Proyeksi Kebutuhan Tenaga Listrik di Wilayah Surabaya Barat Dengan Pendekatan Time Series

Bimantara, Aditya (2023) Proyeksi Kebutuhan Tenaga Listrik di Wilayah Surabaya Barat Dengan Pendekatan Time Series. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211113-Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (4MB) | Request a copy

Abstract

Kebutuhan tenaga listrik dalam suatu wilayah terus meningkat dari waktu ke waktu sejalan dengan meningkatnya perkembangan perekonomian di wilayah tersebut. Peningkatan konsumsi tenaga listrik tentunya harus diiringi dengan peningkatan produksi atau kesiapan penyediaan tenaga listrik yang memadai baik dari segi jumlah maupun kualitas kelistrikan. Proses penyediaan tenaga listrik memerlukan waktu pembangunan yang lama dan membutuhkan investasi yang tergolong besar, sehingga diperlukan proyeksi kebutuhan tenaga listrik yang tepat agar investasi dapat dilakukan dengan tepat dan menguntungkan. Disisi lain proyeksi kebutuhan tenaga listrik umumnya diperlukan untuk penetapan target sebuah perusahaan yang selaras dengan tujuan perusahaan sehingga diperlukan proyeksi yang tepat dengan kondisi sebuah perusahaan. Proyeksi kebutuhan tenaga listrik berdasarkan rentang waktu dapat dilakukan dengan menggunakan metode time series. Metode peramalan time series dapat digunakan untuk melakukan proyeksi kebutuhan tenaga listrik berdasarkan rentang waktu. Metode ini menggunakan asumsi bahwa masa depan merupakan fungsi dari masa lalu. Dalam penelitian ini akan dilakukan peramalan time series dengan menggunakan ARIMA (Autoregressive Integrated Moving Average). Berdasarkan hasil pemodelan didapatkan model terbaik untuk data Penambahan Daya (MVA) adalah model ARIMA(0,1,0) dengan nilai AIC sebesar 395,11. Sedangkan model terbaik untuk data Penambahan Pelanggan (Plgn) adalah model ARIMA(1,0,0) dengan nilai AIC sebesar 1050,16. Pada data Rupiah Pendapatan per Penjualan kWh (Rp/kWh) didapatkan model terbaik ARIMA ([8],1,0) dengan nilai AIC sebesar 578,62. Sedangkan untuk data Penjualan Tenaga Listrik (gWh) adalah model ARIMA(0,1,1) dengan nilai AIC sebesar 631,04. Semua model yang didapatkan sudah memenuhi semua asumsi yang diperlukan.
=================================================================================================================================
The demand for electricity in a certain region keeps increasing over time in line with the development of the economy in that area. The increase in electricity consumption must be accompanied by an increase in production or readiness of adequate electricity supply, both in terms of quantity and quality. The process of providing electricity requires a significant amount of time for construction and a considerable investment, so an accurate projection of electricity demand is necessary to ensure that investments can be made properly and profitably. On the other hand, the projection of general electricity needs is generally required to determine the target of a company that aligns with the company's goals, thus requiring accurate projections considering the company's conditions. Time series methods can be used for demand forecasting over a period of time. This method assumes that the future is a function of the past. In this research, time series forecasting will be conducted using ARIMA (Autoregressive Integrated Moving Average) method. Based on the modeling results, the best model for the Power Addition (MVA) data is ARIMA(0,1,0) with an AIC value of 395.11. Meanwhile, the best model for the Customer Addition (Plgn) data is ARIMA(1,0,0) with an AIC value of 1050.16. For the Revenue per Sales of kWh (Rp/kWh) data, the best model obtained is ARIMA([8],1,0) with an AIC value of 578.62. As for the Electricity Sales (gWh) data, the best model is ARIMA(0,1,1) with an AIC value of 631.04. All the obtained models fulfill all the necessary assumptions.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Kebutuhan Tenaga Listrik, Time Series, Peramalan, ARIMA, Electricity Demand, Forecasting
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Aditya Bimantara
Date Deposited:	19 Oct 2023 04:58
Last Modified:	19 Oct 2023 04:58
URI:	http://repository.its.ac.id/id/eprint/102985

Actions (login required)

View Item