KURVATEK Vol.
No.
November 2025, pp.
e-ISSN: 2477-7870 p-ISSN: 2528-2670
OPTIMALISASI SISTEM PENGOPERASIAN
GENERATOR SET MENGGUNAKAN METODE
LAGRANGE
OPTIMIZATION OF GENERATOR SET OPERATING
SYSTEMS USING THE LAGRANGE METHOD
Dulhadi1,*.
Suyanta2.
Eufrasia Andranetta Gracelynne Eka Pramudita3.
Shodiq Afifudin4.
Dewi Indriati Hadi Putri5.
Hafiyyan Putra Pratama6
1,2,
Department of Electrical Engineering.
Institut Teknologi Nasional Yogyakarta Jalan Babarsari.
Caturtunggal.
Depok.
Sleman.
Yogyakarta 55281.
Indonesia email corresponding: dulhadi@itny.
email: suyanta@itny.
Department Teknik Mesin dan Industri.
Universitas Gadjah Mada email: eufrasia2424@gmail.
Bandara Yogyakarta International Airport Kepek.
Palihan.
Temon.
Kulon Progo.
Yogyakarta 55654 email: cahsonos@gmail.
Department of Mechatronics and Artificial Intelligence.
Universitas Pendidikan Indonesia Jl.
Veteran No.
Nagri Kaler.
Purwakarta.
Jawa Barat email: dewiindri@upi.
Department of Telecommunication System.
Universitas Pendidikan Indonesia Jl.
Veteran No.
Nagri Kaler.
Purwakarta.
Jawa Barat email: hafiyyan@upi.
Cara sitasi: Dulhadi.
Suyanta.
Pramudita.
Afifudin.
Putri, and H.
Pratama, "Optimalisasi Sistem Pengoperasian Generator Set menggunakan Metode Lagrange," Kurvatek, vol.
2, pp.
145-154, 2025.
doi: 10.
33579/krvtk.
5791 [Onlin.
Abstrak Ai Bandara Yogyakarta International Airport memiliki kebutuhan daya tinggi, disuplai dari GI Wates dengan kapasitas 2y8,66 MVA dan lima genset masing-masing 2,5 MVA.
Karena fluktuasi jadwal penerbangan, semua genset beroperasi bersamaan, menyebabkan konsumsi bahan bakar tidak efisien.
Penelitian ini bertujuan mengoptimalkan pola operasi genset menggunakan metode Lagrange berdasarkan tren historis konsumsi energi dan bahan bakar.
Hasilnya menunjukkan hanya genset 1 yang optimal .
,26%) saat kondisi normal.
Saat terjadi gangguan pada salah satu genset, beban dialihkan ke genset lain dengan output lebih rendah untuk menjaga efisiensi dan keandalan.
Pola ini meningkatkan efisiensi, mengurangi konsumsi bahan bakar, serta memperpanjang usia pakai mesin.
Optimalisasi ini mendukung pengoperasian bandara yang lebih hemat energi dan andal.
Kata kunci: Optimalisasi, metode Lagrange, pengoperasian Abstract Ai Yogyakarta International Airport has high power demands, supplied by GI Wates with a subscribed capacity of 2 y 8.
66 MVA and five generator sets .
each with a capacity of 2.
5 MVA.
Due to fluctuating flight schedules, all gensets operate simultaneously, leading to inefficient fuel consumption.
This study aims to optimize the genset operation pattern using the Lagrange method based on historical energy and fuel consumption trends.
The results show that only genset 1 operates optimally .
26%) under normal conditions.
In the event of a genset failure, the load is redistributed to other gensets with lower output to maintain efficiency and reliability.
This approach increases efficiency, reduces fuel consumption, and extends engine lifespan.
The optimization supports more energy-efficient and reliable airport operations.
Keywords: Optimization.
Lagrange method, operation PENDAHULUAN Sumber daya listrik Bandara Yogyakarta International Airport (YIA) berasal dari Gardu Induk Wates dengan kategori premium, berkapasitas 2y8,66 MVA, dan didukung oleh 5 unit genset berkapasitas masingmasing 2,5 MVA.
Penyaluran energi listrik ke beban dilakukan melalui jaringan distribusi internal tegangan Received Oct 14, 2025.
Revised Nov 25, 2025.
Accepted Nov 25, 2025 DOI : https://doi.
org/10.
