OPTIMASI RULE CURVE OPERASI WADUK PENGGA DENGAN ALGORITMA GENETIK

Transkripsi

1 OPTIMASI RULE CURVE OPERASI WADUK PENGGA DENGAN ALGORITMA GENETIK Muhammad Qomarul Huda 1, Widandi Soetopo 2, Heri Suprijanto 2 1 Mahasiswa Program Sarjana Teknik Jurusan Pengairan Universitas Brawijaya 2 Dosen Teknik Pengairan Fakultas Teknik Universitas Brawijaya Jalan MT. Haryono 167, Malang 65145, Indonesia mqhuda07@gmail.com ABSTRAK Waduk Pengga adalah waduk yang difungsikan untuk pelayanan air bersih di wilayah Kabupaten Lombok Tengah bagian selatan dengan pasokan air irigasi yang dilayani seluas 3005 Ha dan untuk pembangkit tenaga mikrohidro dengan kapasitas 400 KW. Pada pedoman lepasan waduk berdasarkan rule curve yang ada sekarang, apabila di simulasi operasi waduk 11 tahun, maka terdapat kekurangan pemenuhan kebutuhan minimum atau tampungan waduk dibawah rule curve eksisting, untuk mencukupi kebutuhan air irigasi seluas 3005 ha tersebut. Tujuan dari studi ini adalah untuk meningkatkan kinerja operasi waduk Pengga berdasarkan rule curve dan sebagai penunjang proses optimasi maka dibutuhkan perangkat software yang sesuai yaitu program Macro Visual Basic dari Microsoft Office versi Hasil dari studi ini adalah debit aliran rendah yang dibangkitkan dari data hujan dengan metode FJ Mock waduk Pengga selama 11 tahun menghasilkan rerata dari setiap tahun berkisar 0,884 m3/detik sampai 3,383 m3/detik. Rerata pemenuhan kebutuhan irigasi rule curve berdasarkan tahun basah, normal dan kering adalah 82,80%, 65,89% dan 59,96%. Sedangkan pemenuhan kebutuhan irigasi minimum rule curve berdasarkan tahun basah, normal dan kering adalah 55,45%, 31,55% dan 31,25%. Dengan hasil rule curve tersebut intensitas tanam tidak bisa terpenuhi 300% karena terdapat kekurangan di beberapa musim tanam sehingga intensitas tanam yang terpenuhi adalah 260%. Dari analisis yang telah dilakukan diharapkan dapat memberikan gambaran rule curve waduk Pengga yang optimal. Kata kunci : Optimasi, Rule Curve, Algoritma Genetik, Waduk, Stokastik ABSTRACT Pengga Reservoir is using for water service in the area of the southern part of Central Lombok district with irrigation water supply that served an area of 3005 ha and for micro-hydro power plants with a capacity of 400 KW. Guidelines based on the existing rule curve reservoir releases, if reservoir operation simulated during 11 years, then there is a shortage of fulfillment of minimum requirements or catchment reservoirs under existing rule curve, to meet the water needs of the irrigation area of 3005 ha. The purpose of this study is to improve the operating performance based on the rule curve reservoir Pengga. as supporting the optimization process then takes the appropriate software tools that Visual Basic Macros are programs of the Microsoft Office 2010 version. The results of this study are low flow generated from the data by the method of the FJ. Mock Pengga reservoir for 11 years generates an average of 0,884 each year ranging from m3 / s to 3,383 m3 / s. Mean irrigation fulfillment rule curve based on the wet, normal and dry are 82.80%, 65.89% and 59.96%. While the fulfillment of minimum irrigation requirements based on the