Abstrak
Belum ada kajian yang komprehensif tentang sejauh mana potensi energi angin guna menjadi sumber energi listrik terbarukan di Kota Tarakan. Oleh
karena itu, penelitian ini mengusulkan pengembangan aplikasi analisis potensi angin sebagai sumber energi listrik terbarukan di Kota Tarakan
menggunakan estimasi parameter Weibull berbasis metode Power Density. Frekuensi kecepatan angin diubah ke dalam bentuk kurva distribusi Weibull
berdasarkan parameter bentuk (k) dan skala (s). Kemudian kedua parameter ini dicari menggunakan formulasi Power Density berdasarkan perhitungan
rata-rata kecepatan angin dan rata-rata kubik kecepatan angin. Hasil eksperimen aplikasi usulan terhadap 1000 sampel data primer kecepatan angin
yang diambil selama 100 hari menunjukkan nilai k dan s adalah 1,32 dan 1,90, sedangkan hasil eksperimen terhadap 48 sampel data sekunder yang
diambil per bulan dalam 4 tahun menunjukkan nilai k dan s adalah 2,55 dan 3,42. Kedua jenis data ini mengindikasikan bahwa Kota Tarakan memiliki
variabilitas angin tinggi dan lebih banyak berhembus angin kecepatan rendah < 4 m/s. Selain itu, rata-rata potensi daya angin yang dapat diserap turbin
skala sangat kecil (diameter 2 m) hanya 13,60 s/d 32,48 watt, sehingga energi angin memiliki potensi yang sangat kecil untuk diterapkan sebagai
pembangkit energi listrik di Kota Tarakan.
Kata Kunci: aplikasi analisis, potensi angin, energi terbarukan, weibull, power density, Kota Tarakan
Abstract
There is no comprehensive study on the extent of wind energy potential to become a renewable electricity resource in the Tarakan city. Therefore, this
study proposes the development of application for wind potential analysis as a renewable electricity resource in the Tarakan city using Weibull
parameter estimation based on the Power Density method. The frequency of wind speed is converted into a Weibull distribution curve based on the
parameters of k and s. Then these two parameters are searched using the Power Density formulation. The experimental results of the proposed
application of 1000 primary data samples of wind speed taken over 100 days showed the values of k and s were 1.32 and 1.90, while the experimental
results of 48 secondary data samples taken per month in 4 years showed the value of k and s are 2.55 and 3.42. Both types of data indicate that
Tarakan City has high wind variability and more low-speed wind blows <4 m / s. In addition, the average wind power potential that be absorbed by a
very small-scale turbine is only 13.35-32.48 watts, so the wind power does not have the potential to be applied as a power plant in the Tarakan City.
Keywords: application analysis, wind potential, renewable energy, weibull, power density, Tarakan City.
129
Salah satu yang paling umum digunakan berbasis metode Power Density. Parameter
untuk menganalisis potensi angin adalah bentuk (k) dan skala (s) Weibull digunakan
menggunakan kurva distribusi Weibull. untuk mengubah bentuk data-data kecepatan
Distribusi Weibull merupakan salah satu angin ke dalam bentuk kurva PDF (probability
distribusi probabilitas kontinu yang dicirikan density function) dan perkiraan potensi energi
dengan pendugaan parameter bentuk (k) dan angin. Selanjutnya, kedua parameter ini dicari
skala (s) untuk menganalisis keandalan dan menggunakan formulasi metode Power
memprediksi lama waktu kestabilan suatu Density yang hanya mempertimbangkan rata-
sistem, termasuk mampu untuk menentukan rata kecepatan angin dan rata-rata kubik
apakah daerah memiliki kecepatan angin yang kecepatan angin, sehingga hasil analisis dapat
baik atau tidak [2]. Beberapa metode yang diperoleh dengan akurat, cepat, dan efisien
relevan telah diusulkan untuk menyelesaikan untuk sejumlah data sampel yang besar.