33579/krvtk.
menengah 20 kV dan tegangan rendah 380 Volt, sebagaimana ditunjukkan pada Gambar 1.
Dalam memenuhi kebutuhan energi listrik, kelima genset ini beroperasi secara bersamaan untuk mencukupi seluruh beban listrik bandara.
Namun, karena jadwal penerbangan yang fluktuatif, konsumsi energi listrik pun ikut berubah-ubah.
Hal ini menyebabkan penggunaan bahan bakar menjadi boros, karena energi listrik dari genset tidak dapat disimpan untuk digunakan nanti.
Oleh karena itu, diperlukan pola operasi yang tepat agar konsumsi bahan bakar sebanding dengan kebutuhan energi listrik.
Pola ini bertujuan agar genset dapat beroperasi mengikuti fluktuasi beban secara optimal.
Untuk menganalisis optimalisasi ini, dapat digunakan beberapa metode seperti optimasi analitis.
Duplex.
Simplex, dan metode Lagrange.
Penelitian ini menggunakan metode Lagrange, karena cocok untuk mengatasi permasalahan optimasi dengan kendala, termasuk kebutuhan maintenance genset yang menyebabkan sebagian genset tidak beroperasi .
, .
Gambar 1.
Gambar sistem kelistrikan Bandara Yogyakarta International Airport Industri atau instansi umumnya lebih memilih berlangganan listrik PLN karena biaya operasionalnya lebih rendah, bahkan bisa setengah dari biaya penggunaan genset.
Namun, karena keterbatasan daya dari PLN, seringnya pemadaman, serta kebutuhan listrik yang besar dan terus-menerus, genset tetap menjadi sumber utama dalam memenuhi kebutuhan energi listrik.
Salah satu penyebab borosnya bahan bakar pada pengoperasian genset adalah beban yang terlalu berat.
Secara teori, genset bekerja paling efisien pada beban sekitar 70%.
Dengan menggunakan beberapa genset secara paralel, selain mampu memenuhi kebutuhan listrik yang besar, beban kerja tiap mesin menjadi lebih ringan, sehingga genset lebih awet dan aman Strategi untuk menekan biaya operasional pembangkit adalah melalui penjadwalan operasi yang Metode Dynamic Programming bekerja secara bertahap dan cocok untuk fungsi linier.
Sementara itu, metode Lagrange lebih tepat digunakan untuk menyelesaikan fungsi nonlinier dengan mengubahnya menjadi linier agar diperoleh hasil operasi yang optimal .
Penentuan daya yang harus disuplai oleh tiap unit pembangkit untuk memenuhi beban dengan biaya operasional serendah mungkin disebut Economic Dispatch.
Metode Lambda Iterasi dan Lagrange samasama menggunakan faktor pengali, namun Lambda membutuhkan asumsi biaya tambahan, sedangkan Lagrange tidak.
Penyelesaian dengan Algoritma Genetika lebih detail dibanding Lagrange, tetapi lebih rumit dan memerlukan waktu lebih lama.
Sementara itu, metode Lagrange lebih cepat dan sederhana dalam menyelesaikan masalah Economic Dispatch.
Metode yang umum digunakan adalah Lagrange Multiplier dengan pendekatan Least Square Parabolic.
Metode ini dapat menghitung kondisi nonlinier dan memberikan solusi yang cepat, tepat, dan konvergen.
Selain itu.
Lagrange juga mampu mengoptimalkan economic dispatch sehingga pembagian beban menghasilkan biaya operasional yang minimal.
Metode iterasi lambda () juga digunakan dalam Economic Dispatch.
Nilai lambda diasumsikan terlebih dahulu, lalu dihitung daya keluaran (P.
dari setiap pembangkit menggunakan syarat optimum.
Setelah itu, diperiksa apakah total daya yang dihasilkan sudah sama dengan beban sistem.
Jika belum, proses diulang KURVATEK Vol.
No.
November 2025: 145 Ae 154
KURVATEK
e-ISSN: 2477-7870 p-ISSN: 2528-2670 hingga tercapai keseimbangan.
Penggunaan genset berbahan bakar minyak (BBM) mulai dibatasi karena ketersediaannya makin langka dan harganya terus naik.
Salah satu solusi alternatif adalah menggunakan LPG.
Beberapa penelitian menunjukkan bahwa LPG lebih hemat dibanding BBM.
