ANALISIS DAN PROYEKSI SISTEM TENAGA LISTRIK...

Volume 02, Nomor 2, Edisi Oktober 2014

PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur 1

ANALISIS DAN PROYEKSI SISTEM TENAGA LISTRIK

KABUPATEN TANAH LAUT MENGGUNAKAN

ARTIFICIAL NEURAL NETWORKS

Jazuli Fadil1)

, Rizani Effzi2)

dan Andy Nugraha3)

1 dan 2)

Staf Pengajar Politeknik Negeri Banjarmasin 3)

Staf Pengajar Program Studi Teknik Otomotif Politeknik Hasnur

e-mail :[email protected]

ABSTRAK

Sistem peramalan beban pada penelitian kali ini menggunakan jaring saraf tiruan.

Dengan multi input dan desain struktur multi layer, metode ini bisa memperbaiki error

dengan cepat. Pada beberapa penelitian sebelumnya banyak yang menggunakan JST feed

forward dengan algoritma propagasi balik untuk peramalan beban dalam jangka waktu

yang singkat atau lama. Dengan metode RPROP perbaikan error bisa dilakukan lebih

cepat dan dalam proses training dapat melakukan regresi non-linier pola-pola beban

listrik dalam kurun waktu yang singkat ataupun lama.Data yang akan ditraining adalah

data jaringan distribusi pelaihari,data temperatur, cuaca dari BMKG selama 4 tahun,

serta data populasi penduduk dengan pertumbuhan rata-rata dari tahun 2008 hingga

2013. Akurasi peramalan di test dengan data sesungguhnya untuk mengetahui simpangan

error maksimum sehingga bisa di lakukan perbaikan secara terus menerus pada learning

rate dan bobot yang akan digunakan untuk memperbaiki akurasi peramalan. Dengan

metode ini hasilnya cukup bagus yaitu error sudah bisa mendekati nol dengan MSE 10-

5.Index-Terms--Peramalan beban ,ANN, BPNN.

Kata kunci :tenaga listrik, kabupaten Tanah Laut, Artificial Neural Network

PENDAHULUAN

Suplai energi listrik di Tanah Laut

merupakan bagian dari interkoneksi

Sistem Kalselteng.Yang dipasok dari GI

Pelaihari dengan kapasitas 30 MVa untuk

melayani seluruh kecamatan di tanah laut

melalui penyulang 20 kV dari PH1

hingga PH4.Potensi energi alternatif dan

terbarukan untuk menghadapi isu

pemanasan global dan memperkuat

sistem tenaga di Pelaihari diharapkan bisa

lebih optimal. Untuk Sistem Kalselteng

dibawah PT PLN (Persero) Wilayah

Kalimantan Selatan dan Kalimantan

Tengah memiliki 5 unit pelayanan 2

Sektor Pembangkitan dan 1 Area

Penyaluran dan Pengatur Beban. Sistem

ketenagalistrikan di Kalimantan Selatan

dan Kalimantan Tengah terdiri atas satu

sistem interkoneksi dan beberapa sistem

terisolasi. Sistem interkoneksi

melalui jaringan transmisi 150 kV,

disebut Sistem Kalselteng, meliputi kota

/Kabupaten Banjarmasin, Banjarbaru,

Banjar, Tapin, Hulu Sungai Selatan, Hulu

Sungai Tengah, Hulu Sungai Utara,

Tabalong, Balangan, Barito Kuala, Tanah

Laut dimana terdapat di Provinsi

Kalimantan Selatan dan Kota/Kabupaten

Palangka Raya, Kapuas, Pulang Pisau,

Katingan, Barito Timur.

Desain Sistem

Secara umum untuk melakukan

desain sistem beberapa tahapan penting

diantaranya adalah penetapan metode dan

juga flowchart atau proses sehingga

tujuan akhir bisa maksimal yaitu

peramalan beban dengan target Error

MSE 10-5

. Bagian terpenting dari

pemodelan JST adalah pemilihan metode

mailto:[email protected]



pelatihan dan pemilihan arsitektur. Ada

beberapa metode pendekatan yang umum

dipakai untuk menyesuaikan

kompleksitas arsitektur ANN dengan

permasalahan yang akan ditangani.

Pendekatannya yaitu :

1. Pelatihan dilakukan dengan prinsip

trial and error pada beberapa kriteria

berdasarkan pada teori untuk

membandingkan dan memilih struktur

yang terbaik. Metode ini memerlukan

waktu yang panjang.

2. Dalam pelatihan untuk mempercepat

konvergensi digunakan koefisien

momentum dengan persamaan :

∆𝑤 𝑡 = 𝜂∇𝐸 𝑡 + 𝛼∆𝑤(𝑡 − 1)(1)

dengan α adalah nilai konstanta

momentum yang berupa bilangan

positif antara 0.5 sampai dengan 0.9

penggunaan koefisien momentum ini

digunakan jika konvergensi

berlangsung terlalu lama, dan juga

untuk mencegah optimum lokal (local

optimum / minimum) [7].

Pelatihan dengan RPROP merupakan

varian dari backpropagation, yaitu

memulai dengan suatu JST kecil dan

kemudian mengembangkan unit

tersembunyi serta pembobot tambahan

hingga didapatkan penyelesaian yang

diinginkan. Adapun algoritmanya adalah

sebagai berikut :

Gambar.1. Struktur Desain Forecasting

a. Inisialisasi, yaitu pembentukan

Neural Network awal berupa NN

tanpa unit tersembunyi. Error

pembobot menggunakan SSE (sum of

Square Error) :

𝑆𝑆𝐸

= (𝑑𝑙𝑘

𝑟

𝑘=1

𝑛

𝑡=2

− 𝑜𝑙𝑘 )2 (2)

Dengan:

dlk = keluaran yang dikehendaki

untuk sample ke-l dan unit keluaran

ke-k

olk = keluaran NN untuk sampel ke-l

dan unit keluaran ke-k

n = jumlah sampel data

r = jumlah unit keluaran

b. Pelatihan unit tersembunyi baru, yaitu

menghubungkan masukan ke unit

baru dan sambungkan keluarannya ke

unit keluaran. Seluruh pembobot yang

terhubung ke unit baru diatur dengan

meminimalkan criteria mSSE

(modified SSE) :

𝑚𝑆𝑆𝐸𝑖 = (𝑑𝑙𝑘

𝑙 ,𝑘

− 𝑣𝑗𝑘 ℎ𝑗𝑡

𝑖=1

𝑗=0

− 𝑣𝑖𝑘ℎ𝑖𝑙) 2

= (𝑒𝑘𝑙𝑖

𝑙 ,𝑘

− 𝑣𝑖𝑘ℎ𝑖𝑙)2 (3)

c. Pembentukan unit tersembunyi baru,

yaitu menetapkan secara permanen

pembobot yang berinterkoneksi

dengan unit baru.

d. Uji konvergensi, yaitu jika jumlah

unit tersembunyi telah menghasilkan

solusi yang layak, maka pelatihan

/dihentikan. Jika tidak



menghasilkansolusi yang layak,

kembali kelangkah “b”.

Input layer JST disini merupakan data

beban, populasi penduduk, curah hujan

dan temperatur yang akan ditraining yang

terdiri dari sejumlah neuron, secara

umum priode t – 10 ke t – 1, dimana

masing-masing terhubung ke hidden

layer.

Gambar.2. Struktur JST Tanah Laut

Untuk semua data yang diperoleh data

yang akan di training adalah data dari

tahun 2005 hingga 2007, sedangkan

tahun 2008 adalah sebagai data testing

atau pengujian. Karena data yang

digunakan adalah multi input dan sangat

beragam antara curah hujan dan

temperatur juga populasi penduduk maka

semua data akan di normalisasi untuk

memudahkan pelatihan dan mempercepat

proses komputasi. Dalam penelitian kali

ini digunakan supervised learning model.

Antara Error dan output yang diharapkan

akan diperhitungkan.Kemudian untuk

fungsi aktivasi yang digunakan disini

adalah fungsi aktivasi unipolar yang

ditunjukan pada persamaan :

𝑓𝑛𝑒𝑡 = 1

1+𝑒𝑥𝑝 −𝑛𝑒𝑡 (4)

Fungsi aktivasi mentransformasi nilai

output melalui pemetaan sinyal input

kedalam sebuah nilai yang sesuai dengan

nilai neuron yang lainnya.

METODE ANALISA

Kebutuhan listrik adalah beban

rata-rata pada suatu interval waktu

tertentu.Beban rata-rata tersebut dapat

berupa daya aktif, daya reaktif atau arus

dengan satuan KW, KVAR, Amp.Pada

pembahasan ini untuk daya aktif

digunakan MW.Kebutuhan listrik

berbeda dengan pengertian besar

kapasitas terpasang dari beban listrik

karena waktu pengoperasian peralatan

tidak selalu dalam waktu

bersamaan.Interval kebutuhan merupakan

priode dengan rata-rata beban dihitung

dengan besar nilai ditentukan oleh waktu

thermal atau lama beban.Untuk metode

kali ini adalah dengan

menggunakanRPROP atau yang biasa

disebut Resilient Backpropagation adalah

algoritma yang bertujuan untuk

menghilangkan pengaruh rugi-rugi nilai

turunan parsial (gradien) terhadap

perubahan bobot [5].Hanya tanda gradien

yang digunakan untuk menunjukan arah

pembaruan bobot.Besarnya ubahan bobot

secara khusus ditunjukan oleh nilai

pembaru 𝛿

∆𝒘𝒊𝒋(𝒌)

=

−𝜹𝒊(𝒌)

, 𝑖𝑓gi(k)

> 0; 𝑖 = 1,2,… , 𝑤

𝜹𝒊(𝒌)

, 𝑖𝑓gi(k)

< 0; 𝑖 = 1,2, … ,𝑤

𝟎, 𝑖𝑓gi(k)

= 0; 𝑖 = 1,2, … , 𝑤

(5)

Di mana 𝑤𝑖(𝑘)

adalah elemen ke-

i𝑤(𝑘)dan ∆𝑤(𝑘) adalah ubahan terhadap

𝑤𝑖(𝑘)

; g𝑖(𝑘)

adalah elemen ke-i vector

gradien g(𝑘)

. Nilai –nilai pembaru

diberikan oleh

`

𝜹𝒊(𝒌)

=

𝜸+𝜹𝒊(𝒌−𝟏)

, 𝑖𝑓gi(k)

gi(k−1)

> 0; 𝑖 = 1,2,… ,𝑤

𝜸−𝜹𝒊(𝒌−𝟏)

, 𝑖𝑓gi(k)

gi(k−1)

< 0; 𝑖 = 1,2,… ,𝑤

𝜹𝒊(𝒌−𝟏)

, 𝑖𝑓gi(k)

gi(k−1)

= 0; 𝑖 = 1,2,… ,𝑤

(6)



Di mana 0 <𝜸-<𝜸+

. Jika gradien untuk

suatu bobot pada dua epoch berturutan

berlainan tanda, yang berarti ubahan

terakhir terlalu besar dan melompati

minimum, nilai pembaru 𝜹𝒊(𝒌)

bagi bobot

tersebut diturunkan dengan faktor 𝜸- .Jika

dalam dua epoch berturutan tanda

gradiennya tetap, nilai pembaru

dinaikkan dengan faktor 𝜸+untuk

mempercepat konvergensi pada daerah

landai (permukaan error). Selain nilai

𝜸+dan𝜸-

, algoritma RPROP juga

memerlukan penentuan nilai pembaru

awal 𝛿0 dan ubahan bobot maksimum

𝛿max.

Data

Pada penelitian ini yang dijadikan

masukan adalah data beban, serta data

pertumbuhan penduduk selama 5 tahun

dari tahun 2008 sampai tahun 2012.

Seluruh data input dinormalisasi untuk

memudahkan dan mempercepat proses

komputasi. Dalam menetukan jumlah

optimal neuron pada hidden layer tidak

ada aturan yang pasti yang bisa dijadikan

acuan, disini di tentukan dengan „trial

and error’.

Dimana data yang digunakan dalam

melakukan analisi dan proyeksi yaitu

data beban perbulan selama 4 tahun dari

Distribusii Gardu Induk Pelaihari yang

interkoneksi dengan GI Asam-Asam dan

GI cempak, kemudian data populasi

penduduk Kabupaten Tanah Laut

(Asumsi pertumbuhan) dari BPS, dan

terakhir adalah Data curah hujan

Kabupaten Tanah Laut (BMKG).

Padapenelitian kali inijuga dianalisa

untuk perencanaan sistem yaitu

penambahn trafo pada GI pelaihari,

Kemudian hasilnya dibandingkan dengan

perencanaan dinas yang lain untuk

penambahan kapasitas daya kabupaten

tanah laut.

HASIL DAN PEMBAHASAN

Hasil desain dari jaring yang

dibentuk diujikan lagi dengan data

proyeksi dari PLN kemudian untuk

analisi perencanaan penambahan

kapasitas daya tanah laut adalah dengan

melakukan penambahan trafo di GI

Pelaihari dan interkoneksi Captive Power

dengan penyulang pelaihari atau

pembangkit swasta yang menjual daya

listriknya ke PLN. Dimana hasilnya

dibandingkan dengan proyeksi RUPTL

dan proyeksi kementrian ESDM dalam

hal rencana penambahan kapasitas daya

atau penambahan trafo GI, sistem

tegangan yang dipilih diarahkan pada

kesesuaian pengembangan sistem

transmisi tenaga listrik sedangkan

penambahan trafo diprioritaskan apabila

pembebanan trafo pada Gardu Induk

(GI) terpasang sudah mencapai 70%

dari kapasitasnya dan kondisi GI sudah

berada dalam kondisi yang optimal.