pendugaan parameter k dan s dalam kurva
Weibull, diantaranya metode Maximum 2. METODE
Likelihood (MLM) [3], metode Least Square
(LSM) [4], metode Moment (MM) [5], dan Angin merupakan hembusan udara yang
metode Power Density (PDM) [6]. Beberapa bergerak dari suatu daerah yang memiliki
metode tersebut memiliki keunggulan dan tekanan tinggi ke daerah yang memiliki
kelemahan masing-masing tergantung variasi tekanan yang lebih rendah. Semakin tinggi
ukuran, distribusi, dan format data sampel. perbedaan tekanan udara diantara dua tempat,
Misalnya LSM berkinerja baik daripada MLM maka semakin kencang kecepatan angin
jika ukuran sampelnya cukup kecil, sebaliknya bertiup. Perubahan panas pada pergantian
MLM unggul ketika data sampel yang diolah siang dan malam juga turut mempengaruhi
sangat besar [4] dan data angin berbentuk siklus gaya gerak sistem kecepatan angin
time-series [6]. Akan tetapi, perhitungan harian, karena adanya perbedaan temperatur
parameter k dan s pada LSM memerlukan yang tinggi antara udara daratan dan lautan
evaluasi distribusi frekuensi dengan atau udara diatas dataran tinggi dan dataran
mengurutkan data kecepatan angin terlebih rendah. Dalam hal mengukur kecepatan angin,
dahulu, sehingga cukup bias untuk sampel data seringkali kecepatan angin dinyatakan dengan
yang besar. Kemudian dengan MLM, data merata-ratakan data bulanan sepanjang tahun
kecepatan angin tidak perlu diurutkan, tetapi untuk mendapatkan gambaran potensi angin
kompleksitas perhitungan parameter k dan s pada suatu lokasi [8]. Penyebab utama angin
tinggi, karena dihitung secara iteratif dan bertiup secara kontinyu, khususnya di daerah
ekstensif untuk sampel data yang besar [6]. pantai adalah Angin Darat-Laut yang muncul
Lebih lanjut, MM dan PDM mampu sebagai akibat perbedaan karakteristik laut dan
mengurangi kompleksitas perhitungan dari darat, dimana Indonesia merupakan daerah
kedua metode sebelumnya, karena diselesaikan kepulauan dengan wilayah laut lebih luas
tidak secara iteratif dan tanpa proses sorting. daripada wilayah darat [9].
MM menghitung berdasarkan rata-rata dan
A. Probabilitas Berdasarkan Distribusi
standar deviasi kecepatan angin [7], sedangkan
PDM lebih unggul karena perhitungan Weibull
dilakukan berdasarkan rata-rata kecepatan Distribusi Weibull merupakan distribusi
angin dan rata-rata kubik kecepatan angin [6]. penting utama untuk keandalan dan analisis
Oleh karena itu, penelitian ini mengusulkan
pengembangan aplikasi untuk menganalisis rawatan [2]. Distribusi ini juga sering
seberapa besar potensi angin sebagai sumber digunakan sebagai cara untuk memodelkan
energi listrik terbarukan di Kota Tarakan kecepatan angin dan memperkirakan potensial
menggunakan estimasi parameter Weibull energi angin [10]. Dalam distribusi Weibull,
130
JURNAL INOVTEK POLBENG, VOL. 09, NO. 01, JUNI 2019 ISSN: 2088-6225
E-ISSN: 2580-2798
fungsi kepadatan probabilitas dapat kerapatan daya (power density) dan rata-rata
didefinisikan dalam persamaan 1. kecepatan angin tersedia, sangat mudah untuk
memperkirakan parameter Weibull dan, 4)
- /
& ) &*+ Lebih sesuai untuk memperkirakan potensi
𝑃𝐷𝐹$ = . . 𝑒* . (1)
' ' daya [6].