Misalnya, pada sepeda motor dengan sistem bahan bakar ganda, konsumsi LPG mencapai 69,3 km/kg untuk jarak 208 km, sedangkan pertalite hanya 47,7 km/kg untuk 143 km.
Studi ini menunjukkan bahwa LPG lebih ekonomis dibandingkan BBM, termasuk untuk penggunaan pada genset.
Genset adalah solusi penting untuk memenuhi kebutuhan listrik, tetapi efisiensinya masih kurang optimal.
Salah satu cara untuk meningkatkan kinerjanya adalah mengembangkan sistem transmisi agar koefisien kinerja genset bisa lebih baik .
Economic Dispatch adalah metode untuk menentukan berapa besar daya yang harus disuplai oleh tiap unit pembangkit agar bisa memenuhi kebutuhan beban dengan biaya operasional serendah mungkin.
Dalam teori Economic Dispatch, ada dua batasan utama yang harus dipenuhi:
Equality constraint .
atasan kesetimbangan day.
adalah jumlah total daya yang dibangkitkan oleh semua unit pembangkit harus sama dengan total kebutuhan beban seperti ditunjukkan Ocycuycn=1 ycEycn = ycEyaAyceycaycaycu Dengan ycEycn adalah daya pembangkit ke I dan ycEyaAyceycayceycaycu adalah total kebutuhan daya Inequality constraint .
atasan tidak sam.
adalah tiap pembangkit punya batas minimum dan maksimum daya yang bisa dihasilkan seperti ditunjukkan persamaan 2.
ycEycn,ycoycnycu O ycEycn O ycEycn,ycoycaycu .
Hubungan antara konsumsi bahan bakar dan daya yang dihasilkan oleh pembangkit bisa digambarkan dalam grafik, seperti pada Gambar 2 yang menunjukkan karakteristik pembangkit.
Karena tiap pembangkit punya karakteristik yang berbeda, maka untuk mengoptimalkan pengoperasiannya, maka perlu memperhatikan perbedaan tersebut.
Masalah ini bisa diselesaikan dengan metode optimasi.
Umumnya, hubungan antara bahan bakar yang digunakan dan daya output dari pembangkit dinyatakan dalam bentuk fungsi polinomial seperti ditunjukkan pada persamaan 3 dan gambar 2 sebagai berikut .
cE) = yuycn yuycn ycEycn yuycn ycEycn2 Input Bahan Bakar.
H, ( MBtu/jam ) Output P (MW) Pmin Pmax Gambar 2.
Karakteristik masukan-luaran pembangkit listrik Sumber: D.
Hermanto and F.
Ardianto, 2020 Optimalisasi sistem pembangkit berarti menyesuaikan input bahan bakar dengan output energi listrik agar mendekati efisiensi maksimal .
, .
Jika pembangkit bekerja secara optimal, maka kerugian ekonomi bisa dikurangi atau bahkan dihindari.
Untuk mencari titik kerja paling optimal, bisa digunakan berbagai metode.
Dalam penelitian ini, digunakan gabungan metode Lagrange dan regresi:
A Metode Lagrange digunakan untuk mencari titik optimal pengoperasian pembangkit.
Optimalisasi Sistem Pengoperasian Generator Set Menggunakan Metode Lagrange (Dulhadi.
Suyanta.
Eufrasia Andranetta Gracelynne Eka Pramudita.
Shodiq Afifudin.
Dewi Indriati Hadi Putri.
Hafiyyan Putra Pratam.
DOI : https://doi.
org/10.
33579/krvtk.
Metode regresi digunakan untuk membuat fungsi hubungan antara konsumsi bahan bakar dan daya listrik yang dihasilkan.
Suatu asumsi bahwa batas pembangkitan tidak terganggu maka kondisi penting dari optimalisasi dapat ditentukan dengan metode Langrangian .
seperti persamaan 4.
yus = Ocycuycn=1 yaycn .
cEyaycn ) yuI.
cEya Oe Ocycuycn=1 ycEyaycn ) .
kemudian membuat persamaan derivatif persamaan terhadap PGi dan nya persamaan 5 atau 6 berikut :
CFi CAn OeA CPGi CPGi = ycEya Oe Ocycuycn=1 ycEyaycn yuiyuIycn Fi adalah serapan bahan bakar dalam sistem selama selang waktu i.
PG i beban unit pembangkit ke i ke n.
PD kebutuhan daya terpakai pada beban dan A adalah faktor pengali ke kondisi optimal.
II.
