T1 672012705 Full text

1. Pendahuluan

Pembangkit Listrik Tenaga Air (PLTA) Jelok terletak di Kabupaten Semarang  45 km dari Kota Semarang, tepatnya di Desa Delik Kecamatan Tuntang. PLTA Jelok menggunakan air yang berasal dari waduk Rawa Pening yang dibendung melalui sungai Tuntang untuk menggerakkan generator. Rawa Pening berada didalam Daerah Aliran Sungai (DAS) Tuntang, dan menjadi sumber mata air bagi Sungai Tuntang.

Musim kemarau seringkali mengakibatkan berkurangnya pasokan air kedalam waduk. Menurunnya muka air waduk akan mengganggu keberlangsungan operasi dari PLTA, sehingga produksi listrik akan berkurang [1]. PLTA Jelok menggunakan Turbin buatan Werk Spoor Escher Wyss Holland dengan tipe Francis. Daya turbin yang digunakan sangat dipengaruhi oleh faktor laju aliran massa dan tinggi tekan. dimana daya turbin cenderung lebih kecil pada saat laju aliran massa mengalami penurunan dan sebaliknya daya turbin cenderung besar ketika laju aliran massa mengalami kenaikan [2]. PLTA Jelok memiliki 4 unit generator dengan daya terpasang 4 X 5,12 MW dan tinggi terjun air 144 meter. PLTA Jelok dapat menghasilkan energi listrik sebesar 93GWh/tahun, dan saat ini dikelola oleh PT Indonesia Power, dibawah tanggung jawab Unit Bisnis Pembangkitan Mrica dengan kontribusi untuk interkoneksi listrik Jawa - Bali berkisar 6,37 %, PLTA Jelok masih tetap dioperasikan karena kondisinya masih baik dengan biaya operasi yang relatif lebih murah [3].

Permasalahan yang dialami oleh PLTA Jelok adalah adanya debit air yang pada waktu tertentu menurun tajam sehingga membuat produksi listrik PLTA Jelok menurun dan membuat PLTA Jelok hampir berhenti beroperasi, seperti pada tahun 2012 di mana debit air hanya mampu digunakan untuk mengoperasikan 1 turbin [4]. Tidak hanya pada tahun 2012, dari data produksi tahun 2010 sampai 2013 juga terdapat penurunan produksi yang cukup drastis di tahun 2011 dan 2013 karena debit air yang menurun tajam.

Dari Gambar 1 dapat diketahui bahwa pola data debit air memiliki unsur pola yang tidak tetap. Data berada pada rerata yang berkisar 30 sampai 35 juta m3, kemudian mengandung trend untuk debit terkecil setiap tahunnya yang cenderung semakin menurun, dan musiman dimana debit air berada pada sekitar rerata ketika musim penghujan, dan menurun ketika musim kemarau.

Penelitian ini difokuskan untuk mengetahui fluktuasi debit air yang akan datang dengan melakukan peramalan data debit air dengan metode Exponential Smoothing tiga parameter atau Triple Exponential Smoothing “HoltWinters”. Pemilihan metode HoltWinters dikarenakan metode ini mampu menangani data yang memiliki unsur trend dan musiman [5]. Hasil dari penelitian ini diharapkan dapat digunakan sebagai bahan pertimbangan oleh pihak manajemen PLTA Jelok dalam melakukan pengelolaan debit air untuk meminimalkan penurunan produksi listrik yang drastis.

