INTEGRASI SIG DAN METODE MCDM UNTUK EVALUASI PENENTUAN LOKASI PLTS STUDI KASUS KABUPATEN KUPANG, NTT

Prosiding Seminar Nasional Manajemen Teknologi XXV Program Studi MMT-ITS, Surabaya, 30 Juli 2016

INTEGRASI SIG DAN METODE MCDM UNTUK EVALUASI PENENTUAN LOKASI PLTS STUDI KASUS KABUPATEN KUPANG, NTT Fitria Sawitri1) dan Riyanarto Sarno2) 1) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto 12A, Surabaya, 60264, Indonesia 2) Jurusan Teknik Informatika, Institut Teknologi Sepuluh Nopember, Surabaya [email protected], [email protected]

ABSTRAK Tenaga Surya merupakan salah satu energi terbarukan yang menghasilkan energi tak terbatas dan berdampak kecil terhadap lingkungan. Penelitian ini bertujuan untuk mengevaluasi lokasi Pembangkit Listrik Tenaga Surya (PLTS) di Kabupaten Kupang menggunakan Sistem Informasi Geografis (SIG) dan Multi Criteria Decision Making (MCDM), yaitu Analytic Hierarcy Process (AHP) dan Technique for Others Reference by Similarity to Ideal Solution (TOPSIS). SIG digunakan untuk melakukan analisis data spasial, representasi dan identifikasi informasi spasial, serta menampilkan lokasi yang bereferensi geografis. AHP digunakan untuk menentukan tingkat kepentingan dan pembobotan dan TOPSIS digunakan untuk merangking alternatif. Kriteria yang digunakan sebanyak 10 kriteria, yaitu potensi radiasi matahari, arah orientasi, kemiringan, peruntukan lahan, badan air, jarak dari jalan, jarak dari gardu induk/ grid, jarak dari pemukiman, jarak dari garis pantai, dan kepadatan penduduk. Hasil akhir menunjukkan alternatif kesesuaian lokasi dibagi menjadi empat kategori, yaitu very suitable (sangat sesuai) sebesar 12.106 Ha (2,4 %), suitable (sesuai) sebesar 46.990 Ha (9,3%), moderate suitable (cukup sesuai) sebesar 37.155 Ha (7,3%), dan poor (rendah) sebesar 1.412 (0,3%). Area tidak sesuai sebesar 145.953 Ha (28,8%) dan area dilarang (constraint) sebesar 263.010 Ha (51,91%). PLTS terbangun di Kabupaten Kupang seluas 6,24 Ha berada pada lokasi suitable (sesuai). Kata Kunci: PLTS, SIG, MCDM, AHP, TOPSIS, Energi terbarukan.

PENDAHULUAN Permintaan energi dunia yang selalu meningkat tidak sebanding dengan pengadaan sumber energi fosil yang semakin menipis setiap tahunnya. Menipisnya bahan bakar fosil secara global dan munculnya kesadaran tentang pencemaran lingkungan telah memacu penggunaan sumber daya energi terbarukan (Lee, Lin, Kang, & Lee, 2012). Energi terbarukan adalah sumber energi yang yang dapat menghasilkan energi tak terbatas seperti tenaga surya, angin, biomass, energi panas bumi, dll. Energi surya muncul sebagai salah satu sumber terbarukan yang berkembang paling pesat di dunia. Keunggulan energi surya dibandingkan dengan energi lainnya adalah ramah lingkungan, didukung dan diberikan insentif dari pemerintah, lokasi fleksibel, dan bersifat modularitas (Uyan, 2013). Pada saat ini, di Indonesia belum ada data penentuan kesesuaian lokasi PLTS yang dipublikasikan, untuk itu penelitian ini bertujuan untuk mengevaluasi kesesuaian lokasi PLTS terbangun di Kabupaten Kupang. Penentuan kesesuaian lokasi ini menggunakan SIG dan ISBN: 978-602-70604-4-9 C-10-1


