GRG Command Center — Bendungan Way Apu

Tampungan Total🏗️

24.50

juta m³

Efisiensi GRG📈

—

% keandalan suplai

— vs baseline

Luas DAS🌿

386.2

km²

Iterasi🔄

—

konvergen (ε = 10⁻⁶)

💡

Model Generalized Reduced Gradient (GRG) mengoptimalkan pola operasi Bendungan Way Apu di Kabupaten Buru, Maluku. Dengan 36 variabel keputusan (release bulanan × 3 sektor) dan 12 periode operasi, model meminimalkan defisit alokasi air untuk irigasi, domestik, dan PLTA secara simultan.

📊Perbandingan Pola Operasi

12 Bulan

⚖️Komposisi Demand Tahunan

📊Neraca Air Bulanan

📈Trajektori Volume Tampungan & Elevasi Muka Air (Hasil GRG)

— update dari Simulasi GRG

Grafik otomatis terupdate setiap kali Anda menjalankan Simulasi GRG / Pola Operasi Optimal. Menampilkan volume tampungan (jt m³) dan elevasi muka air (m dpl) per bulan dari hasil optimasi terbaru.

🗺️

Delineasi Daerah Aliran Sungai (DAS) Way Apu menggunakan mghydro.com Global Watersheds (MERIT-Hydro, resolusi 90m). Klik titik pada peta → klik Delineate → download batas DAS & jaringan sungai untuk digunakan dalam analisis hidrologi.

🌊Delineasi DAS — mghydro.com Global Watersheds

MERIT-Hydro

Cara penggunaan: ① Klik titik pada peta (lokasi bendungan/outlet) → ② Klik tombol "Delineate" → ③ Tunggu hasil (batas DAS merah, sungai biru) → ④ Di panel kiri, centang "Make results downloadable" → ⑤ Download batas DAS & sungai (GeoJSON/GeoPackage/Shapefile).

🔗 Buka Full Screen 🏔️ MERIT-Hydro (90m) 🌐 HydroSHEDS

📥Panduan Download & Penggunaan Data DAS

Langkah Download dari mghydro.com:

1Klik lokasi outlet bendungan pada peta di atas

2Klik tombol "Delineate!" pada popup

3Tunggu proses (10-30 detik)

4Di panel kiri, centang "Make results downloadable"

5Download: Watershed Boundary → GeoJSON

6Download: River Network → GeoJSON

Data yang Diperoleh:

Batas DAS (Watershed)	Polygon batas DAS Way Apu	GeoJSON
Jaringan Sungai (Rivers)	Polyline sungai dalam DAS	GeoJSON
Luas DAS (km²)	Otomatis dihitung	Auto
Panjang Sungai (km)	Total panjang jaringan	Auto
Flow Path	Jalur aliran ke outlet	GeoJSON

Format download: GeoJSON, GeoPackage, Shapefile, KML. Dapat dibuka di QGIS, ArcGIS, Google Earth.

📂Upload Hasil Download DAS

GeoJSON

Upload file GeoJSON yang didownload dari mghydro.com. Data akan dibaca dan digunakan untuk update parameter DAS pada aplikasi.

📥 Upload Watershed Boundary (.geojson) 📥 Upload River Network (.geojson)

📋Data DAS Way Apu

Nama DAS	Way Apu
Lokasi	Kabupaten Buru, Provinsi Maluku
Koordinat Bendungan	3°23'24"S, 126°40'48"E
Luas DAS	386,20 km²
Panjang Sungai Utama	32,50 km
Elevasi Tertinggi	±2.400 m dpl (G. Kapalatmada)
Elevasi Outlet	±56 m dpl
Kemiringan Rerata	0,018 m/m
Curah Hujan Rerata	2.450 mm/tahun
Tipe Iklim	Am (Tropis Monsun — Köppen)
Sumber Data DAS	Manual / DEMNAS BIG

🏗️

Bendungan Way Apu terletak di Kabupaten Buru, Provinsi Maluku. Bendungan tipe urugan batu (rockfill) dengan inti kedap air (clay core), dilengkapi spillway (pelimpah) tipe ogee. Berfungsi sebagai penyedia air irigasi untuk 3.200 ha sawah, suplai air domestik, dan pembangkit listrik tenaga air (PLTA) mikro. Penampang melintang di bawah menunjukkan struktur bendungan beserta komponen utamanya.