rule curve wet, normal and dry are 55.45%, 31.55% and 31.25%. With the results of the rule curve cropping intensity of 300% can not be met because there is a lack in some of the growing season so that the cropping intensity is 260% fulfilled. From the analysis that has been done is expected to provide an overview of the rule curve reservoir Pengga optimal. Key words: Optimization, Rule Curve, Genetic Algorithms, Reservoir, Stochastic PENDAHULUAN Latar belakang Kebutuhan air di masa mendatang akan semakin meningkat seiring dengan meningkatnya jumlah penduduk dan ber kembangnya pembangunan di segala sektor. Kondisi ideal yang diharapkan oleh setiap orang adalah tersedianya air sesuai dengan tempat dan waktu debgan kualitas yang meca keseimbangan air ( water balance). Dalam situasi atau analisa perilaku operasi waduk bertujuan untuk mengetahui perubahan kapasitas tampungan waduk. Persamaan yang digunakan adalah kontinuitas tampungan (mass storage equation) yang memberi hubungan antara masukan, keluran dan perubahan tampungan. Persamaan secara matematika dinyatakan seba-

2 madai. Dalam memanfaatkan tampungan waduk harus diingat bahwa kuantitas air sangat terbatas, sehingga pemakaian air harus dilakukan sebaik mungkin, oleh karena itu, diperlukan penggunaan air waduk yang optimal agar dapat memenuhi berbagai kebutuhan yang direncanakan salah satunya adalah dengan metode optimasi. Identifikasi masalah Pada pedoman lepasan waduk berdasarkan rule curve yang ada sekarang, apabila di simulasi operasi waduk 11 tahun, maka terdapat kekurangan pemenuhan kebutuhan minimum atau tampungan waduk dibawah rule curve eksisting untuk mencukupi kebutuhan air irigasi seluas 3005 ha. Dengan melakukan optimasi pengaturan rule curve yang baru diharapkan pemenuhan kebutuhan minimal ini dapat ditingkatkan dengan menggunakan prosedur simulasi stokastik yakni algoritma genetik. Tujuan dan manfaat Tujuan dari studi ini adalah Untuk meningkatkan kinerja operasi Waduk Pengga berdasarkan rule curve. Sedangkan manfaat dari studi ini adalah Untuk memberikan gambaran rule curve Waduk Pengga yang optimal. KAJIAN PUSTAKA Umum Waduk adalah tampungan untuk menyimpan air pada waktu kelebihan agar dapat dipakai pada waktu yang diperlukan. (Soedibyo,1993:7). Operasi Waduk Operasi waduk adalah pe-nampungan aliran air sungai ke dalam se-buah waduk dan pelepasan daripada air yang telah ditampung tersebut untuk berbagai tujuan. (SoetopoW,2010:2). Simulasi Lingkup waktu dari simulasi mencakup 1 tahun operasi atau lebih tergantung dari kebutuhannya. Salah satu operasi dibagi-bagi menjadi sejumlah periode, misalnya bulanan, 15 harian, 10 harian, migguan maupun harian. Persamaan umum simulasi operasi waduk adalah neragai berikut (Mc.Mahon and Mein, 1978:24) : S t+1 = St + Qt Dt Et Lt (1) Dengan kendala 0 St+1 =C Dengan : St t+1 St Qt Dt Et Lt = Tampungan waktu pada akhir interval waktu t = Interval waktu yang digunakan = Tampungan waduk pada awal interval waktu = Aliran masuk selama interval wa-ktu t = Lepasan air selama interval waktu t = Evaporasi selama interval waktu t = Kehilangan air lain dari waduk selama interval waktu t, mempunyai harga yang kecil dan dapat diabaikan C = Tampungan aktif Ciri Fisik Waduk Ciri fisik suatu waduk atau bagianbagian pokok waduk adalah sebagai berikut: 1. Tampungan efektif atau Kapasitas Berguna ( useful storage), adalah volume tampungan diantara Muka air Minimum (Low Water Level/LWL) dan muka air normal (Normally Water Level/NWL). 