metode MCDM serta disesuaikan dengan peruntukan lahan seperti tercantum pada Peraturan Daerah Kabupaten Kupang Nomor 1 Tahun 2015 tentang Rencana Tata Ruang Wilayah Kabupaten Kupang Tahun 2014-2034. Integrasi antara SIG dan MCDM merupakan salah satu alat yang sangat bagus untuk memecahkan permasalahan dalam mengambil keputusan untuk penentuan lokasi PLTS (Uyan, 2013). Metode MCDM yang digunakan dalam penelitian ini adalah AHP dan TOPSIS. SIG digunakan untuk menentukan area yang sesuai, AHP digunakan untuk menentukan tingkat kepentingan dan pembobotan, serta TOPSIS digunakan untuk merangking alternatif (Sánchez-Lozano, Teruel-Solano, Soto-Elvira, & García-Cascales, 2013). Kabupaten Kupang yang terletak pada 121°.30’ BT – 124°.11’ BT dan 9°.19’ LS 10°.57’ LS mempunyai potensi energi matahari yang tinggi dengan radiasi rata-rata 6,36 KWh/m2/hari dan durasi penyinaran sebanyak 7,85 jam (data diambil dari NASA pada bulan Mei 2016), dengan didukung kondisi iklim tropis kering semi arid (curah hujan yang relatif rendah) dan keadaan vegetasi yang didominasi savana dan stepa, maka Kabupaten Kupang merupakan salah satu daerah yang ideal untuk pembangunan PLTS di Indonesia (Nurliyanti, Pandin, & Pranoto, 2012). STUDI LITERATUR Sistem Informasi Geografis (SIG) SIG merupakan sistem informasi berbasis komputer yang digunakan untuk mengolah dan menyimpanan data atau informasi geografis, serta memiliki empat kemampuan dalam menangani data yang bereferensi geografi, yaitu masukan, manajemen data (penyimpanan dan pemanggilan data), analisis dan manipulasi cara, serta keluaran (Aronoff, 1989). SIG merupakan alat yang sangat efektif digunakan, selain untuk menganalisis dan menampilkan informasi geospasial, dapat juga digunakan untuk membuat database yang digunakan sebagai titik awal untuk mendukung sistem pendukung keputusan (Dominguez & Amador, 2007). Data yang ditangani dalam SIG merupakan data spasial, yaitu data yang berorientasi geografis (memiliki sistem koordinat). Data spasial mempunyai dua bagian penting, yaitu informasi lokasi (spasial) dan informasi deskriptif (atribut). Data spasial direpresentasikan dalam dua format, yaitu data raster dan data vektor. Data raster terdiri dari sekumpulan grid/sel seperti peta hasil scanning maupun gambar/image. Sedangkan, data vektor berupa informasi posisi titik, garis dan area/poligon disimpan dalam bentuk x,y koordinat. Multi Criteria Decision Making (MCDM) MCDM adalah prosedur yang digunakan untuk mencari alternatif terbaik dari berbagai alternatif yang layak (Wu & Geng, 2014). MCDM merupakan sebuah teknik untuk memilih alternatif terbaik dari berbagai kriteria, dimana memungkinkan beberapa kriteria bertolak belakang dan memiliki konflik (Watson & Hudson, 2015). Analytic Hierarcy Process (AHP) AHP merupakan suatu model sistem pendukung keputusan (SPK) yang komprehensif dengan memperhitungkan hal-hal yang bersifat kualitatif dan kuantitatif. AHP memungkinkan membentuk struktur suatu sistem dan lingkungan menjadi komponen yang saling berinteraksi dan kemudian menyatukan mereka dengan mengukur dan mengatur dampak dari komponen kesalahan sistem (Saaty, 1980). Hirarki masalah disusun untuk membantu proses pengambilan keputusan dengan memperhatikan seluruh elemen keputusan yang terlibat dalam sistem. Pada tingkat tertinggi dari hirarki, dinyatakan tujuan, sasaran dari sistem yang dicari solusi masalahnya. Tingkat berikutnya merupakan penjabaran dari tujuan tersebut. Diharapkan masing-masing tingkat