📋Data Teknis Bendungan

Editable

Tipe Bendungan

Tinggi Bendungan (m)

Panjang Puncak (m)

Elevasi Puncak (m dpl)

Elevasi Mercu Spillway (m dpl)

Elevasi MAN (m dpl)

Elevasi Minimum (m dpl)

Volume Total (jt m³)

Volume Efektif (jt m³)

Dead Storage (jt m³)

Luas Genangan MAN (km²)

🌿Data Hidrologi DAS

Editable

Luas DAS (km²)

Panjang Sungai Utama (km)

Kemiringan Rerata (m/m)

Koef. Limpasan (C)

Curah Hujan Rerata/th (mm)

Inflow Rerata/th (jt m³)

Debit Andalan Q80 (m³/s)

Debit Banjir Q100 (m³/s)

🌾Layanan Bendungan

Luas Irigasi (ha)

Domestik (jiwa)

PLTA Mikro (kW)

🔄

Diagram alur penelitian — mulai dari pengumpulan data hingga optimasi GRG dan hasil pola operasi optimal berdasarkan Hadihardaja dkk. (2004).

🔄Alur Pemikiran Penelitian

① Pengumpulan Data (Hidroklimatologi, Topografi, Kependudukan) → ② Analisis Curah Hujan (Thiessen Polygon) → ③ Hujan Kawasan & Evapotranspirasi → ④ Kebutuhan Air (Irigasi, Domestik, PLTA) → ⑤ Neraca Air (Inflow vs Demand) → ⑥ Optimasi PNL-GRG (Hadihardaja, 2004) → ⑦ Pola Operasi Optimal & Rule Curve → ⑧ Analisis Trade-Off & Sensitivitas → ⑨ Selesai

🌧️

Input data curah hujan bulanan (mm) dari 1 stasiun pengamatan (Sta. Waetina) selama 10 tahun. Karena hanya menggunakan 1 stasiun, hujan kawasan = data stasiun (tanpa pembobotan Thiessen Polygon).

📍Stasiun Pengamatan & Periode

Nama Stasiun

Tahun Awal

Tahun Akhir

Jumlah Tahun

🌧️Data Curah Hujan Bulanan — Sta. Waetina

Stasiun 1

Tahun	Jan	Feb	Mar	Apr	Mei	Jun	Jul	Agu	Sep	Okt	Nov	Des	Total

📥 Import Excel

Bulan	Sta. Waetina	-	-	Rerata Aritmatik	Hujan Kawasan (mm)
Total	—	—	—	—	—

💨

Perhitungan hujan kawasan, evapotranspirasi, dan debit inflow — input utama untuk neraca air dan optimasi GRG.

🌧️Hujan Kawasan & Evapotranspirasi

Auto-Calc

Luas DAS (km²)

Koef. Limpasan (C)

Koef. Evaporasi Waduk

Bulan	Hujan Kawasan (mm)	Inflow (jt m³)	Evaporasi (jt m³)
Total	—	—	—

🌾

Perhitungan kebutuhan air irigasi D.I. Dataran Way Apu Sistem — gabungan 9 daerah irigasi. Mengikuti format Waduk Batutegi dengan perhitungan ½ bulanan, LP (Land Preparation), dan Diversion Requirement (DR). Skenario peningkatan Intensitas Pertanaman (IP) hingga 300%.

🗺️Daerah Irigasi (D.I.) Dataran Way Apu Sistem

9 D.I.

No	Daerah Irigasi	Luas (Ha)	IP Eksisting (%)	IP Target (%)	Status
a	D.I. Pamali	1.222,30	217,13		↑ 82,87%
b	D.I. Way Geren	1.117,00	300,00		✓ Tercapai
c	D.I. Way Meten	1.916,00	166,91		↑ 133,09%
d	D.I. Way Tele	1.531,00	105,55		↑ 194,45%
e	D.I. Way Leman	1.232,57	258,50		↑ 41,50%
f	D.I. Way Lo	2.191,13	53,67		↑ 246,33%
g	D.I. Way Lata	871,79	129,62		↑ 170,38%
h	D.I. Way Dava	1.374,00	262,74		↑ 37,26%
i	D.I. Way Apu (Pengembangan)	565,40	— (baru)		Pengembangan
Total Luas D.I. Sistem		12.021,19	IP Rerata: 186,76%	300%

🔀Ilustrasi Pemanfaatan Bendungan Way Apu

Skema Rencana

IP ═══ -->

🗓️Pola Tanam & Parameter Irigasi

Batutegi Format

Awal Masa Tanam (MT-I)

