1, widandi soetopo , lily montarcih limantara 2...
TRANSCRIPT
STUDI OPTIMASI LEPASAN BERDASARKAN TAMPUNGAN OPERASI
WADUK KLAMPIS DI KABUPATEN SAMPANG UNTUK IRIGASI DENGAN
ALGORITMA GENETIK
Yusuf Randy1, Widandi Soetopo2, Lily Montarcih Limantara2 1Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya
2Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya [email protected]
ABSTRACT
Waduk Klampis adalah waduk yang berada di Kabupaten Sampang yang di fungsikan
untuk memenuhi kebutuhan irigasi di D.I. Klampis seluas 2.603 Ha. Tetapi sejauh ini
Dinas Pengairan Kabupaten Sampang sebagai instansi yang berwenang atas pengelolaan
Waduk Klampis dan jaringan irigasinya saat ini tidak memiliki informasi dan data yang
menunjang untuk keperluan monitoring, evaluasi dan perencanaan yang berkesinambungan
dalam rangka menjamin kelangsungan operasional Waduk Klampis, dengan melakukan
optimasi pengoperasian berdasarkan Tampungan Waduk diharapkan mendapatkan aturan
lepasan berdasarkan Tampungan Waduk yang optimal. Studi ini difokuskan pada upaya
meningkatkan kinerja waduk berdasarkan Tampungan Waduk menggunakan metode
Algoritma Genetik, dengan fungsi tujuan meningkatkan nilai rata-rata produksi panen.
Dari hasil simulasi operasi berdasarkan Tampungan Waduk selama 11 tahun dari
tahun 2004-2014 didapatkan rata-rata pemenuhan Irigasi Klampis seluas 2603 Ha yaitu
80,40% dan nilai produksi rata-rata 12,94 milyar rupiah. Proses optimasi Algoritma
Genetik ini berpusat pada aturan lepasan berdasarkan Tampungan Waduk sebagai
kromosom dan nilai rata-rata produksi sebagai fungsi kinerja/fungsi tujuan. Setelah
dilakukan optimasi didapatkan peningkatan nilai minimum pemenuhan irigasi yaitu
80,70% dan rata-rata produksi 14,05 milyar rupaih.
Kata Kunci: Lepasan Berdasarkan Tampungan Waduk, Algoritma Genetik, Optimasi
ABSTRACT
Klampis Reservoir is the reservoir in Sampang Regency with the main objective of
providing Irrigation Area with coverage area of 2.603 acre. But so far the Water
Resources Official Kabupaten Sampang as the authorized institution for the management
of the Klampis Reservoir and its irrigation network currently has no information and data
to support continuous monitoring, evaluation and planning in order to ensure continuity
operation of the Klampis Reservoir, by performing optimization operation based on
reservoir storage, expected to obtain the optimal realese rule based on storage reservoir.
This study focusing to improve reservoir performance based on reservoir storage use
Genetic Algorithm method, with objective function to increasing the production value of
planting.
From the results of operation based on reservoir storage simulation which is
simulated during 11 years from 2004-2014, it obtained the average of Klampis irrigation
fulfillment is 80,40 % fulfillment with coverage irrigation area is 2603 acre, and the
average production value is 12.94 billion rupiah. This optimization process centers on
release rule based on Reservoir Storage as a chromosoms and the average production
value as the objective/performance function. After finishing the optimization, the minimum
irrigation demand fulfillment increase to 80.70% and the average production increase to
14.05 billion rupiah.
Keywords: Realese of Reservoir, Genetic Algorithm, Optimization
PENDAHULUAN
Latar Belakang
Masalah utama yang dihadapi dalam
pendistribusian air adalah tempat, jumlah,
waktu, dan mutu air. Sehingga perlu
adanya pengelolaan pengoperasian dan
perencanaan yang optimal agar keadaan
air terjaga pada saat musim kemarau dan
pada musim hujan untuk memenuhi
kebutuhan manusia.
Dalam pemanfaatan tampungan
waduk dengan kuantitas air yang terbatas.
Maka perlu adanya optimasi agar
penggunaan air waduk bisa benar-benar
optimal guna memenuhi berbagai
kebutuhan yang direncanakan. Dalam
penelitian ini akan diterapkan model
optimasi dengan metode Algoritma
Genetik yang merupakan salah satu
metode program Stokastik.
Identifikasi Masalah
Kebutuhan air pada areal irigasi di
hilir waduk selama ini mendapatkan
suplai air dari Bendung Klampis atau
dengan mengandalkan air hujan. Oleh
karena itu Waduk Klampis berfungsi
meningkatkan efisiensi lahan dan
pemanfaatan sumber daya air yang
merupakan sumber daya alam terbarukan
semaksimal mungkin untuk kesejahteraan
masyarakat.
Mengingat sejauh ini Dinas
Pengairan Kabupaten Sampang sebagai
instansi yang berwenang atas pengelolaan
Waduk Klampis dan jaringan irigasinya
saat ini tidak memiliki informasi dan data
yang menunjang untuk keperluan
monitoring, evaluasi dan perencanaan
yang berkesinambungan dalam rangka
menjamin kelangsungan operasional
jaringan irigasi Waduk Klampis, maka
dalam penetapan pedoman operasi perlu
adanya kajian berupa optimasi. Kajian ini
difokuskan pada pencarian alternatif
lepasan berdasarkan Tampungan Waduk
guna memenuhi kebutuhan irigasi
Klampis menggunakan metode Algoritma
Genetik yang merupakan salah satu
metode simulasi untuk optimasi prosedur
Stokastik.
Batasan Masalah
Batasan-batasan masalah dalam studi
ini adalah sebagai berikut :
1. Studi dilakukan di Waduk Klampis
Kabupaten Sampang Provinsi Jawa
Timur.
2. Daerah irigasi yang akan dialiri
adalah D.I Klampis seluas 2.603 ha.
3. Tidak membahas perencanaan desain
bangunan, biaya konstruksi, operasi
pintu, analisa ekonomi, masalah usia
guna waduk dan analisis sedimentasi.
4. Tidak membahas perencanaan
kebutuhan air irigasi.
5. Lepasan waduk berdasarkan
Tampungan diperuntukkan untuk
irigasi.
6. Membahas operasi dan optimasi
waduk berdasarkan Tampungan
Waduk.
7. Metode yang digunakan dalam studi
ini adalah metode simulasi stokastik
model Algoritma Genetik.
8. Menggunakan program Visual-Basic
dari MS-Exel 2007 untuk membuat
simulasi stokastik model Algoritma
Genetik.
Rumusan Masalah
Permasalahan yang dibahas dalam
studi ini adalah :
1. Bagaimana simulasi lepasan
berdasarkan Tampungan waduk di
waduk Klampis ?
2. Bagaimana rumusan model optimasi
untuk Waduk Klampis dan
penyelesaiannya dengan model
optimasi Algoritma Genetik ?
3. Bagaimana hasil peningkatan
produksi tanam dengan simulasi
optimasi Algoritma Genetik ?