2. Tampungan banjir adalah volume air diatas muka air normal selama banjir. Untuk beberapa saat debit meluap melalui pelimpah kapasitas tambahan ini umumnya tidak terkendali, dengan pengertian adanya hanya pada waktu banjir dan tidak dapat dipertahankan untuk penggunaan selanjutnya. 3. Tampungan Mati ( dead storage) adalah volume air yang terletak di bawah muka air minimum dan air ini tidak dimanfaatkan dalam pengoperasian waduk. 4. Muka Air Minimum ( Low Water Level/LWL) adalah elevasi air te-rendah bila tampungan dilepaskan pada kondisi normal. 5. Muka air pada banjir rencana adalah elevasi air selama banjir maksimum di-

3 rencanakan terjadi ( Flood Water level/ FWL). 6. Pelepasan ( release) adalah volume air yang dilepaskan secara terkendali dari suatu waduk selama kurun waktu tertentu. 7. Limpasan (spillout), danggap aliran tidak terkendala dari waduk dan hanya terjadi kalau air yang ditampung dalam waduk melebihi tinggi muka air maksimum. 8. Periode Kritis ( critical perode) adalah perode dimana sebuah waduk berubah dari kondisi penuh ke kondisi kosong tanpa melimpah selama periode tersebut. Gambar 1. Zona Tampungan Waduk Sumber : Sudjarwadi, 1988:4 Pedoman Lepasan Pola Operasi Waduk (Rule Curve) Volume air yang dilepaskan dari waduk umumnya sama dengan volume kebutuhan air. Hal ini akan memungkinkan pada suatu saat elevasi muka air waduk menjadi sangat rendah (dibaw ah elevasi operasional minimum) sehingga tidak dapat melayani kebutuhan, kecuali bila ada kebijakan yang mengatur bahwa hanya sebagian kebutuhan air yang dilayani dari waduk (Mc.Mahon and Mein, 1978:16) Cara mengontrol pelepasan air ini disebut pedoman operasi waduk. Optimasi dengan Algoritma Genetik (AG) Algoritma Genetik adalah salah satu metode dari kelompok Simulasi untuk optimasi. Prosedur jenis ini cenderung untuk efektif terutama dalam mengekplorasi berbagai bagian-bagian daripada wilayah yang layak ( feasible) dan secara gradual bergerak menuju solusi-solusi layak yang terbaik. Prosedur AG belakangan sangat populer untuk digunakan dalam menyelesaikan problem-problem optimasi dengan tingkat kesulitan yang tinggi. Model AG berpusat pada struktur daripada kromosom yang mewakili alternatif solusi. Jadi sebuah kromosom merupakan sekumpulan variabel-variabel keputusan sebagai gambar berikut. VAR-1 VAR-2 VAR-3 VAR-4 VAR-P Gambar 2. Kromosom sebagai Alternatif Solusi Sumber: Soetopo W, 2012:85 Sebuah alternatif solusi mempunyai nilai kinerja. Karena sebuah kromosom itu adalah juga merupakan alternatif solusi, maka setiap kromosom mempunyai nilai kinerja. Karenanya model otimasi AG bertujuan untuk mendapatkan kromosom terbaik yang mempunyai nilai kinerja terbaik pula. Model optimasi AG adalah proses optimasi yang secara iteratif mengembangkan suatu populasi daripada kromosom - kromosom (alternatif-alternatif solusi) sehingga ter-capailah suatu populasi homogen