2. Tinjauan Pustaka

Terdapat beberapa penelitian yang terkait dengan penelitian ini, salah satunya adalah penelitian yang berjudul “Kuantifikasi Jasa Lingkungan PLTA Jelok dan Timo”. Berdasarkan penelitian tersebut, Degradasi lingkungan khususnya di DTA Waduk Rawa Pening yang menyebabkan realisasi debit outflow Waduk Rawa Pening sebagai sumber air penggerak turbin PLTA Jelok dan Timo semakin tahun semakin kecil. Pada bulan Juli debit outflow Waduk hanya dapat untuk memutar 2 turbin, sedangkan pada bulan Agustus, September dan Oktober hanya dapat untuk memutar 1 turbin. Dari hasil perhitungan kuantifikasi jasa lingkungan dengan metode Replacement Cost jasa lingkungan yang dinikmati PLTA Jelok dan Timo adalah Rp. 12,321 M/tahun sehingga sebagai salah satu pengguna jasa lingkungan waduk rawa pening, PLTA Jelok dan Timo perlu ikut membiayai kegiatan konservasi DTA Waduk Rawa Pening yang dapat dipandang sebagai investasi ke depan dalam rangka menjaga keberlanjutan produksi listrik [6].

Penelitian kedua yang berjudul “Simulasi Pola Operasi Pembangkit Listrik Tenaga Air di Waduk kedungombo”. Penelitian ini dilakukan dengan metode distribusi frekuensi yaitu dengan melakukan simulasi pola operasi waduk untuk meningkatkan produksi listrik PLTA Kedungombo. Dari simulasi pola operasi yang dilakukan, didapatkan pola operasi yang optimal untuk meningkatkan kinerja PLTA Waduk Kedungombo adalah pola operasi yang menahan air sebanyak-banyaknya di tampungan waduk, dan melepas air sesuai dengan kebutuhan air total yang telah diperhitungkan, dari simulasi pola operasi yang dilakukan terdapat peningkatan produksi energi listrik rata-rata per tahun sebesar 14,59 GWh [7].

Penelitian lain adalah “Pemodelan Deret Waktu Menggunakan Teknik Exponential Smoothing Untuk Peramalan Debit Aliran Sungai ( Studi Kasus Sungai Cabenge SWS WalanaE - CenranaE)” yang mengujicobakan 4 metode pramalan yakni : Single Exponential Smoothing (SE), Double Exponential Smoothing (DE), Triple Exponential Smoothing (TE), dan Autoregressive Integrated Moving Average (ARIMA) dari debit peramalan dengan nilai debit terukur, untuk menentukan metode yang memiliki nilai kesalahan paling kecil

dalam meramalkan debit aliran sungai. Dari hasil ujicoba tersebut, untuk meramalkan debit aliran sungai Cabenge pada SWS WalanaE – CenranaE dapat dilakukan dengan menggunakan Teknik Triple Exponential Smoothing (Winters) [8].

Pada penelitian ini, metode Triple Exponential Smoothing “HoltWinters” digunakan untuk memprediksi fluktuasi debit air yang berasal dari Waduk Rawa Pening, yang dipakai oleh PLTA Jelok untuk menggerakan turbin. Metode Winters didasarkan atas tiga persamaan pemulusan, yaitu satu untuk unsur stasioner, satu untuk trend, dan satu untuk musiman. Persamaan untuk Winters ditunjukan pada persamaan 1 sampai 4:

Pemulusan keseluruhan :

=  + ( 1 -  )( + ) ……(1) Pemulusan trend :

= ( - ) + ( 1 – ) ……(2) Pemulusan musiman :

I = ß + ( 1 – ß ) ……(3) Ramalan :

= ( + m ) ……(4)

L adalah panjang musiman (misal, jumlah bulan atau kuartal dalam suatu tahun),  adalah konstanta pemulusan stasioner,  adalah konstanta pemulusan trend, ß adalah konstanta pemulusan musiman, , b adalah komponen trend, I adalah faktor penyesuaian musiman, dan + m adalah ramalan untuk m periode ke depan [9].

Setelah dilakukan peramalan, perlu dilakukan evaluasi hasil peramalan untuk mengetahui keakuratan dari hasil peramalan yang telah dilakukan. Mean Absolute Percentage Error (MAPE) melakukan perhitungan perbedaan antara data asli dan data hasil peramalan. Perbedaan tersebut diabsolutkan, kemudian dihitung ke dalam bentuk persentase terhadap data asli. Hasil persentase tersebut kemudian didapatkan nilai mean-nya. Rumus untuk menghitung nilai MAPE ditunjukan pada persamaan 5.

