Optimasi Fungsi Keanggotaan FIS Menggunakan Algoritme Genetika pada Prediksi BEP SPBG (Studi Kasus : Ditjen Migas).

Abstract

Dalam rangka upaya Pemerintah dalam melakukan diversifikasi energi melalui konversi bahan bakar minyak ke gas alam. Pemerintah telah membangun SPBG (Stasiun Pengisian Bahan Bakar Gas) di beberapa kota besar di Indonesia. Namun demikian, SPBG yang telah dibangun sebagian besar tidak beroperasi dengan nilai ekonomi yang maksimal karena sebagian besar SPBG mengalami keuntungan bulanan yang rendah sehingga menyebabkan waktu yang dibutuhkan untuk mencapai BEP (Break Even Point) lebih panjang dari yang diharapkan. Dari permasalahan tersebut, penulis melakukan penelitian untuk memprediksi BEP dari penjualan CNG (Compressed Natural Gas) pada 8 buah SPBG dengan menggunakan FIS (fuzzy inference system). Namun dari beberapa hasil penelitian yang telah dilakukan bahwa untuk mendapatkan nilai parameter yang optimal dari FIS tidak mudah. Nilai parameter yang didapat hanya melalui trial dan error serta nilai perkiraan dari data realisasi yang sudah ada. Untuk mengatasi permasalahan tersebut, penulis melakukan penerapan algoritme genetika untuk mengoptimasikan parameter keekonomian pada fungsi keanggotaan FIS dalam memprediksi BEP terhadap penjualan CNG SPBG. Dari hasil percobaan prediksi yang dilakukan pada SPBG Pemuda, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 88 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 7,99%. Pada SPBG Gandaria, BEP didapat pada populasi 200, probabilitas crossover 0,75, probabilitas mutasi 0,05, jumlah generasi 81 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 5,39%. Pada SPBG Davalti, BEP didapat pada populasi 200, probabilitas crossover 0,85, probabilitas mutasi 0,05, jumlah generasi 87 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 7,81%. Pada SPBG Daan Mogot, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 89 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 11,52%. Pada SPBG Mampang, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 89 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 15,36%. Pada SPBG Palembang, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 97 rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 16,82%. Pada SPBG Ngagel, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 900 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 5,98%. Pada SPBG Merdeka, BEP didapat pada populasi 200, probabilitas crossover 0,95, probabilitas mutasi 0,05, jumlah generasi 583 dan rasio kesalahan BEP volume CNG terhadap hasil perhitungan persamaan BEP sebesar 7,56%.