PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA DENGAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI GI PAUH LIMO.
PERAMALAN PEMAKAIAN BEBAN TRANSFORMATOR DAYA
DENGAN METODE AUTOREGRESSIVE INTEGRATED
MOVING AVERAGE (ARIMA) DI GI PAUH LIMO
TUGAS AKHIR
Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I
pada Jurusan Teknik Elektro Fakultas Teknik
Universitas Andalas
Oleh :
FERDI DESRIZA
NO.BP : 0810952062
DosenPembimbing :
SYAFII, Ph.D
NIP. 19740505 199802 1 001
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2014
ABSTRAK
Kebutuhan energi listrik yang selalu berubah-ubah mengharuskan penyedia
layanan dapat memprediksi kebutuhan beban listrik untuk memenuhi permintaan
konsumen. Sehingga tidak terjadi pemborosan atau kerugian karena tidak
seimbangnya pembangkitan tenaga listrik dan permintaan. Peramalan beban
listrik dapat dilakukan dengan berbagai macam cara, di antaranya dengan
metode ARIMA yang menggunakan data historis beban untuk melihat suatu pola
data dan melakukan peramalan. Peramalan beban kali ini menggunakan data
beban puncak harian yang kemudian dianalisis dan dicari model ARIMA terbaik
yang akan digunakan untuk peramalan. Metode ARIMA (Box-Jenkins) ini
memiliki tahapan: pengecekan pola data, uji stasioneritas, identifikasi model,
penentuan parameter model, pengujian model, dan peramalan (forecasting).
Tingkat keakuratan peramalan diukur dengan melihat nilai MAPE untuk
mengetahui model ARIMA terbaik yang akan digunakan. Pada penelitian ini
digunakan 115 data untuk peramalan 7 hari. Model ARIMA terbaik yang
didapatkan (1,1,0) dengan MAPE 4,16%. Dengan model ARIMA yang sama, nilai
MAPE akan berbeda tergantung pada jumlah data historis yang digunakan.
Kata kunci: beban puncak, MAPE, metode ARIMA, peramalan beban
BAB I
PENDAHULUAN
1.1 Latar Belakang
Listrik merupakan salah satu bentuk energi yang memengaruhi hidup dan
kehidupan manusia saat ini. Semakin berkembangnya ilmu pengetahuan,
menghasilkan penemuan-penemuan baru yang pada dasarnya membutuhkan
listrik sebagai sumber energi. Dengan kata lain, semakin bertambah pula
kebutuhan akan adanya listrik dalam kehidupan. Kebutuhan listrik di berbagai
daerah dari waktu ke waktu selalu berbeda bergantung pada pemakaian listrik di
daerah tersebut, sehingga penyediaan tenaga listrik dan alokasi pembangkit yang
digunakan juga berbeda di daerah yang satu dengan yang lainnya [1].
Kebutuhan energi listrik semakin hari cenderung berubah-ubah, sehingga
Perusahaan Listrik Negara (PT. PLN) sebagai penyedia tunggal energi listrik
harus bisa memprediksi kebutuhan beban listrik setiap harinya [2]. Prediksi dari
kebutuhan listrik ini dapat membantu penyedia layanan energi listrik (PT. PLN)
agar permintaan listrik dan ketersediaan listrik seimbang. Sehingga tidak terjadi
pemborosan biaya pembangkitan energi listrik karena daya yang dikirim dari
pembangkit lebih besar dari permintaan, atau tidak terjadi pemadaman yang
diakibatkan permintaan listrik lebih besar dari ketersediaannya, yang mana jika
hal-hal tersebut terjadi nantinya akan merugikan pihak penyedia atau pun pihak
konsumen.
Prediksi atau peramalan yang akan dilakukan hanya bersumber pada satu
variabel, yaitu beban puncak dari transformator daya. Sehingga data yang
didapatkan bersifat runtut waktu (time series). Salah satu cara yang digunakan
untuk memprediksi suatu kejadian runtut waktu adalah dengan metode
Autoregressive Integrated Moving Average (ARIMA). Metode ARIMA atau
sering disebut teknik Box-Jenkins menunjukkan metode ini cocok untuk meramal
sejumlah variabel dengan cepat, sederhana, dan murah karena hanya
membutuhkan data variabel yang akan diramal. Di samping itu, metode ARIMA
cocok digunakan untuk peramalan jangka pendek.
Dari uraian di atas, penulis akan mengambil judul “Peramalan Pemakaian
Beban Transformator Daya dengan Metode Autoregressive Integrated Moving
Average (ARIMA) di GI Pauh Limo”.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka dapat
dirumuskan beberapa permasalahan yang akan dibahas dalam tugas akhir ini,
diantaranya:
1. Bagaimana penerapan analisis beserta pemodelan metode ARIMA dalam
peramalan beban listrik jangka pendek dengan data pemakaian beban
listrik (electrical load) saat beban puncak pada transformator daya?