MAPE = ……(5)

adalah nilai data periode ke-t, adalah nilai ramalan periode ke –t, n adalah banyak data [9].

3. Metode Penelitian

Pada penelitian ini, TripleExponential Smoothing direpresentasikan sebagai mekanisme untuk memprediksi fluktuasi debit air PLTA pada periode yang akan datang di PLTA Jelok. Pendekatan Triple Exponential Smoothing dalam penelitian ini dapat dilihat seperti pada Gambar 2.

Gambar 2 Konsep Triple Exponential Smoothing

Penelitian ini menggunakan data yang diperoleh dari PLTA Jelok, yang meliputi debit air yang masuk dan produksi listrik PLTA Jelok. Periode pengambilan data adalah bulanan selama 4 tahun yakni tahun 2010 – 2013. Data disusun dalam Microsoft Office Excell dan kemudian disimpan dalam ekstensi .csv dan diprediksi dalam lingkungan pemrograman R ( R Environment Development).

Gambar 3 menunjukan tahapan pada penelitian ini yaitu : tahap satu adalah melakukan studi literatur untuk menyusun kerangka konseptual untuk dijadikan pedoman penelitian. Tahap dua adalah pengumpulan data penelitian. Tahap tiga adalah analisis data dan prediksi serta menghitung akurasi ketiga metode Exponential Smoothing. Tahap empat adalah visualisasi luaran dalam bentuk grafik runtun waktu.

4. Hasil dan Pembahasan

Hasil peramalan debit air PLTA Jelok dengan menggunakan Software R for Windows versi 3.1.0 dengan Triple Exponential Smoothing, ditunjukkan pada Gambar 4.

Gambar 4 Data Prediksi Debit Air 2014-2015 dengan Triple Exponential Smoothing

Gambar 4 menunjukan dinamika fluktuasi debit air dengan metode Triple Exponential Smoothing dengan memperhitungkan konstanta alpha, beta, dan gamma. nilai alpha = 0.864458250894871, beta = 0, dan gamma = 0.0324344027472843. Pola debit air tahun 2014 – 2015 ( Data Prediksi ) diperkirakan mirip dengan pola debit air pada tahun 2012 dalam kisaran signifikasi 95% dengan dinamika fluktuasi yang hampir sama dengan tahun 2013. Dinamika fluktuasi debit air tahun 2014 (data prediksi) diperkirakan akan sama atau lebih tinggi dari dinamika debit air tahun 2012 dan 2013 ( data aktual ) dengan kisaran signifikasi 80%. Pada tahun 2011 sampai 2013 ( data aktual ) debit air terkecil terjadi antara bulan September dan Oktober. Debit air terkecil tahun 2014 diperkirakan akan terjadi pada bulan September ( data prediksi ). Kode untuk TES ditunjukkan pada Kode Program 1.

Kode Program 1 Hitung Prediksi dengan Triple Exponential Smoothing

Baris 1 sampai 3 pada Kode Program 1 adalah perintah untuk memanggil library yang diperlukan, yakni stats, forecast, dan tseries. Baris 4 sampai 5 addalah perintah untuk memanggil data .csv kemudian menyusun data ke dalam time series untuk dilakukan peramalan Baris 7 sampai 11 adalah perintah untuk peramalan dengan TripleExponential Smoothing dengan tiga parameter, dan jenis musiman adalah multiplicative. Baris 13 sampai 22 adalah perintah untuk plotting data kedalam grafik. Hasil prediksi debit air tahun 2014 dengan menerapkan rumus TripleExponential Smoothing dapat dilihat pada Tabel 1.