𝑃𝐷𝐹$ adalah frekuensi atau probabilitas Dalam metode PD, perhitungan nilai
terjadinya kecepatan angin v berdasarkan dua parameter k didefinisikan dalam persamaan 5.
parameter perhitungan analisis data Weibull, >,@A
yaitu parameter k (parameter bentuk) dan s 𝑘 =1+ (5)
BCD E
(parameter skala) [3]. Hasil dari perhitungan
Dimana 𝐸GH merupakan Energy Pattern
parameter k pada Weibull digunakan untuk
Factor yang dihitung berdasarkan persamaan
menentukan tinggi rendahnya probabilitas
8 [6] [13]
atau kestabilan terjadinya angin pada lokasi
+
yang dipantau. Sedangkan hasil dari 𝑉= J
KL+ 𝑣K (6)
J
perhitungan parameter s pada Weibull + J
𝑉> = 𝑣> (7)
digunakan untuk menentukan apakah lokasi J KL+ K
yang dipantau merupakan daerah berangin MN O +:> &
𝐸GH = = (8)
kencang atau tidak [11]. M N O +:> &
Selain itu, dalam distribusi Weibull juga Dengan 𝑉 adalah rata-rata kecepatan angin
dapat dicari fungsi distribusi kumulatif (m/s), 𝑉 > adalah rata-rata kubik kecepatan
berdasarkan persamaan 2. angin (m3/s3), dan Γ adalah fungsi gamma.
- /
𝐾𝐷𝐹$ = 1 − 𝑒 * . (2) Sedangkan untuk menghitung nilai parameter
s, perhitungannya didefinisikan dalam
𝐾𝐷𝐹$ adalah fungsi distribusi kumulatif persamaan 9.
yang merepresentasikan probabilitas
M
kecepatan angin sama atau lebih rendah 𝑠= R (9)
O +:
daripada v. Fungsi distribusi kumulatif 𝐾𝐷𝐹$ /
merupakan integral dari 𝑃𝐷𝐹$ [12]. Frekuensi Dimana Γ merupakan fungsi gamma.
maksimum kecepatan angin ditentukan Selanjutnya, kerapatan daya (power density),
berdasarkan persamaan 3. 𝑃𝐷S merupakan besarnya power atau daya
+ + & yang dihasilkan per satuan luas Area Turbin
𝑣567 = 𝑐 1 − (3)
& dengan perhitungan dapat dilihat pada
Maksimum kecepatan angin dapat dihitung persamaan 10.
berdasarkan persamaan 4.
R
G U.T.M N +
&:; + & 𝑃𝐷S = =E = 𝜌. 𝑉 > (10)
𝑣59&' = 𝑐 (4) T T ;
&
Dimana 𝑃𝐷S adalah kerapatan daya
(Watt/m2) dan 𝜌 adalah massa jenis (kg/m3).
Terlihat bahwa kerapatan daya berbanding
B. Metode Power Density (PD) lurus dengan massa jenis dan kubik kecepatan
Metode PD merupakan metode yang dibuat angin. Persamaan inilah yang kemudian
untuk menyelesaikan permasalahan mencari digunakan untuk menilai besaran daya yang
nilai parameter k dan s dalam distribusi dihasilkan kecepatan angin per satuan luas
Weibull. Keunggulan metode PD diantaranya: Area Turbin.
1) formulasi yang sederhana, 2) tidak
memerlukan proses binning dan C. Pengambilan Data Uji
menyelesaikan permasalahan linear least
square atau prosedur yang berulang, 3) Jika
131
Pengambilan data uji penelitian ini bersifat jenis data penelitian yang akan diuji, yaitu
primer maupun sekuder. Data primer data primer dan data sekunder. Kemudian
diperoleh peneliti melalui proses dari data tersebut diolah ke dalam beberapa
pengakusisian data kecepatan secara langsung tahapan sebagai berikut:
dalam rentang waktu 100 hari yang diambil
dari pukul 13.30 s/d 18.00 WITA pada bulan 1) Menghitung Rata-Rata Kecepatan Angin
Maret hingga Agustus di tahun 2018, dan Rata-Rata Kubik Kecepatan Angin
sedangkan data sekunder diperoleh dari Pada tahapan ini, data uji berupa data
sampel basis data yang tersedia di Badan kecepatan angin yang terlebih dahulu
Meteorologi, Klimatologi dan Geofisika dikonversi ke dalam bentuk time series yang
(BMKG), Kota Tarakan berupa data kemudian diolah hingga diperoleh data 𝑉
kecepatan angin milik BMKG dalam rentang (rata-rata kecepatan angin) berdasarkan
waktu selama 4 tahun (2014-2017).
persamaan 6 dan 𝑉 > (rata-rata kubik
Metode kecepatan angin berdasarkan persamaan 7.
