ISSN Volume 02, No. 2, Edisi Oktober PolhaSains

ISSN 2337-8492

PolhaSains Volume 02, No. 2, Edisi Oktober 2014

ANALISIS DAN PROYEKSI SISTEM TENAGA LISTRIK KABUPATEN TANAH LAUT DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK Jazuli Fadil, Rizani Effzi dan Andy Nugraha PENGARUH BEBERAPA KONSENTRASI EKSTRAK DAUN KIRINYU (Cromolaena odorata L.) TERHADAP PERTUMBUHAN DAN HASIL TANAMAN BAWANG DAUN (Allium FistulosiumL.) Andik Setiawan, Hikma Ellya, Hakimah Halim dan Murdikajah ANALISIS DAN PEMETAAN KONDISI SUNGAI PASANG SURUT DI KECAMATAN BANJARMASIN BARAT Adi Susetyo Dermawan, Said Muhammad Fahlefi dan Dewi Yuniar STUDI PROSES PIROLISIS TANDAN KOSONG KELAPA SAWIT MENJADI BIO OIL SEBAGAI ENERGI ALTERNATIF Sigit Mujiarto, Yuli Ristianingsih, Apip Amrullah dan Anhar Khalid POS TAGGING BAHASA INDONESIA DENGAN MAXIMUM ENTROPY MENGGUNAKAN STANFORD POSTAGGER Reza Fauzan dan Daniel Oranova Siahaan IMPLEMENTASI METODE WEIGHTED PRODUCT TERHADAP SISTEM PENDUKUNG KEPUTUSAN SELEKSI USULAN PENGADAAN DARI PUSKESMAS DI DINAS KESEHATAN KOTA BANJARBARU Ramadhani Noor Pratama dan Ronny Faslah

DITERBITKAN OLEH UNIT PELAKSANA TEKNIS PENELITIAN DAN PENGABDIAN MASYARAKAT POLITEKNIK HASNUR BANJARMASIN

Volume 02, Nomor 2, Edisi Oktober 2014

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 105 .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

PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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

1

Volume 02, Nomor 2, Edisi Oktober 2014 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 :

a. Inisialisasi, yaitu pembentukan Neural Network awal berupa NN tanpa unit tersembunyi. Error pembobot menggunakan SSE (sum of Square Error) : 𝑆𝑆𝐸

𝑛

𝑟

=

(𝑑𝑙𝑘 𝑡 =2 𝑘=1

− 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

𝑖=1

−

𝑣𝑗𝑘 ℎ𝑗𝑡 𝑗 =0

− 𝑣𝑖𝑘 ℎ𝑖𝑙 ) 2 𝑖 (𝑒𝑘𝑙

= 𝑙,𝑘

− 𝑣𝑖𝑘 ℎ𝑖𝑙 )2

Gambar.1. Struktur Desain Forecasting PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

(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

2

Volume 02, Nomor 2, Edisi Oktober 2014 menghasilkansolusi yang kembali kelangkah “b”.

layak,

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)

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 (𝒌)

∆𝒘𝒊𝒋 = (𝒌)

(k)

−𝜹𝒊 , 𝑖𝑓g i

(𝒌) 𝜹𝒊 ,

𝟎,


0; 𝑖 = 1,2, … , 𝑤 (5) 0; 𝑖 = 1,2, … , 𝑤

(𝑘)

Di mana 𝑤𝑖 adalah elemen ke(𝑘) (𝑘) i𝑤 dan ∆𝑤 adalah ubahan terhadap (𝑘) (𝑘) 𝑤𝑖 ; g 𝑖 adalah elemen ke-i vector (𝑘) gradien g . Nilai –nilai pembaru diberikan oleh ` (𝒌) 𝜹𝒊 = (𝒌−𝟏) (k) (k−1) 𝜸+ 𝜹𝒊 , 𝑖𝑓g i g i > 0; 𝑖 = 1,2, … , 𝑤 (𝒌−𝟏)

Fungsi aktivasi mentransformasi nilai output melalui pemetaan sinyal input kedalam sebuah nilai yang sesuai dengan nilai neuron yang lainnya.

