BAB III

METODOLOGI PENELITIAN

3.1 Objek Penelitian

Pada penelitian tugas akhir ini objek penelitian utama penulis adalah salah satu
daerah dengan kriteria tertinggal, terdepan, dan terluar yang ada di Indonesia. Menurut
Peraturan Presiden No 131 Tahun 2015, daerah tertinggal merupakan daerah kabupaten
yang wilayah serta masyarakatnya kurang berkembang dibandingkan dengan daerah lain
dalam skala nasional. Penetapan daerah tertinggal dilakukan berdasarkan beberapa
indikator yaitu perekonomian masyarakat, sumber daya manusia, sarana prasarana,
kemampuan keuangan daerah, aksebilitas, dan karakteristik daerah. Fasilitas kelistrikan
termasuk dalam indikator sarana prasarana pada suatu daerah, sehingga rasio
elektrifikasi menjadi indikator dalam menentukan apakah suatu daerah termasuk dalam
kategori daerah tertinggal. Daerah yang dijadikan sebagai objek penelitian berada di
Kabupaten Asmat khususnya di Desa Amaru, Kecamatan Der Koumur, Papua.

3.1.1 Lokasi Penelitian

Desa Amaru terletak di Kecamatan Der Koumur pada koordinat
6°17'28.03" garis lintang dan 138°46'45.87"E garis bujur. Terdapatnya 211 daerah
tertinggal yang tercatat dalam data pemerintah tahun 2014 memerlukan perhatian lebih
untuk memberikan kesejahteraan pada masyarakat. Amaru merupakan salah satu desa
tertinggal dari 211 desa di Asmat. Terhitung dari data, ada 500 jumlah keluarga yang
menghuni desa tersebut dan keseluruhannya tidak teraliri listrik. Hal-hal yang menjadi
penting adalah untuk memanfaatkan kondisi di daerah tersebut agar mendapatkan
pembangkit hybrid off-grid yang dapat diandalkan untuk mengatasi masalah kurangnya
listrik di daerah tertinggal. Lokasi Kabupaten Asmat dan Desa Amaru berdasarkan citra
google earth dapat dilihat dari Gambar 3.1 dan 3.2.
 Gambar 3.1 Lokasi Kabupaten Asmat

Gambar 3.2 Lokasi Desa Amaru, Kecamatan Der Koumur

 Tabel 3.1 Jumlah rumah tangga pengguna listrik PLN dan non PLN Kecamatan
Der Koumur

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

3.1.2 Potensi Energi Terbarukan

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

Solar Temperature Wind

Month
Average Daily
Clearness Radiation Daily
Index Temperature Velocity

January 0.45 4.8 26.57 3.93

February 0.427 4.59 26.57 4.47

March 0.458 4.82 26.36 3.54
April 0.498 4.91 26.21 3.13
May 0.54 4.88 26.04 3.93
June 0.555 4.76 25.62 4.54
July 0.557 4.88 25.3 5.23
August 0.567 5.36 25.74 4.68

September 0.561 5.73 26.27 4.16

October 0.552 5.86 26.8 3.49
November 0.53 5.64 26.77 3.2
December 0.473 5.01 26.54 3.83
Average 0.514 5.10333333 26.2325 4.01083333

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

Gambar 3.3 Grafik Clearness Index Desa Amaru

 Daily Temperature
27
26.5
26
25.5
25
24.5
ar
y
ar
y ch ril ay ne Ju
ly us
t
be
r
be
r
be
r
be
r
nu ru ar Ap M Ju g m to m m
J a b M Au pte c e ce
Fe O
No
v
De
Se

Gambar 3.3 Grafik Daily Temperature Desa Amaru

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

Gambar 3.3 Grafik Daily Radiation Desa Amaru

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

Gambar 3.3 Grafik Daily Radiation Desa Amaru

Data diatas akan digunakan untuk menentukan kapasitas pembangkit PV dan

turbin angin yang akan dirancang. Untuk perhitungan, nilai yang akan digunakan adalah
nilai terkecil dan nilai rata-rata tahunan.
3.1.3 Pemodelan Beban Listrik

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 :

Tabel 3.3 Data Beban Harian Rumah Tangga

No Peralatan Daya Jumlah Total Daya Waktu Total

(W) (W) Pemakaian Energi
(Jam) (Wh)

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

Profil Beban Komunal

5
4.5
4
3.5
3
Daya (kW)

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

Gambar 3.4 Profil Beban Komunal 40 kWh

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 Total Waktu Total

No Peralatan (W) Jumlah Daya Pemakaian Energi
(W) (Jam) (Wh)
1 Desktop PC 300 1 300 10 3000
2 HP Deskjet 16 1 16 10 160
D2600 Printer

3 LCD Monitor 22 41 1 41 12 492

inch LG
4 Fan 50 3 150 12 1800
5 LED Lighting 3 10 15 12 180
6 Internet Router 66 2 132 10 1320

7 Communication 110 1 110 12 1320

Davice
8 Water Dispenser 250 1 250 10 2500
(standby 6 W)

9 Water Pump 75 1 75 3 225

Panasonic
(GL75X)

Total Energi Harian (Wh/hari) 10.997

Tabel 3.6 Data Beban Administratif Menurut Zona Waktu

Zona Waktu Total Daya Beban Total Daya Beban
Weekdays (kW) Weekwend (kW)

