PREDIKSI PRODUKSI GAS BUMI DENGAN GENERAL REGRESSION NEURAL NETWORK (GRNN)

Abstrak

Gas bumi sebagai salah satu sumber energi memiliki peranan yang sangat penting bagi pertumbuhan pembangunan nasional. Selama dekade terakhir, peranan gas bumi mulai menggeser peranan BBM sebagai sumber energi karena selain lebih murah juga ramah lingkungan. Pemanfaatan gas bumi di Indonesia meliputi sektor pembangkit listrik 52%, sektor industri pupuk 12% serta sektor industri dan sektro lainnya 36%. General Regression Neural Network (GRNN) merupakan salah satu model jaringan radial basis yang digunakan untuk pendekatan suatu fungsi. Model GRNN termasuk model jaringan syaraf tiruan dengan solusi yang cepat, karena tidak diperlukan iterasi yang besar pada estimasi bobot-bobotnya. Model ini memiliki arsitektur jaringan yang baku, dimana jumlah unit pada pattern layer sesuai dengan jumlah data input. Analisis dilakukan simulasi jaringan dengan menguji 13 data tersisa didapat nilai mse training sebesar 40.8839 dan nilai mse testing gas bumi sebesar 47.9286 didapat bahwa produksi gas bumi masih belum optimal, dalam setiap peramalan dasarian didapat gas bumi hanya mampu di produksi 500 mmscfd “Million metric standard cubic feet per day”.  Kalau saat ini industri meminta pasokan gas hingga lebih dari 2000 mmscfd maka konsekwensinya belum dapat memenuhi kebutuhan industri karena baru dapat mengirimkan sebesar 500 mmscfd. Sehingga untuk memenuhi kebutuhan industri pemerintah harus impor gas.

Kata Kunci : Gas Bumi, GRNN, Peramalan (Forecasting), Simulasi.

  1. PENDAHULUAN

Dalam membangun ketahanan energi nasional pemerintah harus mempersiapkan beberapa hal yaitu terpenuhinya pasokan energi (suppply) dalam jumlah yang cukup, tersedianya infrastruktur energi yang handal, aman dan efisien, kemampuan pasar (demand) untuk menyerap energi, dimana faktor utama kemampuan untuk menyerap energi adalah ketersediaan energi dengan spesifikasi yang sesuai dan harga yang terjangkau untuk mampu bersaing dan terus berkembang. Salah satu kekayaan alam indonesia adalah summber daya minyak dan gas bumi (migas) yang sudah penting dalam peradaban kehidupan manusia dalam perannya sebagai sumber energi. Sumber daya migas merupakan aset nasional yang perlu dikelola dengan optimal untuk meningkatkan kinerja dan produktivitasnya. Berdasarkan data Kementerian ESDM, pada periode 2012-2020, tambahan produksi gas diproyeksikan sebesar 5.118 juta kaki kubik per hari (MMSCFD) . Saat ini industri mendapat suplai gas sekitar 50% dari perusahaan gas negara dan kontrak pasokan juga tidak bersifat jangka panjang, tapi tahunan, sehingga tidak ada jaminan pasokan gas, Data FIPGB menunjukkan bahwa pada 2012 total gas yang dibutuhkan industri adalah 2873.47 “Million metric standard cubic feet per day” (MMSCFD). Kalau saat ini industri meminta pasokan gas hingga lebih dari 2000 mmscfd maka konsekwensunya belum dapat memenuhi kebutuhan industri karena baru dapat mengirimkan sebesar 845 mmscfd, maka solusinya adalah impor Gas sebagai energi alternatif yang menjanjikan harus benar-benar diutamakan untuk kepentingan domestik dan menodorong ekspansi industri dan perekonomian nasional, keberlangsungan energi nasional di masa depan.

Sesuai dengan Ayat 1 Pasal 4 UU No. 22 Tahun 2001 tentang Minyak dan Gas Bumi, bahwa Minyak dan Gas Bumi sebagai sumber daya alam strategis tak terbarukan yang terkandung di dalam Wilayah Hukum Pertambangan Indonesia merupakan kekayaan nasional yang dikuasai oleh negara. Penguasaan oleh negara sebagaimana dimaksud dalam ayat (1) diselenggarakan oleh Pemerintah sebagai pemegang Kuasa Pertambangan. Pemerintah sebagai pemegang Kuasa Pertambangan membentuk Badan Pelaksana (Ayat 3).Kebijakan pemerintah berkenaan dengan pemenuhan kebutuhan energi nasional dituangkan dalam Peraturan Presiden Nomor 5 tahun 2006 tentang Kebijakan Energi Nasional. Dalam peraturan tersebut, pada tahun 2025 konsumsi gas alam naik menjadi 30%, Gas sebagai energi alternatif yang menjanjikan harus benar-benar diutamakan untuk kepentingan domestik dan mendorong ekspansi industri dan perekonomian Indonesia. Berdasarkan data kementerian ESDM, pada periode 2012-2020 tambahan produksi gas diproyeksikan sebesar 5,118 juta kaki kubik per hari (MMSCFD) dari 17 lapangan.

