Menghitung Vektor Eigen Pemodelan Pemakaian Energi Listrik Persektor Pelanggan Dengan Menggunakan Metode Analisis Regresi Komponen Utama Pada PT. PLN (PERSERO) Cabang Padangsidimpuan

Sedangkan untuk empat komponen lainnya, angka eigenvalues sudah di bawah satu. Komponen 1 memiliki eigenvalue sebesar 2,643 artinya komponen 1 ini dapat menjelaskan 2,643 dari total communalities dengan persentase keragaman sebesar 44,058. Komponen 2 memiliki eigenvalue sebesar 1,227, artinya komponen 2 ini dapat menjelaskan 1,227 dari total communalities dengan persentase keragaman sebesar 20,451. Sehingga, dapat disimpulkan bahwa diperolehnya dua komponen utama pertama telah mampu menerangkan keragaman data sebesar persentase kumulatif, yaitu 64,509.

3.4. Menghitung Vektor Eigen

Untuk menghitung vektor eigen digunakan persamaan = − j j T I Z Z γ λ . Diperoleh hasilnya sebagai berikut: Tabel 3.5 Vektor Eigen K 1 K 2 Z 1 0,617 0,105 Z 2 0,746 -0,562 Z 3 -0,148 0,259 Z 4 0,870 -0,231 Z 5 0,409 0,834 Z 6 0,871 0,289 Angka-angka pada tabel 3.5 di atas dapat ditafsirkan sebagai: K 1 = 0,617Z 1 + 0,746Z 2 - 0,148Z 3 + 0,870Z 4 + 0,409Z 5 + 0,871Z 6 K 2 = 0,105Z 1 – 0,562Z 2 + 0,259Z 3 – 0,231Z 4 + 0,834Z 5 + 0,289Z 6. dengan K 1 = vektor eigen komponen pertama K 2 = vektor eigen komponen kedua. Berdasarkan tabel vektor eigen dan komponen plot di atas, komponen K 1 dilandasi variabel X 1 , X 2 , X 4 , X 6 , maka bisa diberi nama: pemakaian dominan. Sedangkan K 2 dilandasi variabel X 2 , X 5 , maka bisa diberi nama: pemakaian sosial dan pemerintah. Nilai-nilai komponen utama K j selanjutnya dihitung untuk setiap titik data asal dan dicantumkan bersama-sama nilai peubah responnya, dan diperoleh hasil sebagai berikut: Tabel 3.6 Nilai Komponen Utama K1 K2 Y 2,492 -1,49 12167077 1,196 -5,056 12284104 2,178 -1,398 11927933 3,263 0,073 12568803 3,126 -0,369 13486720 2,988 -0,763 12654557 1,321 0,858 13024277 -0,27 -0,574 12486247 1,352 0,949 12813377 1,897 -1,072 12426392 2,818 -0,126 13175841 2,549 -0,685 13328209 3,055 0,297 14121972 3,823 0,01 13305815 3,53 -0,076 13353977 4,177 0,293 13720898 1,539 0,454 13954328 4,519 0,19 14614904 4,519 0,19 14614904 3,108 0,064 14601022 3,414 0,253 14214332 3,793 0,239 16087137 4,091 0,627 16093224 3,654 0,651 15395364 3,33 1,348 15679109 3,882 2,376 16004591 1,524 1,471 14404783 2,056 0,171 15726109 2,222 0,87 15068501 0,736 2,092 16391687 0,859 2,338 16229000 3,44 0,286 16031667 3,258 0,466 16407531 1,818 1,293 16866821 5,132 0,044 17152489 3,128 1,193 16311016 1,428 1,653 16511498 2,929 0,799 14457614 2,863 0,439 14465258 5,562 0,132 17220851 4,885 0,941 17291940 4,765 1,255 18071855 3,536 1,52 17403652 5,02 1,513 17791559 4,95 1,11 18866733 5,128 0,835 18673692 2,662 0,143 9033763 5,042 0,891 18625373 5,519 3,338 20685122 4,718 1,09 18343802 4,9 1,004 17722067 3,367 2,91 19778614 5,121 1,08 19300947 7,467 1,938 21187934 6,51 1,481 20759335 6,42 1,21 20822664 6,127 1,019 21543606 5,469 1,058 21170584 5,703 1,942 20646713 7,847 1,137 20706986 7,889 1,001 21183623 7,64 0,939 20974837 7,749 1,063 19970696 7,514 1,098 20565357 9,179 1,363 21553895 11,25 2,15 23991509 8,149 1,04 21591963 6,288 0,554 21564324 5,721 2,016 22582568 Untuk membentuk model persamaan regresinya, kita asumsikan bahwa modelnya adalah linear: 2 2 1 1 ˆ K b K b b Y + + = dengan konstanta b , b 1 , dan b 2 dapat