BAB II LANDASAN TEORI
Pada bab ini akan dijelaskan mengenai teori dasar dan literatur yang menjadi dasar dalam penyelesaian masalah pada penelitian ini. Berbagai sumber
yang digunakan, baik berupa buku, artikel, jurnal maupun media internet digunakan untuk mendukung teori penyelesaian skripsi ini. Adapun pembahasan
teori mencakup teori dan metode prakiraan, teori tentang beban konsumsi listrik, jenis-jenis data dan penjelasan tentang metode ARIMA Autoregressive
integrated moving average.
2.1 Prakiraan Forecasting
2.1.1 Pengertian prakiraan Prakiraan pada dasarnya merupakan suatu dugaan atau prediksi mengenai
terjadinya suatu kejadian atau peristiwa di masa yang akan datang. Prakiraan dapat disebut juga dengan peramalan yang ilmiah educated guess. Setiap
pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti ada prakiraan yang melandasi pengambilan keputusan tersebut S.
Assauri, 1984. Prakiraan adalah penggunaan data masa lalu dari sebuah variabel atau
kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang. Asumsi dasar dalam penerapan teknik prakiraan adalah:
“if we can predict what the future will be like we can modify our behaviour now to be in a better
7
position, than we otherwise would have been, when the future arrives ”.
Artinya, jika kita dapat memprediksi apa yang terjadi di masa depan maka kita dapat mengubah kebiasaan kita saat ini menjadi lebih baik dan akan jauh
lebih berbeda di masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus berulang setidaknya dalam masa mendatang yang relatif dekat
Murahartawaty, 2009. Prakiraan dibutuhkan karena semua institusiindustri beroperasi dalam hal
ini PLN dalam lingkungan yang tidak jelas tetapi keputusan yang dibuat hari ini akan mempengaruhi masa dean institusiindustri. Prakiraan yang efektif
sangat dibutuhkan untuk mencapai tujuan strategis dan operasional dari semua
institusiindustri. Untuk
penyedia listrik
PLN, prakiraan
mengendalikan sistem kendali produksi pembangkitan dan pendistribusian yang berdasarkan kebutuhan. Untuk sektor publik, prakiraan merupakan
bagian yang tidak terpisahkan dari perancangan kebijakan dan program, baik dalam bidang ekonomi, pendidikan, maupun kesehatan masyarakat.
2.1.2 Klasifikasi Teknik Prakiraan Pada umumnya teknik prakiraan dapat dibedakan menjadi beberapa jenis
tergantung dari cara melihatnya, yaitu : 1. Dilihat dari sifat penyusunannya
a. Prakiraan yang subjektif, yaitu prakiraan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan
orang yang menyusunnya sangat menentukan baik tidaknya hasil prakiraan tersebut.
b. Prakiraan yang objektif, yaitu prakiraan yang didasarkan atas data yang relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-
metode dalam penganalisaannya. 2. Dilihat dari jangka waktu prakiraannya
Tabel 2.1 Rentan Waktu dalam Prakiraan
Rentan Waktu Tipe Keputusan
Contoh
Jangka Pendek Operasional
Perencanaan Produksi, Distribusi
Jangka Menengah Taktis
Penyewaan lokasi dan peralatan Jangka Panjang
Strategis Penelitian dan pengembangan akuisisi
dan merger. Sumber: Murahartawaty, 2009.
a. Prakiraan jangka pendek short term forecasting, yaitu prakiraan yang dilakukan untuk penyusunan hasil prakiraan yang jangka waktunya
harian hingga setiap jam. Biasa digunakan untuk studi perbandingan beban listrik prakiraan dengan aktual realtime.
b. Prakiraan jangka menengah mid term forecasting, yaitu prakiraan yang dilakukan untuk penyusunan hasil prakiraan yang jangka waktunya
mingguan hingga bulanan. Biasa digunakan untuk mempersiapkan jadwal persiapan dan operasional sisi pembangkit.
c. Prakiraan jangka panjang long term forecasting, yaitu prakiraan yang dilakukan untuk penyusunan hasil prakiraan yang jangka waktunya
tahunan atau beberapa tahun kedepan. Biasanya dapat digunakan untuk mempersiapkan ketersediaan unit pembangkitan, sistem transmisi, serta
distribusi. 3. Dilihat dari sifat prakiraan yang telah disusun
a. Prakiraan kualitatif, yaitu prakiraan yang didasarkan atas kualitatif pada masa lalu. Hasil prakiraan yang dibuat sangat tergantung pada orang
yang menyusunnya. Hal ini penting karena hasil prakiraan tersebut ditentukan berdasarkan pemikiran yang berfsifat intuisi, judgement atau
pendapat dan pengetahuan serta pengalaman dari penyusunnya b. Prakiraan kuantitatif, yaitu prakiraan yang didasarkan atas data
kuantitatif pada masa lalu. Hasil prakiraan yang dibuat sangat tergantung pada metode yang digunakan dalam prakiraan tersebut. Dengan metode
yang berbeda akan diperoleh hasil prakiraan yang berbeda, adapun yang perlu diperhatikan dari penggunaan metode tersebut, adalah baik
tidaknya metode yang digunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil prakiraan dengan kenyataan yang terjadi.
Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin. Prakiraan kuantitatif hanya dapat
digunakan apabila; adanya informasi tentang keadaan lain, informasi tersebut dapat dituliskan dalam bentuk data, dan dapat diasumsikan
bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.
Prakiraan
Metode Kualitatif
Metode Kuantitatif
Juru opini eksekutif
gabungan tenaga penjualan
Time Series Kausal
Metode delphy
Survei pasar Regresi Linier
Regresi
Koefisien Korelasi
Dekomposisi
Pemodelan Ekonomik
Smoothing
Rata-rata
Moving Average
Eksponential Smoothing
Sumber: Aulia Khair, 2011. Gambar 2.1. Taksonomi Prakiraan
2.2.3 Metode Prakiraan Metode prakiraan yang dipilih tergantung dengan jenis prakiraan yang
akan dilakukan, berikut adalah metode prakiraan yang berdasarkan pada waktu prakiraannya.
1. Metode prakiraan jangka panjang dan menengah Faktor waktu yang mempengaruhi tipe ini adalah bulanan hingga
tahunan. Pada umumnya metode yang digunakan, antara lain: a. Model Ekonometrik Econometric Models
Pendekatan ini mengkombinasikan teori ekonomi dengan teknik statistik untuk prakiraan beban listrik. Pendekatan ini
mengestimasikan hubungan antara konsumsi energi dan faktor yang mempengaruhi energi tersebut. Hubungannya akan diestimasikan
dengan metode least square atau time series. b. Model Penggunaan Terakhir End Use Model
Pendekatan ini langsung mengestimasikan konsumsi energi dengan menggunakan informasi yang ekstensif pada akhir profil konsumsi
konsumen, seperti peralatan, penggunaan untuk konsumen, umur, ukuran rumah dan lainnya. Data statistik konsumen beserta perubahan
dinamisnya menjadi dasar prakiraan. Idealnya pendekatan ini sangat akurat namun sangat sensitif terhadap data acuan konsumen dan
minim data historis beban. c. Model Statistik Berdasarkan Pembelajaran Statistical Model Based
Learning
Pendekatan ini lebih sederhana dari model ekonometrik dan model penggunaan terakhir, karena menyisihkan pendekatan terhadap data
yang tidak berguna, yaitu dengan menggunakan pembelajaran data historis yang dihubungkan oleh data-data yang saling terhubung
dengan jenis data yang berbeda lainnya seperti data beban terhadap cuaca dimana data historis cuaca akan ada hubungannya dengan data
beban. 2. Metode prakiraan jangka pendek
Faktor waktu yang mempengaruhi tipe ini adalah setiap jam hingga harian. Pada umumnya metode yang digunakan, antara lain:
a. Metode Regresi Metode ini menggunakan suatu fungsi yang mendekati data yang
dikumpulkan. Regresi merupakan metode yang paling sering digunakan dalam perhitungan statistik. Prakiraan regresi beban listrik
biasa digunakan untuk mencari hubungan antara konsumsi energi dan faktor lain.
b. Pendekatan Hari yang Sama Similar Day Approach Pendekatan ini dilakukan dengan mencari data historis hari yang
sama selama satu hingga tiga tahun dengan karakteristik yang sama dengan hari prakiraan. Karakteristik yang sama tersebut berupa hari di
setiap minggu, tanggal dan sebagainya. Beban pada hari yang sama juga termasuk dalam prakiraan. Prakiraan dapat berupa kombinasi
linier dan regresi.
c. Time Series Metode ini berdasarkan pada asumsi data yang memiliki struktur
didalamnya, seperti autokorelasi, trend ataupun variasi musiman.Time series telah digunakan dalam beberapa dekade untuk bidang ekonomi,
digital signal processing DSP, seperti halnya prakiraan beban listrik. contoh metode yang sering digunakan: AR Auto Regressive, MA
Moving Average, lalu dikembangkan menjadi ARMA Auto Regressive Moving Average, ARIMA Auto Regressive Integrated
Moving Average, ARMAX Auto Regressive Moving Average with Exogeneus variables, ARIMAX Auto Regressive Integrated Moving
Average with exogenous variables. d. Jaringan Syaraf Neural Network
Penggunaan Artificial Neural Network ANN telah banyak digunakan sebagai studi pembelajaran prakiraan beban dari tahun 1990. Intinya
neural network merupakan rangkaian nonlinier yang dapat melakukan pencocokan pada kurva-kurva nonlinier. Keluaran yang
dihasilkan berupa fungsi linier dan nonlinier dari masukannya tersebut.
e. Logika Fuzzy Metode ini merupakan pendekatan generalisasi terhadap logika
Boolean dengan menggunakan desain rangkaian digital. Input Boolan ini berupa
“0” dan “1”. Dibawah logika fuzzy ini sebuah input sudah
diasosiasikan denga rentang kualitatif tertentu. Singkatnya logika fuzzy memperbolehkan satu output kesimpulan dari beberapa input.
2.2 Beban Konsumsi Listrik