METODE PENELITIAN
Penelitian ini berjudul AuStudi Optimalisasi Sistem Pengoperasian Generator Set Menggunakan Metode LagrangeAy.
Tujuan penelitian ini adalah menganalisis konsumsi bahan bakar diesel pada generator set .
agar mampu menghasilkan daya listrik yang sesuai dengan perubahan beban secara lebih Genset dianggap bekerja optimal apabila tingkat pembebanannya berada di atas 80%, karena pada kondisi tersebut konsumsi bahan bakar mencapai titik serapan yang paling sebanding dengan daya listrik yang dihasilkan.
Untuk mencapai efisiensi tersebut, penelitian ini dilakukan melalui beberapa tahapan.
Pertama, dilakukan pengumpulan data operasional genset, meliputi daya keluaran, konsumsi bahan bakar per jam, serta karakteristik performa mesin pada setiap tingkat beban.
Setelah itu dilakukan pengujian dengan memberikan variasi pembebanan tertentu pada genset untuk melihat hubungan antara daya keluaran dan penggunaan bahan bakar.
Peralatan utama yang digunakan dalam penelitian ini meliputi satu unit generator set diesel, alat ukur konsumsi bahan bakar .
uel flow meter atau metode pengukuran volume manua.
, alat ukur tegangan dan arus listrik .
ultimeter atau power mete.
, serta beban listrik yang dapat divariasikan, seperti load bank.
Adapun variabel penelitian terdiri dari:
A Variabel tetap .
: jenis bahan bakar yang digunakan, kapasitas genset, tegangan operasi, dan kondisi lingkungan.
A Variabel terikat: konsumsi bahan bakar dan output daya listrik.
A Variabel bebas .
: tingkat pembebanan genset, misalnya 40%, 60%, 80%, dan 100%.
Seluruh data hasil pengujian kemudian dianalisis menggunakan metode Lagrange untuk menentukan pola operasi pembebanan yang paling efisien.
Dengan metode ini, diharapkan diperoleh titik optimal yang menggambarkan kombinasi beban dan konsumsi bahan bakar paling ideal sehingga sistem pengoperasian genset dapat berjalan lebih hemat dan efektif.
Dalam metodologinya membutuhkan data sebagai berikut :
Tabel 1.
Sumber daya PLN (Power Gri.
ID GRID/ SUMBER DAYA PLN GI.
Wates 20 MVA
( GRID 1 ) GI Ae WATES -1
PLN GI Wates 60 MVA
( GRID 2 ) GI Ae WATES - 2
SPESIFIKASI
Tegangan Kapasitas Trafo
Kapasitas Langganan Frekuensi
Tegangan Kapasitas Trafo
Kapasitas Langganan Frekuensi
150 kV
60 MVA
8,66 MVA
50 Hz
150 kV
60 MVA
8,66 MVA
50 Hz Tabel 2.
Lima sumber Daya Genset (Power Gri.
masing Ae masing ID GRID/ SUMBER DAYA
Genset 5 x 2500 KVA
Genset 1 sampai Genset 5
SPESIFIKASI
Tegangan Kapasitas Genset Frekuensi KURVATEK Vol.
No.
November 2025: 145 Ae 154
0,4/0,23 kV
2,5 MVA
50 Hz
KURVATEK
e-ISSN: 2477-7870 p-ISSN: 2528-2670 Tabel 3.
Rekapitulasi beban genset
BULAN
Beban Genset 1-5 .
