MODEL MULTI OBJECTIVE PEMROGRAMAN DEVIASI MINIMUM

UNTUK MINIMALISASI DAMPAK LINGKUNGAN DALAM

PENGEMBANGAN KAPASITAS PEMBANGKIT LISTRIK SISTEM
JAWA-BALI

Hedwigis Chrisma Hapsari

Jurusan Teknik Industri FTI, Institut Teknologi Sepuluh Nopember

Kampus ITS Sukolilo, Surabaya 60111

Abstrak: Permodelan perencanaan pembangkit listrik seringkali dilakukan hanya dengan pendekatan optimalisasi objektif tunggal yaitu
minimalisasi biaya. Objektif pembangunan pembangkit listrik tidak hanya ditujukan untuk memberikan efisiensi ekonomis sebesarnya,
tetapi objektif lain seperti lingkungan hidup juga perlu diperhatikan. Karena problem pengembangan kapasitas listrik yang dihadapi
memiliki banyak kriteria evaluasi, maka pendekatan yang tepat untuk optimalisasinya adalah dengan model optimasi multi objektif.
Fungsi objektif dari permodelan perencanaan kapasitas listrik ini adalah meminimumkan present worth dari biaya investasi dan biaya
operasional pembangkit; serta meminimumkan dampak lingkungan melalui minimasi tingkat emisi gas yang dihasilkan oleh pembangkit
listrik. Tingkat emisi yang diminimumkan adalah emisi SO 2, CO2, CO, NOx dan SPM. Permodelan multi objektif ini akan diselesaikan
dengan menggunakan Metode Deviasi Minimum untuk mendapatkan solusi kompromis dari fungsi tujuan yang saling berkonflik. Solusi
kompromis yang dihasilkan adalah berupa kapasitas daya yang dibangkitkan pada jenis pembangkit tertentu dan pada periode tertentu.
Solusi yang dihasilkan merupakan suatu solusi trade off antara minimasi biaya dan minimasi tingkat emisi. Penurunan tingkat emisi akan
mengakibatkan kenaikan biaya yang harus dikeluarkan, sebaliknya penekanan biaya akan mengakibatkan kenaikan tingkat emisi tertentu.
Solusi kompromis yang didapatkan merupakan solusi yang mencapai kombinasi paling efisien dari segi ekonomis dan lingkungan