Tabel 2. Hasil Proyeksi

Tahun

Beban

Puncak

Persentase

Beban

MW %

2008 12.9 43

2009 15.6 52

2010 16 53.33

2011 16.3 54.33

2012 17.9 59.67

2013 21.4 71.33

2014 22.9 76.33

2015 24.7 82.33

2016 26.8 89.33

2017 29 96.67

Gambar 3. Anaisis Proyeksi PLN vs JST



Untuk hasil peramalan error tertinggi

berada ditahun 2017 dan terkecil adalah

2013 dengan nilai proyeksi PLN adalah

sebesar 21.4 MW sedangkan JST adalah

19.95 dengan nilasi maksimum adalah

26.2 MW, hal ini bisa dilihat pada grafik

bahwa semakin jauh maka intervalnya

semakin lebar.

Gambar 4. Proyeksi Beban Puncak dan

Proyeksi penambahan trafo GI Pelaihari

Untuk proyeksi penambahan trafo GI

pelaihari diproyeksikan pada 2015, pada

RUPTL 2012-2021 diproyeksikan pada

2017, sedangkan pada Master Plan

Pembangunan ketenagalistrikan

Kementrian ESDM 2010-2014

diproyeksikan pada 2014. Perbedaan dari

hasil proyeksi ini adalah representasi

dinamis dari perubahan beban puncak

yang terus meningkat setiap harinya serta

peningkatan aktifitas bisnis, industri,

pembangunan pemukiman serta

pertumbuhan populasi penduduk yang

terus meningkat setiap hari bahkan setiap

jam, sehingga perlu dilakukan percepatan

penambahan kapasitas trafo sebesar 30

MVa pada GI Pelaihari.

Gambar 5. Pola Beban Harian per Jam

Untuk pola beban harian perjam titik

tertinggi berada pada jam 7.00 pagi dan

jam 08.00 malam hal ini terjadi

berdasarkan pola kegiatan aktivitas

masyarakat karena pengguna listrik

terbesar adalah tipe rumah tangga,

sehingga aktivitas mereka sangat

mempengaruhi beban puncak di waktu

tersebut, artinya untuk penghematan

listrik perlu ditekankan pada saat beban

puncak terjadi.

Dari penelitian tentang analisis

penambahan kapasitas daya tanah laut

dan pramalan beban listrik jangka

panjang dengan menggunakan jaring

saraf tiruan,jaring mampu mengenali pola

beban listrik bulanan, harian dan jangka

panjang.Hal ini dapat dilihat dari error

rata-rata yang cukup kecil.Untuk

penambahan trafo GI Pelaihari

diproyeksikan pada tahun 2015, karena

kapasitas Gardu Induk (GI) pada tahun

tersebut sudah mencapai diatas 70%.

DAFTAR PUSTAKA

[1] A. Azadeh, S.F. Ghaderi, S.

Sohrabkhani, Annual electricity

consumption forecasting by neural

network in high energy consuming

industrial sectors, Sciencedirect

Energy Conversion and Management,

Volume 49, Issue 8, August 2008,

Pages 2272-2278

[2] Che-Chiang Hsu, Chia-Yon Chen.

Regional load forecasting in Taiwan

Applications of ANN, Energy

Conversion and Management,

Volume 44, Issue 6, June 2003, Pages

1941-1949

[3] Chun Ching Lee, C. Ou-Yang, A

neural networks approach for

forecasting the supplier‟s bid prices in

supplier selection negotiation process,

Expert Systems with Applications,

Volume 36, Issue 2, Part 2, March

2009, Pages 2961-2970

[4] Jazuli Fadil, Load Forecasting For

The Distribution Network Of South

And Middle Kalimantan Using

Artificial Neural Networks Resilient



Propagation, Seminar Nasional

APTECS 1st, ITS Surabaya 2009

[5] M. Becalli, M. Cellura, V lo brano, A.

Marvuglia, Forecasting daily urban

electric load profiles using artificial

neural networks, Sciencedirect,

Energy Conversion and Management,

Volume 45, Issues 18-19, November

2004, Pages 2879-2900

[6] Martin Reidmiller,Heinrich braun, A

Direct Adaptive Method for Faster

Backpropagation Learning: The

RPROP Algorithm, IEEE

International Conference on Volume ,

Issue , 1993 Page(s):586 - 591 vol.1

[7] Mauridhi Hery Purnomo, Agus

Kurniawan, Supervised Neural

Networks dan aplikasinya, Penerbit

GRAHA ILMU, 2006



PENGARUH BEBERAPA KONSENTRASI EKSTRAK DAUN KIRINYU

(Cromolaena odorata L.) TERHADAP PERTUMBUHAN DAN HASIL

TANAMAN BAWANG DAUN (Allium FistulosiumL.)

Andik Setiawan1)

, Hikma Ellya2)

, Hakimah Halim3)

, Murdikajah4)

1)

Mahasiswa Program Studi Agronomi Fakultas Pertanian Universitas Lambung Mangkurat 2)

Staf Pengajar Program Studi Budidaya Tanaman Perkebunan Politeknik Hasnur 3, 4)

Staf Pengajar Fakultas Pertanian Universitas Lambung Mangkurat

e-mail :[email protected]

ABSTRAK

Tujuan penelitian adalah untuk mengetahui pengaruh dan memperoleh konsentrasi ekstrak

daun kirinyu terbaik terhadap pertumbuhan bawang daun.Penelitian ini merupakan

percobaan di lapangan dengan menggunakan Rancangan Acak Kelompok (RAK). Faktor

yang diteliti adalah perlakuan pemberian ekstrak daun kirinyu yang terdiri 6 perlakuan yang

terdiri dari d0 (tanpa ekstrak kirinyu 0 ml/liter air); d1(ekstrak kirinyu 0,5 ml/liter air); d2

(ekstrak kirinyu 1,0 ml/liter air); d3 (ekstrak kirinyu 1,5 ml/liter air); d4 (ekstrak kirinyu 2,0

ml/liter air); dan d5 (ekstrak kirinyu 2,5 ml/liter air). Setiap perlakuan diulang sebanyak 4

kali, sehingga diperoleh 24 percobaan. Hasil penelitian menunjukan bahwa pemberian

ekstrak daun kirinyu berpengaruh sangat nyata terhadap tinggi tanaman dan jumlah daun

per rumpun pada umur 44 hst, 51 hst, dan 58 hst. Berdasarkan pengaruh nyata tersebut

diketahui bahwa konsentrasi ekstrak daun kirinyu yang terbaik terhadap pertumbuhan

tanaman bawang daun adalah pada pemberian ekstrak daun kirinyu 1,5 ml/liter air.

Kata kunci :bawang daun, daun kirinyu, konsentrasi ekstrak

PENDAHULUAN

Bawang daun (Allium fitulosum L)

termasuk jenis sayuran daun bahan bumbu

dapur dan pencampur sayur mayur yang

popular di seluruh dunia. Tanaman ini

dapat tumbuh di daerah atau negara yang

beriklim tropis maupun sub tropis

(Rukmana, 1995).

Menurut data Badan Pusat Statistik

Republik Indonesia (2011), pertanaman

bawang daun masih dominan di Pulau

Jawa, yakni mencapai luas 34.568 ha,

dengan rata-rata 10,65 ton/ha. Jawa Barat

merupakan pusat produksi bawang daun

dengan luas areal 14.091 ha, dan hasil rata-

rata 11,55 ton/ha, sedangkan sisanya

tersebar di berbagai provinsi dengan luas

pertanaman relatif kecil dan rata-rata hasil

lebih rendah dari rata-rata hasil di Pulau

Jawa, termasuk di Kalimantan Selatan.

Sebagai Negara yang dianugerahi

kekayaan keanekaragaman hayati tropika

yang unik, banyak didapati tumbuhan liar

yang menjadi modal dasar luar biasa

besarnya yang diperlukan untuk

mengembangkan pertanian organik. Dari

sekian banyak tumbuhan liar tersebut salah

satu alternatif sebagai sumber bahan

organik yang potensial adalah tumbuhan

Kirinyu (Chromolaena odorata).

Tumbuhan kirinyumempunyai

kandungan hara yang cukup tinggi (2.65%

N, 0.53% P dan 1.90% K) serta Ca, Mg

yang cukup tinggi dan lebih tinggi

dibanding pupuk kandang sapi sehingga

biomasa kirinyu dapat dijadikan alternatif

pupuk organik yang potensial (Suntoro,

2001).

Banyak hal yang mempengaruhi

rendahnya produksi tanaman, salah satu

diantaranya yaitu tingkat kesuburan

tanah.Secara umum tingkat kesuburan




tanah di Kalimantan Selatan tergolong

rendah.Untuk mengatasi rendahnya

produksi pada daerah yang kesuburan

tanahnya rendah perlu dilakukan

pemupukan.Tentunya dalam aplikasi

pemupukan harus efisiensi, sehingga

pemupukan yang dilakukan langsung

dapat diserap oleh tanaman dengan baik.

Penggunaan pupuk daun atau pupuk

pelengkap cair adalah salah satu

komponen teknologi baru dalam usaha

meningkatkan produksi tanaman.Dari

beberapa penelitian oleh Nurita (2010)

bahwa ekstrak tumbuhan kirinyudapat

digunakan sebagai pupuk daun nabati.

Sehubungan dengan permasalahan

diatas penulis tertarik untuk melalukan

penelitian yang berjudul pengaruh

pemberian ekstrak daun kirinyu

(Chromolaena odorata) terhadap

pertumbuhan dan hasil tanaman bawang

daun (Allium FistulosiumL).

Penelitian ini bertujuan untuk

mengetahui pengaruh dan memperoleh

konsentrasi ekstrak daun kirinyu terbaik

terhadap pertumbuhan bawang daun.

BAHAN DAN METODE

Bahan yang digunakan pada penelitian

adalah tanah, bibit bawang, pupuk

kandang ayam, pupuk urea, ekstrak daun

kirinyu, dan air.

Alat yang digunakan pada penelitian

adalah alat pengolah tanah, gembor,

kamera digital, alat tulis, meteran, hand

sprayer, dan neraca analitik.

Penelitian ini dilaksanakan di lahan

percobaan Balai Penelitian Pertanian

Lahan Rawa (BALITTRA) Banjarbaru, di

Jl. Kebun Karet, Kelurahan Loktabat,

Kecamatan Banjarbaru. Penelitian ini

dilaksanakan dari bulan April 2013 sampai

dengan Mei 2013.

Metode Penelitian

Penelitian ini merupakan

percobaan dilapangan dengan

menggunakan Rancangan Acak Kelompok

(RAK).Faktor yang diteliti adalah

perlakuan pemberian ekstrak daun kirinyu

yang terdiri 6 perlakuan dan setiap

perlakuan diulang sebanyak 4 kali,

sehingga diperoleh 24 percobaan.

Perlakuan terdiri dari :

d0 : tanpa ekstrak kirinyu 0 ml/liter air

d1 : ekstrak kirinyu 0,5 ml/liter air




d5 :ekstrak kirinyu 2,5 ml/liter air

Analisis Data

Sebelum melakukan analisis ragam

hasil perlakuan dilakukan pemeriksaan

terhadap asumsi kehomogenan ragamnya

yaitu dengan kehomogenan ragam Barlett

setelah pengamatan diperoleh kemudian

dianalisis sidik ragam uji F pada taraf 5 %.

Apabila hasil uji F menunjukan berbeda

nyata atau berbeda sangat nyata, maka

diuji lebih lanjut menggunakan Uji Beda

Nyata Jujur (BNJ) pada taraf uji 5 %.

Pembuatan Ekstrak Kirinyu

Mengambil daun kirinyudari

lapangan kemudian ditimbang sebanyak 5

kg lalu daun tersebut dihaluskan atau

dicacah kemudian dimasukkan kedalam

ember, Pupuk daun dibuat dalam bentuk

ekstrak padat (paste) dengan cara

merendam daun kirinyu kedalam pelarut

(aseton 90 %) dicampur 10 liter pelarut.

Setelah direndam selama 3-4 hari

kemudian disaring dan hasil saringan

dimasukkan ke evaporator. Hasil larutan

dimasukkan ke dalam gelas seng dan

dipanaskan pada waterbath dengan suhu

40oC. Untuk membentuk ekstrak padat,

pemanasan harus dilakukan selama

kurang lebih 48 jam.

Sebelum aplikasi perlakuan,

terlebih dahulu ekstrak padat dicampur

dengan minyak tween 40, tujuannya agar

daya rekat ekstrak yang disemprotkan ke

tanaman lebih kuat dan penyebarannya

merata pada permukaan



tanaman.Mencampur ekstrak padat dengan

tween 40 dilakukan pada plat kaca atau

piring sambil diaduk dengan sendok

hingga merata, kemudian dimasukkan ke

dalam gelas dan dicampur dengan air,

sehingga di dapatkan ekstrak padat dan

dicampur dengan air sehingga menjadi

larutan ekstrak kirinyu.

Pelaksanaan

Pelaksanaan penelitian berupa

pengolahan tanah, pemupukan, persiapan

bibit, penanaman, pemeliharaan, dan

pemberian ekstrak daun kirinyu sesuai

dosis perlakuan.

Pengamatan dilakukan terhadap

peubah-peubah tinggi tanaman, jumlah

daun per rumpun, dan jumlah anakan per

rumpun.


Hasil analisis ragam menunjukkan

bahwa pemberian ekstrak daun kirinyu

berpengaruh sangat nyata terhadap tinggi

tanaman dan jumlah daun umur 44 hari

setelah tanam (hst), 51 hst, dan 58 hst. Hal

ini berbeda pada peubah jumlah anakan

per rumpun umur 44 hst, 51 hst, dan 58 hst

yang menunjukan respon tidak nyata.

Rata-rata pengaruh pemberian

ekstrak daun kirinyu terhadap tinggi

tanaman dan jumlah daundisajikan pada

Tabel 1 dan Tabel 2.