da-ripada kromosom (alternatif solusi) yang terbaik. Secara garis besar maka proses pengembangan populasi kromosom dengan cara AG itu terdiri dari pada 3 komponen berikut ini. 1.Reproduksi 2.Crossover 3.Mutasi Reproduksi adalah proses seleksi terhadap kromosom yang terdapat pada suatu populasi berdasarkan nilai kinerja dari masing-masing kromosom dan di-lanjutkan dengan proses copy. Ini merupakan generasi turunan yang be-rikutnya. Crossover adalah persilangan diantara kromosom-kromosom yang ada pada suatu generasi turunan. Hasil persilangan ini membentuk populasi dari generasi berikutnya. Untuk variabel ke~i, maka rumus stokastik penggabungan adalah sebagai berikut. Vi=V 1 i. U [0,1] + V 2 i. (1-U [0,1]) (2) Dengan Vi adalah variabel dari kromosom baru gabungan, V 1 i dan V 2 i adalah varibel masing-masing dari kedua kromosom

4 generasi turunan, dan U [0,1] adalah bilangan acak uniform antara 0 dan 1. Mutasi adalah perubahan yang terkadang terjadi diantara variabel-variabel dari kromosom. Perubahan ini terjadi secara acak dan mempunyai probabilitas yang kecil. (Soetopo W, 2012 : 86). Debit Metode DR. F.J. Mock Dengan metode Water Balance dari DR.F.J Mock dapat diperoleh suatu estimasi empiris untuk mendapatkan debit andalan. Metode ini didasarkan pada parameter data hujan, evapotranspirasi dan karakteristik DAS setempat. Untuk mendapatkan debit bulanan, pada pertimbangan hidrologi daerah irigasi digunakan metode Dr. F.J. Mock dengan langkah-langkah sebagai berikut : 1. Hitung Evapotranspirasi Potensial. 2. Hitung Limitted Evapotranspirasi. 3. Hitung Water Balance. 4. Hitung Aliran Dasar dan Limpasan Langsung. Berikut adalah data-data yang digunakan dalam perhitungan debit andalan metode F.J.Mock : a. Data Curah Hujan b. Evapotranspirasi Terbatas (Et) c. Faktor Karakteristik Hidrologi Faktor bukaan lahan Luas Daerah Pengaliran Kapasitas Kelembaban Tanah (S - MC) Soil moisture capacity d. Keseimbangan air di permukaan tanah e. Aliran dan Penyimpangan Air Tanah (run off & ground water storage) Koefisien Infiltrasi Faktor Reresi Aliran Tanah (k) Initial Storage (IS) Penyimpanan Air Tanah ( Ground Water Storage) f. Aliran Sungai Aliran Dasar Infiltrasi-Perubahan aliran air dalam tanah Aliran permukaan Volume air lebih-infiltrasi Aliran sungai Aliran permukaan+aliran dasar (repository.usu.ac.id/2011.pdf.) METODOLOGI PENELITIAN Lokasi Penelitian lokasi studi terletak di Kecamatan Praya Barat Daya, Kabupaten Lombok Tengah Provinsi Nusa Tenggara Barat Studi ini dilakukan pada DAS Pengga yang Mempunyai luas wilayah 185,16 km 2. dengan letak Geografis antara 8 7' ' Lintang Selatan dan ' ' Bujur Timur dengan batas wilayah meliputi Sebelah Utara adalah Gunung Rinjani (Kabupaten Lombok Barat dan Kabupaten Lombok Timur), Sebelah Selatan adalah Samudra Indonesia, Sebelah Barat adalah Kabupaten Lombok Barat, Sebelah Timur adalah Kabupaten Lombok Timur. Lokasi studi dapat dilihat pada Gambar 3 berikut ini. Gambar 3. Lokasi Studi Sumber : diakses 25/12/2013 Sistematika Pengerjaan Studi Data yang diperlukan Dalam penyusunan studi ini diperlukan data-data pendukung, data yang digunakan merupakan data sekunder. Data sekunder tersebut adalah: Tabel 