1. PENDAHULUAN banyak sasaran dan kriteria, maka pendekatan yang paling

Hampir semua aktivitas sistem/jenis pusat
pembangkit tenaga listrik menimbulkan dampak pada
lingkungan. Misalnya pembangunan PLTA akan
berdampak pada kualitas air, tanah serta lingkungan sosial.
Pemakaian bahan bakar pada jenis pembangkit PLTU,
PLTD maupun geothermal sebagai sumber pembangkitan
energi secara umum menimbulkan pencemaran udara dan
secara umum akan berdampak terhadap lingkungan seperti
pemanasan global akibat emisi CO 2, hujan asam akibat
emisi SO2 dan NOx, penipisan lapisan ozon, yang saling
berhubungan satu dengan lainnya . Maka perlu
direncanakan produksi listrik sedemikian rupa untuk
memenuhi demand dengan mencapai efisiensi ekonomisnya
dan meminimalkan dampak lingkungan.
Salah satu dimensi baru dalam perencanaan sistem
tenaga listrik adalah keinginan yang meluas untuk
memasukkan masalah lingkungan hidup secara terpisah dari
pertimbangan efisiensi ekonomis. Masalah dampak
lingkungan dalam bidang ketenagalistrikan sejak beberapa
tahun lalu telah menjadi perhatian baik untuk memenuhi
persyaratan oleh pihak pemberi dana, maupun dalam
rangka pemenuhan terhadap persyaratan domestik
(AMDAL). Hal tersebut mengakibatkan kesulitan baru
mengingat kedua tujuan tersebut satu sama lain tidak dalam
proporsi yang saling mendukung bahkan saling
bertentangan.
Mengingat karakteristik problem perencanaan
pengembangan pembangkit listrik yang dihadapi memiliki
tepat untuk melakukan proses optimalisasi adalah dengan
model optimasi multi objektif. Penelitian ini diarahkan
untuk penggunaan model optimasi multi objektif dalam
analisis dan minimalisasi dampak lingkungan dari
perencanaan pengembangan kapasitas pembangkit energi
listrik sistem Jawa-Bali.
Model multi objektif yang dikembangkan
diharapkan dapat mengatasi persoalan optimasi
perencanaan energi listrik yang selama ini masih berpegang
pada prinsip ”least cost” analisis, yang belum
memperhatikan dasar-dasar kebijakan pembangunan energi
nasional yang multi objektif. Karenanya model multi
objektif diusulkan sebagai metode atau alat bantu untuk
perencanaan pembangkit listrik sampai pada suatu periode
perencanaan tertentu, supaya dapat menghasilkan suatu
rencana pembangkitan yang optimal, dalam pengertian
mencapai kombinasi yang paling efisien dari segi ekonomis
dan lingkungan.
2. OPTIMASI MULTI OBJEKTIF
Persoalan multi objektif membahas masalah optimisasi
yang mempunyai dua atau lebih fungsi tujuan. Perbedaan
pokok persoalan multi objektif dengan persoalan optimasi
klasik terletak dari cara menyatakan fungsi sasarannya.
Problem optimasi secara umum didefinisikan sebagai
problem optimasi (memaksimalkan atau meminimumkan)
suatu fungsi f(x) dengan dibatasi kendala g1(x)  b1, g2(x) 
b2, …, gm(x)  bm, di mana x merupakan vektor bilangan

1
real yang nonnegative. Ketika terdapat k objektif yang sebagian dari nilai optimum individunya. Untuk lebih jelas
harus dioptimalkan secara simultan, maka problem tersebut dapat dilihat matriks payoff pada gambar 2.1. Diagonal
merupakan persoalan multi objektif yang dapat matriks merupakan nilai optimal individu atau solusi ideal
diformulasikan dalam bentuk umum sebagai berikut: untuk k fungsi objektif. xh* merupakan solusi optimal
individu, di mana masing-masing digunakan untuk
Maximize: Zq = fq(x), q = 1,2,…,k (2.1) menentukan nilai dari fungsi objektif individu yang lain,
Subject to: gi(x)  bi, i = 1,2,…,m (2.2) sehingga terbentuklah matriks payoff.
x0 (2.3) x1* x1* … xh*
… xk*
di mana: 1*
Z1 f1(x ) f1(x ) 2*
… f1(x ) … f1(xk*)
h*

