Penyusunan Fungsi Objektif GA Parameter GA

33 Gabungan dari Gambar 4.2 dan 4.3 menghasilkan Gambar 4.4 yang merupakan model matematis pembangkit yang dilengkapi dengan PSS, model tersebut sudah dapat digunakan untuk melakukan simulasi di Simulink Matlab. 2 K s  6 K   PSS Beban  5 K 4 K 1 K R sT  1 1 + _ + + + _ _ + + + m T  e P  r   +   t E  fd E  PSS V 1 v  fd        Hs 2 1 D +  a A sT K  1 1 3 3 K T s K d  Gambar 4.4 Model SMIB + PSS Gambar 4.4 akan dibuat menggunakan Simulink untuk menguji hasil penalaan PSS, baik yang menggunakan GA dan tanpa GA.

4.2 Penalaan PSS dengan Genetic Algorithm GA

Proses penalaan PSS dengan GA melalui beberapa langkah awal diantaranya menghitung kompensasi fasa dan menyusun fungsi objektif, oleh karena itu harus dilakukan beberapa proses perhitungan terlebih dahulu, kemudian dapat menggunakan GA untuk mendapatkan parameter PSS yang optimal. Penerapan GA dalam penalaan PSS dilakukan dengan bahasa pemrograman Matlab, parameter yang didapatkan melalui GA diasumsikan sebagai hasil penalaan optimal yang mampu membuat kinerja PSS menjadi lebih baik dari sebelumnya.

4.2.1 Penyusunan Fungsi Objektif GA

Frekuensi natural, frekuensi osilasi dan sudut fasa dari SMIB dihitung menggunakan Persamaan 2.28 – 2.30 dengan hasil ditunjukkan pada Tabel 4.2 Tabel 4.2 Nilai W, Wosi dan Fasa SMIB 34 Variabel Pembebanan 228 MW 81 MVAR ω natural rads 9.2986 ω osilasi rads 9.2936 Fasa derajat -24.937 Data pada Tabel 4.2 menunjukkan bahwa PSS harus menghasilkan fasa minimum 24.937° agar dapat mengkompensasi fasa lag dari SMIB sehingga PSS dapat bekerja dengan baik. 4.1 Persamaan 4.1 adalah fungsi selisih antara sudut fasa yang dihasilkan SMIB dan PSS. Fungsi tersebut disebut fungsi objektif yang digunakan untuk mengevaluasi individu dalam GA. Setelah mendapatkan fungsi objektif, langkah selanjutnya adalah menentukan parameter-parameter dalam GA.

4.2.2 Parameter GA

Untuk melakukan iterasi di dalam GA, parameter-parameter nya harus ditentukan terlebih dahulu. Parameter GA yang digunakan dalam penalaan PSS adalah sebagai berikut: 1. Individu Parameter PSS yang dioptimalkan pada penelitian adalah T1-T4, sehingga individu dalam GA memiliki 4 gen dengan bentuk seperti pada Tabel 4.3. Tabel 4.3 Individu dalam GA 35 Gen 1 Gen 2 Gen 3 Gen 4 T1 T2 T3 T4 2. Populasi Menurut Sri Kusumadewi [19], untuk sembarang masalah ukuran populasi sebaiknya tidak lebih kecil dari 30, oleh karena itu pada penelitian ini populasi berukuran 30 individu. Pembentukan populasi awal dilakukan dengan memilih nilai T1-T4 secara acak random dengan batas-batas sebagai berikut: 4.2 4.3 4.4 4.5 Berdasarkan batas atas dan batas bawah untuk T1, T2, T3 dan T4 pada Persamaan 4.2 – 4.5, populasi awal dapat dibentuk sesuai dengan Persamaan 4.6 dan 4.7. 4.6 4.7 dimana: i : individu ke-i dalam populasi, nilai i = 30 T1 i, T2 i, T3 i, T4 i : gen-gen dalam individu ke-i rand : bilangan acak dalam interval 0-1 3. Evaluasi Populasi 36 Tiap individu dalam populasi dievaluasi menggunakan fungsi objektif dan dihitung nilai yang dihasilkannya. Berdasarkan yang dihasilkan, tiap individu diurutkan dari yang paling baik hingga yang paling buruk. 4. Elitisme Pada penelitian ini, dua individu terbaik dalam satu generasi disalin dan akan digantikan jika terdapat dua individu yang lebih baik pada generasi berikutnya. 5. Jumlah Generasi Jumlah generasi adalah jumlah proses iterasi dalam GA, dalam penelitian ini jumlah generasi adalah 100. 6. Pindah Silang crossover Metode pindah silang yang digunakan dalam penalaan PSS adalah metode pindah silang seragam, dengan cara sebagai berikut [2, 19]: Individu 1 Individu 2 T1 T2 T3 T4 T1 T2 T3 T4 Hasil pindah silang: Individu baru 1 Individu baru 2 T1 T2 T3 T4 T1 T2 T3 T4 Masing-masing individu secara berselang seling bertukar gen-gen sehingga menghasilkan individu dengan komposisi gen yang baru. 37 7. Mutasi Proses mutasi yang digunakan dalam penalaan PSS adalah mutasi seragam yang dilakukan dengan mengganti gen tertentu dari individu dengan nilai random antara gen terbesar dan gen terkecil didalam individu tersebut. Bila gen pertama didalam individu terpilih untuk melakukan mutasi, maka individu baru dari hasil proses mutasi menjadi , dimana TM adalah [2]: TM = randgen terbesar-gen terkecil 4.8 dimana : gen terbesar : nilai terbesar antara T1 sampai T4 gen terkecil : nilai terkecil antara T1 sampai T4 rand : bilangan acak dalam interval 0-1

4.2.3 Hasil Penalaan PSS dengan GA