Budhi santoso - 1

Perbandingan Pendekatan Muhlbauer dan Fuzzy Inference System Pada Proses Penilaian Risiko : Studi Kasus Pipa Bawah Laut 14” PHE-WMO

Budhi Santoso 1, Ketut Buda Artana 2, R.O. Saut Gurning 3

1 Mahasiswa Program Pasca Sarjana Fakultas Teknologi Kelautan Jurusan Teknik Sistem dan Pengendalian Kelautan Institut Teknologi Sepuluh Nopember Surabaya

2,3,4 Staf Pengajar Fakultas Teknologi Kelautan Institut Teknologi Sepuluh Nopember Surabaya

Abstrak

Dalam kegiatan operasional jaringan pipa gas 14” PT PHE-WMO yang melewati daerah offshore dan onshore banyak ditemukan potensi hazard yang dapat mengakibatkan kegagalan pipa. Perusahaan perlu melakukan penilaian risiko sebagai upaya untuk mengevaluasi potensi kerugian yang mungkin terjadi. Pada penelitian ini, akan dibandingkan pendekatan penilaian risiko Kent Muhlbauer dan Fuzzy Inference System, sehingga didapatkan penilaian risiko yang tepat untuk jaringan pipa gas 14” PT PHE-WMO. Penilaian risiko dengan pendekatan Muhlbauer menggunakan model indeks (scoring) yang didasarkan pada i ndeks kerusakan akibat pihak ketiga, indeks korosi, indeks desain, indeks kesalahan operasi, dan faktor dampak kebocoran. Pendekatan penilaian risiko Fuzzy Inference System menggunakan metoda Mamdani (Max-Min) dimana metoda ini meliputi pembentukan himpunan fuzzy, aplikasi fungsi implikasi, komposisi aturan, dan penegasan (deffuzy). Hasil analisis penilaian risiko dipetakan kedalam risk matrik 5x5 yang dikalisifikasikan dalam lima katergori risiko yaitu very low, low, medium, high, dan Very high. Perbandingan RRS kedua metode sebagai pertimbangan dalam menetukan langkah mitigasi yang tepat untuk pipa gas 14” PT PHE-WMO.

Dari hasil pemetaan risiko pipa gas 14“ yang terbagi dalam 10 s egment kedua metode didapatkan skor akhir indeks masing-masing segmen berada pada level low risk, hanya saja pada segmen 1, 2, dan 3 n ilainya berada pada level medium risk. Metode Muhlbauer memiliki kecenderungan mendekati level risiko medium risk, hal ini ditunjukkan nilai IS dan LIF lebih kecil dibandingkan dengan nilai fuzzy. Sedangkan penilaian level risiko fuzzy memiliki nilai IS dan LIF yang lebih besar dibandingkan dengan Muhlbauer sehingga level risiko cenderung mengarah ke low risk. Perhitungan pipa menggunakan pendekatan fuzzy memberikan selisih nilai RRS yang lebih besar. Nilai selisih RRS yang lebih besar memudahkan dan m empertegas pemberian rangking pada masing-masing input data setiap segmen. Sehingga metode fuzzy lebih akurat dan presisi dibandingkan dengan Muhlbauer.

Keyword: Risk Assessment, Gas Pipeline, Muhlbauer, Fuzzy Inference system.

1. Pendahuluan Penggunaan system perpipaan dalam

industri minyak dan gas sebagai saranan untuk menyalurkan produk minyak dan gas sangat efektif dan efisien, terutama dalam menempuh jarak yang jauh melalui laut maupun darat. Dilihat dari rute yang dilalui pipa sangat beragam, yaitu mulai dari dalam laut, dataran rendah, dan dataran tinggi, maka potensi bahaya dan risiko keselamatan seperti kebakaran, ledakan,kebocoran, dan pencemaran lingkungan. Berbagai macam persolan tersebut dipengaruhi oleh beberapa faktor baik oleh faktor internal dan faktor eksternal.