1. Data-data Sekunder No Data Jenis Data Kegunaan 1 Peta Das Pengga - Untuk mengetahui sungai yang berpengaruh di wilayah studi Sekunder - Untuk mengetahui luas dari aliran sungai 2 Peta Sebaran Stasiun Hujan Sekunder - Untuk mengetahui stasiun hujan yang berpengaruh di wilayah studi - Untuk perhitungan curah hujan rerata daerah dengan Poligon Thiessen - Untuk perhitungan curah hujan andalan dan efektif 3 Data Curah Hujan Setengah Bulanan Sekunder - Untuk perhitungan debit kebutuhan irigasi - Untuk perhitungan debit aliran rendah (FJ.Mock) - Untuk menyusun Rule Curve 4 Data Evaporasi Waduk Sekunder - Untuk menyusun Rule Curve 5 Data Debit Kebutuhan Irigasi Sekunder - Untuk menyusun Rule Curve 6 Data Kebutuhan Air Baku Sekunder - Untuk menyusun Rule Curve 7 Luas Daerah Irigasi Sekunder - Untuk mengetahui luasan irigasi 8 Data Debit Aliran Rendah (FJ. Mock) Sekunder - Untuk menyusun Rule Curve 9 Data Limpasan Bendungan Batujai Sekunder - Untuk menyusun Rule Curve 10 Data Teknis Waduk Pengga Sekunder - Untuk menyusun Rule Curve Sumber: Analisa

5 Langkah-Langkah Pengerjaan Studi Tabel 2. Tahapan Studi Metode Pengolahan Data No Langkah Pengerjaan Metode yang digunakan - Pengumpulan Data Peta Das Pengga Peta Sebaran Stasiun Hujan Data Curah Hujan Setengah Bulanan Data Evaporasi Waduk Analisa 1 Data Debit Kebutuhan Irigasi Analisa Luas Daerah Irigasi Data Debit Aliran Rendah (FJ. Mock) Analisa Data Limpasan Bendungan Batujai Data Teknis Waduk Pengga 2 - Pemilihan stasiun Hujan yang akan digunakan Screening manual - Analisa curah hujan 3 Perhitungan curah hujan rerata daerah Poligon Thiessen 4 - Analisa Eavapotranspirasi Penmann Modifikasi 5 - Analisa Kebutuhan air irigasi Metode PU 6 - Analisa debit aliran rendah FJ.Mock 7 - Pengujian statistik Ketidakadaantrend dan stasioner varian dan data 8 - Operasi waduk berdasarkan Rule Curve Simulasi 9 - Simulasi untuk optimasi Algoritma genetik Sumber: Analisa Gambar 4. Diagram Alir Model Optimasi Rule Curve Dengan Algoritma Genetik Gambar 5. Diagram Alir Pengerjaan Skripsi

6 HASIL DAN PEMBAHASAN Analisa Debit Aliran Rendah Dengan Metode FJ. Mock Tabel 3. Perhitungan Debit Aliran Rendah Dari Daerah Aliran Sungai Pengga Dengan Metode FJ. Mock No Uraian Hitungan Satuan Jan Feb Mar Apr Mei Jun Jul Agst Sept Okt Nov Des I II I II I II I II I II I II I II I II I II I II I II I II I DATA HUJAN 1 Curah Hujan (P) Data mm/bulan Hari Hujan (h) Data hari II EVAPOTRANSPIRASI TERBATAS (Et) 3 Evapotranspirasi Potensial (ETo) ETo mm/bulan Permukaan Lahan Terbuka (m) Tentukan % (m/20) * (18 - h) Hitungan E = (ETo) * (m/20) * (18 - h) (3) * (5) mm/bulan Et = (ETo) - (E) (3) - (6) mm/bulan III KESEIMBANGAN AIR 8 Ds = P - Et (1) - (7) mm/bulan Kandungan Air Tanah mm/bulan Kapasitas Kelembaban Tanah (SMC) SMC mm/bulan Kelebihan Air (WS) (8)- (9) mm/bulan IV ALIRAN DAN PENYIMPANAN AIR TANAH 12 Infiltrasi (I) (11) * (i) mm/bulan (1 + k) In Hitungan k * V (n - 1) Hitungan Volume Penyimpanan (Vn) (13) + (14) mm/bulan Perubahan Volume Air (DVn) Vn - V(n-1) mm/bulan Aliran Dasar (BF) (12) - (16) mm/bulan Aliran Langsung (DR) (11) - (12) mm/bulan Aliran (R) (17) + (18) mm/bulan V DEBIT ALIRAN SUNGAI 21 Debit Aliran