  1. METODOLOGI

Penilitian ini menggunakan data sekunder, yaitu data produksi gas bumi periode 1960 – 2012 yang diperoleh di website http://statistik.migas.esdm.go.id. Data dibagi dua dimana 39 data digunakan sebagai training dan 13 sebagai testing kemudian melakukan simulasi menggunakan sofrware matlab 7.8.0 (R2009a)

  • NEURAL NETWORK

Jaringan Syaraf Tiruan (Arifical Neural Network) atau yang dikenal dengan istilah Neural Network (NN) merupakan sistem pemroses informasi yang memiliki karakteristik mirip dengan syaraf biologi, dimana dalam memproses informasi, otak manusia terdiri dari sejumlah neuron yang melakukan fungsi pemrosesan cukup kompleks. Pemrosesan informasi pada manusia bersifat adaptif, yang artinya hubungan antar neuron terjadi secara dinamis dan selalu memiliki kemampuan untuk mempelajari informasi-informasi yang belum diketahui sebelumnya (Fausett, 1994).

Secara garis besar pada NN memiliki dua tahap pemrosesan informasi, yaitu tahap pelatihan dan tahap pengujian. Tahap pelatihan dimulai dengan memasukkan pola-pola belajar (data latih) ke dalam jaringan. Dengan menggunakan pola-pola ini, jaringan akan mengubah–ubah bobot yang menjadi penghubung antara node. Pada setiap iterasi dilakukan evaluasi terhadap output jaringan. Tahap ini berlangsung pada beberapa iterasi dan berhenti setelah jaringan menemukan bobot yang sesuai dimana nilai error yang diinginkan telah tercapai atau jumlah iterasi telah mencapai nilai maksimal yang ditetapkan. Selanjutnya bobot ini menjadiknowledge base (dasar pengetahuan) pada tahap pengenalan. Sedangkan pada tahap pengujian dilakukan pengujian terhadap suatu pola masukan yang belum pernah dilatihkan sebelumnya (data uji) dengan menggunakan bobot hasil tahap pelatihan. Diharapkan bobot-bobot hasil pelatihan yang sudah menghasilkan error minimal juga akan memberikan error yang kecil pada tahap pengujian (Warsito, 2009).

Arsitektur jaringan dalam NN merupakan susunan dari neuron-neuron dalam lapisan dan pola keterhubungannya dalam dan antar lapisan. Neuron-neuron yang berada dalam satu lapisan tertentu akan mempunyai pola keterhubungan yang sama (Fausett, 1994).Sebuah NN biasanya terdiri atas lapisan-lapisan antara lain lapisan input (input layer) yaitu lapisan yang menerima masukan atau input dari jaringan luar, lapisan tersembunyi (hidden layer) yaitu lapisan yang terletak dalam satu atau beberapa lapisan dan tidak berhubungan langsung dengan keadaan diluar jaringan serta lapisan output (output layer) yaitu lapisan yang menghasilkan output dari jaringan.Berdasarkan jumlah layer yang dimiliki, NN dibedakan menjadi jaringan lapisan tunggal (single layer) dan jaringan multilapis (multilayer). Pada single layer,jaringan tersebut tidak mempunyai lapisan tersembunyi dari neuron atau hanya mempunyai satu lapisan bobot koneksi serta sekumpulan input neuron dihubungkan langsung dengan sekumpulan output. Sedangkan pada multilayer terdiri dari lapisan input, lapisan tersembunyi dan lapisan output. Lapisan tersembunyi terletak diantara lapisan input dan lapisan output. Output dari sebuah lapisan tersembunyi akan menjadi input bagi lapisan berikutnya. Jaringan ini paling tidak mempunyai satu lapisan tersembunyi (Siang, 2005).

 

Daftar Pustaka 

  1. Inside,Pgn. (2013).Pengelolaan sumber daya alami strategis Indonesia – gas bumi, Edisi Khusus 59, 10-13
  2. Johnson, R.A. (1992).Applied Multivariate Statistical Analysis Third Edition, Prentice Hall International, Inc., New Jersey.
  3. Warsito, Budi. (2009). Kapita Selekta Statistika Neural Network. BP Undip Semarang.
  4. Yasin, Hasbi. (2009). Estimasi Regresi Non Parametrik Dengan Metode Wavelet Shrinkage Neural Network Pada Model Rancangan Tetap, Jurnal Media Statistika FSM UNDIP Semarang, Vol2, No 1.

Untuk lebih lengkap bisa mengunjungi researchgate

Leave a Reply

Your email address will not be published. Required fields are marked *