Tabel 1. Rata-rata pengaruh pemberian ekstrak daun kirinyu terhadap tinggi tanaman umur

44 hst, 51 hst, dan 58 hst (cm)

Ekstrak Kirinyu Tinggi Tanaman (cm)

44 hst 51 hst 58 hst

d0 (0 ml/liter air) 31,58 A 31,85 a 31,88 a

d1 (0,5 ml/liter air) 34,58 B 35,03 b 35,27 b

d2 (1,0 ml/liter air) 35,03 B 35,43 b 35,53 b

d3 (1,5 ml/liter air) 37,88 C 38,28 c 38,38 d

d4 (2,0 ml/liter air) 36,35 Bc 36,70 bc 36,78 c

d5 (2,5 ml/liter air) 35,33 B 35,53 b 35,63 bc Keterangan : Angka-angka yang diikuti oleh huruf yang sama menunjukkan tidak berbeda nyata menurut

uji BNJ pada taraf nyata 5%.

Tabel 2. Uji beda rata-rata pengaruh pemberian ekstrak daun kirinyu terhadap jumlah daun

per rumpun umur 30 hst, 37 hst, 44 hst, 51 hst, dan 58 hst (helai)

Ekstrak Kirinyu Jumlah Daun Per Rumpun (helai)

44 hst 51 hst 58 hst

d0 (0 ml/liter air) 9,35 A 10,60 a 10,80 a

d1 (0,5 ml/liter air) 11,60 B 13,90 b 15,25 b

d2 (1,0 ml/liter air) 13,05 C 15,30 c 16,25 b

d3 (1,5 ml/liter air) 17,00 E 17,65 d 19,30 c

d4 (2,0 ml/liter air) 15,70 D 17,45 d 18,30 c

d5 (2,5 ml/liter air) 12,45 Bc 15,00 bc 16,00 b Keterangan : Angka-angka yang diikuti oleh huruf yang sama menunjukkan tidak berbeda nyata menurut

uji BNJ pada taraf nyata 5%.



Berdasarkan Tabel 1 diketahui

bahwa tinggi tanaman yang paling tinggi

pada semuaumur penelitian pada

pemberian ekstrak daun kirinyu d3 (1,5

ml/liter air) yaitu 37,88 cm pada 44 hst,

38,28 cm pada 51 hst, dan 38,38 cm pada

58 hst. Tinggi tanaman yang paling

pendek pada semuaumur penelitian pada

pemberian ekstrak daun kirinyu d0 (0

ml/liter air) yaitu31,58 cm pada 44 hst,

31,85 cm pada 51 hst, dan 31,88 cm pada

58 hst.

Berdasarkan Tabel 2 diketahui

bahwa jumlah daun per rumpun yang

paling banyak pada semuaumur

penelitian pada pemberian ekstrak daun

kirinyu d3 (1,5 ml/liter air) yaitu 17,00

helai pada 44 hst, 17,65 helai pada 51 hst,

dan 19,30 helai pada 58 hst. Jumlah daun

per rumpun yang paling sedikit pada

semuaumur penelitian pada pemberian

ekstrak daun kirinyu d0 (0 ml/liter air)

yaitu9,35 helai pada 44 hst, 10,60 helai

pada 51 hst, dan 10,80 helai pada 58 hst.

Parameter tinggi tanaman dan

jumlah daun per rumpunbawang daun

pada semua umur penelitian

menunjukkan bahwa pemberian ekstrak

daun kirinyu umumnya memiliki tinggi

tanaman yang lebih tinggi dan jumlah

daun per rumpun yang lebih banyak dari

pada tanpa pemberian ekstrak daun

kirinyu.Hal tersebut membuktikan bahwa

ekstrak daun kirinyu mengandung unsur

hara yang diperlukan pada pertumbuhan

vegetatif tanaman bawang daun.Unsur

hara yang dimaksud adalah unsur hara

esensial makro yang diperlukan oleh

tanaman untuk partumbuhan vegetatif

pada umumnya yaitu berupa unsur

N.Peningkatan serapan N ini dikarenakan

adanya sumbangan N dari kirinyu

(Chromolaena odorata) yang digunakan

oleh tanaman yang dapat dilihat dari

pertumbuhan tinggi tanaman bawang

daun yang meningkat dan jumlah daun

tanaman bawang daun yang lebih banyak

dibandingkan kontrol.Hidayat (2000)

melaporkan bahwa tingginya kandungan

N pada kirinyu menyebakan perbaikan

pertambahan tinggi tanaman dan daun

tanaman Gmelina arborea dibandingkan

perlakuan tanpa kirinyu.

Unsur Nitrogen (N) merupakan

penyusun dari banyak senyawa organik

penting dalam tanaman, seperti asam-

asam amino, protein, dan asam nukleat.

Nitrogen juga merupakan bagian dari

proses yang terlibat di dalam sintesis dan

transfer energi. Munawar (2011)

menerangkan bahwa nitrogen merupakan

bagian dari klorofil yang bertanggung

jawab terhadap fotosintesis, sehingga

membantu pertumbuhan tanaman.

Mengel dan Kirkby (1982) menguatkan

bahwa nitrogen merupakan penyusun

utama bahan organik membentuk asam

amino, asam nukleat, klorofil, alkaloid-

alkaloid dan basa-basa purin, nitrogen

memberikan pengaruh paling menyolok

dan cepat, terutama merangsang

pertumbuhan vegetatif.

Parameter tinggi tanaman dan

jumlah daun per rumpunbawang daun

pada semua umur penelitian

menunjukkan bahwa pemberian ekstrak

daun kirinyu d3 (1,5 ml/liter air)

memiliki tinggi tanaman dan jumlah daun

per rumpun yang lebih tinggi daripada

pemberian ekstrak daun kirinyu pada

dosis lainnya. Hal ini menunjukkan

pemberian ekstrak daun kirinyu memiliki

dosis optimal pada penelitian ini yaitu 1,5

ml/liter air, ketika dosis ditambahkan

menjadi 2 ml/liter air atau 2,5 ml/liter air

ternyata tinggi tanaman dan jumlah daun

per rumpun tanaman bawang daun

mengalami penurunan. Jika pemberian N

berlebihan pada tanaman akan

memperlambat kematangan tanaman,

batang-batang lemah mudah roboh dan

daya tahan tanaman terhadap penyakit

berkurang (Soepardi, 1983). Kelebihan

N menyebabkan daun berwarna hijau

gelap, tanaman menjadi sukulen (banyak

mengandung air) dan mudah terserang

hama.

Hasil menunjukkan bahwa

pemberian ekstrak daun kirinyu tidak

memberikan pengaruh yang nyata



terhadap jumlah anakan per rumpun

tanaman bawang daun.Diduga perbedaan

hasil diakibatkan oleh faktor lain yang

mempengaruhi keberhasilan budidaya

tanaman bawang daun. Faktor lain

tersebut dapat meliputi faktor genetik

tanaman, faktor lingkungan, dan faktor

teknis budidaya tanaman bawang daun itu

sendiri. Potensi pertumbuhan tanaman

diekspresikan secara fenotipik pada

seluruh morfologi tanaman dan fungsi

fisiologi, sedangkan secara genetik

diekspresikan sebagai sebuah karakter

kuantitatif kompleks yang berinteraksi

dengan lingkungan di mana genotype

tanaman itu tumbuh (Poelman dan

Slepper, 1995). Genotip yang berbeda

akan menunjukkan penampilan yang

berbeda setelah berinteraksi dengan

lingkungan tertentu. Faktor lingkungan

dapat mempengaruhi pertumbuhan

tanaman sampai dengan pemasakan buah.

Hal yang sama juga dikemukakan oleh

Gardner et al. (1991) bahwa faktor

lingkungan dapat menyebabkan gagalnya

penyerbukan, serangan hama penyakit

dan persaingan unsur hara, air, sinar

matahari.

Kesimpulan dari penelitian adalah

bahwa pemberian ekstrak daun kirinyu

berpengaruh sangat nyata terhadap tinggi

tanaman dan jumlah daun per rumpun

pada umur 44 hst, 51 hst, dan 58 hst.

Berdasarkan pengaruh nyata tersebut

diketahui bahwa konsentrasi ekstrak

daunkirinyu yang terbaik terhadap

pertumbuhan tanaman bawang daun

adalah pada pemberian ekstrak daun

kirinyu 1,5 ml/liter air.

DAFTAR PUSTAKA

[1] Badan Pusat Statistik Republik

Indonesia, 2011. Luas Panen,

Produksi dan Produktivitas Bawang

Daun. BPS. Jakarta.

[2] Gardner, F.P., R.B. Peace dan R.L.

Mitchell.1991. Fisiologi Tanaman

Budidaya (Edisi Terjemahanoleh

Herawati Susilo dan Subiyanto)

Universitas Indonesia Press. Jakarta.

[3] Hidayat, D. 2000. Pemanfaatan

Kirinyuh (C.odorata) untuk media

semai Gmelina arborea. Jurusan

Manajemen Hutan. Fakultas

Kehutanan. Institut Pertanian Bogor.

Bogor.

[4] Mengel, K. and E. A. Kirkby. 1978.

Principles of Plant Nutrition

International Potash Institute. Berne.

[5] Munawar, A. 2011. Kesuburan

Tanah dan Nutrisi Tanaman. PT

Penerbit IPB Press. Bogor.

[6] Nurita, 2010. Ekstrak Tumbuhan

Kirinyu (Chromolaena odorata)

Sebagai pupuk Daun Nabati

Tanaman Sawi. Balai Penelitian

Pertanian lahan Rawa. Banjarbaru

Kalimantan Selatan.

[7] Poelman, J.M. dan D.A. Slepper.

1995. Breeeding Field Crops Fourth

Edition. IOWA State University

Press.

[8] Rukmana, R. 1995. Bertanam

Bawang Daun. Penebar Kanisus.

Yogyakarta.

[9] Soepardi, G. 1983. Sifat dan Ciri

Tanah. Jurusan Tanah, Fakultas

Pertanian, Institut Pertanian Bogor.

Bogor.

[10] Suntoro, 2001. Tanaman Kirinyu

Pengganti Pupuk. Universitas

Sebelas Maret, Solo.



ANALISIS DAN PEMETAAN KONDISI SUNGAI PASANG SURUT DI

KECAMATAN BANJARMASIN BARAT

Adi Susetyo Dermawan*), Said Muhammad Fahlefi*

), Dewi Yuniar*

)

*)Staf Pengajar Jurusan Teknik Sipil UVAYA Banjarmasin

ABSTRAK

Kota Banjarmasin memiliki banyak anak sungai yang berfungsi sebagai

saluran drainase pasang surut yang dipengaruhi elevasi air laut. Banyak lokasi di

dalam kota yang sering tergenang air yang disebabkan fenomena pasang surut air

laut, karena kontur lahan Banjarmasin -22cm di bawah muka air laut. Penyebab

genangan air dalam kota Banjarmasin, adalah tidak mampunya saluran drainase

yang cukup dalam menampung debit air, baik akibat curah hujan maupun khususnya

yang berasal dari laut. Salah satu cara identifikasi genangan adalah dengan

mengetahui kondisi sungai dan debit air pada sungai terlebih dahulu. Tujuan

penelitian adalah untuk menghitung debit air, dimensi saluran sungai, kondisi sungai

(limpasan dan slack water) dan memetakan kondisi sungai dengan menggunakan

ArcGIS. Pengambilan data di lakukan pada awal dan pertengahan bulan Qomariah

sebanyak 4 (empat) kali pengambilan data.Metode penelitian yang digunakan yaitu

pengambilan data primer berupa dimensi dan kondisi sungai, pengambilan data

sekunder yaitu berupa foto lokasi dan titik koordinat, dan analisis data berupa

perhitungan debit air dan pemetaan menggunakan Arcgis veris10.2. Hasil penelitian

yang di dapat adalah debit air yang terjadi pada Sungai Gg. Saadah 0,2740 m3/det,

Sung ai Telawang 5,5988 m3/det, anak Sungai Benyiur 17,1178 m

3/det, anak Sungai

Benyiur SP 16,2015 m3/det, Sungai Benyiur 29,2568 m

3/det, dan dari survei

dilapangan slack water yang terjadi pada 5 (lima) sungai adalah relatif bervariasi

(sekitar jam 12.00 wita) sedangkan limpasan yang terjadi pada Sungai Gg. Saadah

dan Sungai Telawang karena air melebihi dimensi sungai, dan pemetaan kondisi

sungai sebagai saluran drainase pasang surut pada kecamatan Banjarmasin Barat

menggunakan ArcGIS versi10.2 lengkap dengan view description data.

Kata kunci : Banjarmasin barat, kondisi sungai, arcGIS

PENDAHULUAN

Permukaan air laut di Kota

Banjarmasin kian naik menyusul

terjadinya perubahan iklim yang

ekstrim, sehingga air laut pun akan

masuk ke sungai, bila sungai tidak

tertangani dengan baik maka

permukaan air sungai pun akan

meningkat tajam. Padahal kian banyak

sungai di wilayah yang berjuluk kota

seribu sungai ini yang

mengalami pendangkalan akibat

sidementasi dan akibat tercemar

limbah rumah tangga dan industri.

Apalagi daratan Banjarmasin yang

sekarang ini kurang tertangani seperti

sistem drainase (saluran air) hingga

bila hujan sedikit saja sudah



kebanjiran maka kian memperparah

kondisi kota ini. Contohnya pada

daerah Teluk Tiram Kecamatan

Banjarmasin Barat yang sering kali

rawan akan banjir, dan dimana daerah

Teluk Tiram ini merupakan daerah

yang arah aliran drainasenya banyak

yang tersumbat/terhambat, inilah salah

satu faktor terjadinya banjir untuk

daerah tersebut.

Untuk memberikan informasi

tentang sungai yang berada daerah

Teluk Tiram Darat Kecamatan

Banjarmasin Barat dalam bentuk

orientasi geofrafis dan lokasi

digunakanlah ArcGIS (Geographical

Information System).ArcGIS

(Geographical Information System)

mempunyai kemampuan untuk

menghubungkan berbagai data pada

satu titik tertentu di bumi,

mengggabungkannya, menganalisa

dan akhirnya memetakan hasilnya.

Tujuan dari penelitian ini adalah

menghitung debit air, mengamati

kondisi limpasan serta memetakan

dengan menggunakan arcGIS di

Kecamatan Banjarmasin Barat yaitu

Sungai Gg Saadah, Sungai Telawang,

Anak Sungai Benyiur, Anak Sungai

Benyiur SP, dan Sungai Benyiur.