Tujuan dan Manfaat
Tujuan dari studi ini adalah untuk
memaksimalkan kinerja operasi Waduk
Klampis berdasarkan Tampungan dan
mencapai kondisi yang optimal dalam
peruntukan kebutuhan irigasi D.I
Klampis.
Manfaat dari studi ini adalah untuk
memberikan pedoman lepasan
berdasarkan Tampungan dan untuk
meningkatkan produksi panen D.I.
Klampis.
TINJAUAN PUSTAKA
Umum
Fungsi utama waduk secara prinsip
adalah menampung kelebihan air pada
periode debit tinggi untuk digunakan
pada saat debit rendah. Disamping
menampung air untuk pemanfaatan
dikemudiaan hari, penampungan air dapat
memperkecil kerusakan akibat banjir di
bagian hilirnya.
Ciri Fisik Waduk
Ciri fisik suatu waduk atau bagian-
bagian pokok waduk adalah sebagai
berikut :
1. Tampungan efektif atau Kapasitas
Berguna (useful storage), adalah
volume tampungan diantara Muka air
Minimum (Low Water Level/LWL)
dan muka air normal (Normally
Water Level/NWL).
2. Tampungan banjir (Surcharge
storage), adalah volume air diatas
muka air normal selama banjir.
Untuk beberapa saat debit meluap
melalui pelimpah kapasitas tambahan
ini umumnya tidak terkendali,
dengan pengertian adanya hanya
pada waktu banjir dan tidak dapat
dipertahankan untuk penggunaan
selanjutnya.
3. Tampungan Mati (dead storage)
adalah volume air yang terletak di
bawah muka air minimum dan air ini
tidak dimanfaatkan dalam
pengoperasian waduk.
4. Muka Air Minimum(Low Water
Level/LWL) adalah elevasi
maksimum yang dicapai oleh
permukaan air waduk
5. Muka Air Minimum (Low Water
Level/ LWL) adalah elevasi air
terendah bila tampungan dilepaskan
pada kondisi normal, permukaan ini
dapat dtentukan oleh elevasi dari
bangunan pelepas yang terendah.
6. Muka air pada banjir rencana adalah
elevasi air selama banjir maksimum
drencanakan terjadi (Flood Water
level/ FWL).
7. Pelepasan (release) adalah volume
air yang dilepaskan secara terkendali
dari suatu waduk selama kurun
waktu tertentu.
8. Limpasan (spillout), danggap aliran
tdak terkendal dari waduk dan hanya
terjadi kalau air yang ditampung
dalam waduk melebihi tinggi muka
air maksmum.
9. Periode Kritis (critical perode)
adalah perode dimana sebuah waduk
berubah dari kondisi penuh ke
kondisi kosong tanpa melimpah
selama periode tersebut.
Gambar 1. Macam Zona Tampungan
Waduk
Sumber : Sudjarwadi, 1988:4
Aturan Operasi Waduk
Aturan Lepasan Operasi Waduk
merupakan pedoman dalam melepaskan
jumlah air dari waduk untuk memenuhi
berbagai kebutuhan sesuai dengan
kondisi yang berlaku.
Gambar 2. Lepasan Tergantung
Tampungan
Sumber: Soetopo W, 2010:14
Parameter yang digunakan dalam
penerapan pedoman lepasan operasi
waduk berdasarkan tampungan adalah
sebagai berikut :
1. Tampungan Waduk (%)
Besarnya tampungan waduk diukur
dengan prosentase tampungan
terhadap kapasitas tampungan aktif
2. Lepasan Kebutuhan (%)
Besarnya pemenuhan diukur dengan
melihat kondisi/status tampungan
waduk. Artinya apabila kondisi
tampungan waduk menurun maka
prosentase lepasan sesuai kebutuhan
juga menurun.
Penerapan Model Sinus Perkalian
Pada Rumusan Kinerja Irigasi
Pada penerapan metode ini, maka
fungsi tujuannya adalah nilai produksi panen relatif (dinotasikan sebagai Yr)
yaitu perbandingan produksi panen aktual
terhadap produksi panen potensial.
Apabila Yr ini dihubungkan dengan
pemberian air relative (dinotasikan
sebagai Awr, yaitu perbandingan antara
pemberian air actual terhadap pemberian
air optimum) maka muncul bentuk umum
dari hubungan antara pemberian air dan
produksi panen (English, 2002).
Pemberian air yang melampaui batas
optimum justru akan menurunkan
produksi panen. Bentuk umum antara
Awr dan Yr ini ditampilkan pada gambar
2.3 dibawah ini.
Gambar 3. Bentuk Umum hubungan Awr
dan Yr
Sumber : English et.al.,2002
Optimasi dengan Algoritma Genetik
(AG)
Algoritma Genetik adalah salah satu
metode dari kelompok Simulasi untuk
optimasi. Prosedur jenis ini cenderung
untuk efektif terutama dalam
mengekplorasi berbagai bagian-bagian
daripada wilayah yang layak (feasible)
dan secara gradual bergerak menuju
solusi-solusi layak yang terbaik.
Model AG berpusat pada struktur
daripada kromosom yang mewakili
alternatif solusi. Jadi sebuah kromosom
merupakan sekumpulan variabel-variabel
keputusan sebagai gambar berikut. VAR-1 VAR-2 VAR-3 VAR-4 VAR-P
Gambar 2.3. Kromosom sebagai
Alternatif Solusi
Sumber: Soetopo W, 2012:85
Kromosom adalah alternatif solusi,
maka setiap kromosom mempunyai nilai
kinerja. Karenanya model otimasi AG
bertujuan untuk mendapatkan kromosom
terbaik yang mempunyai nilai kinerja
terbaik pula.
Model optimasi AG adalah proses
optimasi yang secara iteratif
mengembangkan suatu populasi daripada
kromosom-kromosom (alternatif-
alternatif solusi) sehingga tercapailah
suatu populasi homogen daripada
kromosom (alternatif solusi) yang
terbaik.
Secara garis besar maka proses
pengembangan populasi kromosom
dengan cara AG itu terdiri dari pada 3
komponen berikut ini.
1. Reproduksi
2. Crossover
3. Mutasi
Reproduksi adalah proses seleksi
terhadap kromosom yang terdapat pada
suatu populasi berdasarkan nilai kinerja
dari masing-masing kromosom.
Crossover adalah persilangan
diantara kromosom-kromosom yang ada
pada suatu generasi turunan. Hasil
persilangan ini membentuk populasi dari
generasi berikutnya. Pada contoh kasus
ini, maka persilangan antara dua
kromosom generasi turunan akan
menghasilkan satu kromosom baru. Pada
persilangan ini, maka setiap variabel dari
kromosom baru merupakan gabungan
antara dua variabel dari kedua kromosom
generasi turunan. Untuk variabel ke~I,
maka rumus stokastik penggabungan
adalah sebagai berikut.