x adalah variabel keputusan (decision variable) 1*

Z2 f2(x ) f2(x ) 2*
… f2(xh*) … f2(xk*)
fq (x), q = 1,2,3,…,k; k = fungsi tujuan … … … … … … …
gi (x), i = 1,2,3,…,m; m = fungsi kendala Zq fq(x1*) fq(x2*) … fq(xh*) … fq(xk*)
Pada persoalan optimisasi tujuan tunggal sasaran … … … … … … …
kita adalah mengidentifikasikan suatu solusi optimal di Zk fk(x1*) fk(x2*) … fk(xh*) … fk(xk*)
antara sekian solusi feasible yang menghasilkan nilai Gambar 2.1 Matriks Payoff
tertinggi dari fungsi tujuan. 2.3 Metode Deviasi Minimum
Pengertian optimisasi seperti tersebut berbeda Metode deviasi minimum bertujuan untuk
dalam persoalan optimisasi multi objektif, mengingat solusi menemukan solusi kompromis terbaik dengan meminimasi
yang memaksimumkan satu fungsi pada umumnya tidak jumlah deviasi fraksional dari setiap objektif dari persoalan
dengan sendirinya memaksimumkan fungsi tujuan lainnya. multi objektif. Deviasi fraksional dari objektif mengacu
Persoalan optimasasi multi objektif tidak mengenal solusi pada rasio antara deviasi nilai objektif dari solusi optimal
optimal yang unik. Keoptimalan digantikan dengan konsep individunya dengan deviasi maksimum. Deviasi maksimum
“memuaskan” atau solusi kompromi terbaik. tetapi dari suatu objektif didapatkan dari perbedaan antara solusi
diperoleh solusi non-inferior atau juga disebut non- optimal individual dengan solusi yang paling tidak
dominance atau pareto optimality. diinginkan, yang merupakan solusi optimal individual dari
objektif yang lain.
2.1 Konsep Solusi Optimal dan Efisien Langkah-langkah metode deviasi minimum adalah
Solusi optimal dalam konsep klasik merupakan sebagai berikut:
solusi yang mencapai nilai maksimum dari semua objektif 1) Membuat tabel payoff
secara simultan. Solusi x* dari suatu problem optimal jika Untuk setiap fungsi objektif, nilai
dan hanya jika x* S dan fq(x*)  fq(x) untuk semua q dan optimalnya ditentukan lebih dahulu dengan
semua xS, di mana S merupakan daerah layak. Secara pembatas konstrain original. Kemudian nilai
umum, tidak ada solusi optimal pada problem multi fungsi objektif yang lain dihitung dengan
objektif. Keoptimalan dapat dicapai hanya jika objektif memasukkan nilai optimal individu dari setiap
tidak saling berkonflik. Maka dari itu, dalam problem multi fungsi objektif. Setelah hal ini dilakukan untuk
objektif kita harus puas dengan solusi efisien atau juga semua objektif, maka dapat dibuat table payoff
disebut solusi non-inferior atau solusi pareto optimal. seperti pada gambar 2.5. Kolom j merupakan
Solusi efisien atau non-inferior adalah suatu vektor solusi xj*, yang mengoptimasi objektif ke-j,
keadaan di mana tidak mungkin diperoleh pertambahan fj (x). fij merupakan nilai dari objektif fi(x) ketika
(pembesaran) dari setiap fungsi tujuan tanpa dalam waktu fj(x) mencapai nilai optimum individu f j*. Nilai
bersamaan mengakibatkan pengurangan (pengecilan) optimum individu dari setiap fungsi objektif
sekurang-kurangnya satu fungsi tujuan lainnya. Solusi x* terletak pada elemen diagonal dari tabel payoff.
merupakan solusi efisien jika dan hanya jika tidak terdapat Jika x* merupakan solusi ideal, yang
x  S di mana fq(x)  fq(x*) untuk semua q dan fq(x) > fq(x*) memberikan k vektor dari nilai optimum setiap
untuk paling tidak satu q. Solusi tersebut tidak unik. fungsi objektif, maka F* (x*) = [ f1*, f2*, …, fk*]
2.2 Konsep Solusi Ideal
merupakan vektor objektif ideal. Vektor
Karena situasi objektif yang berkonflik dalam tersebut tidak dapat didapatkan kecuali
problem optimasi multi objektif, maka tidak mungkin untuk semua fungsi objektif tidak berkonflik.
mencapai nilai optimum individu dari setiap solusi efisien X1* X2* … Xj* … Xk*
dengan solusi tunggal. Setiap fungsi objektif mempunyai Z1 f1* f12 … f1j … F1k
solusi “ideal”-nya sendiri yang berbeda untuk semua Z2 f21 f2* … f1j … F1k
objektif yang lain. Menggunakan salah satu nilai ideal … … … … …
sebagai solusi untuk problem multi objektif akan berarti Zi fi1 fi2 … fij … fik
bahwa objektif tersebut mencapai nilai optimum … … … … …
individunya, sedangkan objektif sisanya hanya mencapai Zk fk1 fk2 … fkj … f k*