ISBN: 978-602-70604-4-9 C-10-2


memiliki elemen yang homogen. Sebuah elemen menjadi kriteria dan patokan bagi elemenelemen yang berada di bawahnya. Technique for Others Reference by Similarity to Ideal Solution (TOPSIS) TOPSIS menggunakan prinsip bahwa alternatif yang terpilih harus mempunyai jarak terdekat dari solusi ideal positif dan terjauh dari solusi ideal negatif dari sudut pandang geometris dengan menggunakan jarak Euclidean untuk menentukan kedekatan relatif dari suatu alternatif dengan solusi optimal. Solusi ideal positif adalah jumlah dari seluruh nilai terbaik yang dapat dicapai untuk setiap atribut, sedangkan solusi negatif-ideal terdiri dari seluruh nilai terburuk yang dicapai untuk setiap atribut. TOPSIS mempertimbangkan keduanya, jarak terhadap solusi ideal positif dan jarak terhadap solusi ideal negatif dengan mengambil kedekatan relatif terhadap solusi ideal positif. Berdasarkan perbandingan terhadap jarak relatifnya, susunan prioritas alternatif bisa dicapai. METODE Metodologi penelitian ini disusun secara sistematis yang dijadikan sebagai kerangka penelitian. Dalam metodologi penelitian seperti pada Gambar 1, terdapat 4 tahap, yaitu: 1. Menentukan kriteria/faktor data spasial 2. Analisis data spasial 3. Menentukan pembobotan setiap kriteria menggunakan metode AHP 4. Menentukan perangkingan alternatif menggunakan metode TOPSIS Kriteria/ faktor data spasial

AHP

GIS

Pembobotan

Alternatif Area potensial TOPSIS Peta kesesuaian lokasi

Gambar 1. Metodologi Penelitian Menentukan Kriteria/Faktor Data Spasial Kriteria adalah aspek terukur dari sebuah keputusan, yang memungkinkan untuk mengkarakterisasi dan mengukur alternatif dalam menentukan sebuah keputusan (Carrion, Estrella, Dols, Toro, Rodriguez, & Ridao, 2008). Pemilihan kriteria evaluasi dipilih berdasarkan tujuan yang akan dicapai dan literatur mengenai beberapa studi kasus penentuan lokasi EBT yang menggunakan SIG-MCDM sebelumnya. Dalam penelitian ini terdapat 5 kriteria dan 10 sub-kriteria, seperti pada Gambar 2. Analisis Data Spasial Pengolahan data spasial dilakukan untuk mengintegrasikan data spasial dan data tabular, menjadi sebuah informasi yang bereferensikan geografis. Pengolahan data spasial dilakukan pada faktor konstrain dan setiap kriteria. Faktor konstrain yang digunakan adalah kawasan lindung, kawasan militer pemukiman, badan air, kawasan bandara dan KKOP, Kawasan LP2B, dan area dengan kemiringan lebih dari 20%. Proses analisis data spasial dalam penelitian ini menggunakan fasilitas Geoprocessing dalam software ArcMap.

ISBN: 978-602-70604-4-9 C-10-3


Optimasi lokasi PLTS terbaik

Goa →

Kriteria →

Sub Kriteria →

Lokasi (jarak dari)

Lingkungan

Orografi

C1- Peruntukan lahan

C3 - Kemiringan lereng

C5 - Jalan

C2 - Badan air

C4 - Orientasi lereng

C6 - Gardu Induk /grid PLN

Iklim

Sosial

C9 - Potensi Radiasi Matahari

C10 - Kepadatan penduduk

C7 - Pemukiman / perkotaan

C8 - Laut / garis pantai

Gambar 2. Bagan Hirarki Penelitian Menentukan Pembobotan Setiap Kriteria Menggunakan Metode AHP Hirarki permasalahan dalam penelitian ini ditampilkan pada Gambar 2. Setiap elemen yang terdapat dalam hirarki harus diketahui bobot relatifnya satu sama lain. Dalam menentukan koefisien tingkat kepentingan kriteria yang ditampilkan dibutuhkan persepsi seorang ahli yang peneliti ambil dari penilaian ahli sebelumnya (Sánchez-Lozano, GarcíaCascales, & Lamata, 2015), sebagai berikut: 𝐶9 > 𝐶4 = 𝐶3 > 𝐶2 = 𝐶6 = 𝐶8 = 𝐶7 > 𝐶5 > 𝐶1 > 𝐶10