Bahaya dan risiko yang terjadi akan membawa dampak kerugian bagi perusahaan, masyarkat, pencemaran lingkunagan yang berada disekitar jalur pipa. PT. Pertamina Hulu Energi – West Madura Offshore (PHE WMO), adalah operator nasional dari Production Sharing Contract di Indonesia, dalam bisnis eksplorasi dan eksploitasi minyak dan gas alam memiliki pipa sepanjang 65 k m dari CPP-ORF yang terdiri dari 62 km pipa didaerah offshore dan 3 km di daerah onshore.

Sehingga dengan adanya bahaya dan risiko yang akan ditimbulkan maka sangatlah penting dilakukan upaya pengendalian dan pen gelolaan risiko sistem perpipaan. Dengan menggunakan metode pendekatan penilaian risiko Kent Mulhbauer dan Fuzzy inference System dapat memberikan hasil analisa penilaian risiko secara cepat dan cukup akurat, dengan demikian diharapkan dapat dilakukan pengendalian sedini mungkin untuk mencegah terjadinya kegagalan.

2. Tinjauan Pustaka Pada prinsipnya penilaian risiko

didefinisikan sebagai probabilitas dari sebuah kejadian yang menyebabkan kerugian dan mempunyai potensi kerugian yang serius. Dengan pengertian tersebut, jika risiko bertambah maka probabilitas juga akan bertambah. Pengertian risiko dapat dirumuskan secara sistematis menurut persamaan sebagai berikut (Mulhbauer, 2004) Risk = (event likelihood) x (event consequence)

Risiko bukan kuantitas yang statis, di sepanjang pipa kondisinya selalu berubah-ubah. Dengan adanya perubahan, maka risiko juga ikut berubah.

Budhi santoso - 2

2.1 Metode Pendekatan Muhlbauer

Pendekatan Muhlbauer merupakan metode semi kuantitatif dengan pendekatan risk rating yang dikembangkan oleh Mulhbauer.

Menurut model ini risiko pipa dipengaruhi oleh faktor probabilitas dan konsekuensi. Faktor yang berpengaruh pada probabilitas antara lain kerusakan akibat pihak ketiga, korosi, desain, dan kerusakan kesalahan operasi. Sedangkan konsekuensi meliputi bahaya produk, leak volume, faktor hamburan, dan reseptor. 2.2 Metode Fuzzy Inference System

Logika Fuzzy adalah suatu proses pengambilan keputusan berbasis aturan yang bertujuan untuk memecahkan masalah, dimana sistem tersebut sulit untuk dimodelkan atau terdapat ambiguitas dan ketidakjelasan yang banyak. Logika Fuzzy ditentukan oleh persamaan logika bukan dari persamaan diferensial komplek dan berasal dari pemikiran yang mengidentifikasi serta mengambil keuntungan dari grayness antara dua ekstrem. Sistem logika fuzzy terdiri dari himpunan fuzzy dan aturan fuzzy (Ali Jamshidi dkk, 2013).

Metode analisis risiko fuzzy diajukan dalam penelitian ini mengandung tiga tahap IS penilaian, evaluasi LIF, dan risiko analisis, yang pertama dua fase terbentuk berdasarkan konsep logika fuzzy. Logika fuzzy diterapkan untuk menangani ketidakpastian yang terlibat dalam proses fitur modeling. A spesifik model yang diusulkan adalah sebuah model yang terintegrasi berdasarkan teknik kualitatif dan k uantitatif untuk penilaian risiko pipeline.

3. Metodologi Penelitian

Metodologi penelitian adalah Langkah-langkah dalam pengerjaan penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data, pengolahan data, perhitungan/ pemodelan, analisa, penanganan resiko/mitigasi serta membuat kesimpulan dari hasil analisa. Setelah mendapatkan data primer dan s ekunder maka dialakukan analisa sesuai dengan metode-metode yang digunakan dalam risk assessment pipeline. 3.1 Risk Assessment Kent Mulhbauer

Dalam penelitian ini dilakukan implementasii penilaian resiko dengan m etode scoring yang dikembangkan oleh Muhlbauer sebagai berikut: a. Penentuan formula / model b. Pemberian skor indeks dan LIF c. Penjumlahan nilai / Indeks sum

3.2 Risk Assessment Fuzzy Inference System Menghitung probabilitas dan frequensi factok-factor yang menyebabkan risiko muncul dengan menggunakan logical fuzzy inference system dengan m etode Mamdani. Untuk

mendapatkan output metode mamdani diperlukan 4 tahap sebagai berikut : a. Pembentukan Himpunan Fuzzy b. Pembentukan Aturan Dasar c. Fuzzy Inference system d. Penegasan (defuzzyfikasi)

3.3 Matirk Risiko Berdasarkan hasil analisa frekuensi dan analisa konsekuensi yang sudah dilakukan, maka selanjutnya hasil tersebut dapat diplotkan ke dalam risk matri.