W) 9,143 7,775 5,924 45,033 32,425 27,679 38,882 32,508 22,889 81,553
77,162
35,758
83,292
54,68
37,195
76,386
64,171
38,377
56,443
48,861
34,724
59,322
52,137
36,242
60,527
52,199
37,106
49,594
29,884
48,827
42,918
22,703
62,822
43,54
38,564
50,23
43,872
31,473
50,627
44,764
32,703
63,423
56,588
40,247
38,875
34,832
24,569
39,248
46,65
33,401
64,218
71,212
50,993
54,086
49,055
34,716
40,54
37,025
26,729
83,501
63,423
54,68
56,744
51,626
37,32
61,545
38,999
28,55
94,101
65,489
38,785
79,192
52,808
38,813
48,516
26,679
29,545
48,322
40,59
29,693
Total
10,82
53,97
23,15
96,99
76,58
52,43
40,22
54,54
69,01
55,81
55,99
70,48
56,89
72,17
43,85
43,96
73,89
45,17
92,68
62,97
67,32
103,06
69,24
34,74
52,42
April 2020
Mei 2020
Juni 2020
Juli 2020
Agustus 2020
September 2020
Oktober 2020
November 2020
Desember 2020
Januari 2021
Februari 2021
Maret 2021
April 2021
Mei 2021
Juni 2021
Juli 2021
Agustus 2021
September 2021
Oktober 2021
November 2021
Desember 2021
Januari 2022
Februari 2022
Maret 2022
April 2022
Mei 2022
Juni 2022
JUMLAH
33,662
159,107
117,429
293,972
256,175
241,291
188,562
211,857
231,514
188,643
181,358
229,888
194,422
197,852
245,397
152,028
176,874
281,985
212,199
161,323
320,222
227,164
219,313
344,201
265,427
158,789
197,216
5687,87
2,509
4,428
9,927
8,314
9,616
12,672
10,755
10,92
14,482
11,957
12,358
12,969
9,902
13,615
21,672
14,742
11,859
25,938
18,504
22,899
42,766
25,374
19,309
26,191
Sedangkan serapan bahan bakar per kWH ditunjukkan dalam bentuk grafik sebagai berikut :
SERAPAN BBM GENSET
1 (Liter/KWH) 25,00 19,53 20,00 15,00 18,37 16,51 15,13 11,58 13,27 13,33 13,43 13,52 10,75 10,65 10,70 10,25 10,56 10,66 8,108,09 7,81 10,00 5,00 12,01 12,27 11,13 9,22 10,84 8,19 6,14 4,76 2,33 0,00 1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627
BULAN KE
Gambar 3.
Serapan BBM Genset 1
SERAPAN BBM
GENSET 2 (Liter/KWH) 18,00 16,00 14,00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 16,1416,12 16,11 14,42 14,18 11,59 11,0611,22 10,60 9,31 9,168,95 11,22 10,52 9,55 9,40 9,089,109,29 13,46 8,16 7,85 6,896,90 7,01 1,89
1 2 3 4 5 6 7 8 9 101112131415161718192021222324252627
BULAN KE
Gambar 4.
Serapan BBMGenset 2 Optimalisasi Sistem Pengoperasian Generator Set Menggunakan Metode Lagrange (Dulhadi.
Suyanta.
Eufrasia Andranetta Gracelynne Eka Pramudita.
Shodiq Afifudin.
Dewi Indriati Hadi Putri.
Hafiyyan Putra Pratam.
DOI : https://doi.
org/10.
33579/krvtk.
16,00
15,00
SERAPAN BBM GENSET
3 (Liter/KWH) 14,00 12,00 12,26 12,08 10,35 10,00 9,15 8,00 6,65 6,54 4,29 4,00 2,00 6,51 6,38 6,25 6,06 8,54 8,50 8,38 8,07 7,81 7,79 7,85 7,85 7,96 6,00 10,64 10,51 9,98 9,71 9,63 1,61 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
BULAN KE
Gambar 5.
Serapan BBMGenset 3
SERAPAN BBM GENSET 4
(Liter/KWH) 10,00 9,00 8,00 7,00 6,00 5,00 4,00 3,00 2,00 1,00 0,00 8,89 8,56 6,83 6,95 7,06 6,38 5,54 6,92 6,81 6,64 5,50 5,66 5,52 5,38 4,48 5,63 4,65 4,64 4,56 4,45 4,18 4,03
6,16 6,13
6,01
5,79
1,20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
BULAN KE
Gambar 6.
Serapan BBMGenset 4
SERAPAN BBM GENSET
(Liter/KWH) 8,00 7,00 6,72 6,00 5,00 4,00 3,00 1,00 1,76 1,98 2,05 2,05 3,57 2,66 2,62 2,50 2,23 2,00 3,93 3,98 3,81 3,48 2,22 2,12 2,14 2,21 1,65 2,96 2,32 1,81 1,06 0,63 0,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
BULAN KE
Gambar 7.
Serapan BBM tahun 2020 Ae 2022 Genset 5 Dalam pelaksanaan penelitian data serapan bahan bakar minyak (BBM) per kWH data utama, selanjutnya dilakukan perhitungan analisis optimalisasi mengikuti diagam garis gambar 8 sebagai berikut.
KURVATEK Vol.
No.