Pola Tanam

Luas Areal Irigasi (ha)

Efisiensi Saluran Utama (%)

Efisiensi Saluran Sekunder (%)

Efisiensi di Petak (%)

Efisiensi Total = Utama × Sekunder × Petak = 64.8%

☀️Evapotranspirasi Acuan (ETo)

mm/hari

Param	Jan	Feb	Mar	Apr	Mei	Jun	Jul	Agu	Sep	Okt	Nov	Des
ETo (mm/hr)

🌱Koefisien Tanaman (Kc) & Parameter Irigasi

Parameter	Jan	Feb	Mar	Apr	Mei	Jun	Jul	Agu	Sep	Okt	Nov	Des
Kc Tanaman
Perkolasi (mm/hr)
WLR (mm/hr)

LP = Land Preparation (Kc=0); WLR = Water Layer Replacement (penggantian lapisan air saat padi); Perkolasi tipikal 1-3 mm/hari

🌧️Curah Hujan Efektif (Re)

Koefisien Re Padi

Koefisien Re Palawija

Metode Re

Re dihitung otomatis dari data curah hujan kawasan (Thiessen). Re_padi = koef × P_eff; P_eff(FAO) = 0.7×P−0.1 (P>12.5mm)

🏠Kebutuhan Air Domestik

Sekunder

Jumlah Penduduk (jiwa)

Keb. per Kapita (lt/hari)

Faktor Hari Puncak

Maintenance Flow (% inflow)

⚡PLTA Multi-Turbin (Tandem Operation)

Sequential Dispatch

Model operasi: PLTA beroperasi sebagai by-product dari release irigasi (tidak ada release khusus untuk listrik). Turbin aktif secara sequential berdasarkan debit yang lewat: Q naik → 1 unit aktif → 2 unit → ... → 4 unit. Jam operasi mengikuti jam buka pintu irigasi (input per bulan di bawah).

Jumlah Turbin

Kapasitas per Turbin (MW)

Efisiensi Turbin (%)

Tinggi Jatuh Efektif H_eff (m)

Q_design per Turbin (m³/s) auto

Q_min per Turbin (m³/s) input

📐 Parameter Terhitung Otomatis

Total Kapasitas:

— MW

Q_max Total (4 unit):

— m³/s

Q_min Sistem:

— m³/s

Target Energi Tahunan (CF 60%):

— MWh

⏰ Jam Buka Pintu Irigasi per Hari (jam/hari) — Turbin hanya aktif saat pintu irigasi terbuka

Bulan	Jan	Feb	Mar	Apr	Mei	Jun	Jul	Agu	Sep	Okt	Nov	Des
Jam/hari

🏞️Kebutuhan Tambahan dari Defisit Bendung di Hilir

Multi-Bendung

Input defisit air (m³/s atau jt m³/bulan) di setiap bendung hilir yang akan disuplai dari Bendungan Way Apu. Sistem akan menambahkan kebutuhan ini ke D. Irigasi (CALC_DI) sehingga GRG mengoptimalkan release dengan memperhitungkan kekurangan di hilir.

📥 Import Excel/CSV Unit input:

No	Nama Bendung Hilir	Lokasi/Sungai	Jan	Feb	Mar	Apr	Mei	Jun	Jul	Agu	Sep	Okt	Nov	Des	Total
TOTAL DEFISIT (jt m³/bulan):			—	—	—	—	—	—	—	—	—	—	—	—	—

💡 Cara Kerja: Defisit dari bendung hilir akan otomatis ditambahkan ke kebutuhan irigasi total saat tombol "Hitung Kebutuhan Air" ditekan. Hasil akan terlihat di tabel rekapitulasi dengan tag "+Hilir". GRG kemudian mengoptimalkan release agar Way Apu dapat memenuhi kebutuhan irigasi lokal + defisit hilir secara bersamaan.

📥 Import Data Irigasi (Excel)

Bulan	Irigasi Hilir	Domestik	PLTA	Maint. Flow	Total Demand GRG (jt m³)
Total	—	—	—	—	—

⚖️

Neraca air (Pers. 6, Hadihardaja 2004) — inflow vs demand+evaporasi. Hasil menjadi input model GRG.

⚖️Neraca Air Bendungan Way Apu

12 Bulan

Bulan	Inflow	D. Irigasi	D. Domestik	D. PLTA	Evaporasi	Total Keluar	Surplus/Defisit	Status
Total	—	—	—	—	—	—	—	—

📐

Formulasi menggunakan Programa Non Linier (PNL) dengan metode Generalized Reduced Gradient (GRG) berdasarkan Hadihardaja dkk. (2004). Model mengoptimalkan pola operasi bendungan dengan persamaan konservasi, hubungan A-V, perhitungan energi PLTA, dan analisis trade-off.