> 0; 𝑖 = 1,2, … , 𝑤

(k) 𝑖𝑓g i < (k) 𝑖𝑓g i =

𝜸− 𝜹𝒊

(𝒌−𝟏)

𝜹𝒊 (6)

,

, 𝑖𝑓g i g i

(k) (k−1)

< 0; 𝑖 = 1,2, … , 𝑤

𝑖𝑓g i g i

(k) (k−1)

= 0; 𝑖 = 1,2, … , 𝑤

3

Volume 02, Nomor 2, Edisi Oktober 2014 Di mana 0 <𝜸-<𝜸+. Jika gradien untuk suatu bobot pada dua epoch berturutan berlainan tanda, yang berarti ubahan terakhir terlalu besar dan melompati (𝒌) minimum, nilai pembaru 𝜹𝒊 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 𝛿 0 dan ubahan bobot maksimum 𝛿 max. 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.

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 Beban Persentase Puncak Beban Tahun 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

HASIL DAN PEMBAHASAN Hasil desain dari jaring yang dibentuk diujikan lagi dengan data PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

Gambar 3. Anaisis Proyeksi PLN vs JST

4

Volume 02, Nomor 2, Edisi Oktober 2014 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 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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

5

Volume 02, Nomor 2, Edisi Oktober 2014 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


6


PENGARUH BEBERAPA KONSENTRASI EKSTRAK DAUN KIRINYU (Cromolaena odorata L.) TERHADAP PERTUMBUHAN DAN HASIL TANAMAN BAWANG DAUN (Allium FistulosiumL.) 1)

Andik Setiawan1), Hikma Ellya2), Hakimah Halim3), Murdikajah4) 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 ratarata 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. PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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 7

Volume 02, Nomor 2, Edisi Oktober 2014 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 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

(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 d2 : ekstrak kirinyu 1,0 ml/liter air d3 : ekstrak kirinyu 1,5 ml/liter air d4 : ekstrak kirinyu 2,0 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 8

Volume 02, Nomor 2, Edisi Oktober 2014 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 DAN PEMBAHASAN 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 d0 (0 ml/liter air) d1 (0,5 ml/liter air) d2 (1,0 ml/liter air) d3 (1,5 ml/liter air) d4 (2,0 ml/liter air) d5 (2,5 ml/liter air) Keterangan

:

Tinggi Tanaman (cm) 44 hst 51 hst 31,58 A 31,85 a 34,58 B 35,03 b 35,03 B 35,43 b 37,88 C 38,28 c 36,35 Bc 36,70 bc 35,33 B 35,53 b

58 hst 31,88 a 35,27 b 35,53 b 38,38 d 36,78 c 35,63 bc

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 d0 (0 ml/liter air) d1 (0,5 ml/liter air) d2 (1,0 ml/liter air) d3 (1,5 ml/liter air) d4 (2,0 ml/liter air) d5 (2,5 ml/liter air) Keterangan

:

Jumlah Daun Per Rumpun (helai) 44 hst 51 hst 58 hst 9,35 A 10,60 a 10,80 a 11,60 B 13,90 b 15,25 b 13,05 C 15,30 c 16,25 b 17,00 E 17,65 d 19,30 c 15,70 D 17,45 d 18,30 c 12,45 Bc 15,00 bc 16,00 b

Angka-angka yang diikuti oleh huruf yang sama menunjukkan tidak berbeda nyata menurut uji BNJ pada taraf nyata 5%.


9

Volume 02, Nomor 2, Edisi Oktober 2014 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 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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 asamasam 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, alkaloidalkaloid 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

10

Volume 02, Nomor 2, Edisi Oktober 2014 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.

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.

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


11


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 m3/det, anak Sungai Benyiur SP 16,2015 m3/det, Sungai Benyiur 29,2568 m3/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 12


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 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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

13


membedakan SIG dari informasi lainnya. Metodologi Penelitian

sistem

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.