2
 Gambar 2.2 Tabel Payoff
2) Prosedur perhitungan
Solusi kompromi terbaik didefinisikan
sebagai solusi yang memberikan jumlah minimum
dari deviasi fraksional semua objektif. Deviasi
fraksional dari setiap objektif diekspresikan
sebagai fraksi dari deviasi maksimumnya. Hal ini
perlu dengan alasan sebagai berikut:
(a) Objektif mungkin berbeda dalam unit
pengukuran. Konversi fraksional akan
membantu mengeliminasi efek perbedaan
dimensi dalam perhitungan.
(b) Dalam hal perbedaan besaran yang
signifikan dari fungsi objektif, total
deviasi absolut akan didominasi oleh
objektif dengan besaran yang lebih besar.
Fraksional akan membantu
menormalisasi besaran dari tiap objektif.
(c) Akan menghindari kesulitan ketika
optimum individual dari objektif sangat
kecil atau mendekati nol.
Jika fj* merupakan nilai objektif yang
paling tidak diinginkan dari fj(x), maka problem
deviasi minimum diformulasikan sebagai berikut:
k yang akan dibangkitkan untuk setiap jenis pembangkit pada
Minimize Zo =  fj* - fj (x) (2.4)
j=1 fj* - fj*
subject to x  X (2.5)
Denominator (fj* - fj*) memberikan
normalisasi untuk setiap objektif. Maka
[(fj*fj(x))]/[fj* - fj)] merupakan deviasi fraksional
dari objektif fj(x). Ide minimisasi Zo dapat
ditunjukkan dengan interpretasi geometris pada
programa linier multi objektif sederhana dari dua
objektif dengan dua variabel seperti pada gambar
2.6. Pada gambar ditunjukkan, f 1(x) dan f2(x)
dioptimalkan.
f2*
x2
A D G f1(x)
C
FE
f1*
x1
f2(x)
Gambar 2.3 Interpretasi Geometris dari
Pendekatan Deviasi Minimum
Titik A dan B masing-masing merupakan solusi individu
dari objektif f1(x) dan f2(x). Besarnya (fj*- fj*) dapat
direpresentasikan dengan panjang dari BG dan AE, masing-
masing untuk j=1 dan j=2. Jika C merupakan sebarang titik
yang menjadi kandidat solusi kompromi terbaik, maka
panjang CD dan CF masing-masing merepresentasikan
besar dari (f1*-f1(x)) dan (f2*-f2(x)). Fungsi objektif Zo
merupakan minimisasi dari (CD/BG + CF/AE).
3. FORMULASI MODEL
Terdapat dua macam objektif yaitu objektif untuk
meminimasi biaya dan objektif untuk meminimasi dampak
lingkungan melalui minimasi tingkat emisi. Terdapat lima
jenis tingkat emisi yang akan diminimumkan yaitu emisi
CO2, CO, SO2, NOx, dan SPM, sehingga terdapat lima
fungsi objektif untuk minimasi dampak lingkungan. Maka
secara keseluruhan terdapat enam fungsi objektif, yaitu satu
fungsi objektif untuk minimasi biaya dan lima fungsi
objektif untuk minimasi tingkat emisi. Sedangkan variabel
keputusan yang akan dicari ialah kapasitas pembangkit
periode tertentu.
Formulasi model secara lengkap adalah sebagai
berikut:
Fungsi Tujuan:
Minimize F1 =   (1+ r)p – 1 AICi Xij +
i j
r (1+ r)p
   OCi il tl Xij (3.1)
i j l
Fungsi tujuan pertama dimaksudkan untuk
meminimasi biaya total yang terdiri dari biaya investasi dan
biaya operasional. Biaya investasi tahunan (annual)
dinyatakan dalam nilai sekarang (present value) untuk
periode perencanaan lima tahunan. Sedangkan yang
termasuk dalam biaya operasional adalah biaya bahan
bakar dan biaya perawatan (maintenance).
Minimize F2 =    ki SO2 il tl Xij (3.2)
i j l
Minimize F3 =    ki CO2 il tl Xij (3.3)
i j l