Kesim-
Hitung Power
pulan
rata- Density 2) Kurva Distribusi Weibull dan Potensi
analisis
Input rata dan untuk
Data kubik menges-
kurva Kekuatan Angin menggunakan Metode
weibull Power Density
angin kecepa- timasi
dan
tan parame-
angin ter
potensi Tahapan ini digunakan untuk menghasilkan
angin kurva distribusi Weibull (𝑃𝐷𝐹$ ) dan potensi
Weibull
kerapatan daya angin ( 𝑃𝐷S ). Dimana hasil
Gambar 1. Rancangan aplikasi analisis potensi angin perhitungan 𝑉 dan 𝑉 > digunakan untuk
menghitung nilai 𝐸GH (Energy Pattern Factor)
D. Lingkungan Uji Coba berdasarkan persamaan 8. Nilai 𝐸GH
digunakan untuk menghitung nilai parameter k
Spesifikasi lingkungan uji coba aplikasi (bentuk) berdasarkan persamaan 5, sedangkan
menggunakan metode usulan dapat dilihat nilai parameter s (skala) dihitung berdasarkan
dalam Tabel 1. persamaan 9 dengan mempertimbangkan nilai
k dan 𝑉 . Nilai k dan s yang kemudian
Table 1. Spesifikasi Sistem digunakan untuk menghasilkan kurva 𝑃𝐷𝐹$
Jenis Spesifikasi
berdasarkan persamaan 1 dan nilai power
density atau kerapatan daya Weibull (𝑃𝐷S )
Prosesor Intel dual core 2,00 Ghz
yang dihitung berdasarkan persamaan 10.
Memori 2,00 GB
Sistem Operasi Windows 7 3) Kesimpulan Analisa Kurva Weibull dan
Penyimpanan 200 MB Potensi Angin
Bhs. Pemrograman Matlab R2010a Pada tahapan ini, sistem secara otomatis
Tools Net Framework 4.5 & 5 menganalisis nilai 𝑘, 𝑠, dan 𝑃𝑊 hasil
percobaan berdasarkan asumsi parameter yang
E. Desain Umum Model Sistem akan ditetapkan masing-masing sesuai dengan
hasil studi literatur.
Secara umum, rancangan aplikasi análisis • Penilaian terhadap parameter k pada kurva
potensi angin berdasarkan metode usulan fungsi kepadatan probabilitas weibull
penelitian ini dapat dilihat pada Gambar 1. sebagai parameter yang menggambarkan
Rancangan aplikasi penelitian ini dimulai bentuk angin (variabilitas dan stabilitas
dengan menginputkan data angin. Ada dua angin). Jumlah atau durasi sangat
132
JURNAL INOVTEK POLBENG, VOL. 09, NO. 01, JUNI 2019 ISSN: 2088-6225
E-ISSN: 2580-2798
Minimum
Kecepatan
Angin (m/s) Diameter
Skala Turbin
Rotor (m)
penggerak
Rotor
Sangat Kecil 1,5 2
Kecil 2,6 5 Gambar 4. Antar Aplikasi Analisis Potensi
Menengah 4,1 20
Angin Dengan Metode Usulan
133
3. HASIL DAN PEMBAHASAN frekuensi kemunculannya adalah kecepatan
angin skala menengah. Sedangkan tahun 2015
Hasil dan luaran yang dicapai dalam
menunjukkan tahun yang memiliki hembusan
penelitian ini adalah sebuah sistem/aplikasi
angin paling rendah dari ketiga tahun lainnya
usulan seperti yang ditunjukkan pada Gambar
dengan kecepatan angin yang paling banyak
2, dimana aplikasi ini mampu secara otomatis
frekuensi kemunculannya adalah kecepatan
memberikan kesimpulan tentang sejauh mana
angin skala kecil.
potensi energi angin guna menjadi sumber
Dari dua data baik data primer dan
energi listrik terbarukan di Kota Tarakan.