2. Bagaimana keakuratan metode ARIMA dalam meramalkan beban listrik
yang akan datang?
1.3 Tujuan Penelitian
1. Mendapatkan hasil peramalan pemakaian beban dan info keakuratan
peramalan beban listrik dengan metode ARIMA.
2. Mengaplikasikan metode ARIMA dalam peramalan beban listrik Gardu
Induk sebagai dasar penjadwalan pembangkit di UPB P3B Sumatera.
3. Mendapatkan model ARIMA terbaik untuk peramalan jangka pendek.
1.4 Manfaat Penelitian
1. Diharapkan dengan penelitian ini dapat menjadi referensi bagi penelitian
selanjutnya dalam mengenai teknik peramalan untuk penelitian yang
lebih lanjut.
2. Menjadi pilihan teknik peramalan beban listrik jangka pendek yang
akurat dan sebagai pembanding antara teknik peramalan yang lain.
3. Menjadi kontribusi positif dalam memprediksi atau meramalkan waktu
beban puncak listrik yang akurat sehingga dapat mengurangi kerugian
finansial dalam penyediaan daya listrik, khususnya pada unit-unit
pembangkit yang akan menyuplai beban.
1.5 Batasan Masalah
Adapun ruang lingkup dalam perencanaan tugas akhir ini antara lain:
1. Data yang dipakai adalah data beban listrik saat terjadinya beban
puncak pada transformator daya di GI PAUH LIMO.
2. Data yang diambil hanya satu dari dua buah transformator daya yang
terdapat di GI PAUH LIMO.
3. Metode yang digunakan adalah metode ARIMA.
4. Data mulai dari 1 September – 24 Desember 2013 digunakan sebagai
pencarian dan penetapan model ARIMA terbaik, data tanggal 18
Desember – 24 Desember 2013 untuk pengujian MAPE, sedangkan
tanggal 25 Desember – 31 Desember 2013 merupakan beban listrik
yang akan diperkirakan.
5. Software yang digunakan adalah Minitab 14 untuk menganalisis model
ARIMA beserta peramalan dan Ms. Excel untuk mengolah data,
menghitung MAPE dari data beban aktual dan hasil peramalan.
6. Diasumsikan tidak ada perubahan kapasitas pembangkit yang
signifikan.
7. Diasumsikan penyaluran daya listrik ke beban berjalan secara normal
dan tidak terjadi perubahan beban listrik secara radikal akibat hal-hal
insidentil.
DENGAN METODE AUTOREGRESSIVE INTEGRATED
MOVING AVERAGE (ARIMA) DI GI PAUH LIMO
TUGAS AKHIR
Sebagai Salah Satu Syarat untuk Menyelesaikan Program Strata I
pada Jurusan Teknik Elektro Fakultas Teknik
Universitas Andalas
Oleh :
FERDI DESRIZA
NO.BP : 0810952062
DosenPembimbing :
SYAFII, Ph.D
NIP. 19740505 199802 1 001
JURUSAN TEKNIK ELEKTRO
FAKULTAS TEKNIK
UNIVERSITAS ANDALAS
PADANG
2014
ABSTRAK
Kebutuhan energi listrik yang selalu berubah-ubah mengharuskan penyedia
layanan dapat memprediksi kebutuhan beban listrik untuk memenuhi permintaan
konsumen. Sehingga tidak terjadi pemborosan atau kerugian karena tidak
seimbangnya pembangkitan tenaga listrik dan permintaan. Peramalan beban
listrik dapat dilakukan dengan berbagai macam cara, di antaranya dengan
metode ARIMA yang menggunakan data historis beban untuk melihat suatu pola
data dan melakukan peramalan. Peramalan beban kali ini menggunakan data
beban puncak harian yang kemudian dianalisis dan dicari model ARIMA terbaik
yang akan digunakan untuk peramalan. Metode ARIMA (Box-Jenkins) ini
memiliki tahapan: pengecekan pola data, uji stasioneritas, identifikasi model,
penentuan parameter model, pengujian model, dan peramalan (forecasting).
Tingkat keakuratan peramalan diukur dengan melihat nilai MAPE untuk
mengetahui model ARIMA terbaik yang akan digunakan. Pada penelitian ini
digunakan 115 data untuk peramalan 7 hari. Model ARIMA terbaik yang
didapatkan (1,1,0) dengan MAPE 4,16%. Dengan model ARIMA yang sama, nilai
MAPE akan berbeda tergantung pada jumlah data historis yang digunakan.
Kata kunci: beban puncak, MAPE, metode ARIMA, peramalan beban
BAB I
PENDAHULUAN
1.1 Latar Belakang
Listrik merupakan salah satu bentuk energi yang memengaruhi hidup dan
kehidupan manusia saat ini. Semakin berkembangnya ilmu pengetahuan,
menghasilkan penemuan-penemuan baru yang pada dasarnya membutuhkan
listrik sebagai sumber energi. Dengan kata lain, semakin bertambah pula
kebutuhan akan adanya listrik dalam kehidupan. Kebutuhan listrik di berbagai
daerah dari waktu ke waktu selalu berbeda bergantung pada pemakaian listrik di
daerah tersebut, sehingga penyediaan tenaga listrik dan alokasi pembangkit yang
digunakan juga berbeda di daerah yang satu dengan yang lainnya [1].