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) 0.0600

0.0400 0.0200

Gambar 1.Lokasi Pengamatan 0.0000

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 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

27-Apr 07-Mei 22-Mei

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

Gambar 2. Grafik laju Sungai Gg. Saadah, laju arus pada tanggal 27 april mencapai laju optimal 1.50

1.00


0.50

0.00 08,0010,0012,0014,0016,0018,00

14


Gambar 3. Grafik kedalaman pada Sungai Gg. Saadah Pengamatan Pada Titik 2 (Sungai Telawang) 0.10

0.1500 27-Apr 07-Mei 22-Mei

0.1000 0.0500


0.0000 08,0010,0012,0014,0016,0018,00

0.05

0.00 08,0010,0012,0014,0016,0018,00

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 2

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 3 2 1 0


1

0

Series1 Series2 Series3

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

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

Pengamatan Pada Titik 3 (anak Sungai Benyiur)


15


Pengamatan Pada Titik 4 (anak Sungai Benyiur SP)

40 30

0.0800

20

0.0600

27-Apr 7 mei 22 mei

10

0.0400

0

0.0200

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


0.0000

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

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 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 3

3 2 2 27-Apr 07-Mei 22-Mei

1 1


0

0

08,00 08,00

10,00

12,00

14,00

16,00

10,00

12,00

14,00

16,00

18,00

18,00

Gambar 9. Grafik Kedalaman Pada Anak Sungai Benyiur SP tanggal 27 April 2012 s/d 5 Juni 2012, dimana kedalaman maksimum pada tanggal 22 Mei 2012

Gambar 11. Grafik Kedalaman Pada Sungai Benyiur SP tanggal 27 April 2012 s/d 5 Juni 2012, dimana kedalaman maksimum pada tanggal 22 Mei 2012.

Pengamatan Pada Titik 5 (Sungai Benyiur SP)


16


Perhitungan Kapasistas Aliran Sungai diLapangan Tabel 4.21 Perhitungan kapasitas aliran sungai Nama Sungai Gg Saadah Telawang Anak Benyiur Anak Benyiur SP Beyiur

b1 3,1 16,4 32 30 36

b 2,75 14,5 25 25 30

h1 0,62 1,37 2,15 2 2,53

M 0,2823 0,6934 1,6279 1,2500 1,1858

A 1,8135 21,1665 61,2750 55,0000 83,4900

P 4,1459 20,9794 55,9782 46,4227 54,3832

R 0,4374 1,0089 1,0946 1,1848 1,5352

V 0,1511 0,2645 0,2794 0,2946 0,3504

Qa 0,2740 5,5988 17,1178 16,2015 29,2568

P 4,3642 20,9070 53,8987 45,3986 53,7462

R 0,5027 1,0346 1,2162 1,2721 1,5964

V 0,1659 0,2690 0,2998 0,3089 0,3597

Qs 0,3638 5,8185 19,6507 17,8415 30,8638

Sumber: Hasil Perhitungan Perhitungan Kapasitas Eksisting Sungai Tabel 4.22 perhitungan kapasitas eksisting sungai Sungai Gg Saadah Telawang Anak Benyiur Anak Benyiur SP Beyiur

b1 3,1 16,4 32 30 36

b 2,75 14,5 25 25 30

h2 0,75 1,4 2,3 2,1 2,6

M 0,2333 0,6786 1,5217 1,1905 1,1538

A 2,1938 21,6300 65,5500 57,7500 85,8000

Sumber: Hasil Perhitungan *keterangan: b1 : lebar atas b : lebar bawah h2 : tinggi eksisting R : jari-jari hidrolisV

A : luas penampang basah P : keliling basah saluran m : kemiringan :kecepatan aliran ( manning )

Perhitungan Curah Hujan

Qs : debit saluran

Sumber: Hasil Perhitung

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) 2 5 10

HHM dengan rentang keyakinan 90%(mm/ jam) 51,36077 70,96241 83,9414


17

Perhitungan Debit Air Hujan Tabel 1.Debit Curah Hujan pada Sungai Gg. Saadah T 2 5 10 25

R24

(C1)

L1 (m)

C2

L2

L (m)

S

A (ha)