4. Hasil Dan Pembahasan 4.1 Hasil Analisa Metode Muhlbauer

a. Third Party Damage Index Hasil penilain risiko berdasarkan faktor third party damage pada semua segment berada pada grafik 4.1 dibawah ini.

Gambar 4.1 Grafik hasil score Third Party Damage

b. Corrosion Index

Hasil penilain risiko berdasarkan faktor corrosion pada semua segment berada pada grafik 4.2 dibawah ini.

Gambar 4.2 Grafik hasil score Index Corrosion

c. Desain Index

Hasil penilain risiko berdasarkan faktor desain pada semua segment berada pada grafik 4.3 dibawah ini.

0

20

40

60 50 58 54

42 36 39

47 39 39

48

Index Thrid Party Damage

Segmentasi

Scor

e

0

20

40

60

8059.8 64.8 64.8

79.8 79.8 77 77 77 78 78 Index Corrosion

Segmentasi

Scor

e

Budhi santoso - 3

Gambar 4.3 Grafik hasil score Index Desain

d. Incorrect Operation Index

Hasil penilain risiko berdasarkan faktor operasi pada semua segment berada pada grafik 4.4 dibawah ini.

Gambar 4.4 Grafik hasil score Index Operasi

e. Leak Impact Faktor

Hasil leak impact pada semua segment berada pada grafik 4.5 dibawah ini.

Gambar 4.5 Grafik hasil score Leak Impact Factor

f. Relative Risk Scoring (RRS) Muhlbauer

Setelah melakukan perhitungan terhadap probability dan leak impact, maka akan didapatkan relative risk scoring dengan rumus.

Relative risk scoring = indek sum/leak impact factor

Hasil relatif risk scoring pada semua risk rating pada semua segment dapat dilihat pada tabel 4.1 dibawah ini.

Tabel 4.1 Tabel Relative Risk Score (RRS)

Segment Muhlbauer

IS LIF RRS

14-CPP-ORF-01 226.8 84 2.700

14-CPP-ORF-02 239.8 84 2.855

14-CPP-ORF-03 235.8 84 2.807

14-CPP-ORF-04 243.8 98 2.488

14-CPP-ORF-05 242.8 98 2.478

14-CPP-ORF-06 243 108.5 2.240

14-CPP-ORF-07 251 105 2.390

14-CPP-ORF-08 243 116.9 2.079

14-CPP-ORF-09 244 95.2 2.563

14-CPP-ORF-10 253 91 2.780 Data hasil penilaian risiko 14” PT. PHE-WMO CPP – ORF yang dilakukan dari 10 segmen sepanjang 65 km pipa offshore dan onshore dengan rata-rata nilai relative risk rating 4.496 dari sepanjang jalur pipa.

4.2 Hasil Analisa Metode Fuzzy Inference System a. Pembentukan Himpunan Fuzzy

(fazzyfikasi) Langkah pertama adalah menetapkan label-label fuzzy pada daerah batasan crisp dari setiap masukan crisp. Pada penelitian ini fungsi keanggotaan menggunakan tipe gaussian, hal ini dipilih karena menjadi pilihan yang populer dan dan paling alami pada sistem.