Sungai A * (19) m3/dtk Debit Aliran Sungai lt/det Jumlah hari hari Debit Aliran (dibaca : 10E^6) m3/hr Parameter terpakai: Ketentuan: m ditentukan m m = prosentase lahan tak tertutup vegetasi, dari peta tata guna lahan Kapasitas kelembaban tanah SMC 53 m = 0% untuk lahan dg hutan lebat Koefisien infiltrasi i 0.3 m= 0% pd akhir musim hujan, dan bertambah 10 % setiap bulan keing untuk lahan dg hutan sekunder Faktor resesi aliran air tanah k 0.4 m=10% - 40% untuk lahan yg tererosi luas DAS km2 m= 30% - 50% untuk lahan pertanian yg diolah (mis: sawah, ladang) Musim kemarau m harus dibesarkan sekitar 10% dr musim hujan SMC = berdasarkan kondisi porositas lapisan tanah atas dari catchment area. SMC = mm, kapasitas kandungan air dalam tanah per m2, porositas makin besar, SMC makin besar pula SMC = * hj rerata tahunan koefisien infiltrasi : tergantung kondisi porositas tanah dan kemiringan daerah pengaliran lahan yg porous infiltrasi besar, lahan yg terjal korf. Infiltrasi kecil besar i < 1 Kalibrasi hasil debit aliran rendah metode FJ Mock dilakukan secara kualitatif dengan melihat trend dari hubungan antara curah hujan rerata daerah DAS Pengga dan debit aliran rendah dari perhitungan metode FJ Mock disajikan pada gambar 6. dibawah ini.

7 Gambar 6. Grafik Hubungan Antara Curah Hujan Rerata Daerah DAS Pengga Dan Debit Aliran Rendah Dari Perhitungan Metode FJ. Mock Rumusan Rule Curve Operasi Waduk Pengga 1. Dalam masalah ini adalah memilih rule curve bawah (% tampungan aktif) sebagai unsur acaknya, caranya dengan memilih mode optimasi dari kisaran acak [0-100] dengan rentetan data berupa hasil optimal, crossover, rekalkulasi tabel po-pulasi dan rekalkulasi tabel generasi. 2. Selanjutnya dilakukan cek kurva: - Kurva bawah: I + S t - rule curve bawah - volume kehilangan 0 Jika ya maka akan menunjukkan angka 0 dan sebaliknya akan menunjukkan angka 1 untuk mempermudah pengecekan. - Kurva atas: I + S t - rule curve atas - volume kehilangan kebutuhan irigasi jika ya maka akan menunjukkan angka 0 dan sebaliknya akan menunjukkan angka 1 untuk mempermudah pengecekan. - Pasokan cukup: jika kurva bawah tidak sama dengan 0 dan jika I + S t - rule curve bawah - volume kehilangan kebutuhan irigasi. jika ya maka akan menunjukkan angka 1 dan sebaliknya akan menunjukkan angka 0 untuk mempermudah pengecekan. - Tampungan mati: I + S t - volume kehilangan < 0, jika ya maka akan menunjukkan angka 1 dan sebaliknya akan menunjukkan angka 0 untuk mempermudah pengecekan. 3. Tampungan aktif waduk - Awal periode diperoleh dari kapasitas tampungan aktif / 2. - Akhir periode: I + S t kebutuhan irigasi volume kehilangan > Kapasitas tampungan aktif, maka kelebihanya akan jadi volume spiilout. Model Simulasi Algoritma Genetik Generasi rule curve awal dari hasil pembangkitan acak dengan fungsi kendala (mode optimasi) bilangan random U[0,1], hasil crossover, rekalkulasi tabel variabel tampungan waduk: Rule Curve Bulan Periode % Januari I Gambar 7. Variabel Tampungan Waduk Setelah generasi rule curve awal terbentuk, selanjutnya di silangkan atau di crossover, dalam hal ini persilangan tidak hanya dalam satu bulan yang sama tetapi acak untuk menentukan sekumpulan