C

51

0,7

10

1

1

600

0,00002

A1 (m²) A2 (m²) 6000

600

0,66

0,72727273

0,05612693

tc

121,4638154 1,619647

I

Q

70,9641

0,7

10

1

1

600

0,00002

6000

600

0,66

0,72727273

0,05612693

167,8240094 2,237832

83,9414

0,7

10

1

1

600

0,00002

6000

600

0,66

0,72727273

0,05612693

198,5142107 2,647068

126,893

0,7

10

1

1

600

0,00002

6000

600

0,66

0,72727273

0,05612693

300,0910604 4,001534

C 0,6830189 0,6830189 0,6830189 0,6830189

tc (jam) 0,123258922 0,123258922 0,123258922 0,123258922

I (mm/det) 91,57868606 126,012552 148,8074912 177,6185588

Q (m³/det)

C 0,64 0,64 0,64 0,64

tc (jam) 0,104797719 0,104797719 0,104797719 0,104797719

I (mm/det) 102,0403873 140,4078849 165,8068563 197,9092223

Q (m³/det)

A (ha) 0,63 0,63 0,63 0,63

C 0,6857143 0,6857143 0,6857143 0,6857143

tc (jam) 4,273841028 4,273841028 4,273841028 4,273841028

I (mm/det) 8,612470383 11,85078558 13,9945239 16,70404592

Q (m³/det)

A (ha) 0,0441 0,0441 0,0441 0,0441

C 0,6857143 0,6857143 0,6857143 0,6857143

tc (jam) 0,071165474 0,071165474 0,071165474 0,071165474

I (mm/det) 132,0769669 181,7383102 214,6137158 256,1657251

Q (m³/det)

Sumber : Hasil Perhitungan Tabel 2.Debit Curah Hujan padaAnak Sungai Telawang T 2 5 10 25

R24 65,425 90,025 106,31 126,893

(C1) 0,7 0,7 0,7 0,7

L1 (m) 5 5 5 5

C2 0,4 0,4 0,4 0,4

L2 0,3 0,3 0,3 0,3

L (m) 350 350 350 350

S 0,00002 0,00002 0,00002 0,00002

A1 (m²) 1750 1750 1750 1750

A2 (m²) 105 105 105 105

A (ha) 0,1855 0,1855 0,1855 0,1855

0,322332 0,443530 0,523762 0,625169

Sumber : Hasil Perhitungan Tabel 3.Debit Curah Hujan padaAnak Sungai Benyiur T 2 5 10 25

R24 65,425 90,025 106,31 126,893

(C1) 0,7 0,7 0,7 0,7

L1 (m) 4 4 4 4

C2 0,4 0,4 0,4 0,4

L2 1 1 1 1

L (m) 300 300 300 300

S 0,00002 0,00002 0,00002 0,00002

A1 (m²) A2 (m²) 1200 300 1200 300 1200 300 1200 300

A (ha) 0,15 0,15 0,15 0,15

0,272129 0,374451 0,442187 0,527800

Sumber : Hasil Perhitungan Tabel 4.Debit Curah Hujan padaAnak Sungai Benyiur SP T 2 5 10 25

R24 65,425 90,025 106,31 126,893

(C1) 0,7 0,7 0,7 0,7

L1 (m) 6 6 6 6

C2 0,4 0,4 0,4 0,4

L2 0,3 0,3 0,3 0,3

L (m) 1000 1000 1000 1000

S 0,00002 0,00002 0,00002 0,00002

A1 (m²) 6000 6000 6000 6000

A2 (m²) 300 300 300 300

0,103358 0,142221 0,167948 0,200465

Sumber : Hasil Perhitungan Tabel 5.Debit Curah Hujan pada Sungai Benyiur T 2 5 10 25

R24 65,425 90,025 106,31 126,893

(C1) 0,7 0,7 0,7 0,7

L1 (m) 6 6 6 6

C2 0,4 0,4 0,4 0,4

L2 0,3 0,3 0,3 0,3

L (m) 70 70 70 70

S 0,00002 0,00002 0,00002 0,00002

A1 (m²) A2 (m²) 420 21 420 21 420 21 420 21

0,110954 0,152672 0,180290 0,215196

Sumber : Hasil Perhitungan

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:


18


Tabel6.Perbandingan debit saluran dan debit aliran + debit hujan Nama Sungai

Debit Saluran (m3/detik) 0,3638 5,8185

Gg Saadah Telawang Anak Sungai 19,6507 Benyiur Anak Sungai 17,8415 Benyiur SP Sungai Benyiur 30,8638 Sumber: Hasil Perhitungan

< < >

Debit debit hujan Lapangan (m3/detik) 3 (m /detik) 0,2740 1.6196 5.5988 0.3223 17,1178

Keterangan Limpas Limpas Tidak Limpas

0.2721 Tidak Limpas

> >

Sungai Gg Saadah &Telawang tidak dapat menampung debit aliran + debit hujan yang ada. Sedangkan untuk sungai Anak Benyiur , Anak Benyiur Pemetaan

16,2015 29,2568

0.1109 0.1109

Tidak Limpas

SP, Benyiur dapat menampung debit aliran + debit hujan, karena kapasitas debit saluran lebih besar.

PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur 19

Volume 02, Nomor 2, Edisi Oktober 2014 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.

[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.

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.


Volume 02, Nomor 2, Edisi Oktober 2014 STUDI PROSES PIROLISIS TANDAN KOSONG SAWIT MENJADI BIO OIL SEBAGAI ENERGI ALTERNATIF Sigit Mujiarto1), Yuli Ristianingsih2), Apip Amrullah3), Anhar Khalid4) 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] 1)

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 56,50C, pour point -60C, 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


Volume 02, Nomor 2, Edisi Oktober 2014 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


Volume 02, Nomor 2, Edisi Oktober 2014 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:

jika dibandingkan dengan briket arang. Pengaruh suhu terhadap hasil pirolisis secara lebih rinci dapat dilihat padat Tabel 1 berikut: Tabel 1. Pengaruh Suhu Produk Pirolisis No

1. 2. 3. 4.

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. HASIL DAN PEMBAHASAN Pengaruh Pirolisis

Suhu

Terhadap

Hasil

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

Suhu Pirolisis (0C) 300 400 500 600

Terhadap

briket (%)

Bio Oil (%)

67,89 45,54 27,96 18,22

42,11 54,46 72,04 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


Volume 02, Nomor 2, Edisi Oktober 2014 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 -60C, 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


Volume 02, Nomor 2, Edisi Oktober 2014 [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-ofthe-Art Review. Chemcon 5thed. 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


Volume 02, Nomor 2, Edisi Oktober 2014 POS TAGGING BAHASA INDONESIA DENGAN MAXIMUM ENTROPY MENGGUNAKAN STANFORD POSTAGGER Reza Fauzan1), Daniel Oranova Siahaan2) Program Studi Teknik Informatika Politeknik Hasnur, 2) Fakultas Teknologi Informasi , Institut Teknologi Sepuluh Nopember e-mail :1)[email protected], 2)[email protected] 1)

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.


Volume 02, Nomor 2, Edisi Oktober 2014 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 POS POSName Contoh 1O OP Open Parenthesis ({[ 2 CP CloseParenthesis )}] 3 GM Slash / 4 ; Semicolon ; 5 : Colon : 6 “ Quotation “‟ 7 . SentenceTerminat .!? 8 , Comma , or 9 Dash 10 ... Ellipsis ... 11 JJ Adjective Kaya,Manis 12 RB Adverb Sementara,N 13 NN CommonNoun Mobil anti 14 NNP ProperNoun Bekasi,Indon 15 NNG GenitiveNoun Bukunya esia 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 21 SC SuborJika,Ketika api 22 DT Determiner Para, Ini,Itu Conjunction 23 UH Interjection Wah,Aduh,O 24 CDO OrdinalNumerals Pertama,Ked i 25 CDC CollectiveNumera Bertiga ua 26 CDP PrimaryNumerals Satu,Dua ls 27 CDI IrregularNumeral Beberapa 28 PRP PersonalPronouns Saya,Kamu s 29 WP WH-Pronouns Apa,Siapa 30 PRN NumberPronouns Kedua31 PRL LocativePronouns Sini,Situ,Sana duanya 32 NEG Negation Bukan,Tidak 33 SYM Symbols @#$%^& 34 RP Particles Pun,Kah 35 FW ForeignWords Foreign,Wor d PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur

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 Contoh : java -mx300m -classpath stanford-postagger.jar edu.stanford.nlp.tagger.m axent.MaxentTagger -prop wsj-0-18left3words.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.