📘Persamaan Konservasi Waduk

Pers. 6

Kesetimbangan massa waduk (Linsley & Franzini, 1996; Wurbs, 1996) dengan evaporasi fungsi luas genangan rata-rata:

Konservasi Volume (Pers. 6)V(t+1) = V(t) + I(t) − e(t) × [A(t) + A(t+1)] / 2 − Q(t)

Hubungan Luas-Volume (Regresi Power, Pers. 8-10)A(t) = α × V(t)^β → Way Apu: A(t) = 0.5753 × V(t)^0.8626

Evaporasi Waduk (Pers. 5)E(t) = e(t) × [A(t) + A(t+1)] / 2

⚡Perhitungan Energi Listrik

Pers. 14-18

Tinggi Jatuh Efektif (Pers. 14-16)H_eff(t) = γ × V(t)^δ → Way Apu: H_eff(t) = 2.1417 × V(t)^0.4526

Energi Bulanan (Pers. 17-18)E(t) = ρ × g × H_eff(t) × Q_turbin(t) × Δt × η [Watt-hour] Jika R_plta(t) ≤ Q_max → Q_turbin = R_plta(t) Jika R_plta(t) > Q_max → Q_turbin = Q_max_turbin ρ=1000 kg/m³, g=9.81 m/s², η=0.80

Total Energi Tahunan (Pers. 7)Max Total_E = Σ(t=1..12) E(t) [kWh → MWh]

🎯Fungsi Tujuan

Dual Obj.

Minimasi Defisit Kuadratik TerbobotkanMin Z = Σ(t=1..T) [ w₁·(D_irg−R_irg)² + w₂·(D_dom−R_dom)² + w₃·(D_plt−R_plt)² ] + λ·(S_target − S(T+1))²

Maksimasi Energi (Pers. 7 Hadihardaja)Max Total_E = Σ(t=1..12) ρ·g·H_eff(t)·Q_turbin(t)·Δt·η

⚖️Fungsi Kendala

6 Kelompok

① Water Balance (Pers. 6)V(t+1) = V(t) + I(t) − E(t) − R(t) , ∀t=1..12

② Kapasitas Tampungan (Pers. 20)V_min ≤ V(t) ≤ V_max , ∀t

③ Pemenuhan Demand (Pers. 19)R(t) ≥ D(t) = D_irg(t) + D_dom(t) + D_plta(t)

④ Kapasitas TurbinR_plta(t) ≤ Q_max_turbin × Δt

⑤ Non-NegatifR_irg(t), R_dom(t), R_plta(t) ≥ 0

⑥ Target AkhirV(T+1) ≥ %Target × V_max

📊Analisis Trade-Off (Pers. 26)

Hadihardaja

Tingkat LayananTLE (%) = Total Produksi Energi / Total Target Energi × 100% TLD (%) = Total Demand Terpenuhi / Total Target Demand × 100% Skenario: 20%D, 40%D, 60%D, 80%D, 100%D, 110%D Prioritas sama → TLE = TLD

📋Variabel & Dimensi

Variabel	Deskripsi	Jumlah
R_irg(t)	Release irigasi	12
R_dom(t)	Release domestik	12
R_plta(t)	Release PLTA	12
V(t)	Volume (basic/dependent)	12
Total Decision + State		48

🔧Parameter Model

Parameter	Nilai	Satuan
α (koef. A-V)	0.5753	—
β (pangkat A-V)	0.8626	—
γ (koef. H-V)	2.1417	—
δ (pangkat H-V)	0.4526	—
η (efisiensi)	0.80	—
Q_max turbin	1.15	m³/s

🧮Kalkulator Formula Interaktif

Hitung Langsung

Volume V (juta m³)

Release PLTA Q (m³/s)

Δt (hari)

α (A-V)

β (A-V)

η (efisiensi)

📚Referensi

Hadihardaja, I.K., Martha, E.V., Soekarno, I. (2004). Simulasi Dampak Peningkatan Demand terhadap Energi Listrik dalam Pemodelan Pengoperasian Waduk Kaskade. Jurnal Teknik Sipil ITB, Vol.11 No.1.
Haimes, Y.Y. (1977). Hierarchical Analysis of Water Resources Systems. McGraw-Hill.
Rao, S.S. (1984). Optimization Theory and Applications. Wiley Eastern.
Wurbs, R.A. (1996). Modeling & Analysis of Reservoir System Operations. Prentice Hall.