Pasang surut adalah peristiwa

naik turunnya air laut disebabkan oleh

pergerakan permukaan air laut secara

vertikal disertai gerakan horisontal

massa air akibat pengaruh gaya tarik

benda-benda angkasa, dan gejala ini

mudah dilihat secara visual. Curah

hujan yang diperlukan untuk

menyusun suatu rancangan

pemanfaatan air dan rancangan

pengendalian banjir adalah curah hujan

rata-rata di daerah yang

bersangkutan.Curah hujan ini disebut

curah hujan wilayah / daerah dan

dinyatakan dalam millimeter

(mm).Daerah pengaliran merupakan

daerah tempat kejadian hujan,

sehingga seluruh hujan yang jatuh di

daerah tersebut tertangkap di suatu

titik tinjauan tertentu.Waktu

konsentrasi suatu DAS adalah waktu

yang diperlukan oleh air hujan yang

jatuh untuk mengalir dari titik terjauh

sampai ke tempat keluaran DAS (titik

kontrol).

GIS(Geographical Information

System) atau dikenal pula dengan SIG

(Sistem Informasi Geografis)

merupakan komputer yang berbasis

pada sistem informasi yang digunakan

untuk memberikan bentuk digital dan

analisis terhadap permukaan geografi

bumi. dan pengertian secara umum

adalah Suatu komponen yang terdiri

dari perangkat keras, perangkat lunak,

data geografis dan sumberdaya

manusia yang bekerja bersama secara

efektif untuk memasukkan,

menyimpan,mengelola, memperbaiki,

memperbaharui,memanipulasi,mengint

egrasikan, menganalisa dan

menampilkan data dalam suatu

informasi berbasis geografis. SIG

mempunyai kemampuan untuk

menghubungkan berbagai data pada

suatu titik tertentu di bumi,

menggabungkannya, menganalisa dan

akhirnya memetakan hasilnya. Data

yang akan diolah pada SIG merupakan

data spasial yaitu sebuah data yang

berorientasi geografis dan merupakan

lokasi yang memiliki sistem koordinat

tertentu, sebagai dasar referensinya.

Sehingga aplikasi SIG dapat menjawab

beberapa pertanyaan seperti; lokasi,

kondisi, trend, pola dan

pemodelan.Kemampuan inilah yang



membedakan SIG dari sistem

informasi lainnya.

Metodologi Penelitian

Lokasi penelitian di Kecamatan

Banjarmasin Barat yaitu Sungai Gg

saadah (1), Sungai Telawang (2), Anak

sungai Benyiur (3), Anak sungai

Benyiur SP (4) dan Sungai Benyiur

(5). Pengamatan dilakukan pada dua

keadaan yaitu pada saat air sungai

pasang dan pada saat air sungai surut.

Gambar 1.Lokasi Pengamatan

Dalam penelitianini digunakan

metode penelitian sebagai berikut:

a. Survey pendahuluan.

- Mencek lokasi survey.

- Penjadwalan pelaksanaan survey.

b. Pengumpulan data.

Data primer yang diambil adalah

laju arus sungai yang di

lakukanpada saat bulan purnama

dan bulan mati (tanggal 1 dan 15

bulan Qomariah), dimana pada

awal bulan kedalam air mengalami

kenaikan tinggi air, dan pada

pertengahan bulan mengalami

penurunan tinggi air. Pengambilan

data dilakukan dengan

menggunakan Metode

Pelampung.Pengambilan data di

lakukan setiap dua jam sekali dari

pukul 08.00 s/d 18.00 WITA pada

tanggal 27 April 2012, 7 Mei 2012,

22 Mei 2012 dan 5 Juni 2012.

Pengumpulan data sekunder

meliputi peta kecamatan

Banjarmasin Barat, foto lokasi,

jumlah anak sungai, curah hujan,

dan titik koordinat.Selanjutnya,

Luas penampang basah di

asumsikan berbentuk trapesium.

c. Analisis data.

d. Kesimpulan dan saran

Hasil Dan Pembahasan

Pengamatan Pada Titik 1 (Sungai Gg.

Saadah)

Gambar 2. Grafik laju Sungai Gg.

Saadah, laju arus pada

tanggal 27 april mencapai

laju optimal

0.0000

0.0200

0.0400

0.0600

08,0010,0012,0014,0016,0018,00

27-Apr

07-Mei

22-Mei

0.00

0.50

1.00

1.50

08,0010,0012,0014,0016,0018,00

27-Apr

07-Mei

22-Mei



Gambar 3. Grafik kedalaman pada

Sungai Gg. Saadah

Pengamatan Pada Titik 2 (Sungai

Telawang)

Gambar 4. Laju Sungai anak Sungai

Benyiur SP tanggal 27

April 2012 s/d 5 Juni 2012,

dimana laju arus paling

cepat pada tanggal 27 april

2012

Gambar 5. Grafik Kedalaman pada

Sungai Gg Saadah tanggal

27 April 2012 s/d 5 Juni

2012, dimana kedalaman

maksimum pada tanggal 22

Mei 2012

Pengamatan Pada Titik 3 (anak

Sungai Benyiur)

Gambar 6. Laju Sungai Anak Sungai

Benyiur SP tanggal 27

April 2012 s/d 5 Juni 2012,

dimana laju arus paling

cepat pada tanggal 27

April 2012

Gambar 7. Grafik Kedalaman pada

Anak Sungai Benyiur SP

tanggal 27 April 2012 s/d

5 Juni 2012, dimana

kedalaman maksimum

pada tanggal 27 April 2012

0.00

0.05

0.10

08,0010,0012,0014,0016,0018,00

27-Apr07-Mei22-Mei

0

1

2

Series1

Series2

Series3

0.0000

0.0500

0.1000

0.1500

08,0010,0012,0014,0016,0018,00

27-Apr07-Mei22-Mei

0

1

2

3

27-Apr

07-Mei

22-Mei



Pengamatan Pada Titik 4 (anak

Sungai Benyiur SP)

Gambar 8. Grafik Laju Sungai Anak

Sungai Benyiur SP tanggal

27 April 2012 s/d 5 Juni

2012, dimana laju arus

paling cepat pada tanggal

27 April 2012

Gambar 9. Grafik Kedalaman Pada

Anak Sungai Benyiur SP


5 Juni 2012, dimana

kedalaman maksimum

pada tanggal 22 Mei 2012

Pengamatan Pada Titik 5 (Sungai

Benyiur SP)

Gambar 10. Grafik Laju Sungai

Sungai Benyiur SP

tanggal 27 April 2012

s/d5 Juni 2012, dimana

laju arus paling cepat

pada tanggal 27 April

2012

Gambar 11. Grafik Kedalaman Pada

Sungai Benyiur SP


5 Juni 2012, dimana

kedalaman maksimum

pada tanggal 22 Mei

2012.

0.0000

0.0200

0.0400

0.0600

0.0800

08,0010,0012,0014,0016,0018,00

27-Apr

07-Mei

22-Mei

0

1

2

3

08,00 10,00 12,00 14,00 16,00 18,00

27-Apr07-Mei

22-Mei

0

10

20

30

40

08,00 10,00 12,00 14,00 16,00 18,00

27-Apr

7 mei

22 mei

0

1

2

3

08,00 10,00 12,00 14,00 16,00 18,00

27-Apr

07-Mei

22-Mei



Perhitungan Kapasistas Aliran Sungai diLapangan

Tabel 4.21 Perhitungan kapasitas aliran sungai

Nama Sungai b1 b h1 M A P R V Qa

Gg Saadah 3,1 2,75 0,62 0,2823 1,8135 4,1459 0,4374 0,1511 0,2740

Telawang 16,4 14,5 1,37 0,6934 21,1665 20,9794 1,0089 0,2645 5,5988

Anak Benyiur 32 25 2,15 1,6279 61,2750 55,9782 1,0946 0,2794 17,1178

Anak Benyiur SP 30 25 2 1,2500 55,0000 46,4227 1,1848 0,2946 16,2015

Beyiur 36 30 2,53 1,1858 83,4900 54,3832 1,5352 0,3504 29,2568

Sumber: Hasil Perhitungan

Perhitungan Kapasitas Eksisting Sungai

Tabel 4.22 perhitungan kapasitas eksisting sungai

Sungai b1 b h2 M A P R V Qs

Gg Saadah 3,1 2,75 0,75 0,2333 2,1938 4,3642 0,5027 0,1659 0,3638

Telawang 16,4 14,5 1,4 0,6786 21,6300 20,9070 1,0346 0,2690 5,8185

Anak Benyiur 32 25 2,3 1,5217 65,5500 53,8987 1,2162 0,2998 19,6507

Anak Benyiur SP 30 25 2,1 1,1905 57,7500 45,3986 1,2721 0,3089 17,8415

Beyiur 36 30 2,6 1,1538 85,8000 53,7462 1,5964 0,3597 30,8638


*keterangan:

b1 : lebar atas A : luas penampang basah Qs : debit saluran

b : lebar bawah P : keliling basah saluran

h2 : tinggi eksisting m : kemiringan

R : jari-jari hidrolisV :kecepatan aliran ( manning )

Perhitungan Curah Hujan

Data curah hujan diambil di

BMKG Stasiun Klimatologi Klas I

Banjarbaru, dengan rentang waktu 10

tahun, yakni dari tahun 2002 s/d

2012.Perhitungan intensitas curah

hujan menggunakan metode Gumbel

dan didapat curah hujan maksimum.

Tabel 4.28 Perhitungan HHM dengan

Metode Gumbel

T

(Tahun)

HHM dengan rentang

keyakinan 90%(mm/ jam)

2

5

10

51,36077

70,96241

83,9414

Sumber: Hasil Perhitung


Perhitungan Debit Air Hujan

Tabel 1.Debit Curah Hujan pada Sungai Gg. Saadah

T R24 (C1) L1 (m) C2 L2 L (m) S A1 (m²) A2 (m²) A (ha) C tc I Q

2 51 0,7 10 1 1 600 0,00002 6000 600 0,66 0,72727273 0,05612693 121,4638154 1,619647

5 70,9641 0,7 10 1 1 600 0,00002 6000 600 0,66 0,72727273 0,05612693 167,8240094 2,237832

10 83,9414 0,7 10 1 1 600 0,00002 6000 600 0,66 0,72727273 0,05612693 198,5142107 2,647068

25 126,893 0,7 10 1 1 600 0,00002 6000 600 0,66 0,72727273 0,05612693 300,0910604 4,001534

Sumber : Hasil Perhitungan

Tabel 2.Debit Curah Hujan padaAnak Sungai Telawang

T R24 (C1) L1 (m) C2 L2 L (m) S A1 (m²) A2 (m²) A (ha) C tc (jam) I (mm/det) Q (m³/det)

2 65,425 0,7 5 0,4 0,3 350 0,00002 1750 105 0,1855 0,6830189 0,123258922 91,57868606 0,322332

5 90,025 0,7 5 0,4 0,3 350 0,00002 1750 105 0,1855 0,6830189 0,123258922 126,012552 0,443530

10 106,31 0,7 5 0,4 0,3 350 0,00002 1750 105 0,1855 0,6830189 0,123258922 148,8074912 0,523762

25 126,893 0,7 5 0,4 0,3 350 0,00002 1750 105 0,1855 0,6830189 0,123258922 177,6185588 0,625169


Tabel 3.Debit Curah Hujan padaAnak Sungai Benyiur


2 65,425 0,7 4 0,4 1 300 0,00002 1200 300 0,15 0,64 0,104797719 102,0403873 0,272129

5 90,025 0,7 4 0,4 1 300 0,00002 1200 300 0,15 0,64 0,104797719 140,4078849 0,374451

10 106,31 0,7 4 0,4 1 300 0,00002 1200 300 0,15 0,64 0,104797719 165,8068563 0,442187

25 126,893 0,7 4 0,4 1 300 0,00002 1200 300 0,15 0,64 0,104797719 197,9092223 0,527800


Tabel 4.Debit Curah Hujan padaAnak Sungai Benyiur SP


2 65,425 0,7 6 0,4 0,3 1000 0,00002 6000 300 0,63 0,6857143 4,273841028 8,612470383 0,103358

5 90,025 0,7 6 0,4 0,3 1000 0,00002 6000 300 0,63 0,6857143 4,273841028 11,85078558 0,142221

10 106,31 0,7 6 0,4 0,3 1000 0,00002 6000 300 0,63 0,6857143 4,273841028 13,9945239 0,167948

25 126,893 0,7 6 0,4 0,3 1000 0,00002 6000 300 0,63 0,6857143 4,273841028 16,70404592 0,200465


Tabel 5.Debit Curah Hujan pada Sungai Benyiur


2 65,425 0,7 6 0,4 0,3 70 0,00002 420 21 0,0441 0,6857143 0,071165474 132,0769669 0,110954

5 90,025 0,7 6 0,4 0,3 70 0,00002 420 21 0,0441 0,6857143 0,071165474 181,7383102 0,152672

10 106,31 0,7 6 0,4 0,3 70 0,00002 420 21 0,0441 0,6857143 0,071165474 214,6137158 0,180290

25 126,893 0,7 6 0,4 0,3 70 0,00002 420 21 0,0441 0,6857143 0,071165474 256,1657251 0,215196


Perbandingan Debit Saluran dan

Debit aliran

Dari perhitungan ke 5 (lima)

sungai, maka didapatkan hasil Debit

Saluran (Qsal) dan debit aliran di

lapangan (Qlap) sebagai berikut:


PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

19

Tabel6.Perbandingan debit saluran dan debit aliran + debit hujan

Nama Sungai

Debit

Saluran

(m3/detik)

Debit

Lapangan

(m3/detik)

debit hujan

(m3/detik)

Keterangan

Gg Saadah 0,3638 < 0,2740 1.6196 Limpas

Telawang 5,8185 < 5.5988 0.3223 Limpas

Anak Sungai

Benyiur 19,6507

> 17,1178 0.2721

Tidak Limpas

Anak Sungai

Benyiur SP 17,8415

> 16,2015 0.1109

Tidak Limpas

Sungai Benyiur 30,8638 > 29,2568 0.1109 Tidak Limpas


Sungai Gg Saadah &Telawang

tidak dapat menampung debit aliran +

debit hujan yang ada. Sedangkan untuk

sungai Anak Benyiur , Anak Benyiur

SP, Benyiur dapat menampung debit

aliran + debit hujan, karena kapasitas

debit saluran lebih besar.