27

Volume 02, Nomor 2, Edisi Oktober 2014 Start Masukkan Kalimat Load Data Hasil Latih

POS tagging Kalimatdengan POS tag Start Gambar 1. Alur Proses Sistem Tampilan sistem yang dibangun ada pada Gambar 2.

Gambar 2. Tampilan Awal 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.

Gambar 3. Tampilan Masukan Sistem


Volume 02, Nomor 2, Edisi Oktober 2014 - Sistem mengatakan “benar” sebanyak 13, dan mengatakan “salah” sebanyak 7. Tabel 2. Hasil perbandingan pakar dan sistem

Pakar

Benar Salah

Sistem Benar Salah 14 2 0 4

Nilai persetujuan ( percentageagreement / Pr(a) ) adalah sebagai berikut.

Pr(a) 

14  4  0,9 20

Nilai kemungkinan persetujuan acak ( probabilityofrandomagreement / Pr(e) ) adalah sebagai berikut. - Nilai dengan jawaban “benar” secara acak adalah

" benar" random 

16 14   0,56 20 20

- Nilai dengan jawaban “tidak” secara acak adalah

" salah" random 

4 6   0,06 20 20

Pr(e)  0,56  0,06  0,62 Nilai cohen’skappa berikut.

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.

adalah

sebagai

Pr(a)  Pr(e) 1  Pr(e) 0,9  0,62 k  0,7368421 1  0,62 (1) k

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



[5]

[6]

[7]

[8]

Natural Language Processing, Vol ,1992. Fauzan, R., & Pramono, D. (2013). Pemeriksaan Kemiripan Diagram Kasus Penggunaan terhadap Skenario. Jurnal Ilmiah Teknologi Informasi 11 (2), 51-57. 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. Fellbaum, C. (1998). WordNet: An Electronic Lexical Database. Cambridge: MIT Press. Jurafsky, Dan, 2013. The Stanford Natural Language Processing Group, .


Volume 02, Nomor 2, Edisi Oktober 2014 IMPLEMENTASI METODE WEIGHTED PRODUCT TERHADAP SISTEM PENDUKUNG KEPUTUSAN SELEKSI USULAN PENGADAAN DARI PUSKESMAS DI DINAS KESEHATAN KOTA BANJARBARU Ramadhani Noor Pratama1, Ronny Faslah2 1 Staf Pengajar Program Studi Teknik Informatika Politeknik Hasnur 2 Staf 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



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 UndangUndang 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 obatobatan. 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 puskesmas di Dinas Kesehatan Kota Banjarbaru? Adapun tujuan dari penelitian ini adalah sebagai berikut. 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 puskesmas di Dinas Kesehatan Kota Banjarbaru?



Adapun manfaat dari penelitian ini adalah sebagai berikut. 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



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. Sistem Pendukung Keputusan 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. Sistem Pendukung Keputusan 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 Sistem Pendukung Keputusan 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



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: n

Si   xij

wj

j 1

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



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 1 2 3 4 5

Keterangan Sangat Rendah Rendah Cukup Tinggi Sangat Tinggi

Pengambil keputusan memberikan nilai prioritas (w) masing-masing kriteria sebagai berikut: Tabel 2. Tabel Pemberian nilai oleh pengambil keputusan Kriteria Total Harga Barang Visibilitas Jumlah Operator Kepentingan Kemudian

Nilai Prioritas 4

Keterangan

3 2

Cukup Rendah

3

Cukup

Tinggi

dilakukan perbaikan

nilai

prioritas (w) terlebih dahulu dengan persamaan

𝑤 = 1:

maka perbaikan nilai prioritas sebagai berikut : 𝑤1 𝑤= 𝑤1 + 𝑤2 + 𝑤3 + 𝑤4 =

𝑤2 =

𝑤2 𝑤1 + 𝑤2 + 𝑤3 + 𝑤4 =

𝑤3 =

3 = 0,25 4+ 3+2+3

𝑤3 𝑤1 + 𝑤2 + 𝑤3 + 𝑤4 =

2 4+ 3+2+3

= 0,167 𝑤4 𝑤4 = 𝑤1 + 𝑤2 + 𝑤3 + 𝑤4 =

3 = 0,25 4+ 3+2+3

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 masingmasing alternatif barang. Tiap – tiap kriteria diberikan kode, seperti contohnya : C1 = Total harga barang C2 = visibilitas C3 = jumlah operator menggunakan C4 = kepentingan

yang

Nilai bobot setiap alternatif di setiap kriteria :