ditaksir berdasarkan pengamatan data K 1 dan K 2 yang diperoleh. Tabel 3.7 Besaran-besaran Untuk Menghitung 2 2 1 1 ˆ K b K b b Y + + = K 1 K 2 Y 2 1 K 2 2 K Y K 1 YK 2 K 1 K 2 2,492 -1,49 12167077 6,21 2,2201 30320355,88 -18128944,73 -3,71308 1,196 -5,056 12284104 1,43 25,563 14691788,38 -62108429,82 -6,046976 2,178 -1,398 11927933 4,744 1,9544 25979038,07 -16675250,33 -3,044844 3,263 0,073 12568803 10,65 0,0053 41012004,19 917522,619 0,238199 3,126 -0,369 13486720 9,772 0,1362 42159486,72 -4976599,68 -1,153494 2,988 -0,763 12654557 8,928 0,5822 37811816,32 -9655426,991 -2,279844 1,321 0,858 13024277 1,745 0,7362 17205069,92 11174829,67 1,133418 -0,27 -0,574 12486247 0,073 0,3295 -3371286,69 -7167105,778 0,15498 1,352 0,949 12813377 1,828 0,9006 17323685,7 12159894,77 1,283048 1,897 -1,072 12426392 3,599 1,1492 23572865,62 -13321092,22 -2,033584 2,818 -0,126 13175841 7,941 0,0159 37129519,94 -1660155,966 -0,355068 2,549 -0,685 13328209 6,497 0,4692 33973604,74 -9129823,165 -1,746065 3,055 0,297 14121972 9,333 0,0882 43142624,46 4194225,684 0,907335 3,823 0,01 13305815 14,62 0,0001 50868130,75 133058,15 0,03823 3,53 -0,076 13353977 12,46 0,0058 47139538,81 -1014902,252 -0,26828 4,177 0,293 13720898 17,45 0,0858 57312190,95 4020223,114 1,223861 1,539 0,454 13954328 2,369 0,2061 21475710,79 6335264,912 0,698706 4,519 0,19 14614904 20,42 0,0361 66044751,18 2776831,76 0,85861 4,519 0,19 14614904 20,42 0,0361 66044751,18 2776831,76 0,85861 3,108 0,064 14601022 9,66 0,0041 45379976,38 934465,408 0,198912 3,414 0,253 14214332 11,66 0,064 48527729,45 3596225,996 0,863742 3,793 0,239 16087137 14,39 0,0571 61018510,64 3844825,743 0,906527 4,091 0,627 16093224 16,74 0,3931 65837379,38 10090451,45 2,565057 3,654 0,651 15395364 13,35 0,4238 56254660,06 10022381,96 2,378754 3,33 1,348 15679109 11,09 1,8171 52211432,97 21135438,93 4,48884 3,882 2,376 16004591 15,07 5,6454 62129822,26 38026908,22 9,223632 1,524 1,471 14404783 2,323 2,1638 21952889,29 21189435,79 2,241804 2,056 0,171 15726109 4,227 0,0292 32332880,1 2689164,639 0,351576 2,222 0,87 15068501 4,937 0,7569 33482209,22 13109595,87 1,93314 0,736 2,092 16391687 0,542 4,3765 12064281,63 34291409,2 1,539712 0,859 2,338 16229000 0,738 5,4662 13940711 37943402 2,008342 3,44 0,286 16031667 11,83 0,0818 55148934,48 4585056,762 0,98384 3,258 0,466 16407531 10,61 0,2172 53455736 7645909,446 1,518228 1,818 1,293 16866821 3,305 1,6718 30663880,58 21808799,55 2,350674 5,132 0,044 17152489 26,34 0,0019 88026573,55 754709,516 0,225808 3,128 1,193 16311016 9,784 1,4232 51020858,05 19459042,09 3,731704 1,428 1,653 16511498 2,039 2,7324 23578419,14 27293506,19 2,360484 2,929 0,799 14457614 8,579 0,6384 42346351,41 11551633,59 2,340271 2,863 0,439 14465258 8,197 0,1927 41414033,65 6350248,262 1,256857 5,562 0,132 17220851 30,94 0,0174 95782373,26 2273152,332 0,734184 4,885 0,941 17291940 23,86 0,8855 84471126,9 16271715,54 4,596785 4,765 1,255 18071855 22,71 1,575 86112389,08 22680178,03 5,980075 3,536 1,52 17403652 12,5 2,3104 61539313,47 26453551,04 5,37472 5,02 1,513 17791559 25,2 2,2892 89313626,18 26918628,77 7,59526 4,95 1,11 18866733 24,5 1,2321 93390328,35 20942073,63 5,4945 5,128 0,835 18673692 26,3 0,6972 95758692,58 15592532,82 4,28188 2,662 0,143 9033763 7,086 0,0204 24047877,11 1291828,109 0,380666 5,042 0,891 18625373 25,42 0,7939 93909130,67 16595207,34 4,492422 