Vi = V1i . U [0,1] + V2i . (1-U [0,1]) (2-20)
Dengan Vi adalah variabel dari
kromosom baru gabungan, V1i dan V2i
adalah varibel masing-masing dari kedua
kromosom generasi turunan, dan U [0,1]
adalah bilangan acak uniform antara 0
dan 1.
METODOLOGI PENELITIAN
Lokasi Studi
Waduk Klampis terletak di Sungai
Klampis, Desa Kramat, Kecamatan
Kedungdung Kabupaten Sampang.
Secara geografis Waduk Klampis terletak
pada koordinat 07o06’28” LS dan
113o13’14” BT.
Data-data yang Diperlukan
Data-data yang diperlukan dalam
studi ini meliputi :
1. Data Debit Inflow
Data ini digunakan untuk mengetahui
besarnya debit inflow di Waduk
Klampis. Data ini digunakan dalam
pengoptimalan Lepasan dengan
metode Algoritma Genetik.
2. Data Kebutuhan Air Irigasi
Data Kebutuhan air irigasi yang
digunakan pada studi ini adalah
kebutuhan irigasi di D.I.Klampis. Data
ini digunakan untuk mengetahui
besarnya debit lepasan waduk yang
diperlukan.
3. Data Evaporasi Waduk
Data evaporasi waduk digunakan
untuk mengetahui besarnya kehilangan
air yang terjadi di Waduk Klampis.
Data ini kemudian diolah dalam
pengoptimalan Lepasan dengan
metode Algoritma Genetik
4. Data Karakteristik Waduk
Data karakterisitik waduk yang
digunakan adalah data tampungan
aktif , tampungan mati, luas genangan
waduk, volume waduk, dan tinggi
waduk.
Tahapan Penyelesaian
Gambar 4. Diagram Alir Pengerjaan
Algoritma Genetik
Mulai
Perumusan
Parameter
Algoritma Genetik
Inisialisasi Populasi
Crossover
(Kawin Silang)
Reproduksi
Hasil Optimasi
Homogen
(Seragam)
Selesai
Tidak
Ya
Gambar 5. Diagram Alir Pengerjaan
Skripsi
HASIL DAN PEMBAHASAN
Nilai Produksi Tanam
Nilai produksi tanam akan
menggunakan data yang diperoleh dari
Dinas Pertanian untuk tanaman padi dan
palawija. Data tersebut digunakan untuk
membandingkan hasil produksi setelah
dilakukan optimasi dengan Algoritma
Genetik.
Tabel 1. Nilai Produksi
Sumber : Dinas Pertanian Kab. Sampang
Tabel 2. Rekapitulasi Nilai Produksi
Tahun 2004-2014
Sumber : Dinas Pertanian Kab. Sampang
Simulasi Fungsi Produksi Panen
Tabel 3. Perhitungan Simulasi Nilai
Produksi Tahun 2004
Sumber : Perhitungan
Hasil produksi setelah dilakukan
simulasi pada tahun 2004 nilai produksi
menjadi 14,14 milyar rupiah dan rata-rata
produksi 4,71 milyar rupiah.
Mulai
Simulasi Operasi
Waduk Berdasarkan
Tampungan
Perumusan
Fungsi Model
Perumusan Parameter
Simulasi Berdasarkan
Tampungan
Optimasi Lepasan
berdasarkan
Tampungan dengan
Algoritma Genetik
Homogen
Kesimpulan
Selesai
Ya
Tidak
Debit
Inflow
Evaporasi
Waduk
Kebutuhan
Irigasi
Data
Karakteristik
Waduk
Padi MT 1 1.599 4.995
Palawija MT 1 704
Palawija MT 2 1.454 5.778
Palawija MT 3 925 4.9477.011.000
1.895.000
2.791.500
3.974.000
Rp/ha ha [Juta Rp]
Produksi Luasan Riil Produksi MT
Produksi Produksi
Maks. Riil
[juta Rp] [milyar Rp]
[1] [2] [3]
2004 15.720 14,10
2005 15.720 14,68
2006 15.720 13,80
2007 15.720 12,19
2008 15.720 14,33
2009 15.720 14,56
2010 15.720 14,86
2011 15.720 14,78
2012 15.720 14,55
2013 15.720 14,79
2014 15.720 11,73
Periode
Produksi Produksi
Awri Yri Yr Maks. Riil
[juta Rp] [milyar Rp]
[1] [2] [3] [4] [5] [6]
Jan-1 1,0000 1,0000
Jan-2 1,0000 1,0000
Jan-3 1,0000 1,0000
Feb-1 1,0000 1,0000 MT
Feb-2 1,0000 1,0000 I
Feb-3 1,0000 1,0000 0,95152 4.995,32 4,75
Mar-1 1,0000 1,0000
Mar-2 1,0000 1,0000
Mar-3 1,0000 1,0000
Apr-1 1,0000 1,0000
Apr-2 1,0000 1,0000
Apr-3 1,0000 1,0000
Mei-1 0,8088 0,9976
Mei-2 1,0000 1,0000
Mei-3 1,0000 1,0000
Jun-1 0,7365 0,9950 MT
Jun-2 0,7218 0,9943 II
Jun-3 0,6773 0,9920 0,97911 5.778,20 5,66
Jul-1 1,0000 1,0000
Jul-2 0,6388 0,9896
Jul-3 0,6140 0,9879
Ags-1 0,5967 0,9865
Ags-2 1,0000 1,0000
Ags-3 0,5621 0,9836
Sep-1 0,5152 0,9789
Sep-2 0,4571 0,9719
Sep-3 0,3686 0,9579
Okt-1 0,2902 0,9404 MT
Okt-2 0,2471 0,9278 III
Okt-3 1,0000 1,0000 0,75430 4.946,70 3,73
Nov-1 1,0000 1,0000
Nov-2 1,0000 1,0000
Nov-3 1,0000 1,0000
Des-1 0,1586 0,8926
Des-2 0,5404 0,9815 MT
Des-3 0,6100 0,9876 I
Periode
Perhitungan Simulasi Waduk Klampis Berdasarkan Tampungan Waduk
Aturan lepasan ditetapkan dengan cara coba-coba, dan pada aturan lepasan pada simulasi berdasarkan Tampungan Waduk di waduk
Klampis kali ini ditetapkan dengan interval 2%, mulai dari 0 – 100%. Dalam kondisi penuh waduk Klampis memiliki tampungan
maksimum operasi sebesar 10 juta m3, dengan tampungan aktif sebesar 7 juta m3 dan tampungan mati sebesar 3 juta m3.
Tabel 4. Simulasi Waduk Klampis Berdasarkan Tampungan Waduk
Dari perhitungan simulasi waduk Klampis berdasarkan Tampungan Waduk dari tahun 2004 – 2014 didapatkan rata-rata pemenuhan
waduk terhadap kebutuhan irigasi 80,70%. Ditinjau dari kinerja waduk Klampis terhadap pemenuhan irigasi D.I. Klampis dengan
pedoman lepasan waduk berdasarkan Tampungan Waduk yang ada sudah baik. Dengan dilakukan optimasi menggunakan metode
Algoritma Genetik akan dicoba meningkatkan produksi rata-rata dan meningkatkan fungsi kinerja waduk dengan menaikkan nilai produksi
rata-rata, yang akan menjadi fungsi tujuan dari optimasi dengan metode Algoritma Genetik.