Minimize F4 =    ki CO il tl Xij (3.4)
i j l
Minimize F5 =    ki NOx il tl Xij (3.5)
i j l
Minimize F6 =    ki SPM il tl Xij (3.6)
3
 i j l memperhatikan reserve margin atau prosentase
daya cadangan yang harus disediakan.
 (1-i )Xij  Dj (3.7)
i
Keterangan: di mana D = pertambahan demand untuk kapasitas
F1 =biaya total yang terdiri dari biaya daya terpasang dan  = nilai reserve margin atau
investasi dan biaya operasi prosentase daya cadangan yang harus tersedia.
F2 s/d F6 =tingkat emisi 2. Konstrain kebutuhan energi
Xij =variabel keputusan; Konstrain ini dimaksudkan untuk
kapasitas daya untuk setiap menjamin agar kebutuhan energi untuk setiap
pembangkit i pada periode j periode perencanaan pada setiap daerah beban
il =konstanta faktor ketersediaan dapat dipenuhi.
untuk jenis pembangkit i dan  il tl Xij  KEjl (3.8)
daerah beban l i
tl = lama operasi pembangkit untuk di mana KE = pertambahan kebutuhan energi
daerah beban l 3. Konstrain ketersediaan potensi hidro
AIC =biaya investasi tahunan Kapasitas pembangkit energi hidro
OC =biaya operasional dibatasi oleh ketersediaan potensi hidro di pulau
k =koefisien emisi untuk jenis Jawa.
pembangkit i  Xij  H ; i = 1 (3.9)
SO2 =Sulphur dioxide j
CO2 =Carbon dioxide di mana H = ketersediaan potensi hidro
CO =Carbonoxide 4. Konstrain ketersediaan potensi geothermal (panas
NOx =Nitrogenoxide bumi)
SPM =Suspended Particulate Matter Kapasitas pembangkit energi panas bumi
dibatasi oleh ketersediaan potensi panas bumi di
Fungsi biaya investasi mengandung pengertian transformasi Jawa-Bali.
nilai sekarang (present worth) yang dinyatakan dengan  Xij  P ; i = 2 (3.10)
(1+ r)p – 1 di mana j
di mana P = ketersediaan potensi panas bumi
(1+ r)p
4. HASIL SOLUSI KOMPROMIS MULTI OBJEKTIF
r = discount rate dan p = jumlah periode. Dengan menggunakan metode deviasi minimum serta
menggunakan bantuan software optimasi Lingo 5.0, maka
Notasi yang digunakan adalah sebagai berikut: didapatkan solusi kompromis seperti terlihat pada tabel 4.1.
( i ) = jenis pembangkit
1. PLTA (Pusat Listrik Tenaga Air) Tabel 4.1 Pencapaian Solusi Kompromis Multi Objektif
2. PLTP (Pusat Listrik Tenaga Panasbumi) Perencanaan Pembangkitan Kapasitas Listrik untuk
3. PLTGU (Pusat Listrik Tenaga Gas dan Uap) Setiap Periode
4. PLTU (Pusat Listrik Tenaga Uap / batubara)
5. PLTG (Pusat Listrik Tenaga Gas)
6. PLTD (Pusat Listrik Tenaga Diesel)
PLTA(MW) PLTP(MW) PLTGU(MW)
( j ) = periode
Periode 1 1.485,88 9.268,02
1 = 2004 - 2008
2 = 2009 –20013 Periode 2 1.260 951,57 13.655,29
( l ) = daerah beban Pencapaian nilai objektif masing-masing fungsi tujuan dari
1. beban puncak solusi kompromis adalah sebagai berikut:
2. beban menengah-1
3. beban menengah-2 Tabel 4.2 Pencapaian Nilai
Objektif dari Solusi
4. beban dasar Kompromis Perencanaan Pembangkit
No. Fungsi objektif Nilai Objektif
Fungsi kendala: 1 Min. total cost 452.894 (juta $)
1. Konstrain permintaan atau demand 2 Min. emisi SO2 240.786 106 (lb)
Konstrain ini dimaksudkan untuk 3 Min. emisi CO2 155.819 106 (lb)
menjamin agar permintaan kapasitas daya untuk 4 Min. emisi CO 379.354 106 (lb)
setiap periode perencanaan dapat dipenuhi dengan 5 Min. emisi NOx 188.941 106 (lb)