variabel tampungan waduk: Rule Curve Bulan Periode % Januari I Variabel Tampungan Waduk (1) Variabel Tampungan Waduk (2) (n) (n) Variabel Tampungan Waduk (3) Rule Curve Bulan Periode % Januari I Gambar 8. Persilangan atau Crossover Selanjutnya proses reproduksi (se - leksi), tahap ini memilih variabel tampungan waduk terbaik hasil persilangan untuk selanjutnya menjadi generasi rule curve awal baru dan proses ini (Crossover-Reproduksi) terus berlangsung hingga homogen: Rule Curve Bulan Periode % Januari I Contoh: = 23.47% % = 0 % >>>>> hal ini yang dinamakan sudah homogen, jadi sudah tidak terjadi Crossover lagi. Gambar 9. Proses Reproduksi

8 Hasil Optimasi Rule Curve waduk Pengga dengan Algoritma Genetik Tabel 4. Lepasan Berdasarkan Rule Curve Tahun Basah Tahun No Periode Rule Curve Bawah Pada Akhir Periode % juta m³ [1] [2] [3] [4] [5] 1 1-Jan Jan Feb Feb Mar Mar Apr Apr Mei Mei Jun Jun Jul Jul Ags Ags Sep Sep Okt Okt Nov Nov Des Tabel 5. Lepasan Berdasarkan Rule Curve Tahun Normal Tahun No Periode Rule Curve Bawah Pada Akhir Periode % juta m³ [1] [2] [3] [4] [5] 1 1-Jan Jan Feb Feb Mar Mar Apr Apr Mei Mei Jun Jun Jul Jul Ags Ags Sep Sep Okt Okt Nov Nov Des Des Gambar 10. Rule Curve Tahun Basah Dengan menggunakan pedoman lepasan waduk mengikuti rule curve berdasarkan tahun basah ini meng-hasilkan kinerja sebagai berikut: Rerata pemenuhan kebutuhan irigasi = 82,80% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi minimum = 55,45% Gambar 11. Rule Curve Tahun Normal Dengan menggunakan pedoman lepasan waduk mengikuti rule curve berdasarkan tahun normal ini meng-hasilkan kinerja sebagai berikut: Rerata pemenuhan kebutuhan irigasi = 65,89% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi minimum = 31,55%

9 Tabel 6. Lepasan Berdasarkan Rule Curve Tahun Kering Tahun No Periode Rule Curve Bawah Pada Akhir Periode % juta m³ [1] [2] [3] [4] [5] 1 1-Jan Jan Feb Feb Mar Mar Apr Apr Mei Mei Jun Jun Jul Jul Ags Ags Sep Sep Okt Okt Nov Nov Gambar 12. Rule Curve Tahun Kering Dengan menggunakan pedoman lepasan waduk mengikuti rule curve berdasarkan tahun kering ini meng-hasilkan kinerja sebagai berikut: Rerata pemenuhan kebutuhan irigasi = 59,96% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi m- inimum = 31,25% KESIMPULAN DAN SARAN Kesimpulan 1. Hasil perhitungan debit aliran rendah (low flow) yang dibangkitkan dari data hujan dengan metode FJ Mock waduk Pengga selama 11 tahun menghasilkan rerata dari setiap tahun berkisar 0,884 m3/detik-3,383 m3/detik dan rerata tertinggi terjadi pada tahun Rumusan rule curve operasi waduk Pengga ditentukan dengan fungsi tujuan berupa rule curve bawah (% tampungan aktif), caranya dengan memilih mode optimasi dari kisaran acak [0-100] dengan rentetan data berupa hasil optimal, crossover, rekalkulasi tabel populasi dan rekalkulasi tabel generasi. 