Pct. Pct.
No. Tamp. Kebutuhan
[%] [%]
1 0,00 3,00
2 2,00 8,00
3 4,00 12,00
4 6,00 15,50
5 8,00 17,50
6 10,00 22,00
7 12,00 25,50
8 14,00 27,50
9 16,00 30,25
10 18,00 34,40
11 20,00 37,65
12 22,00 40,50
13 24,00 41,78
14 26,00 46,00
15 28,00 47,80
16 30,00 50,00
17 32,00 51,68
18 34,00 53,00
19 36,00 54,76
20 38,00 56,33
21 40,00 58,00
22 42,00 60,00
23 44,00 61,00
24 46,00 62,50
25 48,00 63,09
26 50,00 65,25
27 52,00 66,55
28 54,00 68,00
29 56,00 70,00
30 58,00 71,25
31 60,00 72,87
32 62,00 73,66
33 64,00 75,00
34 66,00 76,00
35 68,00 77,60
36 70,00 78,50
37 72,00 79,80
38 74,00 82,87
39 76,00 83,10
40 78,00 85,70
41 80,00 86,50
42 82,00 87,25
43 84,00 88,90
44 86,00 89,50
45 88,00 90,00
46 90,00 91,00
47 92,00 92,35
48 94,00 97,80
49 96,00 98,00
50 98,00 99,00
51 100,00 100,00
7 juta m3 2004 ave 80,40
3 juta m3 86400 min 3,00
Pct. Cek Cek Cek Tampungan Aktif Waduk OUTFLOW PASOKAN IRIGASI
Tahun No. Periode Banyak INFLOW KEBUTUHAN INFLOW KEBUTUHAN Luas MAW Tinggi Volume Tamp.Aktif tamp. pasokan Ada SPILLOUT
hari IRIGASI IRIGASI awal evaporasi kehilangan mati cukup Limpahan Awal Akhir Volume Persen Defisit
[m³/dt] [m³/dt] [juta m³] [juta m³] [km²] [mm/hari] [juta m³] [%] [%] [juta m³] [0/1] [0/1] [0/1] periode periode [juta m³] [%] [0/1] [juta m³]
[2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23]
1 1 Jan-1 10 4,683 0,000 4,04611 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 3,89889
1 2 Jan-2 10 4,781 0,591 4,13078 0,51041 2,45363 6,0 0,14722 100,00 100,00 0,51041 0 0 0 7,000 7,000 0,51041 100,00 0 3,47315
1 3 Jan-3 11 4,886 3,863 4,64365 3,67185 2,45363 6,0 0,16194 100,00 100,00 3,67185 0 0 0 7,000 7,000 3,67185 100,00 0 0,80987
1 4 Feb-1 10 3,953 1,989 3,41539 1,71828 2,45363 6,0 0,14722 100,00 100,00 1,71828 0 0 0 7,000 7,000 1,71828 100,00 0 1,54990
1 5 Feb-2 10 3,887 1,403 3,35837 1,21177 2,45363 6,0 0,14722 100,00 100,00 1,21177 0 0 0 7,000 7,000 1,21177 100,00 0 1,99938
1 6 Feb-3 9 3,956 1,348 3,07619 1,04857 2,45363 6,0 0,13250 100,00 100,00 1,04857 0 0 0 7,000 7,000 1,04857 100,00 0 1,89512
1 7 Mar-1 10 3,198 0,000 2,76307 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 2,61585
1 8 Mar-2 10 3,168 0,925 2,73715 0,79961 2,45363 6,0 0,14722 100,00 100,00 0,79961 0 0 0 7,000 7,000 0,79961 100,00 0 1,79032
1 9 Mar-3 11 3,218 2,309 3,05839 2,19423 2,45363 6,0 0,16194 100,00 100,00 2,19423 0 0 0 7,000 7,000 2,19423 100,00 0 0,70221
1 10 Apr-1 10 0,380 0,000 0,32832 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 0,18110
1 11 Apr-2 10 0,180 0,000 0,15552 0,00000 2,45363 6,0 0,14722 100,00 100,00 0,00000 0 0 0 7,000 7,000 0,00000 100,00 0 0,00830
1 12 Apr-3 10 0,120 2,242 0,10368 1,93750 2,45363 6,0 0,14722 100,00 100,00 1,93750 0 0 1 7,000 5,019 1,93750 100,00 0 0,00000
1 13 Mei-1 10 0,016 0,623 0,01382 0,53829 2,04373 6,0 0,12262 71,70 79,60 0,42850 0 0 1 5,019 4,482 0,42850 79,60 1 0,00000
1 14 Mei-2 10 0,004 0,000 0,00346 0,00000 1,92951 6,0 0,11577 64,02 75,01 0,00000 0 0 1 4,482 4,369 0,00000 100,00 0 0,00000
1 15 Mei-3 11 0,001 0,000 0,00095 0,00000 1,90475 6,0 0,12571 62,42 73,94 0,00000 0 0 1 4,369 4,245 0,00000 100,00 0 0,00000
1 16 Jun-1 10 0,000 0,080 0,00000 0,06945 1,87775 6,0 0,11266 60,64 73,12 0,05078 0 0 1 4,245 4,081 0,05078 73,12 1 0,00000
1 17 Jun-2 10 0,000 0,439 0,00000 0,37936 1,84306 6,0 0,11058 58,30 71,49 0,27122 0 0 1 4,081 3,699 0,27122 71,49 1 0,00000
1 1 18 Jun-3 10 0,000 0,382 0,00000 0,33014 1,75899 6,0 0,10554 52,85 67,16 0,22174 0 0 1 3,699 3,372 0,22174 67,16 1 0,00000
2004 1 19 Jul-1 10 0,000 0,000 0,00000 0,00000 1,68737 6,0 0,10124 48,17 63,28 0,00000 0 0 1 3,372 3,271 0,00000 100,00 0 0,00000
1 20 Jul-2 10 0,000 0,149 0,00000 0,12849 1,66521 6,0 0,09991 46,73 62,71 0,08058 0 0 1 3,271 3,090 0,08058 62,71 1 0,00000
1 21 Jul-3 11 0,000 0,137 0,00000 0,13013 1,62518 6,0 0,10726 44,15 61,11 0,07953 0 0 1 3,090 2,904 0,07953 61,11 1 0,00000
1 22 Ags-1 10 0,000 0,257 0,00000 0,22165 1,58272 6,0 0,09496 41,48 59,48 0,13183 0 0 1 2,904 2,677 0,13183 59,48 1 0,00000
1 23 Ags-2 10 0,000 0,000 0,00000 0,00000 1,53217 6,0 0,09193 38,24 56,53 0,00000 0 0 1 2,677 2,585 0,00000 100,00 0 0,00000
1 24 Ags-3 11 0,000 0,560 0,00000 0,53201 1,51074 6,0 0,09971 36,93 55,49 0,29520 0 0 1 2,585 2,190 0,29520 55,49 1 0,00000
1 25 Sep-1 10 0,000 0,811 0,00000 0,70100 1,42107 6,0 0,08526 31,28 51,08 0,35806 0 0 1 2,190 1,747 0,35806 51,08 1 0,00000