November 2025: 145 Ae 154
KURVATEK
e-ISSN: 2477-7870 p-ISSN: 2528-2670 Keterangan Flowchart :
Mulai Data beban genset dan serapan bahan bakar Proses jika 1 genset terganggu Buat grafik fungsi Bahan Bakar.
Menghitung besaran/nilai A Menghitung Optimalisasi masing Ae masing Menghitung efisiensi Genset, e Penjawalan Operasi genset Apakah sudah optimal ? jika tidak hitung ulang dari proses, jika ya lanjut ke berikutnya Selesai Tidak Gambar 8.
Flowchart Penelitian i.
HASIL DAN DISKUSI
Penentuan nilai komponen lambda () dilakukan dengan langkah-langkah berikut:
Membuat persamaan fungsi serapan bahan bakar dan fungsi serapan daya genset menggunakan data yang tersedia.
Kedua persamaan tersebut dimasukkan ke dalam fungsi Lagrange.
Selanjutnya dilakukan proses turunan .
terhadap fungsi Lagrange untuk mendapatkan nilai lambda ().
Seluruh proses perhitungan dapat dibantu menggunakan Microsoft Excel, seperti membuat grafik, mencari trendline .
, dan menghitung turunan secara numerik.
Hasil proses persamaan masing Ae masig genset sebagai berikut :
y = 8E-05x 2 - 0.
Liter/kWH y = 0.
0001x 2 - 0.
Bulan ke Bulan ke Gambar 9.
Genset 1 Gambar 10.
Genset 2 Liter/kWH y = 0.
0001x 2 - 0.
y = 0.
0002x - 0.
Bulan ke Gambar 11.
Liter/kWH Liter/kWH Bulan ke Gambar 12.
Genset 4 Optimalisasi Sistem Pengoperasian Generator Set Menggunakan Metode Lagrange (Dulhadi.
Suyanta.
Eufrasia Andranetta Gracelynne Eka Pramudita.
Shodiq Afifudin.
Dewi Indriati Hadi Putri.
Hafiyyan Putra Pratam.
DOI : https://doi.
org/10.
33579/krvtk.
Liter/kWH y = 0.
0002x - 0.
Bulan ke Gambar 13.
Genset 5 Berdasarkan program aplikasi microsoft excell maka fungsi masing Ae masing serapan bahan bakar genset 1 sampai 5 sebagai berikut :
cu = ycEya1 ) = 0,00008ycu 2 Oe 0,0033ycu 0,2165 GENSET 1
cu = ycEya2 ) = 0,0001ycu 2 Oe 0,0049ycu 0,2162 GENSET 2
cu = ycEya3 ) = 0,0002ycu 2 Oe 0,005ycu 0,2141 GENSET 3
GENSET 4
cu = ycEya4 ) = 0,0001ycu 2 Oe 0,0037ycu 0,1986 GENSET 5 ya5 .
cu = ycEya5 ) = 0,0002ycu 2 Oe 0,0073ycu 0,2382 Daya terpakai genset berdasarkan tabel 3 sebesar 5687,87 kW, maka penentuan fungsi daya terpakai adalah:
aycu ) = ya.
a1 ) ya.
a2 ) ya.
a3 ) ya.
a4 ) ya.
a5 )=5687,87 kW Selanjutnya memasukkan ke persamaan Fungsi optimalisasi metode Lagrange sebagai berikut yuA = Ocyco=1 F.
aycu ) Oe yuI.
cEycNyceycycyycaycoycaycn ycNycuycycayco Oe Oc5yco=1 yaycu yuA = Ocyco=1 F.
aycu ) Oe yuI.
7,87 Oe Oc5yco=1 yaycu Dengan melakukan derivasi maka besaran lambda sebagai berikut :
Tabel 4.
Besaran lamda yuI Contoh perhitungan :
yuyus = 0 = 5687,87 Oe .
,625 6250yuI 24,5 5000yuI 14,5 2500yuI 18,5 5000yuI 18,25 yuyuI 2500yuI = 5687,87 Oe 96,375 Oe 21250yuI 5687,87Oe96,375 5591,495 yuI= = 21250 = 0,26313 Kasus 1.