Pemetaan



20

Berdasarkan hasil penelitian

diperoleh beberapa kesimpulan, di

antaranya :

1. Debit air yang terjadi pada sungai

Gg. Saadah 0,2740 m3/det, sungai

Telawang 5,5988 m3/det, anak

sungai Benyiur 17,1178 m3/det, anak

sungai Benyiur SP 16,2015 m3/det,

sungai Benyiur 29,2568 m3/det.

2. Terjadi limpasan pada sungai Gg.

Saadah dan Sungai Telawang karena

melebihi dimensi sungai.

3. Pemetaan kondisi sungai sebagai

saluran drainase pasang surut pada

kota Banjarmasin barat

menggunakan ArcGIS versi10.2

lengkap dengan view description

data.

Pengambilan data luas penampang

sebaiknya dilakukan menggunakan cara

perpias/persegmen dan sebaiknya

dilakukan pengerukan untuk sungai yang

limpas.

DAFTAR PUSTAKA

[1] Alben. 2009. Teori Pasang Surut.

(http://www.scribd.com/doc/623755

02/TEORI-PASANG-SURUT/. di

akses tanggal 8 mei 2012)

[2] Asdak Chay. 1955. Hidrologi dan

Pengelolaan Daerah Aliran Sungai.

Gajah Mada Universitas Press.

Yogyakarta

[3] BPS. 2013. Banjarmasin Dalam

Angka. BPS. Kalimantan Selatan

[4] Muhammad Fahlefi Said. 2012.

Tinjauan Arah Dan Debit Anak

Sungai Sebagai Saluran Drainase

Pasang Surut Kota Banjarmasin

Provinsi Kalimantan Selatan (Studi

Kasus Kecamatan Banjarmasin

Barat. Poliban. Banjarmasin.

[5] Prahasta Eddy. 2009. Sistem

Informasi Geografis Konsep Konsep

Dasar. Informatika. Bandung.

[6] Scott, S John. Kamus Lengkap

Teknik Sipil. Erlangga. Jakarta.

[7] Suripin, 2003. Sistem Drainase

Perkotaan yang Berkelanjutan.Andi.

Yogyakarta.

[8] Takeda, Kensako, & Sosrodarsono,

1996. Hidrologi Untuk Perairan. PT.

Pradnya Paramita. Jakarta.

[9] Triatmodjo Bambang. 1995. Soal

Penyelesaian Hidrolika I & II. Beta

Offset. Yogyakarta

[10] Ven Te Chow, 1997. Hidrolika

Saluran Terbuka. Rosalina, E.V.

Nensi. Erlangga. Jakarta.

http://www.scribd.com/doc/62375502/TEORI-PASANG-SURUT/.%20%20di%20akses%20tanggal%208%20mei%202012






21

STUDI PROSES PIROLISIS TANDAN KOSONG SAWIT MENJADI BIO OIL

SEBAGAI ENERGI ALTERNATIF

Sigit Mujiarto1)

, Yuli Ristianingsih2)

, Apip Amrullah3)

, Anhar Khalid4)

1)

Progam Studi Teknik Otomotif Jurusan Teknik Mesin Politeknik Negeri Banjarmasin 2)

Progam Studi Teknik Kimia Fakultas Teknik Universitas Lambung Mangkurat 3)

Progam Studi Teknik Mesin Fakultas Teknik Lambung Mangkurat 4)

Progam Studi Teknik Alat BeratJurusan Teknik Mesin Politeknik Negeri Banjarmasin

Email :[email protected]

ABSTRAK

Industri pengolahan kelapa sawit menjadi CPO di provinsi Kalimantan Selatan

semakin meningkat.Seiring dengan peningkatan industri pengolahanCPOtersebut juga

mengakibatkan meningkatnya volume limbah yang dihasilkan..Limbah sawit tersebut

terdiri dari 12-15% serat, 5-7% cangkang dan 20-23% tandan kosong.Keberadaan limbah

Tandan Kosong Kelapa Sawit ini belum dimanfaatkan secara optimal, padahal limbah ini

mempunyai potensi sebagai sumber energi alternatif seperti briket dan bio oil. Penitian ini

bertujuan untuk mempelajari pengaruh suhu pirolisis terhadap yield bio oil serta

mengetahui karakteristik dan komposis bio oil dari limbah tandan kosong kelapa sawit.

Pirolisis dilakukan dalam sebuah reaktor pirolisis selama 2,5 jam pada suhu 300, 400, 500

dan 600 0C. Bio oil yang diperoleh kemudian dianalis komposisinya menggunakan GCMS

dan dianalisis sifat fisiknya meliputi spesifig gravity, pour point, flash point, viskositas

kinematik, kadar air dan color ASTM. Komposisi bio oil pada suhu rendah (3000C) terdiri

dari acetaldehid, aseton, gugus keton, propanon, asam asetat, metil ester, asam propanoat,

furfural, fenol dan asam benzenesulfonic. Pada suhu tinggi (6000C) bio oil yang dihasilkan

mengandung komponen etanol, etilen glikol, ethane, aceton, propanon, kloroform, asam

asetat, pyridine, fenol dan metil ester. Bio oil yang diperoleh mempunyai nilai spesifig

gravity 1,0102, viskositas kinematik 1,264 mm2/s, flash point 56,5

0C, pour point -6

0C,

kadar air 87,2% vol dan color ASTM 6,5.

Kata kunci:tandan kosong kelapa sawit, pirolisis, bio oil

PENDAHULUAN

Kelapa sawit (Elaeis Guineensis

Jacq) merupakan salah satu komoditas

perkebunan yang mempunyai peranan

penting di Provinsi Kalimantan Selatan.

Menurut Dinas Perkebunan Provinsi

Kalimatan Selatan, pada tahun 2012

propinsi ini mempunyai luas areal

tanaman kelapa sawit 366,847 Ha.

Dalam pengolahan tandan buah

segar (TBS) menjadi minyak kelapa sawit

(crude palm oil atau CPO) dihasilkan

limbah berupa tempurung, serabut, dan

tandan kosong kelapa sawit (TKKS).

Setiap pengolahan 1 ton TBS akan

dihasilkan TKKS sebanyak 22 – 23%

TKKS atau sebanyak 220 – 230 kg

TKKS, 670 kg limbah cair, 120 kg serat

mesocarp, 70 kg cangkang, dan 30 kg

kernel. Jumlah limbah TKKS seluruh

Indonesia pada tahun 2004 diperkirakan

mencapai 18.2 juta ton. Jumlah yang luar

biasa besar. Namun demikian potensi ini

belum dimanfatkan secara optimal

(Saputra et al., 2007)

Berdasarkan studi pustaka yang

telah dilakukan, tandan kosong kelapa

sawit mempunyai potensi yang untuk

dikonversi menjadi energi alternatif

seperti briket (Muzi et.al., 2014), gas

metan dengan gasifikasi(Purwanto dan

Prastowo, 2011), bio etanol (suyanto,

2010) dan bio oil dengan




22

pirolisis(Hutabarat, 2012). Penelitian ini

difokuskan mempelajari proses pirolisis

untuk memproduksi bio oil berbahan

baku limbah tandan kosong kelapa sawit.

Selain bermanfaat untuk mengurangi

potensi pencemaran lingkungan, konversi

limbah tandan kosong sawit menjadi bio

oil juga dapat meningkatkan nilai

ekonomis dari limbah tersebut serta

mengurangi ketergantungan terhadap

energi fosil.

TKKS (Tandan Kosong Kelapa

Sawit) adalah limbah pabrik kelapa sawit

yang jumlahnya sangat melimpah. Setiap

pengolahan 1 ton TBS (Tandan Buah

Segar) akan dihasilkan TKKS sebanyak

22 – 23% TKKS atau sebanyak 220 –

230 kg TKKS. Limbah ini belum

dimanfaatkan secara baik oleh sebagian

besar pabrik kelapa sawit (PKS) di

Indonesia. Pengolahan/pemanfaatan

TKKS oleh PKS masih sangat terbatas.

Sebagian besar pabrik kelapa sawit

(PKS) di Indonesia masih membakar

TKKS dalam incinerator, meskipun cara

ini sudah dilarang oleh pemerintah,

menimbun (open dumping), dijadikan

mulsa di perkebunan kelapa sawit, atau

diolah menjadi kompos. Penumpukan

TKKS di area terbuka berpotensi

menimbulkan pencemaran lingkungan

dan mengganggu kesehatan manusia.

Untuk mengatasi hal tersebut diperlukan

solusi lain untuk mengolah limbah tandan

kosong kelapa sawit tersebut agar dapat

mengurangi tingkat pencemaran

lingkungan dan meningkatkan nilai

ekonomis dari TKKS itu sendiri. Salah

satunya dengan mengkonversi TKKS

tersebut menjadi bahan bakar alternatif

seperti bio oil.

Bio oil merupakan salah satu bahan

bakar cair berwarna kehitaman yang

berasal dari biomasa seperti kayu, kulit

kayu dan limbah industri biomasa lainnya

melalui teknologi pirolisis, yaitu

teknologi degradasi termal pembuatan

arang (karbonisasi), tanpa kehadiran

udara (oksigen) dalam proses

pembuatannya, berlangsung pada suhu

400-600 0C. Proses pirolisis dapat

dilakukan dengan cara lambat (slow

pyrolysis), cepat (fast pyrolysis), sangat

cepat (flash pyrolysis), dan pencairan

biomassa (hydrothermal liquifaction).

Selain bio oil, dihasilkan juga arang dan

gas. Dalam produksi bio oil tidak

dihasilkan limbah (zero waste). Seluruh

bahan baku dengan proses ini dikonversi

menjadi bio oil dan arang, sementara gas

yang tidak dapat dikondensasi

dikembalikan ke dalam proses sebagai

sumber energi (Hambali, 2007). Pirolisis merupakan suatu proses

devolatilisasi dimana pirolisis itu

adalahsuatu proses dekomposisi biomasa

secara termal tanpa oksigen sama sekali.

Proses dekomposisi pada pirolisis ini juga

sering disebut dengan devolatilisasi.

Produk utama yang dihasilkan dari pirolisis

adalah arang (char), minyak dan gas.

Arang yang terbentuk dapat digunakan

untuk bahan bakar ataupun digunakan

sebagai karbon aktif. Bio oil yang

dihasilkan dapat digunakan sebagai zat

additif atau campuran dalam bahan bakar.

Sedangkan gas yang terbentuk dapat

dibakar secara langsung (Sampath,S.S.,

Babu,B.B., 2005). Pirolisis dari biomasa

akan menghasilkan zat baru seperti gas dan

arang. Gas dari pirolisis dapat dibedakan

menjadi gas yang tidak dapat dikondensasi

(CO, CO2, CH4, dll) dan gas yang dapat

dikondensasi (tar). Minyak akan terjadi

pada proses kondensasi dari gas yang

terbentuk, disebut juga bio oil.

METODE PENELITIAN

Bahan

Bahan yang digunakan pada

penelitian ini adalah tandan kosong sawit

yang diperoleh dari hasil samping

pengolahan CPO PT. Hasnur Citra

Terpadu (PT. HCT) anak perusahaan dari

Hasnur Group.

Alat

Penelitian ini mempergunakan

proses pirolisis untuk memproduksi



23

briket bio arang. Pirolisis dilakukan

dalam sebuah reaktor pirolisis yang

dilengkapi dengan kondensor yang

digunakan sebagai pendingin dan

termokopel yang digunakan untuk

mengatur suhu operasi. Adapun

rangkaian alat pirolisis yang digunakan

pada penelitian ini dapat di lihat pada

Gambar 1 berikut:

Gambar 1. Rangkaian Alat Pirolisis

Analisis Data

Bio oil yang diperoleh sebagai

hasil pirolisis kemudian dilakukan

analisis komposisi dan sifat fisiknya.

Analisis sifat fisik yang dianalisis pada

penelitian ini meliputi: analisis spesifig

gravity, analisis kadar air, flash point,

pour point, Color ASTM, dan viskositas

kinematik. Sedangkan analisis

komposisibio oil dilakukan dengan

menggunakan GCMS.


Pengaruh Suhu Terhadap Hasil

Pirolisis

Proses pirolisis pada penelitian ini

dilakukan pada suhu 300, 400, 500 dan

6000C.Suhu memberikan pengaruh

terhadap komposisi produk hasil pirolisis.

Semakin tinggi suhu pirolisis akan

diperoleh produk bio oil yang lebih besar

jika dibandingkan dengan briket arang.

Pengaruh suhu terhadap hasil pirolisis

secara lebih rinci dapat dilihat padat

Tabel 1 berikut:

Tabel 1. Pengaruh Suhu Terhadap

Produk Pirolisis

No Suhu

Pirolisis

(0C)

briket

(%)

Bio Oil

(%)

1. 300 67,89 42,11

2. 400 45,54 54,46

3. 500 27,96 72,04

4. 600 18,22 81,78

Tabel 1 menunjukkan bahwa

semakin tinggi suhu maka bio oil yang

diperoleh lebih besar jika dibandingkan

dengan briket. Pada suhu rendah (3000C)

diperoleh yield briket sebesar (67,89%)

dan bio oil (32,11%), sedangkan pada

suhu tinggi (6000C) yield briket yang

diperoleh sebesar 18,22% dan bio oil

sebesar 81,78%.

Menurut Peters, et. al. (1995)

selulosa terdekomposisi sebesar 95%

pada temperatur antara 500ºC dan 750ºC.