sekunder memberikan kesimpulan bahwa
angin di Kota Tarakan secara umum selalu
A. Nilai Parameter bentuk (k) dan skala (s)
berhembus tiap hari dengan kecepatan angin
dalam distribusi Weibull Kecepatan Angin
sangat kecil hingga menengah. Meskipun pada
Kota Tarakan
saat-saat tertentu tidak ada hembusan angin
Nilai parameter k dan s telah dihitung sama sekali di jam-jam siang dan sore hari
menggunakan metode Power Density sebagai jika dilihat dari nilai parameter k dan s data
metode usulan. Pada Gambar 3 ditampilkan primer berdasarkan hasil pengamatan
nilai parameter k dan s untuk data primer langsung.
kecepatan angin masing-masing adalah 1,32 B. Distribusi weibull bentuk (k) dan skala (s)
dan 1,90. Hal ini menandakan angin pada dalam distribusi Weibull kecepatan angin
bulan dan waktu siang-sore itu berhembus Kota Tarakan
jarang (variabilitas tinggi) dengan kecepatan
Gambar 5 menunjukkan perbedaan bentuk
yang paling banyak frekuensi kemunculannya
kurva probabilitas distribusi weibull yang
adalah ± 0,65 m/s dan rata-rata kecepatan
dibentuk berdasarkan nilai parameter k dan s
hanya 1,75 m/s.
hasil pengolahan data primer dan sekunder.
Pada Gambar 4 ditunjukkan nilai parameter
Untuk data primer, karena pengambilan data
k dan s data sekunder kecepatan angin masing-
secara langsung diperoleh bahwa probalitas
masing adalah 2,55 dan 3,41. Hal ini
kurva kecepatan angin mengerucut dan paling
menandakan bahwa rata-rata angin berhembus
banyak berkumpul pada daerah koordinat < 2
secara reguler dengan kecepatan hembusan
m/s (Gambar 5.a). Sedangkan untuk data
yang paling banyak frekuensi kemunculannya
sekunder, bahwa probalitas kurva kecepatan
adalah ± 2,80 m/s dan rata-rata kecepatan
angin mengerucut dan paling banyak
dapat mencapai 3,03 m/s.
berkumpul pada daerah kordinat diantara 2 s/d
Tabel 3. Nilai Parameter K dan S Untuk Data Sekunder Per 4 m/s seperti yang terlihat pada Gambar 5.b.
Tahun Data tersebut selanjutnya diperkuat dengan
Nilai Nilai Kecepatan Angin dengan probabilitas potensi yang dibagi ke dalam
Tahun beberapa rentang kecepatan angin seperti yang
k s Frekuensi Tertinggi (m/s)
2014 3,16 3,06 2,71 ditunjukkan pada Gambar 6. Pada Gambar 6.a
diketahui bahwa terdapat ± 50% kecepatan
2015 2,32 1,96 2,52
angin dari populasi data primer yang lebih
2016 3,01 3,98 3,48 kecil dari 1,5 m/s. Hal ini berarti ada setengah
2017 3,59 4,42 4,04 lebih kecepatan angin yang tidak berpotensi
untuk menggerakkan turbin pada rentang
Selanjutnya Tabel 3 mengidentifikasi nilai
waktu pengukuran data primer, sementara
parameter k dan s yang terjadi pada data
setengah sisanya berpotensi untuk
sekunder per tahun, yang mana tahun 2017
menggerakkan turbin skala sangat kecil dan
menunjukkan tahun yang memiliki hembusan
kecil.
