ANALISA PERAMALAN BEBAN LISTRIK DI RSUP. DR. M. DJAMIL PADANG SAMPAI TAHUN 2029

Zulkarnaini Zulkarnaini, Hariz Riandi

Sari


Peningkatan aktivitas yang membutuhkan konsumsi listrik dari waktu ke waktu harus disiasati dengan baik, salah satunya adalah dengan melakukan prakiraan beban konsumsi listrik. Prakiraan tersebut dilakukan untuk merencanakan operasional dari pihak supply untuk bisa memenuhi kebutuhan dari pihak demand. Salah satu metode prakiraan yang digunakan adalah metode time series ARIMA (Autoregressive Integrated Moving Average). Penelitian ini bertujuan untuk menjelaskan bagaimana cara menggunakan metode ARIMA untuk memperkirakan beban konsumsi listrik jangka pendek dan mengetahui seberapa besarkah tingkat akurasi dari metode ARIMA yang digunakan. Data yang digunakan dalam penelitian ini adalah data berkala (time series), yaitu data konsumsi listrik di RSUP. Dr. M. Djamil Padang Sumatera Barat selama 10 tahun yaitu dari tahun 2009 - 2019. Tahapan penelitian dimulai dari studi literatur, pencarian informasi dan data, pengolahan data, prakiraan beban dan diakhiri dengan menganalisis hasil prakiraan. Berdasarkan hasil analisis penelitian menunjukkan model terbaik dari metode ARIMA yaitu ARIMA (0,1,1) yang digunakan untuk melakukan prakiraan beban konsumsi listrik jangka panjang. Nilai MAPE (Mean Absolute Percentage Error) dari model tersebut yaitu sebesar 0%. Nilai ramalan total konsumsi listrik berdasarkan pemakaian MWh untuk RSUP. Dr. M. Djamil Padang pada tahun 2029 diperkirakan mengalami peningkatan kosumsi listrik sebesar 1051,27 MWh dengan rata-rata 9,547 % dari sepuluh tahun sebelumnya.

Teks Lengkap:

PDF

Referensi


A.H. Kuncoro, Rinaldy D. (2005). Aplikasi Jaringan Syaraf Tiruan Untuk Peramalan Beban Tenaga Listrik Jangka Panjang Pada Sistem Kelistrikan Di Indonesia. Jurnal Teknologi, Edisi No. 3 Tahun XIX.

Dedi, Rosadi. (2012). Ekonometrika & Analisis Runtun Waktu Terapan dengan Eviews. Yogyakarta : CV. Andi Offset.

Daman Suswanto (2010). Sistem Distribusi Tenaga Listrik Edisi Pertama. Padang : Universitas Negeri Padang.

J. Supranto. (2004). Statistik Teori Dan Aplikasi Jilid 1 Edisi 6. Jakarta : Gramedia, Jilid 2 Edisi 6. : Erlangga.

M. Jenifer, "Binus.ac.id," 2007. [Online]. Available: http://thesis.binus.ac.id/doc/Bab3/2007-2-00592-TISI-Bab%203.pdf. [Accessed 10 Desember 2018].

Haryadai S., Bahtiar S. A. (2017). Forcasting, Aplikasi Penelitian Bisnis QM for Windows VS Minitab VS Manual. Jakarta : Mitra Wacana Media.

Indra H. (2008). Peramalan Hasil Penangkapan Ikan Konsumsi Air Tawar Di Kabupaten Mojokerto Dengan Metoden ARIMA Box-Jenkins. : Surabaya : Institut Teknologi Sepuluh Nopember.

Sembiring, Lida D. (2018) Hari Jadi Pertambangan dan Energi Ke 72,”. https://economy.okezone.com/read/2017/09/28/320/1784563/

Soliman., Ahmad (2010). Electrical Load Forecasting: Modelling and Contruction. United States of America:). Diktat – Time Series Analysis. Surabaya.

Yanto. (2016). Statisa Inferensi untuk Penelitian Minitab. Yogyakarta : CV. Andi Offset.




DOI: https://doi.org/10.31869/mi.v14i1.1956

Article Metrics

Sari view : 382 times
PDF - 453 times

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

INDEXED BY :

 


Lembaga Penelitian & Pengabdian Masyarakat (LPPM). Universitas Muhammadiyah Sumatera Barat
Jl. Pasir Kandang No.4, Pasie Nan Tigo, Kec. Koto Tangah, Kota Padang, Sumatera Barat 25586. 
Email : lppmumsb@gmail.com



Kunjungan Sampai Saat ini    Web
Analytics Made Easy - StatCounter

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.