Tabel 1 Perhitungan Prediksi Debit Air Tahun 2014 dengan Triple Exponential Smoothing

Tahun Bulan Periode

debit aktual

( Xt ) m ramalan (Ft) St bt It

1 1 1 34120584.59 1.498918342

2 2 31106816.29 1.366523407

3 3 30019495.97 1.318757391

4 4 31414102.47 1.380022498

5 5 34451508.17 1.513455825

6 6 28853384.31 1.26753007

7 7 16715580.24 0.73431596

8 8 9104337.95 0.399953849

9 9 8245512.48 0.36222562

10 10 8942815.73 0.392858173

11 11 11586264.78 0.508984972

12 12 28601252.06 22763471.25 -294154.2908 1.256453892 2 1 13 30590733.1 33679671.33 20670586.44 -347658.14 1.498918342 2 14 30645887.03 27771757.22 22158723.2 -293051.7983 1.366523407 3 15 34329381.61 28835515.78 25501873.37 -184891.7382 1.318757391 4 16 33049022.53 34938004.24 24122233.28 -220429.933 1.380022498 5 17 31461377.27 36174323.5 21183752.41 -301279.2794 1.513455825 6 18 32391114.94 26469162.63 24960419.31 -179979.3878 1.26753007

1 library(stats) 2 library(forecast) 3 library(tseries)

4 data <- read.csv("F:/ANBU JI/JADIII/data csv/debit thn 12-13.csv", 5 header=T, dec=",", sep=";")

6 data.ts <- ts(data$debit, start= c(2012), frequency = 12) 7 HW4 <- HoltWinters(data.ts,

8 alpha=0.864458250894871, 9 beta=0,

10 gamma=0.0324344027472843, 11 seasonal="multiplicative") 12 HW4

13 plot(forecast(HW4, 14 level=c(80,95)), 15 col="red", 16 type="o", 17 lwd="1",

18 ylim=c(-20,60), 19 xlim=c(2012,2015), 20 xlab="Tahun",

22 ylab="Debit Air (juta m3)",

8 20 22510682.41 16942138.18 54512761.32 694512.4605 0.399953849 9 21 14009098.12 19997488.95 40777290.5 265287.7159 0.36222562 10 22 8816749.6 16123912.3 24807744.7 -217622.9109 0.392858173 11 23 12516002.45 12516002.45 24590121.79 -217622.911 0.508984972 12 24 25658395.96 30622921.08 20923714.75 -320208.1641 1.256453892

1 30882973.93 2 28155174.01 3 27171026.6 4 28433302.63 5 31182497.06 6 26115564.14 7 15129483.71 8 8240451.766 9 7463117.939 10 8094255.956 11 10486875.22 12 25887356.04

Tabel 1 menunjukan penerapan rumus Triple Exponential Smoothing

“HoltWinters” dengan nilai alpha = 0.872840430594289, gamma = 0.0297453390116518, beta = 0. Pada table 2, didapat dengan merata- rata data aktual tahun 1 periode 1 sampai 12. didapat dari hasil pengurangan data aktual periode 13 dengan data aktual periode 1, kemudian dibagi dengan L ( jumlah musiman = 12). periode 1 diperoleh dari pembagian data aktual periode 1 dengan . periode 2 diperoleh dari pembagian data aktual periode 2 dengan , demikian sampai periode 12. Setelah didapatkan , , dan , persamaan rumus Triple Exponential Smoothing “HoltWinters” dapat dilakukan. Perhitungan untuk dapat digambarkan untuk periode 13 sebagai berikut :

= 0.864458250894871 + ( 1 – 0.864458250894871 )

( 22763471.25 – (-294154.2908)) = 20670586.44

= 0.0297453390116518 (20670586.44 - 22763471.25) + ( 1 – 0.0297453390116518 ) ( -294154.2908 )

= 1145132.173

= 0 + ( 1 – 0) 1.498918342 = 1.498918342

= (22763471.25 + (-294154.2908)) 1.498918342 = 33679671.33 ………

= (20923714.75 + (-320208.1641)) 1.498918342 = 30882973.93 ………...