1 26 Sep-2 10 0,000 0,839 0,00000 0,72483 1,32010 6,0 0,07921 24,95 43,79 0,31738 0 0 1 1,747 1,350 0,31738 43,79 1 0,00000
1 27 Sep-3 10 0,000 0,778 0,00000 0,67199 1,22730 6,0 0,07364 19,29 36,49 0,24520 0 0 1 1,350 1,031 0,24520 36,49 1 0,00000
1 28 Okt-1 10 0,000 0,627 0,00000 0,54158 1,15353 6,0 0,06921 14,73 28,50 0,15438 0 0 1 1,031 0,808 0,15438 28,50 1 0,00000
1 29 Okt-2 10 0,000 0,511 0,00000 0,44192 1,10046 6,0 0,06603 11,54 24,69 0,10911 0 0 1 0,808 0,632 0,10911 24,69 1 0,00000
1 30 Okt-3 11 0,000 0,000 0,00000 0,00000 1,05896 6,0 0,06989 9,03 19,83 0,00000 0 0 1 0,632 0,563 0,00000 100,00 0 0,00000
1 31 Nov-1 10 0,057 0,000 0,04925 0,00000 1,04230 6,0 0,06254 8,04 17,58 0,00000 0 0 1 0,563 0,549 0,00000 100,00 0 0,00000
1 32 Nov-2 10 0,017 0,000 0,01469 0,00000 1,03873 6,0 0,06232 7,85 17,35 0,00000 0 0 1 0,549 0,502 0,00000 100,00 0 0,00000
1 33 Nov-3 10 0,005 0,000 0,00432 0,00000 1,02800 6,0 0,06168 7,17 16,67 0,00000 0 0 1 0,502 0,444 0,00000 100,00 0 0,00000
1 34 Des-1 10 2,536 1,020 2,19110 0,88118 1,01368 6,0 0,06082 6,35 15,85 0,13963 0 0 1 0,444 2,435 0,13963 15,85 1 0,00000
1 35 Des-2 10 2,695 3,449 2,32848 2,98030 1,47680 6,0 0,08861 34,78 53,69 1,60012 0 0 1 2,435 3,075 1,60012 53,69 1 0,00000
1 36 Des-3 11 2,781 1,382 2,64306 1,31320 1,62072 6,0 0,10697 43,92 60,96 0,80055 0 0 1 3,075 4,810 0,80055 60,96 1 0,00000
Sumber : Perhitungan
Keterangan: 1. tahun 7. Inflow Waduk (juta m3) 13. Persen Keb.+ Slope * ([12] - Persen Tamp.) 19. Jika [15]<>0; maka 0; jika [17]<>0; maka [7]+[18]-[11]-[14]; jika tidak Kapasitas Tamp. Aktif
2. No 8. Keb. Irigasi (juta m3) 14. [13]*[8]/100 20. Jika [15]<>0; maka 0; jika tidak [16]<>0; maka [7]+[18]-[11]-[19]; jika tidak [14]
3. Periode 9. Data Teknis Waduk 15. Jika [7]+[18]-[11] >= 0; maka 0; jika tidak 1 21. Jika [6]=0; maka 100; jika [20]-[8]<=0; maka 0; Round (100*[20]/[8])
4. Banyak Hari 10. Perhitungan Penman Modifikasi 16. Jika [7]+[18]-[11]-[14] >= 0; maka 0; jika tidak 1 22. Jika [21]>=100; maka 0; jika tidak 1
5. Inflow Waduk 11. [4]*[9]*[10]/1000 17. Jika [7]+[18]-[11]-[14] > 7, maka 0; jika tidak 1 23. Jika [17] = 0 maka 0; jika tidak ([5]+[18]-[11]-[19]-[20])
6. Keb. Irigasi 12. 100*[18]/Tampungan Aktif 18. Kapasitas Tampungan Awal Waduk
[1]
Detik per hari
EVAPORASI
[juta m³]
PCT
Kebutuhan
Kapasitas Tamp. Aktif Tahun Awal
Kapasitas Tamp. Mati
Model Simulasi Optimasi Algoritma
Genetik
Umum
Model Algoritma Genetik berpusat
pada kromosom-kromosom yang
mewakili alternatif solusi, alternatif
solusi pada studi kali ini yaitu berupa
aturan lepasan waduk berdasarkan
Tampungan Waduk. Dengan fungsi
tujuan memaksimalkan kebutuhan
minimum untuk irigasi. Cara kerja Algoritma Genetik pada studi kali ini
dengan mensimulasikan waduk
berdasarkan Tampungan Waduk selama
11 tahun (2004-2014) dengan
meningkatkan rata-rata produksi panen
(fungsi tujuan).
Tabel 5. Contoh Alternatif Aturan
Lepasan Berdasarkan Tampungan Pada
Optimasi Algortima Genetik
Sumber : Perhitungan
Model optimasi Algoritma Genetika
adalah proses optimasi yang secara
iteratif mengembangkan dari suatu
populasi (kromosom-kromosom)
daripada kromosom (alternatif lepasan
waduk) sehingga tercapailah suatu
kumpulan variabel lepasan waduk yang
homogen (seragam) daripada variabel
lepasan waduk yang terbaik.
Reproduksi
Reproduksi adalah proses seleksi
terhadap kromosom yang terdapat pada
suatu populasi berdasarkan nilai kinerja
dari masing-masing kromosom. Dalam
penentuan nilai kinerja (ranking),
semakin besar nilai fungsi tujuan maka
semakin baik kinerja dari kromosom
tersebut. Kemudian dilanjutkan dengan
proses copy, proses copy atau proses
pemilihan generasi terbaik ini akan
menjadi generasi turunan yang berikutnya
. Proses seleksi disini memilih 16
variabel lepasan waduk terbaik
(diranking) dari kumpulan variabel aturan
lepasan waduk yang berjumlah 120.
Tabel 6. Contoh 120 Kromosom Beserta
Fungsi Kinerja Algoritma Genetik
Sumber : Perhitungan
Dari 120 kromosom tersebut pada
satu generasi populasi, tiap-tiap
kromosom memiliki nilai kinerja
terhadap fungsi tujuan. Berdasarkan
fungsi kinerja tersebut akan di seleksi
menjadi 16 kromosom terpilih yang
memiliki kinerja terbaik pada suatu
populasi.
Tabel 7. Contoh Kromosom Hasil Seleksi
Sumber : Perhitungan
Dalam proses optimasi dari 16
kromosom diatas akan dijadikan generasi
turunan selanjutnya dengan melalui
proses crossover, berhenti ketika antar
kromosom homogen.