Menentukan Perangkingan Alternatif Menggunakan Metode TOPSIS Alternatif (A) terbaik adalah alternatif dengan skor tertinggi dikalikan dengan vektor bobot (w). Pada metode TOPSIS, matriks keputusan (bobot) yang dihasilkan dari metode AHP merupakan modal awal/input-an awal. Skenario matrik ternormalisasi ditunjukkan pada Tabel 1. Tabel 1. Matrik Ternormalisasi Berbobot A1 A2 … A 4641

w1 C1 x1 1 x2 1 … x 4641 1

w2 C2 x1 2 x2 2 … x 4641 2

w3 C3 x1 3 x2 3 … x 4641 3

w4 C4 x1 4 x2 4 … x 4641 4

w5 C5 x1 5 x2 5 … x 4641 5

w6 C6 x1 6 x2 6 … x 4641 6

w7 C7 x1 7 x2 7 … x 4641 7

w8 C8 x1 8 x2 8 … x 4641 8

w9 C9 x1 9 x2 9 … x 4641 9

w 10 C 10 x 1 10 x 2 10 … x 4641 10

HASIL DAN PEMBAHASAN Analisis Data Spasial Pengolahan data spasial menggunakan fasilitas Geoprocessing dalam software ArcMap yang memungkinkan untuk menganalisis dan menggabungkan layer dengan cara yang berbeda berdasarkan hubungan spasial antara fitur-fitur. Spatial analysis tools yang tersedia pada ArcMap dan ArcCatalog dapat diakses melalui window ArcToolbox. Fasilitas yang terdapat pada Geoprocessing Tools adalah Clip, Dissolve, Intersect, Merge, dan Union. Setelah area konstrain ditentukan, maka area yang sesuai untuk pembangunan PLTS dihasilkan seperti Gambar 3. Selanjutnya pengolahan data spasial dilakukan untuk setiap kriteria yang dapat dilihat pada Gambar 4.

ISBN: 978-602-70604-4-9 C-10-4


Gambar 3. Area Potensial dan Area Konstrain .

C1-Peruntukan Lahan

C2-Badan Air

C3-Kemiringan

C4-Orientasi Lereng

C5-Jaringan Jalan

C6-Gardu Induk C7-Pemukiman / C8-Laut / Garis C9-Potensi C10-Kepadatan dan Grid PLN Kota Pantai Radiasi Matahari Penduduk Gambar 4. Peta yang Digunakan sebagai Layer Kriteria Pembobotan Kriteria AHP digunakan untuk menentukan bobot setiap kriteria. Untuk menetapkan prioritas dilakukan dengan menyusun matriks perbandingan berpasangan yaitu membandingkan seluruh elemen untuk setiap hirarki. Penilaian perbandingan ini menggunakan 9 nilai skala yang telah ditentukan oleh Saaty. Dalam subsistem operasi ini terdapat 10 elemen operasi, maka hasil perbandingan dari elemen-elemen operasi tersebut akan membentuk matriks berukuran 10 x10 seperti Tabel 2. Berdasarkan matriks perbandingan berpasangan, dilakukan normalisasi dengan langkah-langkah menjumlahkan bobot di setiap kolom, lalu nilai setiap kolom dibagi dengan total nilai kolomnya, selanjutnya menghitung vektor prioritas relatif dari setiap kriteria dengan merata-ratakan bobot yang sudah dinormalisasi. Untuk menghitung bobot ISBN: 978-602-70604-4-9 C-10-5