Tabel 3 Tabel Hasil Akurasi Metode Triple Exponential Smoothing

MAD MSE MPE MAPE ( % )

5193253.727 3.86895E+13 -5.250111211 24.0443219

Tabel 3 menunjukan hasil penghitungan akurasi metode Triple Exponential Smoothing . Evaluasi hasil peramalan digunakan untuk mengetahui keakuratan hasil peramalan yang telah dilakukan terhadap data yang sebenarnya.

5. Simpulan

Berdasarkan hasil analisis dan peramalan Debit Air PLTA Jelok dengan metode Triple Exponential Smoothing yang sudah dilakukan, didapatkan kesimpulan bahwa metode yang digunakan dapat merepresentasikan informasi dinamika dan fluktuasi debit air yang digunakan oleh PLTA Jelok dalam bentuk grafik runtun waktu yang didalamnya memuat data aktual dan data prediksi debit air waktu yang akan datang. Metode Triple Exponential Smoothing memberikan hasil yang cukup baik, dengan nilai akurasi berada pada kisaran 24% berdasarkan pengukuran akurasi dengan metode Mean Absolute Percentage Error (MAPE). Hasil peramalan debit air PLTA Jelok, dapat digunakan oleh PLTA Jelok sebagai bahan pertimbangan dalam menentukan kebijakan pengelolaan debit air, untuk meminimalkan penurunan produksi listrik yang drastis pada bulan – bulan tertentu di tahun mendatang.

6. Pustaka

[1] Maulana R., (2012), Prediksi Curah Hujan dan Debit Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS). Program Studi Meteorologi, Fakultas Ilmu dan Teknologi Kebumian, ITB.

[2] Sasongko E. T., Muhajir K., Badrawada I. G. G., &Anton, (2008), Pengaruh Laju Aliran massa Terhadap Daya Turbin Air Francis Pada Sub Unit PLTA Jelok Semarang, Jurnal Teknologi, Vol. 1, No. 1, 2008: 9-13. [3] Safitri (2011), Safitri ke PLTA Jelok dan Timo, From

http://www.indonesiapower.co.id/SitePages/NewsDetail.aspx?dN=251, Diakses pada tanggal 16 Juni 2014.

[4] Sugihartono (2012), Kemarau Panjang, Pasokan Listrik PLTA Jelok Turun, http://www.suaramerdeka.com/v1/index.php/read/news_smg/2012/09/10/12 9543/Kemarau-Panjang-Pasokan-Listrik-PLTA-Jelok-Turun, Diakses pada tanggal 2 Juli 2014.

[5] Raharja, A., Wiwik, A., & Retno, A.V., 2009, Penerapan Metode Exponential Smoothing untuk Peramalan Penggunaan Waktu Telepon Di PT Telkom Divre 2 Surabaya, Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh November, SsISFO-Jurnal Informasi. [6] Purboseno, S., Bambang, A.N., Suripin, &Hadi, S.P., 2013, Kuantifikasi

Jasa Lingkungan PLTA Jelok dan Timo, Prosiding Seminar Nasional Pengelolaan Sumberdaya Alam dan Lingkungan 2013, ISBN 978-602-17001-1-2.

[7] Astried D., Wahyudi A.H., &Suyanto, (2013), Simulasi Pola Operasi Pembangkit Listrik Tenaga Air di Waduk kedungombo, e-Jurnal MATRIKS TEKNIK SIPIL Universitas Sebelas Maret/September 2013/304.

[8] Lukman M., &Susanto E., 2011, Pemodelan Deret Waktu Menggunakan Teknik Exponensial Smoothing Untuk Peramalan Debit Aliran Sungai ( Studi Kasus Sungai Cabenge SWS WalanaE - CenranaE), Institutional Repository Universitas Diponegoro.