Kebutuhan energi listrik semakin hari cenderung berubah-ubah, sehingga
Perusahaan Listrik Negara (PT. PLN) sebagai penyedia tunggal energi listrik
harus bisa memprediksi kebutuhan beban listrik setiap harinya [2]. Prediksi dari
kebutuhan listrik ini dapat membantu penyedia layanan energi listrik (PT. PLN)
agar permintaan listrik dan ketersediaan listrik seimbang. Sehingga tidak terjadi
pemborosan biaya pembangkitan energi listrik karena daya yang dikirim dari
pembangkit lebih besar dari permintaan, atau tidak terjadi pemadaman yang
diakibatkan permintaan listrik lebih besar dari ketersediaannya, yang mana jika
hal-hal tersebut terjadi nantinya akan merugikan pihak penyedia atau pun pihak
konsumen.
Prediksi atau peramalan yang akan dilakukan hanya bersumber pada satu
variabel, yaitu beban puncak dari transformator daya. Sehingga data yang
didapatkan bersifat runtut waktu (time series). Salah satu cara yang digunakan
untuk memprediksi suatu kejadian runtut waktu adalah dengan metode
Autoregressive Integrated Moving Average (ARIMA). Metode ARIMA atau
sering disebut teknik Box-Jenkins menunjukkan metode ini cocok untuk meramal
sejumlah variabel dengan cepat, sederhana, dan murah karena hanya
membutuhkan data variabel yang akan diramal. Di samping itu, metode ARIMA
cocok digunakan untuk peramalan jangka pendek.
Dari uraian di atas, penulis akan mengambil judul “Peramalan Pemakaian
Beban Transformator Daya dengan Metode Autoregressive Integrated Moving
Average (ARIMA) di GI Pauh Limo”.
1.2 Perumusan Masalah
Berdasarkan latar belakang yang telah dipaparkan sebelumnya, maka dapat
dirumuskan beberapa permasalahan yang akan dibahas dalam tugas akhir ini,
diantaranya:
1. Bagaimana penerapan analisis beserta pemodelan metode ARIMA dalam
peramalan beban listrik jangka pendek dengan data pemakaian beban
listrik (electrical load) saat beban puncak pada transformator daya?
2. Bagaimana keakuratan metode ARIMA dalam meramalkan beban listrik
yang akan datang?
1.3 Tujuan Penelitian
1. Mendapatkan hasil peramalan pemakaian beban dan info keakuratan
peramalan beban listrik dengan metode ARIMA.
2. Mengaplikasikan metode ARIMA dalam peramalan beban listrik Gardu
Induk sebagai dasar penjadwalan pembangkit di UPB P3B Sumatera.
3. Mendapatkan model ARIMA terbaik untuk peramalan jangka pendek.
1.4 Manfaat Penelitian
1. Diharapkan dengan penelitian ini dapat menjadi referensi bagi penelitian
selanjutnya dalam mengenai teknik peramalan untuk penelitian yang
lebih lanjut.
2. Menjadi pilihan teknik peramalan beban listrik jangka pendek yang
akurat dan sebagai pembanding antara teknik peramalan yang lain.
3. Menjadi kontribusi positif dalam memprediksi atau meramalkan waktu
beban puncak listrik yang akurat sehingga dapat mengurangi kerugian
finansial dalam penyediaan daya listrik, khususnya pada unit-unit
pembangkit yang akan menyuplai beban.
1.5 Batasan Masalah
Adapun ruang lingkup dalam perencanaan tugas akhir ini antara lain:
1. Data yang dipakai adalah data beban listrik saat terjadinya beban
puncak pada transformator daya di GI PAUH LIMO.
2. Data yang diambil hanya satu dari dua buah transformator daya yang
terdapat di GI PAUH LIMO.
3. Metode yang digunakan adalah metode ARIMA.
4. Data mulai dari 1 September – 24 Desember 2013 digunakan sebagai
pencarian dan penetapan model ARIMA terbaik, data tanggal 18
Desember – 24 Desember 2013 untuk pengujian MAPE, sedangkan
tanggal 25 Desember – 31 Desember 2013 merupakan beban listrik
yang akan diperkirakan.
5. Software yang digunakan adalah Minitab 14 untuk menganalisis model
ARIMA beserta peramalan dan Ms. Excel untuk mengolah data,
menghitung MAPE dari data beban aktual dan hasil peramalan.
6. Diasumsikan tidak ada perubahan kapasitas pembangkit yang
signifikan.
7. Diasumsikan penyaluran daya listrik ke beban berjalan secara normal
dan tidak terjadi perubahan beban listrik secara radikal akibat hal-hal
insidentil.