(eigenvector) nilai rata-rata dibagi sejumlah kriteria (10). Hasil akhir penghitungan bobot prioritas (nilai eigenvector) tersebut merupakan suatu bilangan desimal di bawah satu dengan total prioritas untuk kriteria-kriteria dalam satu kelompok sama dengan satu (1). Hasil matriks ternormalisasi seperti pada Tabel 3. Tabel 2. Matriks Perbandingan Berpasangan Kriteria C1 C2 C3 C4 C5 C6 C7 C8 C9 C10 Jumlah

C1 1 6 7 6 3 4 4 4 7 1/3 42.3

C2 1/6 1 3 3 1/4 1 1 1 5 1/7 15.6

C3 1/7 1/3 1 1 1/6 1/4 1/5 1/4 4 1/8 7.5

C4 1/6 1/3 1 1 1/5 1/3 1/4 1/4 3 1/7 6.7

C5 1/3 4 6 5 1 4 3 3 6 1/4 32.6

C6 1/4 1 4 3 1/4 1 1 1 5 1/5 16.7

C7 1/4 1 5 4 1/3 1 1 1 5 1/5 18.8

C8 1/4 1 4 4 1/3 1 1 1 5 1/5 17.8

C9 1/7 1/5 1/4 1/3 1/6 1/5 1/5 1/5 1 1/8 2.8

C10 3 7 8 7 4 5 5 5 8 1 53.0

Tabel 3. Matriks Ternormalisasi Kriteria

C1

C2

C3

C4

C5

C6

C7

C8

C9

C10

C1 C2 C3 C4 C5 C6 C7 C8 C9 C10

0.024 0.142 0.165 0.142 0.071 0.094 0.094 0.094 0.165 0.008

0.011 0.064 0.193 0.193 0.016 0.064 0.064 0.064 0.321 0.009

0.019 0.045 0.134 0.134 0.022 0.033 0.027 0.033 0.536 0.017

0.025 0.050 0.150 0.150 0.030 0.050 0.037 0.037 0.449 0.021

0.010 0.123 0.184 0.153 0.031 0.123 0.092 0.092 0.184 0.008

0.015 0.060 0.240 0.180 0.015 0.060 0.060 0.060 0.299 0.012

0.013 0.053 0.266 0.213 0.018 0.053 0.053 0.053 0.266 0.011

0.014 0.056 0.225 0.225 0.019 0.056 0.056 0.056 0.281 0.011

0.051 0.071 0.089 0.118 0.059 0.071 0.071 0.071 0.355 0.044

0.057 0.132 0.151 0.132 0.075 0.094 0.094 0.094 0.151 0.019

Bobot (%) 2.4 8.0 18.0 16.4 3.6 7.0 6.5 6.6 30.1 1.6

Untuk menghitung konsistensi sebuah matriks sebanyak n berdasarkan nilai eigenvalue maksimal (λ maks ) serta menentukan nilai indeks konsistensi (CI). Indeks inkonsistensi diubah ke dalam bentuk rasio inkonsistensi (CR) dengan cara membagi dengan suatu indeks random (RI). Indeks random menyatakan rata-rata konsistensi dari matrik perbandingan, seperti pada Tabel 4. Matriks perbandingan dianggap konsisten jika nilai CR tidak lebih dari 10% atau CR ≤ 0,1. 𝐶𝐼 =

𝐶𝑅 =

𝜆𝑚𝑎𝑘𝑠 −𝑛 𝑛−1 𝐶𝐼 𝑅𝐼

n RI

(1) (2)

Tabel 4. Besaran Nilai Indeks Random (RI) (Saaty, 1980) 1 0

2 0

3 0,58

4 0,9

5 1,12

6 1,245

7 1,32

8 1,41

9 1,45

10 1,49

Didapatkan nilai CI = 0,089 dan nilai CR 0,06, maka preferensi pembobotan bersifat konsisten sehingga dapat dilakukan proses selanjutnya, yaitu perangkingan dengan metode TOPSIS.