angin paling tinggi dari ketiga tahun lainnya
dengan kecepatan angin yang paling banyak
134
JURNAL INOVTEK POLBENG, VOL. 09, NO. 01, JUNI 2019 ISSN: 2088-6225
E-ISSN: 2580-2798
135
potensi yang hanya mencapai 88,25%, dengan masing sebesar 47,78% dan 88,25%. Data
rata-rata kerapatan daya, daya angin, dan daya tersebut membuktikan bahwa Kota Tarakan
turbin terserap yang dapat dihasilkan masing- memiliki potensial untuk memanfaatkan
masingnya adalah 25,86 watt/m2, 81,19 watt, energi angin. Hanya saja dengan melihat hasil
dan 32,48 watt. dari data primer, maka pada jam-jam tertentu
Selain itu, hasil analisis yang berbeda dalam satu hari yang tidak memiliki hembusan
untuk pengolahan data primer dan data sama sekali sehingga turbin angin juga harus
sekunder lebih dikarenakan populasi data yang dilengkapi baterai sebagai alat penyimpan
berbeda, karena data primer merupakan daya listrik dengan kapasitas besar dan tahan
pengamatan langsung dalam rentang 100 hari dalam waktu lama. Ditinjau dari potensi
yang per hari dilakukan pengambilan data per dayanya, dengan kecepatan angin Kota
30 menit dari pukul 13.30 s/d 18.00 WITA. Tarakan mampu menghasilkan daya sebesar
Sedangkan data sekunder merupakan data 13,60 hingga 32,48 watt. Hasil ini
BMKG dalam rentang 48 bulan (4 tahun). menunjukkan bahwa kecepatan angin Kota
Akan tetapi, kedua hasil sama-sama Tarakan berpotensi kecil untuk dijadikan
menunjukkan bahwa kecepatan angin Kota sebagai pembangkit listrik tenaga angin.
Tarakan berpotensi sangat kecil sampai
dengan kecil untuk dijadikan sebagai UCAPAN TERIMAKASIH
pembangkit listrik tenaga angin. Dengan
melihat nilai daya turbin yang terserap, energi Kepada Jurusan Teknik Elektro, Fakultas
angin Kota Tarakan hanya bisa digunakan Teknik, Universitas Borneo Tarakan penulis
untuk skala rumah tangga, seperti untuk ucakan terimakasih atas dukunganya. Serta
penerangan rumah, jalan, charge hp dan kepada rekan dari Jurusan Teknik Mesin yang
laptop, serta untuk konsumsi elektronik lain telah membantu dalam penelitian ini penulis
yang berdaya rendah. Kemudian turbin angin ucapkan banyak terimakasih.
juga harus dilengkapi baterai sebagai alat
penyimpan daya listrik dengan kapasitas besar DAFTAR PUSTAKA
dan tahan dalam waktu lama, karena dengan
melihat hasil analisis data primer diketahui [1] R. H. Kusumodestoni and A. K. Zyen,
bahwa ada saat-saat tertentu tidak ada "Prediksi Kecepatan Angin
hembusan angin sama sekali, terutama di jam- Menggunakan Model Neural Network
jam siang dan sore hari. Baterai ini yang akan untuk Mengetahui Besar Daya Listrik
berguna untuk tetap menghasilkan daya listrik yang Dihasilkan," Disprotek, vol. 6, no.
ketika turbin tidak bergerak karena tidak 1, pp. 53-59, 2015.
adanya hembusan angin. [2] Parmaputra, M. Miftachul, Destiyani, M.
Husni and T. Hardianto, "Potensi Tenaga
4. KESIMPULAN Angin dengan Metode Weibull Analisis
Berdasarkan nilai k dan s yang telah untuk Penerapan Renewable Energy di
diperoleh maka dapat diketahui bahwa Pantai Watu Ulo Kabupaten Jember," in
karakteristik angin di Kota Tarakan secara Seminar Nasional Energi 3 (SINERGI 3),
keseluruhan memiliki hembusan reguler Poltek Jember, Jember, 2013.
dengan variasi kecepatan angin yang sedikit
[3] E. Dokur and M. Kurban, "Wind Speed
hingga sedang dan kecepatan tiupan angin
Potential Analysis Based on Weibull
yang cukup banyak berada pada rentang < 4
Distribution," Balkan Journal of
m/s. Berdasarkan hasil perhitungan,
Electrical and Computer Engineering,
probabilitas kecepatan angin data primer dan
vol. 3, no. 4, pp. 231-235, 2015.
data sekunder yang dapat dimanfaatkan
sebagai penghasil energi listrik masing- [4] Y.-K. Chu and J.-C. Ke, "Computational
136
JURNAL INOVTEK POLBENG, VOL. 09, NO. 01, JUNI 2019 ISSN: 2088-6225
E-ISSN: 2580-2798
137
JURNAL INOVTEK POLBENG, VOL. 09, NO. 01, JUNI 2019 ISSN: 2088-6225
E-ISSN: 2580-2798
129