Berdasarkan penelitiannya

menunjukkanbahwa tar yang diperoleh

sebesar 83% pada suhu 400ºC menurun

menjadi 49%pada suhu 1000ºC. Hal ini

dikarenakan adanya reaksi tar sekunder

yang terjadipada temperatur yang lebih

tinggi. Diatas suhu 750ºC hasil dari char

menurun dari6% menjadi 3%. Ketika

terjadi kenaikan temperatur diatas 900ºC

hasil dari charkembali naik menjadi 4%.

Hasil ini mengindikasikan pada

temperatur diatas900ºC reaksi

repolimerisasi terjadi dan meningkatkan

berat arang. Hasil daripemecahan

selulosa pada suhu 300ºC-600ºC

kebanyakan menghasilkan

senyawaoxygenated seperti acetaldehyde.

Seiring dengan kenaikan temperatur

yangmelebihi 600ºC menghasilkan gas

hidrokarbon yang meningkat, hal

inimengindikasikan adanya reaksi tar

sekunder. Kemudian seiring kenaikan



24

waktutinggal padatan, jumlah tar yang

dihasilkan meningkat sampai dengan

suhu800ºC. Lebih dari temperatur ini

waktu tinggal padatan tidak memiliki

pengaruhyang berarti. Sampai dengan

temperatur 750ºC dan waktu tinggal yang

pendekakan menurunkan tar yang

dihasilkan, karena pada laju pemanasan

yang tinggidan waktu tinggal yang

pendek akan menyebabkan devolatilisasi

tidak terjadisempurna dan produk tar

yang dihasilkan akan terurai secepat

ketika merekaterbentuk.

Sifat Fisik Bio Oil

Sifat fisik bio oil yang dianalisis

pada penelitian ini meliputi spesific

gravity, kadar air, flash point, pour point,

viskositas kinematik dan color ASTM.

Bio oil yang diperoleh mempunyai nilai

spesifig gravity 1,0102, viskositas

kinematik 1,264 mm2/s, flash point

56,50C, pour point -6

0C, kadar air 87%

volume dan color ASTM 6,5.

Spesifig gravity merupakan

perbandingan berat bahan terhadap berat

air yang volumenya sama dengan bahan.

Spesifig gravity menunjukkan kerapatan

massa yang dipengaruhi oleh gravitasi.

Semakin tinggi spesifig gravity yang

terkandung di dalam bahan bakar maka

semakin banyak pula pengotor dan

kandungan air di dalam bahan bakar

tersebut. Viskositasmerupakan tahanan

yang dimiliki oleh fluida yang dialirkan

dalam pipa kapiler terhadap gaya

gravitasi, jika viskositas semakin tinggi

maka tahanan untuk mengalir akan

semakin tinggi. Hal ini berati nilai

viskositas yang lebih rendah akan lebih

bagus untuk digunakan sebagai bahan

bakar. Titik nyala flash point diukur

untuk mengetahui suhu maksimum suatu

senyawa disimpan tanpa menimbulkan

kebakaran serius. Titik nyala yang rendah

dapat menyebabkan suatu senyawa

mudah terbakar, semakin rendah titik

nyala suatu bahan bakar maka semakin

sulit dalam penyimpanan karena dapat

menimbulkan api dan terbakar (Yi,2008).

Pour point merupakan titik tempratur

dimana suatu pelumas akan berhenti

mengalir dengan leluasa.

Komposisi Bio Oil

Pada tingkat suhu yang berbeda,

komponen produk hasil pirolisis juga

berbeda. Pirolisis pada suhu rendah

sekitar 3000C menghasilkan dekomposisi

tandan kosong kelapa sawit berupa char

dan air. Selain itu, pada pirolisis suhu

rendah juga lebih banyak dihasilkan

komponen gas yang tidak dapat

terkondensasi. Pada temperatur tinggi

6000C dekomposisi tandan kosong kelapa

sawit menghasilkan lebih banyak produk

yang berupa bio oil. Komposisi bio oil

pada suhu rendah (3000C) terdiri dari

acetaldehid, aseton, gugus keton,

propanon, asam asetat, metil ester, asam

propanoat, furfural, fenol dan asam

benzenesulfonic. Pada suhu tinggi

(6000C) bio oil yang dihasilkan

mengandung komposisi sebagai berikut:

etanol, etilen glikol, ethane, aceton,

propanon, kloroform, asam asetat,

pyridine, fenol dan metil ester.

Bio oil yang mengandung berbagai

komponen kemudian dipisahkan untuk

digunakan sebagai biosolar, pengawet

kayu, insektisida, pengasapan ikan, dll.

tahap pemurnian bio oil akan dilakukan

pada tahap penelitian selanjutnya.

DAFTAR PUSTAKA

[1] Demirbas Ayhan. 2007. The

Influence of Temperature on The

Yields of Compounds Existing in

Bio-Oils Obtained from Biomass

Samples Via Pyrolysis.

[2] Fei Ling Pua, Zakaria, S., Chia,

C.H., Suet Pin Fan, Rosenau, T.,

Liebner, F. 2013. Solvolytic

Liquefaction of Oil Palm Empty

Fruit Bunch (EFB) Fibres: Analysis

of Product Fractions Using FTIR

and Pyrolysis-GCMS. Sains

Malaysiana. Volume 42. Nomer 6.

Malaysia



25

[3] Hambali E, Mujdalifah S, Tambunan

AH, Pattiwiri AW, Hendroko R.

2007. Teknologi Bioenergi. Agro

Media Pustaka. Jakarta.

[4] Hutabatar, B., 2012. Pyrolysis

Pelepah Sawit Menjadi Bio-Oi

Menggunakan Katalis Mo/NZA,

Skripsi, Universitas Riau.

[5] Muzi, Ilham dan Mulasari, S.A.

2014. Perbedaan Konsentrasi

Perekat Antara Briket Bio Arang

Tandan Kosong Sawit Dengan

Briket Bio Arang Tempurung

Kelapa Terhadap Waktu Didih Air.

Kesmas. Volume 8. Nomer 1.

Universitas Ahmad Dahlan.

Yogyakarta

[6] Peters, J.H., Barry, M., Fraser, N.,

and Collin, E.S., 1995, The

Copyrolysis ofPoly (Vinyl Chloride)

with Cellulose Derived Materials as

A Models for Municipal Solid Waste

Derived Chars, Fuel.

[7] Purwantana B dan Prastowo, B.

2011. Konversi Tandan Kosong

Kelapa Sawit Untuk Sumber Energi

Terbarukan. Prosiding Seminar

Nasional Inovasi Perkebunan.

Yogyakarta

[8] Sampath, S.S. dan Babu, B.V. 2005.

Energy and Useful Products from

Waste Using Pyrolysis: A State-of-

the-Art Review. Chemcon 5th

ed.

New Delhi.

[9] Saputra, E., Bahri, S., Edward, H.S.,

2007. Bio Oil dari Limbah Padat

Sawit. Jurnal Rekayasa Kimia dan

Lingkungan. Volume 6. Nomer 2.

Fakultas Teknik. Universitas Riau

[10] Suyanto. 2010. Proses Produksi

Bioetanol Dari Tandan Kosong

Kelapa Sawit Dengan Hot

Compressed Water. Seminar

Nasional Rekayasa Kimia dan

Proses. Teknik Kimia Universiitas

Diponegoro. Semaran



26

POS TAGGING BAHASA INDONESIA DENGAN MAXIMUM ENTROPY

MENGGUNAKAN STANFORD POSTAGGER

Reza Fauzan1)

, Daniel Oranova Siahaan2)

1)Program Studi Teknik Informatika Politeknik Hasnur,

2) Fakultas Teknologi Informasi , Institut Teknologi Sepuluh Nopember

e-mail :1)

[email protected], 2)

[email protected]

ABSTRAK

Pada saat ini pemrosesan bahasa alami menggunakan bahasa Indonesia sulit

dikembangkan. Hal tersebut dikarenakan kurangnya library yang menunjang dalam

memroses bahasa alami dalam bahasa Indonesia. Stanford postagger menyediakan

library dalam POS (Part of Speech) Tagging, akan tetapi tidak meliputi bahasa Indonesia.

Dalam hal ini, penulis menyediakan library dengan cara membuat data latih, kemudian

melatihnya menggunakan kelas maximum entropy pada Stanford postagger. Hasil data

latih dicobakan dengan kalimat-kalimat dan dokumen-dokumen. Hasil dari sistem

dibandingkan dengan ahli yang memberikan hasil cohens kapa sebesar .

Kata Kunci: pemrosesan bahasa alami, POS tagging, Stanford posstagger

PENDAHULUAN

Pemrosesan bahasa alami menjadi

isu yang berkembang saat ini. Sistem

yang dikembangkan diharuskan dapat

menerima masukkan dari pengguna

menggunakan bahasa alami.

Pemrosesan bahasa alami adalah

metode yang digunakan untuk melakukan

proses komputasi dari bahasa sehingga

terciptanya interaksi antara manusia

dengan komputer menggunakan bahasa

alami. Salah satu alat yang digunakan

dalam pemrosesan bahasa alami adalah

StanfordNLP. StanfordNLP adalah

sistem yang dikembangkan oleh The

Stanford NLP Group dengan fokus

penelitian pada sentence understanding,

probabilistic parsing and tagging,

biomeical information extraction,

grammar introduction, word sense

disambiguation, dan automatic question

answering [7].

StanfordNPL dalam penelitian ini

difokuskan untuk melakukan tagging.

Tagging adalah penandaan kata

dalam kalimat untuk menentukan

labelnya dengan menggunakan

PartofSpeech (POS) dari model

PenTreeBank.

Pemrosesan bahasa alami saat ini

hanya terbatas pada bahasa-bahasa yang

umum di dunia. Sistem yang dapat

memroses bahasa alami menggunakan

bahasa Indonesia masih terbilang sedikit.

Hal tersebut dikarenakan libarary yang

menunjang bahasa Indonesia masih

belum ada.

Dari hal tersebut, peneliti bertujuan

membangun sebuah library yang dapat

membantu proses awal dalam sistem agar

dapat memroses bahasa alami. Proses

awal yang akan dibangun adalah POS

tagging dalam mengenali kata-kata yang

dimasukkan termasuk jenis kata apa saja.

Kata-kata yang akan dikenali adalah kata

benda, kerja, sifat, dan lain sebagainya.

Perancangan Sistem

Sebelum membuat sistem, penulis

melatih dataset yang dimiliki agar sistem

dapat mengambil hasil latih tersebut.



27

Berikut adalah fase pelatihan dataset

tersebut.

a. Menyiapkan data

Data yang disiapkan terdiri dari

39.000 kalimat yang telah diberikan

tanda POS tag sebelumnya. Pada

setiap kata dalam kalimat telah

memiliki POS tag sendiri. Sebagai

contoh :

Indeks/NN tersebut/DT naik/NN

1.1/JJ %/SYM pada/IN kuartal/NN

kedua/CDP ./.

Penjelasan tagging pada setiap kata

terdapat pada Tabel 1.

Tabel 1. Keterangan POS Tagging

N

O

POS POSName Contoh 1 OP Open Parenthesis ({[ 2 CP CloseParenthesis )}] 3 GM Slash / 4 ; Semicolon ; 5 : Colon : 6 “ Quotation “‟ 7 . SentenceTerminat

or

.!? 8 , Comma , 9 - Dash - 10 ... Ellipsis ... 11 JJ Adjective Kaya,Manis 12 RB Adverb Sementara,N

anti 13 NN CommonNoun Mobil 14 NNP ProperNoun Bekasi,Indon

esia 15 NNG GenitiveNoun Bukunya 16 VBI IntransitiveVerb Pergi 17 VBT TransitiveVerb Membeli 18 IN Preposition Di,Ke,Dari 19 MD Modal Bisa 20 CC Coor-Conjunction Dan,Atau,Tet

api 21 SC Subor-

Conjunction

Jika,Ketika 22 DT Determiner Para, Ini,Itu 23 UH Interjection Wah,Aduh,O

i 24 CDO OrdinalNumerals Pertama,Ked

ua 25 CDC CollectiveNumera

ls

Bertiga 26 CDP PrimaryNumerals Satu,Dua 27 CDI IrregularNumeral

s

Beberapa 28 PRP PersonalPronouns Saya,Kamu 29 WP WH-Pronouns Apa,Siapa 30 PRN NumberPronouns Kedua-

duanya 31 PRL LocativePronouns Sini,Situ,Sana 32 NEG Negation Bukan,Tidak 33 SYM Symbols @#$%^& 34 RP Particles Pun,Kah 35 FW ForeignWords Foreign,Wor

d

a. Melatih data

Data kalimat yang telah dikumpulkan

akan dirubah menjadi berkas

berbentuk .prop menggunakan

lexicon tagger. Kemudian berkas

tersebut digenerasi menggunakan

kelas MaxentTagger pada Library

Stanford NLP. Berikut adalah cara

penggunaan kelas MaxentTagger

pada menggunakan Command Line.

java -mx300m -classpath

stanford-postagger.jar

edu.stanford.nlp.tagger.m

axent.MaxentTagger -prop

<file property>

Contoh : java -mx300m -classpath

stanford-postagger.jar

edu.stanford.nlp.tagger.m

axent.MaxentTagger -prop

wsj-0-18-

left3words.tagger.props

Setelah dilakukan pelatihan data,

sistem yang dibangun hanya mengambil

data tersebut dan memrosesnya

menggunakan Stanford NLP. Berikut

adalah alur dari sistem yang dibangun.



28

Gambar 1. Alur Proses Sistem

Tampilan sistem yang dibangun

ada pada Gambar 2.

Gambar 2. Tampilan Awal Sistem

Gambar 3. Tampilan Masukan Sistem

Gambar 4. Hasil Luaran Sistem

Mekanisme Pengujian

Sistem POS tagging bahasa

Indonesia ini dibangun berdasarkan

rancangan sistem yang dibuat dan akan

diuji dengan melakukan perbandingan

dengan pakar. Asumsi yang diberikan

adalah jika hasil pemberian POS oleh

sistem tidak sesuai dengan pakar maka

sistem akan dianggap salah.