⚙️

GRG mempartisi variabel menjadi basic dan nonbasic, lalu menghitung reduced gradient — arah penurunan tercuram yang tetap berada di manifold feasible. Konvergensi diperiksa melalui kondisi KKT.

⚙️7 Langkah Algoritma

Inisialisasi Titik Feasible

Tetapkan x⁰ memenuhi semua kendala. Gunakan pola release eksisting sebagai initial guess. Validasi S_min ≤ S(t) ≤ S_max ∀t.

Partisi Basic & Nonbasic

x_B = S(t) (dependent), x_N = R(t) (independent). Jacobian [B|N], B harus invertible agar reduced gradient terdefinisi.

Hitung Reduced Gradient

r = ∇_N f − (∂h/∂x_N)ᵀ · B⁻ᵀ · ∇_B f — arah penurunan di manifold feasible. ||r|| ≈ 0 → KKT terpenuhi.

Arah Pencarian

d_N = −r, d_B = −B⁻¹·N·d_N agar kendala linearisasi terpenuhi pada setiap iterasi.

Line Search (Armijo Backtracking)

Cari α* sehingga x^(k+1) = x^k + α*·d dengan sufficient decrease condition. Verifikasi feasibilitas titik baru.

Restorasi Feasibilitas

Newton correction: x_B ← x_B − B⁻¹·h(x) hingga ||h(x)|| < ε (feasibility restoration).

Uji Konvergensi KKT

||r|| < 10⁻⁶, |Δf| < 10⁻⁸, ||Δx|| < 10⁻⁵. Belum konvergen → iterasi ulang dari langkah 2.

📐Kondisi KKT

Karush-Kuhn-Tucker∇f(x*) + Σλᵢ·∇gᵢ(x*) + Σμⱼ·∇hⱼ(x*) = 0 λᵢ ≥ 0, gᵢ(x*) ≤ 0, λᵢ·gᵢ(x*) = 0

🔧Parameter Solver

Param	Nilai
ε₁ (gradient)	10⁻⁶
ε₂ (objektif)	10⁻⁸
ε₃ (variabel)	10⁻⁵
Max iter	500
Line search	Armijo
Multi-start	5 titik

📉Riwayat Konvergensi GRG

Live

⚡Parameter Simulasi

Interaktif

w₁ Irigasi

w₂ Domestik

w₃ PLTA

Vol. Awal (jt m³)

Target Akhir (%)

Toleransi

🔬

Analisis Trade-Off berdasarkan Hadihardaja dkk. (2004) — simulasi dampak peningkatan demand terhadap produksi energi listrik. Skenario demand (20%D–110%D) disimulasikan untuk periode musim basah, normal, dan kering. Tingkat Layanan Energi (TLE) dan Tingkat Layanan Demand (TLD) dihitung untuk menentukan prioritas layanan yang sama.

⚡Simulasi Trade-Off: Energi vs Demand

Hadihardaja et al.

Tinggi Jatuh Efektif / Head (m)

Efisiensi Turbin η (%)

Kapasitas Total (kW) auto

Target Energi (MWh/tahun) auto

Skenario Inflow

🔀

Analisis Trade-Off mengacu pada Hadihardaja dkk. (2004) — simulasi dampak peningkatan demand (20%D–110%D) terhadap produksi energi listrik PLTA. Menentukan prioritas tingkat layanan yang sama antara energi dan pemenuhan kebutuhan air.

⚡Parameter PLTA & Energi

Hadihardaja (2004)

📌 Info: Konfigurasi PLTA (jumlah turbin, MW, head, efisiensi, Q_min) diambil dari menu "Kebutuhan Air → PLTA Multi-Turbin". Target Energi di bawah akan otomatis dihitung ulang sesuai konfigurasi terbaru saat Anda klik "Jalankan".

Kapasitas Total Terpasang (auto)

Tinggi Jatuh Efektif (m) (auto)

Efisiensi Turbin (%) (auto)

Target Energi (MWh/tahun) auto dari config

Target Demand (juta m³/tahun)

🌱

Analisis dampak perubahan tutupan lahan + perubahan iklim (RCP 4.5/8.5) + sedimentasi terhadap kinerja Bendungan Way Apu pada periode 2025–2035. Output: proyeksi inflow, evaporasi, kapasitas tampungan, dan re-running GRG dengan kondisi 10 tahun ke depan.