Tabel 4.2 Contoh Pembentukan Himpunan Fuzzy

Factors Linguistic term Fuzzy rating Universe

of discourse

TDP Very High (VH) 65 < TDP ≤ 100

X TDP € (25)

High (H) 40 ≤ TDP < 100

Medium (M) 15 ≤ TDP ≤ 85

Low (L) 0 ≤ TDP ≤ 55

Very Low (VL) 0 ≤ TDP < 35

C Very High (VH) 65 < TDP ≤ 100

X C € (25)

High (H) 40 ≤ TDP < 100

Medium (M) 15 ≤ TDP ≤ 85

Low (L) 0 ≤ TDP ≤ 55

Very Low (VL) 0 ≤ TDP < 35

0

10

20

30

40

50

32 32 32 37

42 42 42 42 42 42

Index Design

Segmentasi

Scor

e

0

50

100 86 86 86 86 86 86 86 86 86 86 Index Operasi

Segmenta

Scor

e

0

50

100

150

84 84 84 98 98 108.5 105 116.9 95.2 91

Leak Impact

Segmentasi

Scor

e

Budhi santoso - 4

b. Fuzzy Inference System Dalam langkah ini, unit inferensi fuzzy menggunakan ini If-Then Fuzzy aturan untuk menetapkan peta dari input fuzzy untuk output fuzzy berbasis aturan komposisi Fuzzy. Langkah ini merupakan bagian utama dari sistem expert fuzzy yang agregat fakta berasal dari

Proses fuzzifikasi dengan rule base yang dihasilkan dalam bagian sebelumnya dan melakukan proses modeling. Ada beberapa FIS yang telah diterapkan dalam berbagai aspek aplikasi sains dan teknik. Model Fuzzy Mamdani adalah salah satu algoritma paling populer. Berikut adalah contoh fuzzy inference system.

Gambar 4.7 Contoh Struktur Model fuzzy IS

Gambar 4.8 Membership fungsi variabel input IS TDP,C,D,dan IO

Budhi santoso - 5

Gambar 4.9 Membership fungsi variabel output IS

• If (TDP is VL) and (C is VL) and (D is VL) and

(IO is VL) then (IS is VL) (1) • If (TDP is L) and (C is L) and (D is L) and (IO is

L) then (IS is L) (1) • If (TDP is M) and (C is M) and (D is M) and (IO

is M) then (IS is M) (1)

• If (TDP is H) and (C is H) and (D is H) and (IO is H) then (IS is H) (1)

• If (TDP is VH) and (C is VH) and (D is VH) and (IO is VH) then (IS is VH) (1)

Gambar 4.10 Grafik Indikator Fuzzy Reasoning Mechanism

(i)

Budhi santoso - 6

(ii)

(iii)

Gambar 4.10 kontrol Surface dari IS pada (i)TDP dan IO,(ii)D dan IO, (iii)C dan IO

Gambar 4.11 System LIF: 4 input, 1 output, 78 rule

Budhi santoso - 7

Gambar 4.12 Membership fungsi variabel input LIF PH,LV,DI,dan RE

Gambar 4.13 Membership fungsi variabel output LIF

Budhi santoso - 8

(i)

(ii)

(iii)

Gambar 4.14 kontrol Surface dari IS pada (i) RE dan DI,(ii)RE dan PH, (iii) C dan

c. Penegasan (defuzzyfikasi) Proses defuzzifikasi yang digunakan untuk mentransfer fuzzy set menjadi nilai baik. Ada beberapa metode

defuzzifier dalam literatur. Centroid of Area (COA) adalah salah satu metode yang paling populer untuk Proses defuzzifikasi.

Budhi santoso - 9

d. Risk Relative Score (RSS) Fuzzy

Tabel 4.3 Output RRS Model Fuzzy

e. Perbandinagan Penilaian Risiko Tabel 4.4 Perbandingan Risiko Pendekatan Muhlbuaer dan Fuzzy

Segment Muhlbauer Fuzzy Model IS LIF RRS IS LIF RRS

14-CPP-ORF-01 226.8 84 2.700 235 88 2.670 14-CPP-ORF-02 239.8 84 2.855 250 88 2.841 14-CPP-ORF-03 235.8 84 2.807 253 88 2.875 14-CPP-ORF-04 243.8 98 2.488 286 97.7 2.927 14-CPP-ORF-05 242.8 98 2.478 277 97.7 2.835 14-CPP-ORF-06 243 108.5 2.240 267 102.2 2.613 14-CPP-ORF-07 251 105 2.390 280 101.3 2.764 14-CPP-ORF-08 243 116.9 2.079 267 103 2.592 14-CPP-ORF-09 244 95.2 2.563 271 95.3 2.844 14-CPP-ORF-10 253 91 2.780 282 91.6 3.079