3. Sebagai langkah awal dalam proses optimasi pada Algoritma Genetik, maka dicari alternatif awal dari skedul tampungan waduk dengan melakukan proses inisialisasi. Dalam proses inisialisasi ini dibangkitkan secara stokastik 16 alternatif skedul tampungan waduk dari inisialisai generasi rule curve, selanjutnya adalah proses crossover atau persilangan antar variabel tampungan waduk sehingga terbentuk populasi rule curve sejumlah 120 dari hasil kombinasi antar generasi rule curve yang berjumlah 16. Berikutnya adalah proses reproduksi yakni memilih 16 generasi rule curve terbaik dari 120 populasi rule curve berdasarkan ranking dari nilai kinerja daripada setiap generasi rule curve dalam populasi rule curve tersebut,maka ada prioritas bagi generasi rule curve hasil crossover yang ada perbaikanya (paling sedikit 1 kali). Berikut hasil perbaikan yang terpilih menjadi generasi rule curve berikutnya. Terhadap 16 generasi rule curve ranking teratas lalu dilakukan copy untuk menghasilkan generasi turunan yang berikutnya. Setelah dilakukan pro-ses copy pada 16 generasi rule curve ranking teratas selanjutnya akan menjadi generasi awal yang jumlahnya sama saat proses inisialisai generasi rule curve yang pertama yakni 16 generasi rule curve dengan nilai kinerja yang lebih baik. Pada kondisi ini keadaanya sudah homogen. 4. Hasil simulasi model optimasi rule curve waduk Pengga dengan Algoritma Genetik selama 11 tahun (2000 s/d

10 2010) atau 264 periode ½ bulanan sebagai berikut: Pedoman lepasan waduk mengikuti rule curve berdasarkan tahun basah: Rerata pemenuhan kebutuhan irigasi= 82,80% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi minimum = 55,45% Pedoman lepasan waduk mengikuti rule curve berdasarkan tahun normal: Rerata pemenuhan kebutuhan irigasi= 65,89% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi minimum = 31,55% Pedoman lepasan waduk mengikuti rule curve berdasarkan tahun kering: Rerata pemenuhan kebutuhan irigasi= 59,96% Jumlah pemenuhan kebutuhan irigasi Pemenuhan kebutuhan irigasi minimum = 31,25% Dengan hasil rule curve tersebut intensitas tanam tidak bisa terpenuhi 300% karena terdapat kekurangan di beberapa musim tanam sehingga in-tensitas tanam yang terpenuhi adalah 260%. Saran 1. Sebaiknya jumlah populasi awal dan iterasi diperbanyak sehingga akan menghasilkan solusi terbaik yang mempunyai nilai kinerja terbaik pula. 2. Lebih dikembangkan untuk mengenerate rule curve masing-masing tahun sehingga dalam beberapa tahun akan terbentuk beberapa fungsi kinerja rule curve yang bervariasi. 3. Untuk kondisi pengoperasian aktual perlu dicermati agar rule curve pengoperasian tidak melebihi batasan, untuk pemenuhan kebutuhan irigasi pada waduk Pengga. 4. Perlu adanya evaluasi atau penelitian dari hasil output software macro visual basic yang dipakai agar lebih sesuai dengan keadaan riil lapangan. 5. Perlu adanya tinjau ulang pola tata tanam mengenai kebutuhan irigasi untuk palawija. DAFTAR PUSTAKA McMahon, T.A., and Russel, G.M Reservoir Capacity And Yield. Amsterdam: Elsevier Scientific Publishing Company. Soedibyo Teknik Bendungan. Jakarta: Pradnya Paramita. Soetopo, W Model-model Simulasi Stokastik untuk Sistem Sumberdaya Air. Malang: Asrori. Soetopo, W Operasi Waduk Tunggal. Malang: Citra Malang. Sudjarwadi Operasi Waduk. Yogyakarta:KMTS Universitas Gajah Mada. Unit Informasi Sumber Daya Air BWS NT Lokasi Waduk Pengga. Dari (diakses 25 De-sember 2013). Universitas Sumatera Utara Dasar Teori Hidrologi. Dari repository. usu.ac.id/2011.pdf.(diakses 8 Januari 2014)