Pemetaan Potensi Pembangkit

Listrik Tenaga Mikrohidro

(River-run-of Hydropower) di
Pulau Jawa dengan
Menggunakan Artificial Neural
Networks

AKHMAD IQBAL
IKROMI (25021042)
LITERATURE REVIEW
Rapid Hydropower Potential Assessment for Remote Area by Using Global Data (Muhammad farid, akbar
Rixaldi, Aqdha Prahitna, M Syahril Badri Kusuma, Arno Adi Kuntoro, dan Hadi Kardhana)

• Melakukan studi potensi PLTMH di DAS Ayung, Pulau Bali.

• Data input yang digunakan berupa data global

No Data Sumber
1 Topografi MERIT-DEM
2 Hujan dan Klimatologi CFSR
3 Tutupan Lahan BAPPENAS 2018
4 Jenis Tanah ORNL DAAC
Rapid Hydropower Potential Assessment for Remote Area by Using Global Data (Muhammad farid, akbar Rixaldi,
Aqdha Prahitna, M Syahril Badri Kusuma, Arno Adi Kuntoro, dan Hadi Kardhana)

• Metode yang digunakan:

• Pemodekan hidrologi menggunakan program SWAT (Soil and Water Assesment Tool)  didapatkan
Q85
• Data DEM, debit Q85, data karakteristik sungai dan flow accumulation diubah ke data ASCII

• Penentuan lokasi optimum diporses menggunakan algoritma dirversi menggunakan model numerik

untuk memeperhitungankan di banyak DAS dibutuhkan pemograman lain yang sudah mempertimbangkan
beberapa karakteristik pembangkitan debit andalan tersbut terhadap potensi PLTMH dalam 1 algoritma,
salah satunya menggunakan Artificial Neural Networks (ANNs).
 Global Maps of Streamflow Characteristics Based on Observation from Several Thousand Catchments. (Hylke E.
Beck, Ad De Roo, Albert I.J.M Van Dijk)

• Mengobservasi data debit sejumlah 3000-4000 DAS di seluruh dunia

• Luas DAS berukuran 10-10.000 km2

• Digunakan Artificial Neural Networks untuk memperkirakan karakteristik debit andalan

berdasarkan data iklim dan karaketristik fisik DAS
• 17 Karakteristik Debit seperti debit tahunan rata-rata, base flow, persentil debit aliran, dll.
• Untuk mendapatkan karakteristik debit digunakan 20 predictor dari data iklim dan DAS
• Data yang digunakan bermacam macam yang bersumber dari data global dan data dari berbagai
negara.
 Global Maps of Streamflow Characteristics Based on Observation from Several Thousand Catchments. (Hylke E.
Beck, Ad De Roo, Albert I.J.M Van Dijk)

• Hasil pembangkitan karakteristik debit dikalibrasi menggunakan data pencatatan debit, di Amerika
menggunkan GAUGES II, data dari pemerintah Australias dan GDRC untuk negara lain.
Penelitian tersebut menggunakan beberapa data dengan sumber yang berbeda. Untuk diterapkan di
Indonesia, data pencatatan debit telah dilakukan oleh Kementrian Pekerjaan Umum di lokasi tertentu.
Sehingga dalam penelitian yang akan penulis lakukan, untuk melakukan kalibrasi model menggunakan data
pencatatan yang ada di Indonesia dengan menggunakan data debit harian yang ada. Sedangkan untuk 17
karakteristik tersebut, tidak semuanya dapat diterapkan di Indonesia karena kuantitas data yang belum
memadai untuk dilakukan verifikasi, sehinga perlu penyederhanaan dari output karakteristik debit yang
akan dilakukan.
Streamflow Maps for Run-of-river Hydropower Developments in Japan (Ryosuke Arai, Yausho Toyoda, So
Kazama, 2021).

Penelitian ini menghasilkan peta karaketeristik debit andalan pada DAS di seluruh bagian negara
Jepang

Menggunakan ANNs dalam pemograman

Luas DAS yang diteliti berukuran 5-10 km2, terdapat 387 DAS yang diidentifikasi.

Karakteristik debit yang dihasilkan beruka rata-rata debit tahunan, indeks debit harian, indeks volume
air untuk run of river hydropower.

Data hujan digunakan dari APHRO_JPV1207 dengan resolusi 5 km2

Data salju menggunakan Agrometeorogical Grid Square Data dengan resolusi 1 km 2

Streamflow Maps for Run-of-river Hydropower Developments in Japan (Ryosuke Arai, Yausho Toyoda, So
Kazama, 2021).

Metodologi yang digunakan adalah menghitung sejumlah 176 DAS yang memiliki data pengamatan
dan pencatatan debit yang lengkap.

Dilakukan training data sejumlah 12 ANNs

Hasil karakteristik debit kemudian dikalibrasi dan didaptkan nilai R2 dan RMSE

Nilai kalibrasi terbaik didapatkan trained ANNs yang digunakan untuk menganalisis 387 DAS di
seluruh bagian negara Jepang.

Langkah terakhir adalah pemetaaan potesni hydropower

Streamflow Maps for Run-of-river Hydropower Developments in Japan (Ryosuke Arai, Yausho Toyoda, So
Kazama, 2021).

Berdasarkan penelitian tersebut, perlu dikembangkan lagi parameter yang digunakan dalam melakukan
pemetetaan potensi PLTMH. Diantara lain seperti range nilai slope yang optimum dan lokasi penempatan
headpond dan powerhouse. Sedangkan dalam praktiknya untuk melakukan konstruksi PLTMH diperlukan
lahan yang memadai untuk dibagun infrastruktur pendukung yang telah dijelaskan sebelumnya. Hidden
layer pada ANNs tersebut perlu ditambahkan untuk mendapatkan potensi PLTMH lebih detail agar hasil
yang dapat lebih riil dan dapat direalisasikan.
METODOLOGI
Penelitian ini dimulai dengan melakukan pengumpulan data karakteristik DAS dari data global berupa:

a. Data Iklim dan hujan (CSFR)

b. Data Topografi (MERIT)

c. Data Tutupan Lahan (BAPENNAS)

d. Data Tanah (ORNL DAAC)

e. Data debit pencatatan (BBWS terkait)

 Mulai

Perumusan Masalah

Literatur Review

Pengumpulan Data

Data Karakteristik DAS

1. Data Iklim dan hujan (CSFR) Data Debit
2. Data Topografi (MERIT- Pencatatan (Debit
DEM) Observasi dan
3. Data Tutupan Lahan PLTMH Eksisting
(BAPENNAS)
4. Data Tanah (ORNL DAAC)

A B

DAS di Semua Pulau Jjawa DAS yang mempunyai data

debit observasi
 (BAPENNAS)
4. Data Tanah (ORNL DAAC)
A B

DAS di Semua Pulau Jjawa DAS yang mempunyai data

debit observasi

Pembuatan ANNs, dengan berbadai variabel

di hidden layer

Tidak R2 ~ 1 &
RMSE ~ 0

Ya

Trained ANNs

Pemetaan Potensi
PLTMH

Selesai
THANK YOU