f. Pemetaan Tingkat Risiko

Setelah didapatkan nilai akhir dari setiap metode penilaian risiko pipa 14” ini, maka dilakukan pemetaan tingkat risiko dengan model sederhana matrik 5x5 untuk setiap segmen. Matrik ini dipetakan berdasarkan kategori very low, low, medium, high, dan very high. Pada matrik ini sumbu x adalah komponen indeks atau bisa disebut probability of failure (PoF). Sumbu y merupakan leak impact factor (LIF) atau bisa disebut dengan consequence of failure (CoF). Sesuai

dengan teori bahwa risiko adalah hasil kali kemungkinan terjadinya kegagalan dengan konsekuensinya jika terjadi kegagalan. Total skor masing-masing komponen diletakkan sesuai dengan nilai indeks dan LI F setiap segmen. Dengan demikian maka dapat diketahui apakah segmen tersebut masuk ke dalam kategori very low, low, medium, high, dan very high. Gambar 4.27 dibawah ini merupaka salah satu contoh pemetaan risiko pada matrik risiko beikut ini:

Segment TPD C D IO PH LV DI RE IS LIF RRS14-CPP-ORF-01 50 58.8 32 86 7 1 1 12 235.0 88.0 2.67014-CPP-ORF-02 58 63.8 32 86 7 1 1 12 250.0 88.0 2.84114-CPP-ORF-03 54 63.8 32 86 7 1 1 12 253.0 88.0 2.87514-CPP-ORF-04 42 78.8 37 86 7 1 1 14 286.0 97.7 2.92714-CPP-ORF-05 36 78.8 42 86 7 1 1 14 277.0 97.7 2.83514-CPP-ORF-06 39 76 42 86 7 1 1 15.5 267.0 102.2 2.61314-CPP-ORF-07 47 76 42 86 7 1 1 15 280.0 101.3 2.76414-CPP-ORF-08 39 76 42 86 7 1 1 16.7 267.0 103.0 2.59214-CPP-ORF-09 39 77 42 86 7 1 1 13.6 271.0 95.3 2.84414-CPP-ORF-10 48 77 42 86 7 1 1 13 282.0 91.6 3.079

Budhi santoso - 10

Gambar 4.15 Pemetaan Level Risiko Hasil Analisis Segmen 1

Tabel 4.5 Tabel Pemetaan Risiko Metode Muhlbauer dan Fuzzy

Segment Muhlbauer Fuzzy Model IS LIF Risk Matrik IS LIF Risk Matrik

14-CPP-ORF-01 226.8 84 Medium Risk 235 88 Medium Risk 14-CPP-ORF-02 239.8 84 Medium Risk 250 88 Medium Risk 14-CPP-ORF-03 235.8 84 Medium Risk 253 88 Medium Risk 14-CPP-ORF-04 243.8 98 Low 286 97.7 Low 14-CPP-ORF-05 242.8 98 Low 277 97.7 Low 14-CPP-ORF-06 243 108.5 Low 267 102.2 Low 14-CPP-ORF-07 251 105 Low 280 101.3 Low 14-CPP-ORF-08 243 116.9 Low 267 103 Low 14-CPP-ORF-09 244 95.2 Low 271 95.3 Low 14-CPP-ORF-10 253 91 Low 282 91.6 Low

5. Kesimpulan

Dari hasil perhitungan dan analisis risiko pipa telah dilakukan pada p ipa 14” offshore dan onshore PT. PHE WMO dengan total panjang 65 km yang dibagi menjadi 10 s egmen pipa yang telah dilakukan, dapat diambil kesimpulan sebagai berikut: 1. Berdasarkan pemetaan risiko kedua metode

didapatkan skor akhir indeks masing-masing segmen berada pada level low risk, hanya saja pada segmen 1, 2, dan 3 nilainya berada pda level medium risk. Metode Muhlbauer memiliki kecenderungan mendekati level risiko medium risk, hal ini ditunjukkan nilai IS dan LIF lebih kecil dibandingkan dengan nilai fuzzy. Sedangkan penilai level risiko fuzzy memiliki nilai IS dan LIF yang lebih besar dibandingkan dengan Muhlbauer sehingga level risiko cenderung mengarah ke low risk.