Pengujian dilakukan menggunakan

20 kalimat. Kondisi kalimat memiliki

karakteristik yang berbeda-beda, dari

kalimat sederhana sampai kalimat

majemuk. Metode pengujian yang

digunakan adalah metode kappa statistik.

Hasil dari sistem akan dibandingkan

dengan dua orang pakar. Berikut adalah

penjabaran hasil pengujian.

- Pakar dan sistem setuju bahwa sistem

dengan jawaban “benar” sebanyak 14.

- Pakar dan sistem setuju bahwa sistem

dengan jawaban “salah” sebanyak 4.

- Pakar setuju dengan jawaban sistem

“benar”, tetapi sistem setuju dengan

jawaban “salah” sebanyak 2.

- Sistem setuju dengan jawaban pakar

“salah”, tetapi sisten setuju dengan

jawaban “benar” sebanyak 0.

- Pakar mengatakan “benar” sebanyak

16, dan mengatakan “salah” sebanyak

4.

Start

Masukkan

Kalimat

Load Data Hasil Latih

POS tagging

Kalimatdengan

POS tag

Start



29

- Sistem mengatakan “benar” sebanyak

13, dan mengatakan “salah” sebanyak

7.

Tabel 2. Hasil perbandingan pakar dan

sistem

Sistem

Benar Salah

Pakar Benar 14 2

Salah 0 4

Nilai persetujuan ( percentageagreement

/ Pr(a) ) adalah sebagai berikut.

9,020

414)Pr(

a

Nilai kemungkinan persetujuan acak (

probabilityofrandomagreement / Pr(e) )

adalah sebagai berikut.

- Nilai dengan jawaban “benar” secara

acak adalah

56,020

14

20

16"" randombenar

- Nilai dengan jawaban “tidak” secara

acak adalah

06,020

6

20

4"" randomsalah

62,006,056,0)Pr( e

Nilai cohen’skappa adalah sebagai

berikut.

0,736842162,01

62,09,0

)Pr(1

)Pr()Pr(

k

e

eak

(1)

Dalam penelitian ini dilakukan untuk

memberikan POS tag pada setiap kata

dalam kalimat. Proses yang dilakukan

adalah dari melatih kata-kata dalam

kalimat. Kemudian hasil latih tersebut

digunakan sebagai acuan dalam

penentuan hasil POS tangging yang

diberikan.

Hasil pengujian menggunakan kappa

statistik memberikan nilai cohen’s kappa

sebesar 0,73. Nilai tersebut

membuktikan bahwa sistem yang telah

dibangun dapat digunakan untuk

memberikan POS tag pada kata

berbahasa Indonesia dengan benar.

Akan tetapi, sistem ini memiliki

kekurangan yang ditemukan selama

pengujian. Beberapa kata yang

menggunakan singkatan dibaca menjadi

kata benda. Pada penelitian selanjutnya

diharapkan sistem dapat memahami

makna dari satu kata atau lebih agar dapat

diketahui kata apa sebenarnya jika kata

tersebut disingkat.

DAFTAR PUSTAKA

[1] Alwi, H., S. Dardjowidjojo, H.

Lapoliwa, and A.M. Moeliono,

Tata Bahasa Baku Bahasa

Indonesia, 3rd ed.,Balai Pustaka,

Jakarta, 2003.

[2] Berger, Adam L., Stephen A. Della

Pietra Y and Vincent J. Della Pietra

Y. A Maximum Entropy Approach

to Natural Language Processing.

Computational Linguistics (22): p.

39-71, 1996.

[3] Carletta, Jean. (1996) Assessing

agreement on classification tasks:

The kappa statistic. Computational

Linguistics, 22(2), pp. 249–254.

[4] Cutting, D., Kupiec, J., Pederson, J.,

and Sibun, P. “A Practical Part of

Speech Tagger”. Proceedings of the

Third Conference on Applied



30

Natural Language Processing, Vol

,1992.

[5] Fauzan, R., & Pramono, D. (2013).

Pemeriksaan Kemiripan Diagram

Kasus Penggunaan terhadap

Skenario. Jurnal Ilmiah Teknologi

Informasi 11 (2), 51-57.

[6] Fauzan, R., Siahaan, D. O., &

Ariyani, N. F. (2013). Rekomendasi

Kasus Penggunaan Berdasarkan

Skenario Naratif Menggunakan

Teknologi Semantik. JUTI: Jurnal

Ilmiah Teknologi Informasi 11 (1),

34-39.

[7] Fellbaum, C. (1998). WordNet: An

Electronic Lexical Database.

Cambridge: MIT Press.

[8] Jurafsky, Dan, 2013. The Stanford

Natural Language Processing

Group,

<URL:http://nlp.stanford.edu>.



31

IMPLEMENTASI METODE WEIGHTED PRODUCT TERHADAP SISTEM

PENDUKUNG KEPUTUSAN SELEKSI USULAN PENGADAAN DARI

PUSKESMAS DI DINAS KESEHATAN KOTA BANJARBARU

Ramadhani Noor Pratama1, Ronny Faslah

2

1Staf Pengajar Program Studi Teknik Informatika Politeknik Hasnur

2Staf Pengajar Program Studi Manajemen Informatika Politeknik Negeri Banjarmasin

ABSTRAK

Kesehatan merupakan salah satu hak dasar manusia.Pada Pasal 36 UU tahun 2009

disebutkan bahwa Pemerintah Indonesia menjamin ketersediaan, pemerataan, dan

keterjangkauan perbekalan kesehatan. Melalui Dana Alokasi Khusus (DAK), pemerintah

Pusat memberikan anggaran dana untuk membantu kegiatan bidang kesehatan yang

merupakan urusan daerah.Selama ini, dana yang dikucurkan untuk pengadaan tidak

mencukupi seluruh usulan yang diajukan oleh karena itu dilakukan proses seleksi.

Pemilihan seleksi usulan – usulan pengadaan dari puskesmas masih dilakukan secara

manual dengan menilaikriteria - kriteria yang dibutuhkan satu persatu untuk setiap

usulantanpa suatu metode yang dapat memberikan penilaian prioritas dengan berbagai

kriteria diantara sekian banyak usulan yang masuk.Weighted Product merupakan sebuah

metode yang dapat menyelesaikan masalah penyeleksian di atas. Metode ini

diimplementasikan ke dalam sebuah sistem pendukung keputusan yang dapat

menghasilkan hasil perangkingan nilai perhitungan bobot alternatif-alternatif barang.

Kata kunci: Sistem Pendukung Keputusan, Weighted Product, Seleksi Usulan Pengadaan

dari Puskesmas

ABSTRACT

Health is one of the basic human rights.In UU No.36-2009 stated that the Government of

Indonesia guarantees the availability, distribution, and affordability of health supplies.

Through the Special Allocation Fund, the central government give budget to help provide

health activities that are regional affairs.During this time, the funds disbursed for the

provision does not meet all of the proposals. Because of that selection process was

conducted. Selection process of proposals procurement from health clinics are still doing

manually by rating required criterias for each proposal individually without a method that

can provide an assessment of priorities by various criteria among the many entered

proposals. Weighted Product is a method that can resolve the problem of selecting the

above. This method is implemented into a decision support system that can produce results

of ranking process value of alternatives weight.

Keywords: Decision Support System, Weighted Product, Selection process of proposals

procurement from health clinics



32

PENDAHULUAN

Kesehatan merupakan salah satu hak

dasar manusia di Indonesia yang diakui

dalam konstitusi UUD 1945.Tanggung

jawab yang diamanatkan oleh konstitusi

tersebut dituangkan dalam Undang-

Undang Nomor 36 Tahun 2009 tentang

Kesehatan.Pada Pasal 36 UU disebutkan

bahwa Pemerintah menjamin

ketersediaan, pemerataan, dan

keterjangkauan perbekalan

kesehatan.Ketersediaan perbekalan

kesehatan ini dilakukan melalui kegiatan

pengadaan alat kesehatan dan obat-

obatan. Pengadaan alat kesehatan dan

obat-obatan mendasarkan pada Keputusan

Presiden Nomor 80 Tahun 2003 tentang

Pedoman Pelaksanaan Pengadaan

Barang/Jasa Pemerintah sebagaimana

telah diubah terakhir dengan Peraturan

Presiden Nomor 54 Tahun 2010.

Melalui Dana Alokasi Khusus

(DAK), pemerintah Pusat memberikan

anggaran pada daerah untuk mendanai

kegiatan khusus yang merupakan urusan

daerah dan merupakan prioritas nasional.

DAK Bidang Kesehatan, diberikan

kepada daerah tertentu untuk membantu

mendanai kegiatan bidang kesehatan yang

merupakan urusan daerah sesuai dengan

prioritas pembangunan kesehatan

nasional tahun 2011 yang ditetapkan

melalui Rencana Kerja Pemerintah (RKP)

Tahun 2011.

Selama ini, dana yang dikucurkan

untuk pengadaan tidak mencukupi

seluruh usulan yang diajukan oleh karena

itu dilakukan proses seleksi. Pemilihan

seleksi usulan – usulan pengadaan dari

puskesmas masih dilakukan secara

manual dengan menilai kriteria - kriteria

yang dibutuhkan satu persatu untuk setiap

usulan tanpa suatu metode yang dapat

memberikan penilaian prioritas dengan

berbagai kriteria diantara sekian banyak

usulan yang masuk di Dinas Kesehatan.

Hal ini tentu saja membutuhkan waktu

yang cukup lama dalam proses seleksi

pengadaan dari puskesmas.

Agar dapat membantu mengatasi hal

tersebut, maka diperlukan suatu sistem

pengambilan keputusan seleksi

pengadaan dari puskesmas dengan

menggunakan metode Weighted Product.

Metode ini digunakan untuk

menyelesaikan pengambilan keputusan

secara praktis dengan cara

memperhitungkan perkalian bobot kriteria

– kriteria alternatif terkait.

Berdasarkan latar belakang yang ada,

maka didapatkan perumusan masalah

sebagai berikut.

1) Bagaimana mengimplementasikan

metode Weighted Product dalam

aplikasi sistem pendukung keputusan

seleksi usulan pengadaan dari

puskesmas di Dinas Kesehatan Kota

Banjarbaru?

2) Bagaimana memperoleh solusi dalam

proses seleksi usulan pengadaan dari


Banjarbaru?

Adapun tujuan dari penelitian ini


1) Dapat menerapkan metode Weighted

Product dalam aplikasi sistem

pendukung keputusan seleksi usulan

pengadaan dari puskesmas di Dinas

Kesehatan Kota Banjarbaru?

2) Dapat memperoleh solusi dalam

proses seleksi usulan pengadaan dari


Banjarbaru?



33

Adapun manfaat dari penelitian ini


1) Dapat menghasilkan sistem

pendukung keputusan yang dapat

menemukan solusi dalam seleksi

usulan pengadaan dari puskesmas di

Dinas Kesehatan Kota Banjarbaru.

2) Dapat membantu pihak Dinas

Kesehatan Kota Banjarbatu untuk

dapat menemukan solusi seleksi

usulan pengadaan dari puskesmas.

Sistem Informasi

Sistem informasi adalah suatu

sistem dalam suatu organisasi yang

mempertemukan kebutuhan pengolahan

transaksi harian yang mendukung fungsi

operasi organisasi yang bersifat

manajerial dengan kegiatan strategi

dari suatu organisasi untuk dapat

menyediakan kepada pihak luar tertentu

dengan informasi yang diperlukan untuk

pengambilan keputusan. Sistem

informasi dalam suatu organisasi dapat

dikatakan sebagai suatu sistem yang

menyediakan informasi bagi semua

tingkatan dalam organisasi tersebut kapan

saja diperlukan. Sistem ini menyimpan,

mengambil, mengubah, mengolah dan

mengkomunikasikan informasi yang

diterima dengan menggunakan sistem

informasi atau peralatan sistem lainnya.

(Magaline, 2003)

Sistem Pendukung Keputusan

Sistem Pendukung Keputusan sebagai

sebuah sistem berbasis komputer yang

membantu dalam proses pengambilan

keputusan. SPK sebagai sistem informasi

berbasis komputer yang adaptif,

interaktif, fleksibel, yang secara khusus

dikembangkan untuk mendukung solusi

dari pemasalahan manajemen yang tidak

terstruktur untuk meningkatkan kualitas

pengambilan keputusan. (Turban, 2005)

Menurut Simon (Suryadi dan

Ramdhani, 2002,h.15-16) model yang

menggambarkan proses pengambilan

keputusan. Proses ini terdiri dari tiga fase,

yaitu sebagai berikut :

a. Intelligence

Tahap ini merupakan proses

penelusuran dan pendeteksian dari

lingkup problematika serta proses

pengenalan masalah. Data masukan

diperoleh, diproses, dan diuji dalam

rangka mengindentifikasi masalah.

b. Design

Tahap ini merupakan proses

menemukan, mengembangkan, dan

menganalisis alternatif tindakan yang

bisa dilakukan. Tahap ini meliputi

proses untuk mengerti masalah,

menurunkan solusi dan menguji

kelayakan solusi.

c. Choice

Pada tahap ini dilakukan proses

pemilihan diantara berbagai

alternative tindakan yang mungkin

dijalankan. Hasil pemilihan tersebut

kemudian diimplementasikan dalam

proses pengambilan keputusan.

Meskipun implementasi termasuk

tahap ketiga, namun ada beberapa pihak

berpendapat bahwa tahap ini perlu

dipandang sebagai bagian yang terpisah

guna menggambarkan hubungan antar

fase secara lebih komprehensif. Dari

tahapan-tahapan diatas disimpulkan

bahwa konsep sistem pendukung

keputusan terdiri dari:

a. Masalah terstruktur

Merupakan masalah yang memiliki

struktur masalah pada 3 tahapan



34

Simon. Hasil akhir ditentukan oleh

proses terkomputerisasi tanpa campur

tangan manajer.

b. Masalah semi struktur

Merupakan masalah yang memiliki

struktur yang memiliki salah satu

atau dua tahapan Simon.