[9] Makridakis, 1999, Metode dan Aplikasi Peramalan, Jilid 1, diterjemahkan oleh : Untung Sus Andriyanto & Abdul Basith, Erlangga, Jakarta.

3. Metode Penelitian

Pada penelitian ini, TripleExponential Smoothing direpresentasikan sebagai mekanisme untuk memprediksi fluktuasi debit air PLTA pada periode yang akan datang di PLTA Jelok. Pendekatan Triple Exponential Smoothing dalam penelitian ini dapat dilihat seperti pada Gambar 2.

Gambar 2 Konsep Triple Exponential Smoothing

Penelitian ini menggunakan data yang diperoleh dari PLTA Jelok, yang meliputi debit air yang masuk dan produksi listrik PLTA Jelok. Periode pengambilan data adalah bulanan selama 4 tahun yakni tahun 2010 – 2013. Data disusun dalam Microsoft Office Excell dan kemudian disimpan dalam ekstensi .csv dan diprediksi dalam lingkungan pemrograman R ( R Environment Development).

Gambar 3 menunjukan tahapan pada penelitian ini yaitu : tahap satu adalah melakukan studi literatur untuk menyusun kerangka konseptual untuk dijadikan pedoman penelitian. Tahap dua adalah pengumpulan data penelitian. Tahap tiga adalah analisis data dan prediksi serta menghitung akurasi ketiga metode

Exponential Smoothing. Tahap empat adalah visualisasi luaran dalam bentuk grafik runtun waktu.

4. Hasil dan Pembahasan

Hasil peramalan debit air PLTA Jelok dengan menggunakan Software R for Windows versi 3.1.0 dengan Triple Exponential Smoothing, ditunjukkan pada Gambar 4.

Gambar 4 Data Prediksi Debit Air 2014-2015 dengan Triple Exponential Smoothing Gambar 4 menunjukan dinamika fluktuasi debit air dengan metode Triple Exponential Smoothing dengan memperhitungkan konstanta alpha, beta, dan gamma. nilai alpha = 0.864458250894871, beta = 0, dan gamma = 0.0324344027472843. Pola debit air tahun 2014 – 2015 ( Data Prediksi ) diperkirakan mirip dengan pola debit air pada tahun 2012 dalam kisaran signifikasi 95% dengan dinamika fluktuasi yang hampir sama dengan tahun 2013. Dinamika fluktuasi debit air tahun 2014 (data prediksi) diperkirakan akan sama atau lebih tinggi dari dinamika debit air tahun 2012 dan 2013 ( data aktual ) dengan kisaran signifikasi 80%. Pada tahun 2011 sampai 2013 ( data aktual ) debit air terkecil terjadi antara bulan September dan Oktober. Debit air terkecil tahun 2014 diperkirakan akan terjadi pada bulan September ( data prediksi ). Kode untuk TES ditunjukkan pada Kode Program 1.

Kode Program 1 Hitung Prediksi dengan Triple Exponential Smoothing

Baris 1 sampai 3 pada Kode Program 1 adalah perintah untuk memanggil

library yang diperlukan, yakni stats, forecast, dan tseries. Baris 4 sampai 5 addalah perintah untuk memanggil data .csv kemudian menyusun data ke dalam

time series untuk dilakukan peramalan Baris 7 sampai 11 adalah perintah untuk peramalan dengan TripleExponential Smoothing dengan tiga parameter, dan jenis musiman adalah multiplicative. Baris 13 sampai 22 adalah perintah untuk plotting

data kedalam grafik. Hasil prediksi debit air tahun 2014 dengan menerapkan rumus TripleExponential Smoothing dapat dilihat pada Tabel 1.