ISBN: 978-602-70604-4-9 C-10-6


Perangkingan Alternatif Area potensial dibagi menjadi empat kategori alternatif yaitu very suitable (sangat sesuai), suitable (sesuai), moderate suitable (cukup sesuai), dan poor (rendah), dimana dari pengolahan data spasial muncul alternatif sesuai kategori yang sudah ditentukan sebanyak 4.641 alternatif. 1. Hasil penghitungan matriks normalisasi terbobot seperti pada Tabel 5. Tabel 5. Matriks Normalisasi Terbobot Alternatif Very Suitable Suitable Moderate Suitable Poor 2.

C2 0.017 0.013 0.009 0.004

C3 0.017 0.013 0.009 0.004

C4 0.017 0.013 0.009 0.004

C5 0.017 0.013 0.009 0.004

C6 0.017 0.013 0.009 0.004

C7 0.017 0.013 0.009 0.004

C8 0.000 0.020 0.012 0.006

C9 0.017 0.013 0.009 0.004

C10 0.017 0.009 0.006 0.003

Besarnya nilai solusi ideal positif (A+) dan solusi ideal negatif (A-) seperti pada Tabel 6. Tabel 6. Solusi Ideal Positif dan Negatif A+ A-

3.

C1 0.021 0.011 0.000 0.000

C1 0.021 0.000

C2 C3 0.017 0.017 0.004 0.004

C4 C5 C6 0.017 0.017 0.017 0.004 0.004 0.004

C7 0.017 0.004

C8 C9 0.020 0.017 0.000 0.004

C10 0.017 0.003

Besarnya nilai separasi dari solusi ideal positif (S+) dan nilai separasi dari solusi ideal negatif (S-), serta kedekatan relative terhadap solusi ideal (T), Sehingga didapatkan rentang nilai alternatif seperti pada Tabel 7. Tabel 7. Nilai Separasi dan Solusi Ideal, serta Rentang Alternatif Alternatif Very Suitable Suitable Moderate Suitable Poor

S+ 0.020 0.018 0.034 0.045

S0.043 0.033 0.017 0.006

T 0.685 0.646 0.328 0.116

Rentang nilai 0.647 - 0.685 0.324 - 0.646 0.117 - 0.323 0 - 0.116

KESIMPULAN DAN SARAN Pemilihan kriteria dan hierarki yang direncanakan, serta penilaian ahli untuk menentukan tingkat kepentingan setiap kriteria pada metode AHP sangat berpengaruh pada hasil keputusan. Pemberian bobot pada penyusun prioritas sangat berpengaruh terhadap hasilnya, jika rentang perbedaan antara kriteria satu dengan kriteria yang lain semakin besar, maka hasil perhitungan juga berbeda dan tingkat dominasi pada setiap kriteria akan berbeda pula tergantung besar kecil prioritasnya. Hasil pembobotan menggunakan AHP menunjukkan bahwa kriteria paling tertinggi adalah potensi radiasi matahari sebesar 30,1%, kemiringan 18%, arah orientasi 16,4%, badan air 8%, jarak terhadap gardu induk/ grid PLN 7%, jarak terhadap laut 6,6%, jarak terhadap pemukiman/kota 6,5%, jarak terhadap jalan 3,6%, peruntukan lahan 2,4% dan kepadatan penduduk 1,6%. Kriteria potensi radiasi matahari merupakan yang tertinggi karena PLTS ini memiliki sistem Solar Photovoltaic, dimana energi utama yang akan diubah menjadi energi listrik adalah energi dari potensi radiasi matahari. Kriteria selanjutnya adalah kemiringan dan arah orientasi, dimana pembangunan PLTS diharapkan berada di daerah sedatar mungkin dan cenderung mengarah ke utara. Gambar 5 menunjukkan kesesuaian lokasi PLTS di Kabupaten Kupang. Hasil akhir menunjukkan kesesuaian lokasi dibagi menjadi empat kategori, yaitu very suitable (sangat sesuai) sebesar 12.106 Ha (2,4 %), suitable (sesuai) sebesar 46.990 Ha (9,3%), moderate suitable (cukup sesuai) sebesar 37.155 Ha (7,3%), dan poor (rendah) sebesar 1.412 (0,3%). Area tidak sesuai sebesar 145.953 Ha (28,8%) dan area dilarang (constraint) sebesar 263.010