Crossover
Crossover adalah persilangan antara
kromosom yang ada pada suatu generasi
turunan. Crossover merupakan bagian
dari proses reproduksi. Hasil persilangan
ini membentuk populasi dari generasi
berikutnya (dalam studi ini sebanyak 120
kromosom). Pada studi ini persilangan
antara dua kromosom generasi turunan
akan menghasilkan satu kromosom baru.
Vi = V1i . U [0,1] + V2i . (1-U [0,1])
Tabel 8. Tabel Proses Crossover
Sumber : Perhitungan
Vi = 11,5976 . 0,0437 + 11,5731 . (1-
0,0437)
Vi = 11,5926
Dengan Vi adalah variabel dari
kromosom baru gabungan, V1i dan V2i
adalah varibel masing-masing dari kedua
kromosom generasi turunan, dan U [0,1]
adalah bilangan acak uniform antara 0
dan 1.
Model Optimasi Lepasan Waduk
Klampis dengan Algoritma Genetik
Proses optimasi Algoritma Genetik
ini berlangsung secara iteratif dengan
menghitung secara langsung kinerja
kromosom (alternatif aturan lepasan)
pada simulasi waduk selama 12 tahun.
Berikut adalah tahapan optimasi
Algoritma Genetik :
1. Proses Inisialisasi
Pada proses Inisialisasi maka
dibangkitkan secara stokastik
populasi pertama sebanyak 16
kromosom (Alternatif Aturan
Lepasan). Satu kromosom
dibangkitkan melalui dua tahap yaitu
:
20 Iterasi awal
200 Iterasi lanjutan dengan kisaran acak 2 – 0,0001
2. Crossover
Setelah terbentuk 16 kromosom pada
generasi pertama hasil bangkitan dari
proses Inisialisasi, kemudian
dilakukan proses Crossover. Proses
ini merupakan persilangan antara
kromosom pada suatu generasi
turunan. Pada proses ini maka ada
prioritas bagi kromosom hasil
Crossover adanya perbaikan minimal
1 kali. Proses Crossover ini akan
menghasilkan 120 kromosom baru
hasil kombinasi antar generasi.
3. Proses Perbaikan
Dari 120 kromosom hasil Crossover
kemudian dipilihlah 16 kromosom
terbaik berdasarkan fungsi
kinerja/fungsi tujuan. Generasi
populasi 16 kromosom hasil seleksi
inilah yang akan menjadi generasi
turunan berikutnya.
No 1 2 3 4 5 6 -- 16
Posisi 6 18 83 31 80 1 -- 23
Kinerja 4,6839 4,6839 4,6839 4,6839 4,6839 4,6839 -- 4,6839
1 2 3 4 5 6 -- 16
0,00 0,952 0,951 0,951 0,951 0,951 0,951 -- 0,951
2,00 0,974 0,974 0,972 0,973 0,973 0,968 -- 0,970
4,00 0,976 0,980 0,980 0,980 0,979 0,981 -- 0,979
6,00 0,928 0,930 0,929 0,928 0,930 0,930 -- 0,928
8,00 0,736 0,738 0,738 0,737 0,737 0,735 -- 0,738
10,00 0,868 0,866 0,866 0,868 0,868 0,867 -- 0,866
12,00 0,843 0,845 0,845 0,844 0,845 0,843 -- 0,845
14,00 0,518 0,515 0,516 0,516 0,518 0,518 -- 0,516
16,00 0,737 0,737 0,737 0,738 0,737 0,737 -- 0,737
18,00 0,858 0,856 0,857 0,858 0,858 0,856 -- 0,858
20,00 0,855 0,854 0,854 0,856 0,854 0,855 -- 0,854
22,00 0,732 0,731 0,729 0,721 0,729 0,734 -- 0,729
24,00 0,705 0,709 0,709 0,708 0,706 0,707 -- 0,707
26,00 0,457 0,455 0,455 0,455 0,455 0,455 -- 0,455
28,00 0,411 0,411 0,409 0,406 0,408 0,409 -- 0,409
30,00 0,453 0,447 0,450 0,448 0,448 0,448 -- 0,447
32,00 0,404 0,405 0,405 0,405 0,404 0,405 -- 0,405
-- -- -- -- -- -- -- -- --
78,00 0,292 0,290 0,290 0,290 0,293 0,290 -- 0,290
80,00 0,281 0,277 0,275 0,281 0,287 0,297 -- 0,289
82,00 0,371 0,374 0,370 0,372 0,364 0,371 -- 0,364
84,00 0,209 0,212 0,216 0,211 0,210 0,210 -- 0,214
86,00 0,180 0,178 0,183 0,178 0,175 0,188 -- 0,177
88,00 0,258 0,260 0,263 0,261 0,257 0,259 -- 0,260
90,00 0,258 0,269 0,257 0,266 0,266 0,263 -- 0,270
92,00 0,427 0,434 0,441 0,434 0,444 0,427 -- 0,429
94,00 0,555 0,549 0,552 0,554 0,546 0,552 -- 0,548
96,00 0,431 0,431 0,431 0,431 0,430 0,431 -- 0,431
98,00 0,341 0,345 0,341 0,344 0,341 0,340 -- 0,337
100,00 1,000 1,000 1,000 1,000 1,000 1,000 -- 1,000
Tampungan Waduk (%)Kromosom (Lepasan Waduk %)
1 2 3 4 -- 14 15 16
4,01 4,01 4,01 4,01 -- 4,01 4,01 4,02
8,12 8,12 8,11 8,11 -- 8,11 8,11 8,12
12,24 12,25 12,24 12,25 -- 12,25 12,23 12,26
16,15 16,17 16,16 16,16 -- 16,17 16,14 16,18
19,26 19,28 19,27 19,27 -- 19,28 19,25 19,29
22,92 22,93 22,92 22,93 -- 22,93 22,91 22,96
26,47 26,50 26,48 26,49 -- 26,49 26,47 26,52
28,66 28,67 28,66 28,67 -- 28,67 28,64 28,70
31,76 31,78 31,77 31,78 -- 31,78 31,75 31,82
35,38 35,39 35,38 35,40 -- 35,40 35,36 35,44
38,99 38,99 38,98 39,00 -- 39,00 38,97 39,05
42,08 42,07 42,06 42,05 -- 42,03 42,04 42,13
45,05 45,06 45,05 45,03 -- 45,01 45,02 45,12
46,98 46,98 46,97 46,95 -- 46,95 46,95 47,04
48,71 48,71 48,69 48,66 -- 48,67 48,68 48,77
50,62 50,60 50,59 50,55 -- 50,56 50,57 50,66
52,33 52,31 52,29 52,26 -- 52,26 52,27 52,38
53,77 53,71 53,74 53,68 -- 53,69 53,69 53,80
-- -- -- -- -- -- -- --
86,04 85,96 85,96 85,95 -- 85,91 85,97 85,98
87,23 87,13 87,12 87,14 -- 87,08 87,18 87,20
88,79 88,71 88,68 88,71 -- 88,65 88,73 88,74
89,67 89,60 89,59 89,60 -- 89,56 89,62 89,64
90,43 90,35 90,36 90,35 -- 90,32 90,38 90,39
91,52 91,45 91,47 91,44 -- 91,38 91,47 91,49
92,60 92,59 92,55 92,56 -- 92,51 92,57 92,63
94,40 94,42 94,41 94,40 -- 94,41 94,41 94,44
96,74 96,73 96,74 96,73 -- 96,73 96,74 96,76
98,56 98,55 98,56 98,55 -- 98,56 98,56 98,58
100,00 100,00 100,00 100,00 -- 100,00 100,00 100,00
100,00 100,00 100,00 100,00 -- 100,00 100,00 100,00
94
96
98
100
%
84
86
88
90
92
78
80
82
34
--
24
26
28
30
32
Tampungan Waduk Lepasan Waduk (%)
0
2
4
6
8
10
12
14
16
18
20
22
4. Kondisi Optimal
Proses perbaikan ini akan berhenti
hingga antara kromosom satu dengan
lainnya sudah identik satu sama lain
atau seragam. Seragam (homogen)
dalam hal ini menandakan pada
sebuah populasi sudah didominasi
oleh satu jenis kromosom terbaik
saja. Maka sudah tidak
memungkinkan lagi untuk
melakukan perbaikan nilai kinerja.