Tabel 1 Perhitungan Prediksi Debit Air Tahun 2014 dengan Triple Exponential Smoothing

Tahun Bulan Periode

debit aktual

( Xt ) m ramalan (Ft) St bt It

1 1 1 34120584.59 1.498918342

2 2 31106816.29 1.366523407

3 3 30019495.97 1.318757391

4 4 31414102.47 1.380022498

5 5 34451508.17 1.513455825

6 6 28853384.31 1.26753007

7 7 16715580.24 0.73431596

8 8 9104337.95 0.399953849

9 9 8245512.48 0.36222562

10 10 8942815.73 0.392858173

11 11 11586264.78 0.508984972 12 12 28601252.06 22763471.25 -294154.2908 1.256453892 2 1 13 30590733.1 33679671.33 20670586.44 -347658.14 1.498918342 2 14 30645887.03 27771757.22 22158723.2 -293051.7983 1.366523407 3 15 34329381.61 28835515.78 25501873.37 -184891.7382 1.318757391 4 16 33049022.53 34938004.24 24122233.28 -220429.933 1.380022498 5 17 31461377.27 36174323.5 21183752.41 -301279.2794 1.513455825 6 18 32391114.94 26469162.63 24960419.31 -179979.3878 1.26753007 7 19 32706280.25 18196672.52 42027201.47 333031.3811 0.73431596 1 library(stats)

2 library(forecast) 3 library(tseries)

4 data <- read.csv("F:/ANBU JI/JADIII/data csv/debit thn 12-13.csv", 5 header=T, dec=",", sep=";")

6 data.ts <- ts(data$debit, start= c(2012), frequency = 12) 7 HW4 <- HoltWinters(data.ts,

8 alpha=0.864458250894871, 9 beta=0,

10 gamma=0.0324344027472843, 11 seasonal="multiplicative") 12 HW4

13 plot(forecast(HW4, 14 level=c(80,95)), 15 col="red", 16 type="o", 17 lwd="1",

18 ylim=c(-20,60), 19 xlim=c(2012,2015), 20 xlab="Tahun",

22 ylab="Debit Air (juta m3)",

8 20 22510682.41 16942138.18 54512761.32 694512.4605 0.399953849 9 21 14009098.12 19997488.95 40777290.5 265287.7159 0.36222562 10 22 8816749.6 16123912.3 24807744.7 -217622.9109 0.392858173 11 23 12516002.45 12516002.45 24590121.79 -217622.911 0.508984972 12 24 25658395.96 30622921.08 20923714.75 -320208.1641 1.256453892

1 30882973.93 2 28155174.01 3 27171026.6 4 28433302.63 5 31182497.06 6 26115564.14 7 15129483.71 8 8240451.766 9 7463117.939 10 8094255.956 11 10486875.22 12 25887356.04

Tabel 1 menunjukan penerapan rumus Triple Exponential Smoothing “HoltWinters” dengan nilai alpha = 0.872840430594289, gamma = 0.0297453390116518, beta = 0. Pada table 2, didapat dengan merata- rata data aktual tahun 1 periode 1 sampai 12. didapat dari hasil pengurangan data aktual periode 13 dengan data aktual periode 1, kemudian dibagi dengan L ( jumlah musiman = 12). periode 1 diperoleh dari pembagian data aktual periode 1 dengan . periode 2 diperoleh dari pembagian data aktual periode 2 dengan , demikian sampai periode 12. Setelah didapatkan , , dan , persamaan rumus Triple Exponential Smoothing “HoltWinters” dapat dilakukan. Perhitungan untuk dapat digambarkan untuk periode 13 sebagai berikut :

= 0.864458250894871 + ( 1 – 0.864458250894871 )

( 22763471.25 – (-294154.2908)) = 20670586.44

= 0.0297453390116518 (20670586.44 - 22763471.25) + ( 1 – 0.0297453390116518 ) ( -294154.2908 )

= 1145132.173

= 0 + ( 1 – 0) 1.498918342 = 1.498918342

= (22763471.25 + (-294154.2908)) 1.498918342 = 33679671.33 ………

= (20923714.75 + (-320208.1641)) 1.498918342 = 30882973.93 ………...

