PERAMALAN BEBAN PENYULANG KUAT ARUS LISTRIK PT PLN ULP BRONDONG MENGGUNAKAN METODE ARIMA

Dia Ayu Nazizah, Sapti Wahyunigsih

Abstract


PT PLN merupakan badan usaha milik negara yang menyediakan dan memelihara energi listrik di Indonesia. Aliran listrik didistribusikan mulai dari pembangkit hingga ke rumah pelanggan. Dalam memenuhi kebutuhan listrik semua pelanggannya, diperlukan kesesuaian antara permintaan pelanggan dengan tersedianya energi listrik agar tidak menimbulkan kerugian baik di pihak pelanggan maupun penyedia tenaga listrik. Oleh karena itu, PT PLN sebagai pihak penyedia listrik perlu memperhitungkan besar arus listrik yang harus dialirkan dari pembangkit agar sesuai dengan besar arus listrik yang dibutuhkan pelanggan. PT PLN ULP Brondong sebagai unit layanan PT PLN di Kecamatan Brondong dan Paciran Kabupaten Lamongan memantau besar arus listrik yang dialirkan dari gardu induk Paciran sehingga diperoleh data historis harian kuat arus listrik yang dialirkan menuju pelanggan (data beban penyulang kuat arus listrik). Melalui data tersebut, besar kuat arus listrik yang harus dialirkan dapat diramalkan. Sehingga stabilitas kebutuhan dan ketersediaan energi listrik dicapai melalui peramalan time series data historis harian kuat arus listrik. Data dianalisis dan diramalkan menggunakan metode ARIMA dengan alat bantu minitab 19. Analisis time series data beban penyulang kuat arus listrik dengan metode ARIMA menghasilkan lima model peramalan dengan satu model yang memenuhi uji diagnostik. Model tersebut adalah ARIMA (2,0,0) dengan persamaan . Hasil peramalan data beban penyulang kuat arus listrik PT PLN ULP Brondong 1 Juni 2021 sampai 4 Agustus 2021 menggunakan model ARIMA (2,0,0) untuk 4 periode mendatang adalah 749 Ampere pada 5 Agustus 2021, 754 Ampere pada 6 Agustus 2021, 740 Ampere pada 7 Agustus 2021 dan  745 Ampere pada 8 Agustus 2021. Perbandingan data aktual dengan data ramalan memberikan nilai MAPE sebesar 8.2%. Dalam penelitian ini, penulis mencoba menerapkan metode ARIMA untuk meramalkan data baru yang berbeda dengan penelitan sebelumnya.

Kata kunci: Peramalan, Beban Penyulang Listrik, ARIMA

Full Text:

PDF

References


Perusahaan Listrik Negara, “Anak Perusahaan,” 2021. https://web.pln.co.id/tentang-kami/anak-perusahaan.

J. M. Tambunan, N. Pasra, and R. Sumander, “Studi Pemisahan Beban Penyulang Baru Sktm Gis Pantai Indah Kapuk,” Energi & Kelistrikan, vol. 9, no. 1, pp. 16–25, 2018, doi: 10.33322/energi.v9i1.61.

N. L. A. K. Yuniastari and I. W. W. Wirawan, “Peramalan Permintaan Produk Perak Menggunakan Metode Simple Moving Average Dan Single Exponential Smoothing,” Sist. dan Inform. STIKOM Bali, vol. 9, no. 1, pp. 97–106, 2016.

W. M. Briggs, S. Makridakis, S. C. Wheelwright, R. J. Hyndman, and F. X. Diebold, “Forecasting: Methods and Applications,” J. Am. Stat. Assoc., vol. 94, no. 445, p. 345, 1999, doi: 10.2307/2669717.

A. H. Hutasuhut, W. Anggraeni, and R. Tyasnurita, “Pembuatan Aplikasi Pendukung Keputusan untuk Peramalan Persediaan Bahan Baku Produksi Plastik Blowing dan Inject,” J. Tek. Pomits, vol. 3, no. 2, pp. A169–A174, 2014.

R. J. Djami, J. Esna, T. Radjabaycolle, and G. Haumahu, “Forecasting the Ambon City Consumer Price Index Using Arima Box-Jenkins,” vol. 2, no. 2, pp. 87–96, 2021.

D. A. Fajari, M. F. Abyantara, and H. A. Lingga, “Peramalan Rata-Rata Harga Beras Pada Tingkat Perdagangan Besar Atau Grosir Indonesia Dengan Metode Sarima (Seasonal Arima),” J. Agribisnis Terpadu, vol. 14, no. 1, p. 88, 2021, doi: 10.33512/jat.v14i1.11460.

A. K. Rachmawati, “Peramalan Penyebaran Jumlah Kasus Covid19 Provinsi Jawa Tengah dengan Metode ARIMA,” Zeta - Math J., vol. 6, no. 1, pp. 11–16, 2020, doi: 10.31102/zeta.2021.6.1.11-16.

B. H. Saputra, S. N. Afifah, and A. Indahsar, “Peramalan jumlah pasien dengan diagnosa acute upper respiratory infection menggunakan metode autoregressive integrated moving average ( ARIMA ) pada Klinik Pratama Mitra Sehat,” pp. 113–120, 2021.

D. Ayu, “Peramalan Metode ARIMA Data Saham PT. Telekomunikasi Indonesia,” vol. 4, pp. 611–620, 2021.

E. Sartika and S. Murniati, “Peramalan Distribusi Kedatangan Turis Mancanegara Melalui Pintu Masuk Bandara Soekarno Hatta Menggunakan ARIMA,” vol. 4, no. 1, pp. 52–70, 2021.

I. K. Hasan and Ismail Djakaria, “Perbandingan Model Hybrid ARIMA-NN dan Hybrid ARIMA-GARCH untuk Peramalan Data Nilai Tukar Petani di Provinsi Gorontalo,” J. Stat. dan Apl., vol. 5, no. 2, pp. 155–165, 2021, doi: 10.21009/jsa.05204.

W. William W. S., Time Series Analysis Univariate and Multivariate Methods (2nd Edition), Second. Boston: PEARSON Addison-Wesley, 2005.

M. Astiningrum, I. K. Putri, and V. N. Wijayaningrum, “Peramalan Harga Bahan Pokok Menggunakan Support Vector Regression [Forecasting Staple Food Prices Using Support Vector Regression],” Semin. Nas. Teknol. Inf. dan Apl., vol. 12, no. August, pp. 77–82, 2020.


Refbacks

  • There are currently no refbacks.