Rekapitulasi Hasil Optimasi Algoritma
Genetik
Secara umum hasil perhitungan
iteratif dari optimasi Algoritma Genetika
yang telah optimal berdasarkan fungsi
tujuan disajikan pada tabel berikut:
Tabel 9. Rekap Hasil Iterasi Optimasi
Metode Algoritma Genetik
Dari Tabel Rekap Hasil Iterasi
Optimasi Metode Algotitma Genetik
dapat dilihat bahwa kondisi populasi
mengacu pada hasil fungsi tujuan sudah
seragam(homogen) tercapai pada
generasi turunan ke 10. Dapat
diasumsikan bahwa nilai dari 51 lepasan
pada tiap-tiap kondisi tampungan waduk
(aturan lepasan waduk berdasarkan
Tampungan Waduk) sudah optimal
dengan nilai kinerja 4,6839. Nilai tersebut merupakan nilai dari nilai
minimum produksi rata-rata daerah
irigasi Klampis. Seiring dengan
homogennya fungsi tujuan maka aturan
lepasan yang menjadi gen/variabel
menjadi homogen pula. Berikut Tabel
hasil optimasi dalam pencarian alternatif
aturan lepasan berdasarkan Tampungan
Waduk.
Tabel 9. Aturan Lepasan Berdasarkan
Tampungan Waduk Hasil Optimasi
Algortima Genetik
Sumber : Perhitungan
Berdasarkan hasil fungsi tujuan dan
alternatif aturan lepasan waduk yang
sudah homogen (seragam) maka
ditetapkan aturan lepasan pada waduk
Klampis berdasarkan Tampungan Waduk
yang dianggap paling optimal dengan
menggunakan metode Algoritma Genetik
adalah sebagai berikut:
Tabel 10. Pedoman Lepasan Hasil
Optimasi Metode Algoritma Genetik
Sumber : Perhitungan
2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
II 0,59 0,52 0,21 0,23 0,28 0,38 0,59 0,53 0,36 0,46 0,04 0,38
III 3,86 3,56 1,87 1,91 2,01 3,48 3,85 3,80 2,25 2,97 0,20 2,71
I 1,99 1,41 0,64 0,62 0,58 1,78 1,32 1,52 0,39 1,03 0,08 1,03
II 1,40 1,12 0,65 0,44 0,61 1,40 1,14 0,92 0,74 0,62 0,20 0,84
III 1,35 1,09 0,65 0,42 0,70 1,20 1,20 0,69 0,93 0,47 0,25 0,81
I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
II 0,93 0,93 0,79 0,50 0,68 0,93 0,93 0,62 0,93 0,59 0,38 0,74
III 2,54 2,50 2,54 1,58 2,14 2,54 2,51 1,92 2,54 2,08 1,25 2,19
I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
III 2,04 2,04 2,04 1,25 2,04 2,04 2,04 2,04 2,04 2,04 1,64 1,93
I 0,50 0,62 0,62 0,29 0,62 0,62 0,56 0,62 0,62 0,62 0,50 0,56
II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
I 0,06 0,08 0,08 0,03 0,08 0,07 0,07 0,07 0,08 0,08 0,08 0,07
II 0,32 0,44 0,41 0,22 0,41 0,44 0,36 0,39 0,44 0,44 0,44 0,39
III 0,24 0,33 0,31 0,19 0,31 0,35 0,27 0,30 0,35 0,32 0,35 0,30
I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
II 0,09 0,13 0,12 0,09 0,12 0,15 0,11 0,12 0,15 0,13 0,15 0,12
III 0,09 0,13 0,12 0,09 0,12 0,15 0,11 0,12 0,15 0,13 0,14 0,12
I 0,15 0,22 0,20 0,15 0,20 0,24 0,17 0,19 0,26 0,22 0,24 0,20
II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
III 0,31 0,45 0,42 0,31 0,42 0,50 0,36 0,40 0,55 0,44 0,50 0,42
I 0,42 0,62 0,56 0,41 0,56 0,69 0,49 0,54 0,73 0,60 0,66 0,57
II 0,38 0,58 0,53 0,37 0,53 0,64 0,45 0,51 0,70 0,56 0,63 0,54
III 0,29 0,49 0,45 0,27 0,45 0,55 0,37 0,43 0,59 0,48 0,53 0,44
I 0,18 0,36 0,32 0,17 0,32 0,40 0,26 0,31 0,44 0,35 0,39 0,32
II 0,13 0,27 0,27 0,12 0,24 0,30 0,20 0,23 0,42 0,26 0,34 0,25
III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
I 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
II 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
III 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00
I 0,16 0,46 0,58 0,81 0,39 1,01 0,57 0,33 1,02 0,42 0,76 0,59
II 1,86 1,39 1,81 2,53 1,18 3,45 2,36 1,80 3,45 1,06 2,30 2,11
III 0,84 0,22 0,36 0,67 0,21 1,36 0,91 0,70 1,06 0,03 0,56 0,63
Desember
Tahun
Juli
Agustus
September
Oktober
Nopember
Februari
Maret
April
Mei
Juni
Bulan Periode Rata-rata
Januari
Pct. Pct.