5,519 3,338 20685122 30,46 11,142 114161188,3 69046937,24 18,422422 4,718 1,09 18343802 22,26 1,1881 86546057,84 19994744,18 5,14262 4,9 1,004 17722067 24,01 1,008 86838128,3 17792955,27 4,9196 3,367 2,91 19778614 11,34 8,4681 66594593,34 57555766,74 9,79797 5,121 1,08 19300947 26,22 1,1664 98840149,59 20845022,76 5,53068 7,467 1,938 21187934 55,76 3,7558 158210303,2 41062216,09 14,471046 6,51 1,481 20759335 42,38 2,1934 135143270,9 30744575,14 9,64131 6,42 1,21 20822664 41,22 1,4641 133681502,9 25195423,44 7,7682 6,127 1,019 21543606 37,54 1,0384 131997674 21952934,51 6,243413 5,469 1,058 21170584 29,91 1,1194 115781923,9 22398477,87 5,786202 5,703 1,942 20646713 32,52 3,7714 117748204,2 40095916,65 11,075226 7,847 1,137 20706986 61,58 1,2928 162487719,1 23543843,08 8,922039 7,889 1,001 21183623 62,24 1,002 167117601,8 21204806,62 7,896889 7,64 0,939 20974837 58,37 0,8817 160247754,7 19695371,94 7,17396 7,749 1,063 19970696 60,05 1,13 154752923,3 21228849,85 8,237187 7,514 1,098 20565357 56,46 1,2056 154528092,5 22580761,99 8,250372 9,179 1,363 21553895 84,25 1,8578 197843202,2 29377958,89 12,510977 11,25 2,15 23991509 126,6 4,6225 269904476,3 51581744,35 24,1875 8,149 1,04 21591963 66,41 1,0816 175952906,5 22455641,52 8,47496 6,288 0,554 21564324 39,54 0,3069 135596469,3 11946635,5 3,483552 5,721 2,016 22582568 32,73 4,0643 129194871,5 45526457,09 11,533536 288,834 49,149 1153755652 1546 126,26 5238116787 981819470,4 268,621819 Harga b , b 1 , dan b 2 diperoleh dari persamaan: ∑ ∑ ∑ + + = 2 2 1 1 K b K b n b Y ∑ ∑ ∑ ∑ + + = 2 1 2 2 1 1 1 1 K K b K b K b YK ∑ ∑ ∑ ∑ + + = 2 2 2 1 2 1 2 2 K b K K b K b YK Dapat disubstitusikan ke dalam nilai - nilai yang sesuai sehingga diperoleh: 1153755652 = 69b + 288,834 b 1 + 49,149 b 2 5238116787 = 288,834b + 1546b 1 + 268,621819b 2 981819470,4 = 49,149b 1 + 268,621819b 1 + 126,26b 2 Dalam bentuk matriks, persamaan di atas dinyatakan dengan:                     =           ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ ∑ 2 1 2 2 2 1 2 2 1 2 1 1 2 1 2 1 b b b K K K K K K K K K K n YK YK Y                     =           2 1 26 , 126 621819 , 268 149 , 49 621819 , 268 1546 834 , 288 149 , 49 834 , 288 69 4 , 981819470 5238116787 1153755652 b b b Untuk mencari nilai b0, b1, dan b2 digunakan metode matriks dengan bantuan MATLAB, diperoleh hasilnya sebagai berikut: b = 11723492,43 b 1 = 1014091,079 b 2 = 1361636,804 Jadi, persamaan regresinya adalah: 2 1 804 , 1361636 079 , 1014091 11723492 ˆ K K Y + + = Artinya, 1. Jika pemakaian dominan K 1 = 0 serta pemakaian sosial dan pemerintah K 2 = 0, maka jumlah pemakain energi listrik Y akan bernilai 11723492. 2. Untuk setiap pemakaian dominan K 1 sebesar satu, akan mengakibatkan meningkatnya jumlah pemakain energi listrik Y sebesar 1014091. 3. Untuk setiap kenaikan pemakaian sosial dan pemerintah K 2 sebesar satu, akan mengakibatkan menurunnya jumlah pemakain energi listrik Y sebesar1361636,804. Tabel 3.8 Analisis Variansi ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 3.092E14 2 1.546E14 92.861 .000 a Residual 1.099E14 66 1.665E12 Total 4.191E14 68 a. Predictors: Constant, K2, K1 b. Dependent Variable: Y Dengan α = 0,01 diperoleh F tabel 2,66 = 4,94. Karena F hitung = 92,861 F tabel = 4,94 maka H ditolak, berarti ada pengaruh komponen K 1 dan K 2 terhadap Y. BAB 4 KESIMPULAN DAN SARAN

4.1. Kesimpulan