🌳Komposisi Tutupan Lahan Eksisting (Baseline 2025)

DAS Way Apu

Input persentase setiap kategori tutupan lahan saat ini di DAS Way Apu (386 km²). Total harus = 100%. Nilai CN (Curve Number) dan C (Koef. Runoff) sudah preset sesuai standar SCS & Tabel SNI 03-3424.

No	Tutupan Lahan	CN (Soil B)	C Runoff	Baseline 2025 (%)	Proyeksi 2035 (%)	Δ (%)
TOTAL:				0.0	0.0	0.0

Metode runoff:

🌡️Skenario Perubahan Iklim 2035 (IPCC AR6)

RCP 4.5/8.5

Skenario RCP

Δ Curah Hujan Tahunan (%)

Δ Suhu (°C) → Δ Evap

Δ CH Musim Basah (%) Nov-Apr

Δ CH Musim Kering (%) Mei-Okt

Δ Evap dari ΔT (%/°C) ~5%/°C

📚 Referensi RCP (IPCC AR6, Indonesia): RCP 2.6 → ΔCH +5% / ΔT +0.5°C; RCP 4.5 → ΔCH −5 s/d −10% / ΔT +1.5°C; RCP 6.0 → ΔCH −15% / ΔT +2°C; RCP 8.5 → ΔCH −25% / ΔT +3°C dengan amplifikasi musim kering 2-3× lipat.

🪨Sedimentasi Waduk (10 Tahun)

USLE/MUSLE

Laju Sedimentasi Awal (m³/km²/th) USLE base

Trap Efficiency (%) Brune Curve

Periode Proyeksi (tahun)

📚 Formula: Sedimen tahunan = Laju × Luas DAS × TE × Faktor C (dari komposisi lahan). Volume tampungan turun: SM_2035 = SM_2025 - (Σ sedim tahunan / ρ_sed) dengan ρ_sed ≈ 1.4 ton/m³.

⚙️Jalankan Analisis Proyeksi

📈

Pola operasi optimal hasil GRG (Generalized Reduced Gradient) untuk Bendungan Way Apu. Menampilkan release bulanan untuk Irigasi/Domestik/PLTA, storage akhir, rule curve, dan metrik efisiensi.

⚙️Eksekusi Pola Operasi

GRG Solver

📝

Kesimpulan ini otomatis terupdate saat Anda menjalankan "Pola Operasi Optimal" di menu sebelumnya. Hasil bersifat dinamis berdasarkan parameter inflow, demand, dan bobot prioritas (w₁, w₂, w₃) yang Anda gunakan.

📝Kesimpulan Analisis (Auto-Generated)

✅

Efisiensi Suplai & Pemenuhan Demand

Jalankan "Pola Operasi Optimal" di menu Pola Operasi untuk melihat hasil aktual berdasarkan parameter Anda.

📊

Konvergensi Algoritma GRG

Belum dijalankan. Solver menggunakan reduced gradient + KKT-check, max 300 iterasi, toleransi 10⁻⁶.

⚖️

Trade-off Antar Sektor

Belum dijalankan. Trade-off antara Irigasi, Domestik, dan PLTA dipengaruhi oleh bobot w₁, w₂, w₃ — coba ubah di menu Simulasi GRG.

⚠️

Sensitivitas terhadap Inflow

Belum dijalankan. Lakukan Analisis Sensitivitas (Tornado) untuk melihat dampak perubahan inflow ±20% terhadap efisiensi.

💡Rekomendasi Operasi

①

Implementasi Pola Release Optimal

Terapkan rule-curve GRG: pengisian tampungan Des–Mar hingga 85% S_eff. Release proporsional pada kemarau berdasarkan kurva operasi optimal hasil GRG.

②

Sistem Peringatan Dini 3-Level

Normal S≥60% — operasi penuh. Waspada 40–60% — kurangi PLTA 20%. Kritis S<40% — prioritas domestik saja.

③

Re-Optimasi Triwulanan

Jalankan ulang GRG setiap 3 bulan dengan data aktual + prakiraan BMKG sebagai input skenario probabilistik. Perbarui bobot sektor sesuai kondisi musiman.

④

Adaptasi Perubahan Iklim

Naikkan target storage akhir ke 65% S_max. Tambah dead storage buffer 10%. Lakukan analisis RCP 4.5/8.5 rutin untuk perencanaan jangka panjang 2030–2050.