Penggabungan antara kebijakan

manajer dengan rujukan dari proses

terkomputerisasi.

c. Masalah tidak terstruktur

Merupakan masalah yang tidak

memiliki struktur pada tahapan

Simon.


memiliki karakteristik anatara lain

sebagai berikut :

a. Digunakan untuk menyelesaikan

permasalahan semi-terstruktur hingga

tidak terstruktur.

b. Digunakan oleh berbagai level

manajemen.

c. Digunakan oleh kelompok dari

individu.

d. Memilki tingkat adaptasi dan

fleksibilitas yang tinggi.

e. Memiliki kemudahan dalam

penggunaan.

f. Memodelkan suatu permasalahan.

g. Didukung oleh pengetahuan.


memiliki kemampuan untuk mendukung

pemecahan masalah mulai dari yang

sederhanan sampai yang paling kompleks.

a. Sistem Pendukung Keputusan

memiliki respon yang sangat cepat

dalam menghadapi situasi yang tidak

diharapkan pada kondisi manajemen

yang sering berubah-ubah.

b. Sistem Pendukung Keputusan

memiliki kemampuan untuk

melakukan percobaan penentuan

berbagai kebijakan dengan konfigurasi

yang berbeda-beda.

c. Sistem Pendukung Keputusan

memiliki wawasan dan pengetahuan

baru.

d. Sistem Pendukung Keputusan

memfasilitasi proses komunikasi.

e. Sistem Pendukung Keputusan

meningkatkan pengawasan dan

kinerja perusahaan.

f. Sistem Pendukung Keputusan

mampu mengurangi biaya yang

ditanggung perusahaan karena

adanya kesalahan dalam pengambilan

keputusan.

g. Keputusan yang dikeluarkan oleh


bersifat objektif.

h. Sistem Pendukung Keputusan

mampu meningkatkan keefektifan

manajerial, memudahkan manajer

untuk memperbarui kebijakan dalam

waktu singkat dan resiko sekecil

mungkin.

i. Sistem Pendukung Keputusan

meningkatkan produktivitas dari

analisa yang dilakukan.

Weighted Product

Fuzzy Multiple Attribute Decision

Making (FMADM) adalah suatu metode

yang digunakan untuk mencari alternatif

optimal dari sejumlah alternatif dengan

kriteria tertentu.

Ada beberapa metode yang dapat

digunakan untuk mnyelesaikan masalah

FMADM.antara lain :

a. Simple Additive Weighting Method

(SAW)

b. Weighted Product (WP)

c. Electre



35

d. Technique for Order Preference by

Similarity to Ideal Solution

(TOPSIS)

e. Analytic Hierarchy Process (AHP)

WP adalah salah satu metode

pengambilan keputusan multi-kriteria.

Model ini mirip dengan model jumlah

terbobot / weighted sum model (WSM).

Perbedaan utama adalah pada WSM

dilakukan penambahan bobot dan pada

WP dilakukan perkalian bobot. Setiap

alternatif keputusan dibandingkan dengan

yang lain dengan mengalikan sejumlah

rasio, satu untuk setiap kriteria keputusan.

Preferensi untuk alternatif Ai

diberikan sebagai berikut:

Rumus 1 Metode Weighted Product

dengan i=1,2,...,n; dimana

wj = 1

wj adalah pangkat bernilai positif

untuk atribut keuntungan, dan bernilai

negatif untuk atribut biaya.

(Kusumadewi, 2006)

1. Analisis Kerja Sistem

Sistem yang akan dibangun yaitu

melakukan proses seleksi data usulan

pengadaan dari puskesmas. Dimana

dalam penentuan seleksipengadaan

didapatkan dari usulan alat baru

puskesmas – puskesmas kota Banjarbaru.

Sistem ini menyajikan bahan

pertimbangan yang dapat dipilih

pengguna berdasarkan bobot penilaian

kriteria, dan kemudian sistem akan

membantu menemukan solusi ideal

berdasarkan perhitungan pada metode

Weighted Product dengan menampilkan

alternatif-alternatif barang berurutan

berdasarkan hasil perhitungan bobot dan

sesuai total dana yang telah dimasukkan

sebelumnya. Sistem ini tidak ditujukan

untuk menggantikan peran pengambil

keputusan dalam mengambil

keputusan.Keputusan tetap ada di tangan

pengguna sistem dan tidak hanya

bertumpu pada solusi apa yang diberikan

sistem.

Sistem akan menerima masukan

berupa nilai bobottiap alternatif barang

dari data usulan pengadaan dari

puskesmas. Kriteria-kriteria yang

diperlukan dalam penilaian adalah

kepentingan barang, visibilitas barang,

jumlah operator yang bisa menggunakan

barang, dan harga barang. Selanjutnya

sistem akan mengolah data-data tersebut

dengan menggunakan metode Weighted

Product yang akan menghasilkan

informasi berupa hasil perangkingan dari

perhitungan tiap bobot alternatif

barang.Sistem ini hanya menampilkan

hasil keputusan berupa perangkingan nilai

perhitungan bobot tiap alternatif barang

dari nilai tertinggi hingga terendah yang

menjadi rekomendasi sistem kepada

pengambil keputusan tanpa menggantikan

peran dalam pengambilan keputusan di

lapangan.

Hasil keluaran dari sistem ini berupa

informasi perangkingan hasil perhitungan

bobot tiap alternatif barang yang

merupakan data masukan sistem. Sistem

ini hanya menampilkan hasil keputusan

berupa perangkingan hasil perhitungan

bobot tiap alternatif barang tanpa

menggantikan peran manusia dalam

mengambil keputusan di lapangan

nantinya.Berikut ini merupakan langkah -

langkah perhitungan metode weighted

n

j

w

ijijxS

1



36

productdata alternatif barang untuk

seleksi usulan pengadaan dari puskesmas.

Sistem memberikan penilaian

prioritas kriteria dengan tingkatan

tertentu. Tingkat prioritas setiap kriteria,

dinilai dengan 1 sampai 5, yaitu:

Tabel 1 Tabel Prioritas Tiap Kriteria

Nilai Prioritas Keterangan

1 Sangat Rendah

2 Rendah

3 Cukup

4 Tinggi

5 Sangat Tinggi

Pengambil keputusan memberikan nilai

prioritas (w) masing-masing kriteria

sebagai berikut:

Tabel 2. Tabel Pemberian nilai oleh

pengambil keputusan

Kriteria Nilai

Prioritas

Keterangan

Total Harga

Barang

4 Tinggi

Visibilitas 3 Cukup

Jumlah

Operator

2 Rendah

Kepentingan 3 Cukup

Kemudian dilakukan perbaikan nilai

prioritas (w) terlebih dahulu dengan

persamaan 𝑤 = 1:

maka perbaikan nilai prioritas sebagai

berikut :

𝑤 = 𝑤1

𝑤1 + 𝑤2 + 𝑤3 + 𝑤4

= 4

4 + 3 + 2 + 3

= 0,333

𝑤2 = 𝑤2

𝑤1 + 𝑤2 + 𝑤3 + 𝑤4

= 3

4 + 3 + 2 + 3= 0,25

𝑤3 = 𝑤3

𝑤1 + 𝑤2 + 𝑤3 + 𝑤4

= 2

4 + 3 + 2 + 3

= 0,167

𝑤4 = 𝑤4

𝑤1 + 𝑤2 + 𝑤3 + 𝑤4

= 3

4 + 3 + 2 + 3= 0,25

Karena Kriteria Total Harga Barang

merupakan kategori biaya maka nilai

prioritas kriteria bernilai negatif, sehingga

didapat nilai prioritas kriteria adalah w1

= -0,333; w2 = 0,25; w3 = 0,167; w4 =

0,25.

Sistem memberikan batasan inputan

nilai bobot dari 1 hingga 9 untuk

pengambil keputusan yang memberikan

nilai bobot tiap kriteria untuk masing-

masing alternatif barang.

Tiap – tiap kriteria diberikan kode,

seperti contohnya :

C1 = Total harga barang

C2 = visibilitas

C3 = jumlah operator yang

menggunakan

C4 = kepentingan

Nilai bobot setiap alternatif di setiap

kriteria :



37

Tabel 3 Tabel nilai bobot tiap alternatif

ALTERNATIF KRITERIA

C1 C2 C3 C4

Mikroscope Binokuler 21.560.000 8 2 4

Safety Cabinet + UV 4.900.000 8 3 8

Hematologi Analizer 269.000.000 3 2 7

Haemositometer 931.000 5 6 8

Easy Touch 3 Parameter 980.000 6 8 2

Differential counter 3.185.000 3 5 5

Tabung LED 49.000 6 2 7

Rak LED 2.450.000 8 3 6

Bola Hisap 171.500 7 7 8

Auto Clik lancet (panjang) 49.000 3 8 2

Plate Widal 49.000 6 8 4

Tabung Reaksi Kecil 6 cm 560.000 2 6 3

Rak Tabung steinles 208.250 6 7 5

Botol Semprot 88.200 5 3 8

Kaca Slide Frosted 49.000 6 2 6

Metode Weighted Product melakukan

perkalian bobot. Setiap alternatif

keputusan dibandingkan dengan yang lain

dengan mengalikan sejumlah rasio, satu

untuk setiap kriteria keputusan, seperti

pada rumus 1 maka di dapat nilai (Si)

sebagai berikut :

009592,042821560000 25,0167,025,0333,0

1 S

019999,08384900000 25,0167,025,0333,0

2 S 003722,0723269000000 25,0167,025,0333,0

3 S 034718,0865931000 25,0167,025,0333,0

4 S 026499,0286980000 25,0167,025,0333,0

5 S 017491,05533185000 25,0167,025,0333,0

6 S

078088,072649000 25,0167,025,0333,0

7 S 023448,06382450000 25,0167,025,0333,0

8 S

068099,0877171500 25,0167,025,0333,0

9 S

060486,028349000 25,0167,025,0333,0

10 S 08554,048649000 25,0167,025,0333,0

11 S 025596,0362560000 25,0167,025,0333,0

12 S

05461,0576208250 25,0167,025,0333,0

13 S 067849,083588200 25,0167,025,0333,0

14 S 075136,062649000 25,0167,025,0333,0

15 S

Langkah berikutnya dalam

perhitungan uji ini yaitu mengurutkan

hasil perhitungan mulai dari nilai bobot

tertinggi hingga terendah, dimana bobot

tertinggi yang dimiliki sebuah alternatif

merupakan alternatif yang paling ideal,

dan diikuti oleh alternatif-alternatif

lainnya.



38

Tabel 4. Tabel nilai hasil perhitungan

Peringkat Alternatif Barang Nilai hasil perhitungan

(Si)

1 Plate Widal 0,08554

2 Tabung LED 0,0780882

3 Kaca Slide Frosted 0,0751361

4 Bola Hisap 0,0680992

5 Botol Semprot 0,0678493

6 Auto Clik lancet (panjang) 0,0604859

7 Rak Tabung steinles 0,0546095

8 Haemositometer 0,0347182

9 Easy Touch 3 Parameter 0,0264993

10 Tabung Reaksi Kecil 6 cm 0,0234481

11 Rak LED 0,0199986

12 Safety Cabinet + UV 0,017491

13 Differential counter 0,009592

14 Mikroscope Binokuler 0,0037223

15 Hematologi Analizer 0,00255957

Membandingkan akumulasi harga

barang dengan anggaran dana yang telah

ditentukan berdasarkan nilai akhir

perhitungan

Langkah terakhir dalam perhitungan

uji ini yaitu mengecek akumulasi harga

barang dari nilai bobot tertinggi hingga

terendah. Jika bobot yang lebih tinggi

harganya lebih dari anggaran dana yang

sudah ditentukan, maka barang tidak

terpilih dan sistem melanjutkan

membandingkan akumulasi harga barang

yang lebih rendah bobotnya dengan

anggaran dana sehingga semua barang

akan dicek sesuai dengan peringkat nilai

bobot barang.

Berikut merupakan gambar dari hasil

implementasi metode Weighted Product

ke dalam Sistem Pendukung Keputusan

Seleksi Usulan Pengadaan dari

Puskesmas di Dinas Kesehatan Kota

Banjarbaru.



39

Gambar 1 Implementasi Weighted Product pada Sistem

Kesimpulan yang diperoleh dari

pelaksanaan penelitian ini adalah sebagai

berikut.

1) Metode Weighted Product dapat

digunakan untuk menyeleksiusulan

pengadaan dari puskesmas di Dinas

Kesehatan Kota Banjarbaru

2) Solusi pemilihan yang diberikan oleh

aplikasi merupakan perangkingan

alternatif berdasarkan perhitungan

bobot dari nilai tertinggi hingga

terendah dan akumulasi total harga

barang tiap alternatif tidak melebihi

anggaran dana yang telah ditentukan.

DAFTAR PUSTAKA

[1] Magaline, Ferdinand., dkk. 2003,

Sistem Informasi, Paper, Bandung.

[2] Purnama, Kania.2010. Implementasi


Layanan Bimbingan Konseling (Bk)

Untuk Menentukan Penjurusan Siswa

Dengan Menggunakan Metode

Weighted Product (Studi kasus :

SMAN 3 Subang)

[3] Pratama, Ramadhani Noor (2012),

Rancang Bangun Sistem Pendukung

Keputusan Seleksi Usulan Pengadaan

dari Puskesmas Menggunakan

Metode Weighted Product Studi

Kasus Dinas Kesehatan Kota

Banjarbaru.

[4] Reksohadiprodjo, Sukanto, Hani

Handoko. 1982. Organisasi

Perusahaan : Teori, Struktur,

Perilaku. Jogjakarta: BPFE.

[5] Sri Kusumadewi, Sri Hartati. 2006.

Fuzzy Multi-Attribute Decision

Making (FMADM). Yogyakarta:

Graha Ilmu.

[6] Turban, E. 2005. Sistem Pendukung

Keputusan dan Sistem Cerdas.

Yogyakarta: Andi.

ANALISIS DAN PROYEKSI SISTEM TENAGA LISTRIK...

Documents

Transcript of ANALISIS DAN PROYEKSI SISTEM TENAGA LISTRIK...