09.00 - 10.00 0.382 0.382

10.00 - 16.00 0.999 0.439
16.00 - 17.00 0.382 0.382
17.00 - 09.00 0.131 0.131
Total Energi Beban (kWh) 8.854 5.494
 Profil Beban Administrasi
1.2
1
0.8

Daya (kW)
0.6 Weekday
Weekend
0.4
0.2
0
0 5 10 15 20 25
Jam

Gambar 3.5 Profil Beban Administratif 11 kWh

Perbedaan profil beban terlihat jelas pada saat keadaan puncaknya. Untuk beban
komunal beban puncak terjadi pada malam hari dikarenakan pada malam hari seluruh
alat elektronik bekerja. Sedangkan untuk beban administrasi beban puncak terjadi pada
siang hari yaitu pada saat jam bekerja. Beban administrasi juga tidak sama sepanjang
hari dikarenakan beban di akhir minggu lebih kecil dibandingkan dengan beban dihari
kerja.

3.2 Pengolahan Data

Pada studi perencanaan pembangkit listrik hybrid dibutuhkan beberapa data,

diantarannya adalah data potensi energi dan data potensi beban yang ada di daerah
perencanaan yaitu Desa Amaru, Kecamatan Der Koumur, Kabupaten Asmat, Papua.
Kedua data ini mempengaruhi jenis pembangkit yang digunakan pada sistem hybrid ini
dan mempengaruhi pemilihan komponen yang digunakan.

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

Data Komponen Sumber

Modul Photovoltaic www.rekasurya.com
IRENA : Renewable Energy Technologies (Cost Analysis
Biaya instalasi PV
Series)

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/

3.3 Metodologi dan Instrumentasi

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.

3.3.1 HOMER Pro

 HOMER Pro merupakan salah satu software bagian dari HOMER yang
memudahkan untuk melakukan desain sistem pembangkit hybrid dengan menggunakan
energi terbarukan dan komparasi beberapa desain berdasarkan segi teknik dan ekonomi.
HOMER bekerja dalam tiga prinsip kerja yaitu simulasi, optimisasi, dan analisis
sensitivitas. Pada proses simulasi, HOMER memodelkan performansi suatu konfigurasi
sistem setiap jamnya dalam satu tahun untuk menentukan feasibilitas dari segi teknik
dan biaya kerja sistem secara mikro. Pada proses optimisasi, HOMER mensimulasikan
berbagai konfigurasi sistem untuk menentukan satu konfigurasi sistem yang baik dari
sisi teknis dan biaya yang paling ekonomis. Pada proses analisis sensitivitas, HOMER
dapat menentukan nilai optimal untuk sistem yang mengalami perubahan karena adanya
perubahan input, seperti cuaca yang tidak menentu mengakibatkan sumber energi yang
ada berubahubah dan adanya perubahan harga dari bahan bakar fosil yang dapat
mengubah biaya kerja dari sistem di masa mendatang. Berikut ini merupakan tampilan
awal ketika software HOMER Pro dibuka.

Gambar 3.6 Tampilan Awal HOMER Pro

3.4 Pelaksanaan Penelitian

Penelitian ini dilakukan di daerah yang termasuk dalam kategori daerat 3T di

Indonesia yaitu Desa Amaru, Kecamatan Der Koumur, Kabupaten Asmat, Papua. Pada
penelitian ini digunakan instrument Homer Pro untuk melakukan simulasi sistem dan
menghasilkan sistem yang baik dari sisi teknis maupun ekonomi. Sistem pembangkit
yang dianalida untuk bisa di rancang adalah didesain adalah sistem PV murni, turbin
angin murni, generator murni, hybrid PV-Turbin Angin-Generator, hybrid PV-Generator
yang memanfaatkan energi matahari dan angin sebagai energi utama dan generator
sebagai cadangan. Matahari dan angin merupakan contoh energi terbarukan yang
keberadaannya kontinu di alam, namun memiliki kelemahan yaitu sifatnya yang
intermittent sehingga pada sistem hybrid diperlukan generator untuk meningkatkan
keandalan sistem tersebut. Sebelum dilakukan simulasi sistem, diperlukan terlebih
dahulu menentukan komponen yang digunakan dalam sistem yaitu PV, turbin angin,
generator, converter, dan baterai. Pemilihan komponen tersebut tentunya mengacu pada
kapasitas sistem pembangkit hybrid yang diinginkan sesuai beban harian dan puncak
yang akan disuplai. Beban harian yang disuplai sistem terdapat dua jenis yaitu beban
komunal 20 kWh dengan beban puncak 2,15 kW dan beban administratif 11 kWh
dengan beban puncak 0,999 kW. Pada penelitian ini, HOMER Pro digunakan untuk
mensimulasikan tiga skema yaitu skema generator murni, skema PV murni, dan skema
turbin angin murni. Kemudian dilakukan simulasi kembali sistem pembangkit hybrid
PV-Turbin Angin-Generator dengan variasi nilai Renewable Fraction (RF) sebesar 60-
100 % dan variasi fraksi energi pembangkitan antara PV dan angin. Semua simulasi
dilakukan untuk kedua jenis beban yaitu beban komunal 20 kWh dan beban
administratif 11 kWh. Lalu semua hasil simulasi dari berbagai skema tersebut akan
dianalisis dan dibandingkan berdasarkan aspek teknis dan ekonomi.

3.4.1 Penentuan Panel Surya

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 %.