Genset 1 off ycEycNyceycycyycaycoycaycn = ycEya2 ycEya3 ycEya4 ycEya5 = 5687,87 ycoycO ycEycNyceycycyycaycoycaycn = Oe24,5 Oe 5000yuI Oe 14,5 Oe 2500yuI Oe 18,5 Oe 5000yuI Oe 18,25 Oe 2500yuI = 5687,87 ycoycO = Oe75,75 Oe 15000yuI = 5687,87 ycoycO 5687,87Oe75,75 yuI= = 0,3742 Dengan cara yang sama menghasilkan seperti pada Tabel 5.
Tabel 5.
Hasil analisis dan perhitungan pengoperasian optimal berbagai kondisi
GENSET
PG1
PG2
PG3
PG4
PG5
Jumlah TANPA KASUS .
W) 1665,1875 1340,15 672,325 1334,15 676,075 5687,8875 GENSET 1
OFF .
W) Tidak Aktif
953,75
5688,75
GENSET 2
OFF .
W) 2180,625 Tidak Aktif
882,25
5687,875
KURVATEK Vol.
No.
November 2025: 145 Ae 154
KASUS
GENSET 3
OFF .
W) 1889,375 Tidak Aktif
765,75
5688,125
GENSET 4
OFF .
W) 2178,3125 1750,65 877,575 Tidak Aktif
881,325
5687,8625
GENSET5
OFF .
W) Tidak Aktif
KURVATEK
e-ISSN: 2477-7870 p-ISSN: 2528-2670 Rated power genset masing Ae masing 2000 kW, maka kinerja genset 1 sampai dengan 5 kondisi tanpa kasus ycEycCycycycyycyc dan bekasus menggunakan rumus yuCyayceycuycyceyc = ycE ycu100% dan hasilnya ditunjukkan pada Tabel 6.
yaycuycyycyc Tabel 6.
efisiensi kinerja generator Genset
Tanpa kasus PG1
PG2
PG3
PG4
PG5
Kondisi kinerja genset (%) Kasus 1
Kasus 2
Kasus 3
Kasus 4
109,03125
94,49
108,92
94,775
75,975
87,5325
43,925
94,475
87,325
75,675
47,6875
44,1125
38,2875
44,066
Kasus 5
73,975
73,675
Sedangkan serapan bahan bakar dalam liter/kWH hasil perhitungan dijelaskan sebagai pada Tabel 7.
Tabel 7.
Rekapitulasi Serapan Bahan Bakar 5 genset
GENSET
TIPE
PEMBANGKIT
Energi
(WH)
PEMAKAIAN
BAHAN BAKAR
Serapan Rata Ae rata (Lite.
(Liter/kWH) NO : 1
LYMD1364
218,54074
40975,185
0,1888277
NO : 2
NO : 3
NO : 4
NO : 5
LYMD1364
LYMD1364
LYMD1364
LYMD1364
211,67778
173,68519
153,32963
50,881481
808,11481
37996,185
30840,296
26350,889
8489,6667
144652,22
0,1806211
0,178501
0,1734658
0,1582849
0,8797005
PRODUKSI
LOKASI
BANDARA YOGYAKARTA
INTERNATIONAL AIRPORT
TOTAL
IV.
KESIMPULAN
Berdasarkan hasil pembahasan, dapat disimpulkan bahwa proses operasional perlu mempertimbangkan output daya dari masing-masing genset.
Hal ini penting karena genset bekerja secara optimal pada kisaran 80% hingga 90% dari kapasitas maksimumnya, sehingga efisiensi kinerja dapat tetap tinggi, selain itu berdasarkan hasil perhitungan ada bebarapa mengjadi kesimpulan diantaranya :
Kondisi tanpa ada gangguan tingkat optimal genset rendah kecuali pada genset 1 dengan demikian kondisi genset akan aman dan awet hanya pada penggunaan bahan bakar boros.
Kondisi kasus genset 1 terganggu atau proses perawatan .
ff operasiona.
, maka kondisi genset 2 dan 4 perlu diperhatikan sehingga perlu melakukan penurunan 5% outputnya dan dibebankan pada genset 3 dan genset 5.
Kondisi kasus genset 2 terganggu, output genset 1 perlu diturunkan 20% dan dibebankan pada genset 3 dan 5.
Kondisi kasus genset 3 terganggu, output genset 1 diturunkan 5% dan dibebankan pada genset 5.
Kondisi kasus genset 4 terganggu, output genset 1 diturunkan 5% dan dibebankan ke genset 3 dan 5.
Kondisi kasus genset 5 terganggu, maka output genset 1 diturunkan 5% dan dibebankan ke genset 3.
DAFTAR PUSTAKA