No. Tamp. Kebutuhan
[%] [%]
1 0,00 4,01
2 2,00 8,12
3 4,00 12,24
4 6,00 16,15
5 8,00 19,26
6 10,00 22,92
7 12,00 26,47
8 14,00 28,66
9 16,00 31,76
10 18,00 35,38
11 20,00 38,99
12 22,00 42,08
13 24,00 45,05
14 26,00 46,98
15 28,00 48,71
16 30,00 50,62
17 32,00 52,33
18 34,00 53,77
19 36,00 55,64
20 38,00 57,17
21 40,00 58,61
22 42,00 60,25
23 44,00 61,42
24 46,00 63,49
25 48,00 64,86
26 50,00 66,35
27 52,00 67,13
28 54,00 68,81
29 56,00 70,59
30 58,00 72,06
31 60,00 73,24
32 62,00 74,76
33 64,00 76,05
34 66,00 76,87
35 68,00 78,89
36 70,00 79,75
37 72,00 81,09
38 74,00 82,87
39 76,00 84,81
40 78,00 86,04
41 80,00 87,23
42 82,00 88,79
43 84,00 89,67
44 86,00 90,43
45 88,00 91,52
46 90,00 92,60
47 92,00 94,40
48 94,00 96,74
49 96,00 98,56
50 98,00 100,00
51 100,00 100,00
Gambar 5. Grafik Hasil Optimasi Aturan
Lepasan Berdasarkan Tampungan Waduk
Sumber : Perhitungan
KESIMPULAN DAN SARAN
Kesimpulan
Berdasarkan analisa pada bab-bab
sebelum dapat diambil beberapa
kesimpulan sebagai berikut :
1. Dari simulasi operasi waduk dengan
menggunakan aturan lepasan
berdasarkan Tampungan Waduk,
maka dapat dikemukakan hal-hal
sebagai berikut :
Dari 432 periode operasi telah terjadi 329 periode limpahan.
Dari perhitungan simulasi waduk
Klampis berdasarkan Tampungan
Waduk selama 11 tahun, mulai dari
2004-2014 didapatkan rata-rata
pemenuhan Irigasi sebesar 80,40%
dan nilai produksi rata-rata yaitu
12,94 milyar rupiah.
2. Dari simulasi waduk Klampis
berdasarkan Tampungan Waduk akan
dilakukan peningkatan nilai minimum
penuhan irigasi, nilai minimum
pemenuhan irigasi ini menjadi fungsi
tujuan optimasi Algoritma Genetik.
Rumusan model optimasi dengan
Algortima Genetik langkah awal yaitu
dengan melakukan proses Inisialisasi. Dari proses Inisialisasi dibangkitkan
16 kromosom dengan cara stokastik
sebagai populasi awal dari kromosom
yang akan dikembangkan, pada tiap-
tiap kromosom memiliki 21 gen dan
setiap kromosom memiliki nilai
kinerja berdasarkan fungsi tujuan
optimasi. Setelah proses Inisialisasi
dilakukan, kemudian populasi tersebut
dikembangkan memalalui proses
crossover atau persilangan antar
generasi, terbentuklah 120 kromosom
hasil crossover. Berikutnya adalah
proses reproduksi yaitu proses seleksi,
memilih 16 kromosom terbaik dari
120 kromosom berdasarkan fungsi
kinerja. Selain dilakukan berdasarkan
ranking terhadap nilai kinerja setiap
kromosom, juga ada prioritas bagi
kromosom yang ada perbaikannya
(minimal 1 kali). Selanjutnya dari 16
kromosom hasil seleksi tersebut
dijadikan generasi turunan selanjutnya
dan dilakukan proses crossover
kembali dengan mekanisme yang
sama. Proses reproduksi tersebut akan
berhenti jika antar kromosom pada
suatu populasi sudah homogen. Hal
tersebut menandakan pada proses
perbaikan antar kromosom sudah
identik satu sama lain, jadi proses
perbaikan sudah tidak memungkinkan
lagi dilakukan. Pada proses crossover
dalam studi ini generasi turunan
terbentuk hingga 10 turunan untuk
mecapai kondisi homogen.
3. Dari hasil optimasi dengan Algoritma
Genetik dapat dikemukakan hasil
optimasi lepasan berdasarkan Tampungan
Waduk selama 11 tahun (2004-2014)
didapatkan peningkatan nilai minimum
pemenuhan irigasi yaitu 80,70% dan
peningkatan nilai produksi rata-rata yaitu
14,05 milyar rupiah.
Saran 1. Pada proses Inisialisasi, sebaiknya
populasi awal dan iterasi diperbanyak
sehingga akan menghasilkan solusi
yang lebih baik lagi yang mempunyai
nilai kinerja lebih baik pula.
2. Perlu adanya evaluasi terhadap PPT
rencana DI Pacal-Kerjo, dengan
meninjau kondisi existing terkini.
3. Pada pola operasi aktual, perlu adanya
peninjauan agar lepasan bisa
terkontrol menyesuaikan kondisi
tampungan waduk yang ada.
DAFTAR PUSTAKA
Asdak, C. 2004. Hidrologi dan
Pengelolaan Daerah Aliran
Sungai. Yogyakarta: Gadjah
Mada University Press.
Fakultas Teknik Universitas Brawijaya.
2000. Panduan Penulisan
Skripsi. Malang : Jogja
Mediautama
Harto, Sri. 1993. Analisa Hidrologi.
Jakarta : Gramedia Pustaka
Utama.
Novianto, Imansyah. 2004. Studi Pola
Operasi dan Optimasi Sebagai
Alternatif Untuk Mengatasi
Masalah Keterbatasan Air Pada
Daerah Irigasi Waduk Klampis
Di Pulau Madura Kabupaten
Sampang Provinsi Jawa Timur.
Skripsi. Tidak Diterbitkan.
Jurusan Teknik Pengairan
Universitas Brawijaya Malang.
Limantara. L.M. 2010. Hidrologi Praktis.
Bandung: Lubuk Agung.
Limantara. L.M. 2010. Hidrologi Teknik
Dasar. Malang: Citra Malang.
Mc. Mahon, T.A, Mein, R.G. 1978.
Reservoir Capacity and Yield.
Amsterdam: Elvesier Scientific
Publishing Company.
Dinas Pengairan Kabupaten Sampang
Dinas Pertanian Kabupaten Sampang
Unit Pelaksanaan Teknis (UPT)
Sumberdaya Air Wilayah Sungai
Madura. Pamekasan
Soetopo, Widandi. 2012. Model-model
Simulasi Stokastik untuk Sistem
Sumberdaya Air. Malang:
Asrori.
Soetopo, Widandi. 2010. Operasi Waduk
Tunggal. Malang: Citra Malang.
Soetopo,Widandi, 2007. Penerapan
Model Sinus-Perkalian Pada
Rumusan Fungsi Kinerja Irigasi
Untuk Optimasi Dengan
Program Dinamik. Jurnal
Teknik. ISSN 0854 – 2139.
Soemarto, CD. 1986. Hidrologi Teknik
Edisi I. Surabaya: Penerbit
Usaha Nasional.
Soewarno , 2000. Hidrologi Operasional
Jilid kesatu. Bandung : PT. Citra
Aditya Bakti
Sosrodarsono, S. dan Takeda, K. 1987.
Hidrologi Untuk Pengairan.
Jakarta: Paradnya Paramita.
Sudjarwadi. 1988. Operasi Waduk.
Yogyakarta: KMTS Universitas
Gajah Mada.
Suhardjono,1994. Kebutuhan Air
Tanaman. Malang : ITN Malang
Press