4
 6 Min. emisi SPM 62.975 106 (lb)
Pencapaian nilai objektif dari solusi kompromis
untuk setiap skenario ditunjukkan pada tabel 5.1.

Tabel 5. 1 Pencapaian Nilai Objektif Kompromis Setiap

5. ANALISA SENSITIVITAS Skenario
Analisa sensitivitas dilakukan untuk mengetahui
pengaruh dari perubahan-perubahan parameter yang terjadi.
Fungsi Pencapaian Nilai Objektif
Analisa sensitivitas akan dilakukan dengan menggunakan 6
objekti Skenario Skenario Skenario Skenario Skenario E Skenario F
skenario sebagai berikut: A B C D
f
- Skenario A: skenario dasar Min.cost 452.894 540.514 912.301 461.971 470.305 452.894
- Skenario B: skenario dengan kenaikan permintaan (juta $)
Min. emisi 240.786 277.125 147.651 245.593 240.786 240.786
energi dan kapasitas pembangkit sebesar 15% SO2 (lb) 106 106 106 106 106 106
Min. emisi 155.819 183.414 223.341 150.842 155.819 155.819
- Skenario C: skenario dengan penurunan CO2 (lb) 106 106 106 106 106 106
permintaan energi dan kapasitas pembangkit Min. emisi
CO (lb)
379.354
106
436.606
106
232.674
106
386.924
106
379.354
106
379.354
106
sebesar 15% Min. emisi 188941 217457 115899 715068 188941 188941
NOx (lb) 106 106 106 106 106 106
- Skenario D: skenario dengan kenaikan biaya Min. emisi 6.2975 106 72.479 106 38.616 106 64.232 106 62.975 106 62.975 106
operasional pembangkit tenaga panas bumi sebesar SPM (lb)

10%
- Skenario E: skenario dengan kenaikan biaya
operasional pembangkit tenaga gas dan minyak
sebesar 10%
- Skenario F: skenario dengan kenaikan biaya
operasional pembangkit tenaga batubara sebesar
10%
Solusi kompromis dari setiap skenario untuk periode 1
dan 2 dapat diperlihatkan secara grafis seperti pada gambar
5.1 dan 5.2.
6. ANALISA TRADE OFF
Dapat dibuat suatu matriks “cross effect” untuk
setiap skenario perubahan seperti pada gambar 5.4. Setiap
kolom merepresentasikan fungsi objektif yang masih bisa
dicapai oleh model solusi optimalnya. Pencapaian nilai
pada sisi kolom terbawah merupakan solusi yang terbaik.
Gambar 5.4 Grafik Cross Effect Matrix Solusi
“Optimal” Berbagai Skenario

Grafik di atas memberikan gambaran suatu trade

off. Misalnya skenario C mempunyai total cost yang paling
tinggi, tetapi memiliki tingkat emisi yang paling rendah
dibandingkan skenario yang lain, kecuali untuk emisi CO 2.
Skenario D memiliki biaya yang rendah tetapi memiliki
tingkat emisi yang relatif tinggi.
Trade off juga dapat dilakukan dengan melihat
nilai reduced cost atau dapat diartikan juga sebagai penalty
cost dari setiap variabel keputusan. Trade off dilakukan
antara fungsi tujuan minimasi cost dengan masing-masing