ISBN: 978-602-70604-4-9 C-10-7


Ha (51,91%). PLTS terbangun di Kabupaten Kupang berada pada lokasi suitable (sesuai) seperti pada Gambar 5. Diharapkan penelitian selanjutnya dapat menggunakan penilaian ahli yang kompeten dalam bidang PLTS dan mengenal kondisi iklim di Indonesia, dapat menggunakan data kontur dengan interval yang sesuai dengan skala peta, serta diharapkan proses analisis spasial dan metode MCDM dalam penelitian ini dapat diujikan pada pembangunan PLTS di wilayah lain dengan faktor konstrain, kriteria, dan indikator yang sesuai dengan kondisi wilayahnya.

Gambar 5. Peta Kesesuaian Lokasi PLTS DAFTAR PUSTAKA Aronoff, S. (1989). Geographic Information System A Management Perspektive. Ottawa: WDL.Publications. Carrion, J. A., Estrella, A. E., Dols, F. A., Toro, M. Z., Rodriguez, M., & Ridao, A. R. (2008). Environmental Decision-Support Systems for Evaluating the Carrying Capacity of Land Areas: Optimal Site Selection For Grid-Connected Photovoltaic Power Plants. Renewable and Sustainable Energy Reviews 12 , 2358-2380. Dominguez, J., & Amador, J. (2007). Geographical Information System Applied in The Field of Renewable Energy Sources. Computers & Industrial Engineering 52 (3) , 322-326. Kaya, T., & Kahraman, C. (2011). Multicriteria Decision Making in Energy Planning Using a Modified Fuzzy TOPSIS Methodology. Expert Systems with Application,38(6), 65776585. Lee, A. H., Lin, C. Y., Kang, H. Y., & Lee, W. H. (2012). An Integrated Performance Evaluation Model for the Photovoltaics Industry. Energies, 5 , 1271-1291. Nurliyanti, V., Pandin, M., & Pranoto, B. (2012). Pembuatan Peta Potensi Energi Surya. Mineral dan Energi Vol.10 No.4 , 47-54. Saaty, T. L. (1980). The Analytic Hierarcy Prosess. New York: Mc-Graw Hill. Sánchez-Lozano, J. M., Teruel-Solano, J., Soto-Elvira, P. L., & García-Cascales, M. S. (2013). Geographical Information Systems (GIS) and Multi-Criteria Decision Making

ISBN: 978-602-70604-4-9 C-10-8


(MCDM) Methods for the Evaluation of Solar Farms Locations: Case Study in SouthEastern Spain. Renewable and Suistanable Energy Reviews, 24 , 544-556. Sánchez-Lozano, J., García-Cascales, M., & Lamata, M. (2015). Evaluation of suitable locations for the installation of solar thermoelectric power plants. Computers & Industrial Engineering, 87 , 343-355. Uyan, M. (2013). GIS-based solar farms site selection using analytic hierarchy process (AHP) in Karapinar Region, Konya/Turkey. Renewable and Suistainable Energy Reviews, 28 , 11-17. Watson, J. J., & Hudson, M. D. (2015). Regional Scale Wind Farm and Solar Farm Suitability Assessment Using GIS-Assisted Multi-Criteria Evaluation. Landscape and Urban Planning 138 , 20-31. Wu, Y., & Geng, S. (2014). Multi-Criteria Decision Making on Selection of Solar–Wind Hybrid Power Station Location: A Case of China. Energy Conversion and Management 81 , 527-533.

ISBN: 978-602-70604-4-9 C-10-9

INTEGRASI SIG DAN METODE MCDM UNTUK EVALUASI PENENTUAN LOKASI PLTS STUDI KASUS KABUPATEN KUPANG, NTT

Recommend Documents