensi energi
dan temperatur setiap bulan dalam satu tahun. Parameter energi matahari diperoleh dari
HOMER Pro adalah iradiansi matahari. Sedangkan data sekunder merupakan data yang
diperoleh secara tidak langsung, misalnya melalui studi literatur.
Data potensi beban dari daerah perencanaan diperoleh dari sumber data sekunder
yaitu studi literatur, melalui web Badan Pusat Statistik (BPS) Kabupaten Rote Ndao.
Data yang diperoleh dari literatur ini berupa jumlah kecamatan dan jumlah kepala
keluarga berdasarkan tingkat kesejahteraanya pada setiap kecamatan. Namun, data yang
diperoleh merupakan data tahun 2016, untuk data tahun 2017 tidak bisa didapatkan
karena masih belum dipublikasikan oleh Badan Pusat Statistik Kabupaten Rote Ndao.
Besarnya pemakaian energi dari setiap kepala keluarga diasumsikan sama dengan
standard yang ditetapkan oleh Kementerian ESDM yaitu 400 Wh/ kepala keluarga/ hari.
Setelah mendapatkan data potensi dan data beban, data ini akan menjadi acuan
dalam pemilihan komponen dan konfigurasi pembangkit hybrid. Setelah nilai
parameter yang dibutuhkan pada semua komponen ditentukan, akan dipilih merk dan
jenis komponen yang akan digunakan pada sistem pembangkit listrik hybrid ini. Data
komponen yang digunakan pada sistem ini, didapatkan dari berbagai sumber yang
tercantum pada tabel 3.7.
Tabel 3.7 Sumber Data Komponen dan Parameter Ekonomi
https://www.tokopedia.com/greenmyworld/turbinangin-wind-
Turbin angin
turbine-600watt-24v
http://www.cvdutarimba.com/2016/07/harga-towertriangle-
Biaya struktur
bandung.html
Baterai www.rekasurya.com
Konverter (Inverter,
http://sunenergi.co.id/
MPPT, AC Charger)
Generator www.indoteknik.com
http://ww.bi.go.idenmoneteribirate/datalDefault.aspx
Parameter ekonomi
http://www.bi.go.id/id/Default.aspx .
http://cektarif.com/pos-indonesia
Biaya pengiriman
komponen https://www.kliklogistics.co.id/tarif-cargo-laut/tarifcargo-
jakarta-kupang-papua/
Metodologi penelitian ini secara umum dijelaskan pada diagram alir gambar 1.1 ,
dimulai dengan pengumpulan data potensi energi dan potensi beban, kemudian data ini
diolah menjadi parameter setiap komponen yang ada pada sistem. Setelah mendapatkan
parameter setiap komponen, dilakukan simulasi dan optimisasi menggunakan HOMER
Pro untuk mencari konfigurasi yang memiliki biaya pembangkitan terendah.
Daya maksimum panel surya yang digunakan disesuaikan dengan energi yang
dibutuhkan beban yaitu 20 kWh untuk beban komunal 50 pelanggan dan 11 kWh untuk
beban administrasi. Energi yang harus dibangkitkan oleh panel surya juga harus
disesuaikan dengan nilai solar fraction. Untuk sistem dengan solar fraction 100%,
energi yang dihasilkan oleh panel surya juga harus disesuaikan dengan waktu otonomi,
yaitu 3 hari. Sedangkan untuk sistem dengan renewable fraction dibawah 100% tidak
memakai waktu otonomi karena ada sumber energi listrik cadangan dari generator.
Selain itu perlu disesuaikan juga dengan potensi energi matahari yang ada, yakni nilai
iradiansi matahari yang dapat diasumsikan sebagai nilai Peak Sun Hour (PSH). Untuk
skenario PV murni maka diambil nilai iridiansi yang terkecil dalam satu tahun yaitu 4,59
kWh/m2/hari sehingga dapat diasumsikan nilai PSH yaitu 4,59 jam. Sedangkan untuk
skenario hibrida nilai iridiansi yang digunakan adalah nilai rata-rata dalam satu tahun
yaitu sebesar 5,103 kWh/m2/hari sehingga dapat diasumsikan nilai PSH adalah 5,103
jam. Dalam pengoperasiannya, terdapat beberapa kendala yang dapat menurunkan
performa dari panel surya, misalnya adanya shading dan pengaruh temperatur
lingkungan. Oleh karena itu perlu dipertimbangkan nilai dari performance ratio, untuk
sistem off-grid, nilai performance ratio antara 60 % - 70 %. Pada penelitian ini,
digunakan performance ratio 60 %.