5
fungsi tujuan minimasi tingkat emisi, serta antara fungsi Misalnya trade off antara minimasi cost dengan
tujuan minimasi tingkat emisi yang berkonflik. minimasi SO2 pada skenario A: Untuk minimasi cost,
alternatif pembangkit yang dipilih adalah PLTA, PLTGU
dan PLTD; sedangkan untuk meminimasi emisi SO 2, selain Duckstein, Lucien; Goicoechea, Ambrose; Hansen, Don R.
PLTA dan PLTGU harus dipilih pembangkit PLTP yang (1982), Multiobjective Decision Analysis with
menghasilkan tingkat emisi SO2 yang rendah. Nilai reduced Engineering and Business Aplication,John Wiley
cost untuk pembangkit PLTP adalah $80116578, sehingga and Sons
untuk meminimasi emisi SO2, diperlukan tambahan biaya Kok, Matthijs (1986), Conflict analysis Via Multiple
sebesar $80116578. Sebaliknya jika dipilih PLTD untuk Objective Programming With Experiences in Energy
meminimasi cost, maka akan meningkatkan emisi SO 2 Planning, ICG Printing Dordrecht
sebesar 21,5 106 lb yang merupakan nilai reduced cost dari Tabucanon, Mario.T (1988), Multiple Criteria Decision
PLTD. Making in Industry, Netherland: Elsevier Science
Publishing Company
7. KESIMPULAN Zuhal (1995), Ketenagalistrikan Indonesia, Bandung: PT.
Model multi objektif deviasi minimum dapat Ganesha Prima
digunakan sebagai alat bantu dalam pemecahan masalah
perencanaan pengembangan pembangkit listrik pada sistem
Jawa-Bali. Model multi objektif pada penelitian ini dapat
mengatasi persoalan optimasi perencanaan pembangkit
listrik yang tidak hanya berpegang pada least cost analisis,
tetapi juga minimalisasi dampak lingkungan melalui
minimalisasi tingkat emisi yang dihasilkan oleh pembangkit
listrik.
Solusi kompromis antara minimasi biaya dan
minimasi tingkat emisi perencanaan pembangkit listrik
adalah pembangkitan kapasitas listrik sebesar 1.485,879
MW pada jenis pembangkit tenaga panas bumi (PLTP), dan
9.268,02 MW pada pembangkit tenaga gas alam (PLTGU)
pada periode tahun 2004 – 2008. Sedangkan penambahan
kapasitas pada periode tahun 2009 – 20013 adalah sebesar
1.260 MW pada jenis pembangkit tenaga air (PLTA),
951,7 MW pada pembangkit tenaga panas bumi (PLTP)
dan 13.655,29 MW pada pembangkit tenaga gas alam
(PLTGU).
Solusi yang dihasilkan merupakan suatu trade off
antara minimasi biaya dan dampak lingkungan. Penurunan
dampak lingkungan melalui penurunan tingkat emisi akan
mengakibatkan kenaikan biaya yang harus dikeluarkan.
Total biaya yang harus dikeluarkan untuk pengembangan
kapasitas pembangkit listrik tahun 2004 – 20013 dengan
memperhatikan dampak lingkungan adalah sebesar 452.894
juta $.
Perubahan parameter seperti kenaikan biaya
operasional, penurunan atau kenaikan demand akan
mempengaruhi total cost dan tingkat emisi yang dihasilkan,
juga jenis pembangkit yang dipilih.

DAFTAR PUSTAKA
Amagai, Hisashi (1989), Electricity Generating Sources for
Japan in The Year 2000: A Multiple Criteria
Decision Making Analysis, Michigan: A Bell &
Howell Company
Asriningwuri, Handayani (2001), Aplikasi Algebraic
Modelling System dalam Perencanaan Sistem
Ketenagalistrikan Jangka Panjang (Studi Kasus
Sistem Tenaga Listrik Jawa Timur), Surabaya