2. Nilai rata-rata rentang penambahan skor IS Fuzzy lebih besar dibandingkan dengan nilai rata-rata rentang IS Muhlbauer. Sedangkang nilai rata-rata penambahan skore LIF Fuzzy lebih kecil dibandingkan dengan nilai rata-rata rentanf LIF Muhlbauer. Dengan demikian hasil yang

mendekati adalah perhitungan IS dan LIF fuzzy sesuai dengan rumus RRS = IS/LIF

3. Hasil analisis dan perhitungan pipa 14” PT. PHE WMO CPP-ORF di peroleh hasil rata-rata penambahan nilai rentang IS yang lebih besar 4,77 dan nilai rat-rata rentang LIF yang lebih kecil 1,36 yaitu dengan menggunakan metode Fuzzy Inference System . Dengan demikian nilai selisih RRS yang lebih besar memudahkan dan mempertegas pemberian rangking pada masing-masing input data setiap segmen. Sehingga metode fuzzy lebih akurat dan pr esisi dibandingkan dengan Muhlbauer.

6. Saran

Setelah melakukan riset dengan tema perbandingan pendekatan Muhlbauer dan Fuzzy inference System pipa gas 14” PT. PHE-WMO maka dapat diberikan beberapa saran sebagai berikut: 1. Penggunaan data yang tepat sebaiknya digunakan

untuk mengantikan data yang masih menggunakan asumsi sehingga hasil penilaia risiko lebih mendekati akurat.

2. Sosialisasi dan inspeksi secara periodik di jalur pipa perlu ditinjau kembali agar bahaya-bahaya

Budhi santoso - 11

yang akan menggangu operasioanal pipa dapat segera ditanggulangi.

3. Pemberian tanda peringatan sepanjang jalur pipa gas dengan menggunakan peralatan yang sesuai dan mudah dimengerti.

4. Hasil ranking dari analisis resiko pipa dapat dijadikan data untuk melakukan mitigasi sesuai dengan kerangka kerja yang sistematik perusahaan.

Daftar Pustaka

Adnyana, Gede Tegar Buddhi. Penilaian risiko sosial dan individu jalur pipa gas studi kasus: pt. Pertamina hulu energi-west madura offshore, risiko akibat kebocoran pipa gas. Surabaya. 2010

Ali Jamshidi dkk. Developing a n ew fuzzy inference system for pipeline risk assessment. Journal of Loss Prevention in the Process Industries . 2013

Ghasemi, E., & Ataei, M. (2012). Application of fuzzy logic for predicting roof fall rate in coal mines. Neural Computing & Applications, . http://dx.doi.org/10.1007/ s00521-012-0819-3.

Iphar, M., & Goktan, R. M. (2006). An application of fuzzy sets to the Diggability Index Rating Method for surface mine equipment selection. International Journal of Rock Mechanics and Mining Sciences, 43, 253e266.

Jang, J. S. R., Sun, C. T., & Mizutani, E. (1997). Neural-fuzzy and soft computing. Englewood Cliffs, NJ: Prentice-Hall.

Mamdani, E. H., & Assilian, S. (1975). An experiment in linguistic synthesis with a fuzzy logic controller. International Journal of ManeMachine Studies, 7(1), 1e13. Maryam khaleghian,afshin danehkar,dkk. Environmental Risk Assessment of Gas Pipeline with Method of Muhlbauer. : Journal of Natural Environment (Volume: 65, Issue: 3) 2010

Muhlbauer , W. Kent. (2004). Pipeline Risk Management Manual , Third Edition (Sovian Simatupang. 2011)

Simatupang, Sovian. Studi analisis resiko pada pipeline oil dan gas dengan metode risk assesment kent muhlbauer dan risk based inspection api rekomendasi 581. ITS-Undergraduate-3100011044823. 2010

Wahyu abdullah. Analisa Resiko Dan langkah Mitigasi Pada Offshore Pipeline. Jurnal Teknik ITS Vol 1, No.1 Sept. 2012

Yazdani-Chamzini, A., & Yakhchali, S. H. (2012). Tunnel Boring Machine (TBM) selection using fuzzy multicriteria decision making methods. Tunnelling and Underground Space Technology, 30, 194e204