Karakteristik Penelitian METODE PENELITIAN

BAB III METODE PENELITIAN

3.1 Karakteristik Penelitian

3.1.1 Model Penelitian Penelitian ini menggunakan metode penelitian kuantitatif yaitu suatu metode penelitian yang menggunakan data berupa angka untuk kemudian diolah dan dianalisis untuk mendapatkan suatu informasi ilmiah dibalik angka-angka tersebut Nanang, 2012. Data yang digunakan dalam penelitian ini adalah data berkala time series, yaitu data beban puncak konsumsi listrik PT PLN Persero APJ Semarang pada pukul 19.00 pada tanggal 1 September 2014 sampai dengan 28 Februari 2015 . Data tersebut juga merupakan jenis data sekunder, karena peneliti tidak mendapatkan secara langsung dari lapangan tetapi data telah tersedia dari pihak PLN. Berdasarkan cara pengumpulan data yang diperoleh, model penelitian yang digunakan dalam skripsi ini adalah metode kuantitatif dengan analisis data sekunder. 3.1.2 Variabel Penelitian Variabel penelitian adalah segala sesuatu yang berbentuk apa saja yang ditetapkan oleh peneliti untuk dipelajari sehingga diperoleh informasi tentang hal tersebut, kemudian ditarik kesimpulannya Sugiyono,2008 Variabel dalam penelitian ini adalah : 36 a. Variabel bebas x merupakan variabel yang mempengaruhi atau yang menjadi sebab atau timbulnya variabel terikat Sugiyono, 2008. Dalam penelitian ini variabel bebasnya adalah data beban puncak konsumsi listrik pada waktu sebelumnya. b. Variabel terikat Y merupakan variabel yang dipengaruhi atau yang menjadi akibat, karena adanya variabel bebas Sugiyono, 2008. Dalam penelitian ini variabel terikatnya adalah data beban listrik yang dijadikan data aktualtarget. 3.1.3 Lokasi Penelitian Penelitian dan pengumpulan data dilakukan di kantor PT PLN Persero Area Pelayanan Jaringan APJ Semarang yang beralamat di Jalan Pemuda no. 93 Semarang. PT PLN Persero Area Pelayanan Jaringan APJ Semarang merupakan unit PLN yang memiliki cakupan wilayah seluas 4249 km 2 . PT PLN Persero Area Pelayanan Jaringan APJ Semarang terdiri dari 10 rayon, yaitu; rayon Weleri, rayon Kendal, rayon Boja, rayon Semarang Barat, rayon Semarang Timur, rayon Semarang Tengah, rayon Semarang Selatan, rayon Demak, rayon Tegowanu dan rayon Purwodadi yang secara keseluruhan terdapat 108 penyulang dengan jaringan Saluran Udara Tegangan Menengah SUTM. Peneliti memilih lokasi di PT PLN APJ Semarang karena menurut informasi dari pihak PLN, bahwa penelitian tentang prakiraan beban konsumsi listrik dengan metode ARIMA belum pernah dilakukan di area Semarang. Oleh karena itu, peneliti ingin mencoba menyajikan dan membuktikan bagaimana tingkat akurasi dari metode ARIMA tersebut. Selain itu PT PLN Persero APJ Semarang merupakan area yang memiliki beban listrik tertinggi di Jawa Tengah karena merupakan pusat pemerintahan dan pusat industri. Gambar 3.1. Peta Wilayah Kerja PT PLN Persero APJ Semarang

3.2 Tahapan Penelitian

Dokumen yang terkait

Prediksi Temporal untuk Kemunculan Titik Panas di Provinsi Riau Menggunakan Autoregressive Integrated Moving Average (ARIMA)

1 13 30

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO.

0 3 6

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 0 1

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 0 1

PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO - Repositori Universitas Andalas

0 2 4

Peramalan Indeks Harga Saham Perusahaan Finansial LQ45 Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA) dan Vector Autoregressive (VAR)

0 2 6

STUDI PERAMALAN (FORECASTING) KURVA BEBAN HARIAN LISTRIK JANGKA PENDEK MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE(ARIMA)

0 1 9

PERAMALAN JUMLAH MAHASISWA BARU DENGAN MODEL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

1 1 14

Penggunaan Metode ARIMA (Autoregressive Integrated Moving Average) untuk Prakiraan Jumlah Permintaan Gula Rafinasi (Studi Kasus: PT. Makassar Tene) - Repositori UIN Alauddin Makassar

0 0 92

PEMBUATAN APLIKASI PERAMALAN INDEKS HARGA SAHAM GABUNGAN DENGAN METODE TIME SERIES AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DEVELOPING APPLICATION FOR FORECASTING INDONESIA COMPOSITE INDEX USING AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA)

0 1 147