4 4+ 3+2+3

= 0,333 PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur 36


Tabel 3 Tabel nilai bobot tiap alternatif ALTERNATIF KRITERIA C1 C2 Mikroscope Binokuler 21.560.000 8 Safety Cabinet + UV 4.900.000 8 Hematologi Analizer 269.000.000 3 Haemositometer 931.000 5 Easy Touch 3 Parameter 980.000 6 Differential counter 3.185.000 3 Tabung LED 49.000 6 Rak LED 2.450.000 8 Bola Hisap 171.500 7 Auto Clik lancet (panjang) 49.000 3 Plate Widal 49.000 6 Tabung Reaksi Kecil 6 cm 560.000 2 Rak Tabung steinles 208.250 6 Botol Semprot 88.200 5 Kaca Slide Frosted 49.000 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 :



















0, 25

0,167

0, 25

S1  21560000 0,333 80, 25 2 0,167 4 0, 25  0,009592 S 2  4900000 0,333 80, 25 30,167 80, 25   0,019999



S 3  269000000 0,333 30, 25 2 0,167 7 0, 25  0,003722



S 4  931000

S7

S8

5 6 8   0,034718

 6 8 3 5  3185000 6 2  49000 8 3  2450000

S 5  980000 S6

0,333

0,333

0,333

0,333

0,333

0, 25

0, 25

0, 25

0, 25

2   0,026499 5   0,017491 7   0,078088 6   0,023448

0,167

0,167

0,167

0,167

0, 25

0, 25

0, 25

0, 25

  49000

C3 2 3 2 6 8 5 2 3 7 8 8 6 7 3 2

C4 4 8 7 8 2 5 7 6 8 2 4 3 5 8 6

    3 8 2   0,060486

S 9  171500 0,333 7 0, 25 7 0,167 80, 25  0,068099 S10

0,333



0, 25



0,167



0, 25





S11  49000 0,333 6 0, 25 80,167 4 0, 25  0,08554 S12  560000 0,333 2 0, 25 6 0,167 30, 25   0,025596











S13  208250 0,333 6 0, 25 7 0,167 50, 25  0,05461



S14  88200



S15  49000

0,333

0,333

5 3 8   0,067849 0, 25

0,167

0, 25

6 2 6   0,075136 0, 25

0,167

0, 25

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.



Tabel 4. Tabel nilai hasil perhitungan Peringkat

Alternatif Barang

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Plate Widal Tabung LED Kaca Slide Frosted Bola Hisap Botol Semprot Auto Clik lancet (panjang) Rak Tabung steinles Haemositometer Easy Touch 3 Parameter Tabung Reaksi Kecil 6 cm Rak LED Safety Cabinet + UV Differential counter Mikroscope Binokuler Hematologi Analizer

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

Nilai hasil perhitungan (Si) 0,08554 0,0780882 0,0751361 0,0680992 0,0678493 0,0604859 0,0546095 0,0347182 0,0264993 0,0234481 0,0199986 0,017491 0,009592 0,0037223 0,00255957

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.



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

[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.

[1] Magaline, Ferdinand., dkk. 2003, Sistem Informasi, Paper, Bandung. [2] Purnama, Kania.2010. Implementasi Sistem Pendukung Keputusan Layanan Bimbingan Konseling (Bk) Untuk Menentukan Penjurusan Siswa Dengan Menggunakan Metode Weighted Product (Studi kasus : SMAN 3 Subang) PolhaSains Jurnal Sains dan Terapan Politeknik Hasnur 39

ISSN Volume 02, No. 2, Edisi Oktober PolhaSains

Recommend Documents