Tabel 3 Tabel Hasil Akurasi Metode Triple Exponential Smoothing

MAD MSE MPE MAPE ( % )

5193253.727 3.86895E+13 -5.250111211 24.0443219

Tabel 3 menunjukan hasil penghitungan akurasi metode Triple Exponential Smoothing . Evaluasi hasil peramalan digunakan untuk mengetahui keakuratan hasil peramalan yang telah dilakukan terhadap data yang sebenarnya.

5. Simpulan

Berdasarkan hasil analisis dan peramalan Debit Air PLTA Jelok dengan metode Triple Exponential Smoothing yang sudah dilakukan, didapatkan kesimpulan bahwa metode yang digunakan dapat merepresentasikan informasi dinamika dan fluktuasi debit air yang digunakan oleh PLTA Jelok dalam bentuk grafik runtun waktu yang didalamnya memuat data aktual dan data prediksi debit air waktu yang akan datang. Metode Triple Exponential Smoothing memberikan hasil yang cukup baik, dengan nilai akurasi berada pada kisaran 24% berdasarkan pengukuran akurasi dengan metode Mean Absolute Percentage Error (MAPE). Hasil peramalan debit air PLTA Jelok, dapat digunakan oleh PLTA Jelok sebagai bahan pertimbangan dalam menentukan kebijakan pengelolaan debit air, untuk meminimalkan penurunan produksi listrik yang drastis pada bulan – bulan tertentu di tahun mendatang.

6. Pustaka

[1] Maulana R., (2012), Prediksi Curah Hujan dan Debit Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS). Program Studi Meteorologi, Fakultas Ilmu dan Teknologi Kebumian, ITB.

[2] Sasongko E. T., Muhajir K., Badrawada I. G. G., &Anton, (2008),

Pengaruh Laju Aliran massa Terhadap Daya Turbin Air Francis Pada Sub Unit PLTA Jelok Semarang, Jurnal Teknologi, Vol. 1, No. 1, 2008: 9-13. [3] Safitri (2011), Safitri ke PLTA Jelok dan Timo, From

http://www.indonesiapower.co.id/SitePages/NewsDetail.aspx?dN=251, Diakses pada tanggal 16 Juni 2014.

[4] Sugihartono (2012), Kemarau Panjang, Pasokan Listrik PLTA Jelok Turun,

http://www.suaramerdeka.com/v1/index.php/read/news_smg/2012/09/10/12 9543/Kemarau-Panjang-Pasokan-Listrik-PLTA-Jelok-Turun, Diakses pada tanggal 2 Juli 2014.

[5] Raharja, A., Wiwik, A., & Retno, A.V., 2009, Penerapan Metode Exponential Smoothing untuk Peramalan Penggunaan Waktu Telepon Di PT Telkom Divre 2 Surabaya, Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh November, SsISFO-Jurnal Informasi. [6] Purboseno, S., Bambang, A.N., Suripin, &Hadi, S.P., 2013, Kuantifikasi

Jasa Lingkungan PLTA Jelok dan Timo, Prosiding Seminar Nasional Pengelolaan Sumberdaya Alam dan Lingkungan 2013, ISBN 978-602-17001-1-2.

[7] Astried D., Wahyudi A.H., &Suyanto, (2013), Simulasi Pola Operasi Pembangkit Listrik Tenaga Air di Waduk kedungombo, e-Jurnal MATRIKS TEKNIK SIPIL Universitas Sebelas Maret/September 2013/304.

[8] Lukman M., &Susanto E., 2011, Pemodelan Deret Waktu Menggunakan Teknik Exponensial Smoothing Untuk Peramalan Debit Aliran Sungai ( Studi Kasus Sungai Cabenge SWS WalanaE - CenranaE), Institutional Repository Universitas Diponegoro.

[9] Makridakis, 1999, Metode dan Aplikasi Peramalan, Jilid 1, diterjemahkan oleh : Untung Sus Andriyanto & Abdul Basith, Erlangga, Jakarta.