Fadilah, Lailatul (2024) Pemodelan Konsumsi Listrik Berdasarkan Jumlah Pelanggan PLN Kabupaten Bangkalan Kategori Rumah Tangga Dengan Metode Fungsi Transfer. Diploma thesis, Institut Teknologi Sepuluh Nopember.
Text
2043201065-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (1MB) | Request a copy |
Abstract
Energi listrik adalah komponen terpenting dalam perkembangan suatu daerah. Perkembangan yang berkelanjutan diiringi dengan kemajuan teknologi yang cukup pesat dan peningkatan taraf hidup, yang menyebabkan konsumsi energi listrik terus meningkat tinggi. Kemajuan teknologi menyebabkan penggunaan energi listrik oleh pelanggan mengalami peningkatan yang cukup signifikan. Estimasi jumlah pelanggan diperlukan untuk memprediksi permintaan listrik saat ini dan masa depan. Data UP3 Pamekasan Kabupaten Bangkalan memiliki jumlah terbanyak pengguna listrik PT. PLN (Persero) dalam sektor rumah tangga pada kategori R1. Dengan memodelkan konsumsi listrik berdasarkan jumlah pelanggan, kita dapat memperoleh prediksi yang berguna dalam perencanaan dan pengelolaan pasokan energi. Metode peramalan yang tepat untuk digunakan dalam kasus ini yaitu metode fungsi transfer. Model fungsi transfer adalah suatu model yang menggambarkan nilai prediksi masa depan dari suatu data time series didasarkan pada nilai-nilai masa lalu data tersebut dengan satu atau lebih variabel yang berhubungan dengan output series tersebut. Didapatkan model terbaik fungsi transfer untuk meramalkan konsumsi listrik kategori rumah tangga R1 di Kabupaten Bangkalan yaitu pada orde b,r,s (13,0,1) dengan yang menyatakan bahwa jumlah konsumsi listrik di PT. PLN Kabupaten Bangkalan kategori rumah tangga R1 pada waktu ke-t dipengaruhi oleh jumlah konsumsi listrik 1 bulan sebelumnya dan jumlah pelanggan pada bulan yang sama. Hasil peramalan konsimsi listrik kategori rumah tangga R1 di Kabupaten Bangkalan menunjukkan konsumsi listrik tertinggi berada di bulan Juli 2024 dan terendah pada bulan Juli 2023. Kemudian terdapat fluktuasi setiap periode kedepan.
=================================================================================================================================
Electrical energy is the most important component in the development of an area. Continuous development is accompanied by rapid technological advances and improved living standards, which causes electrical energy consumption to continue to increase high. Technological advances have caused the use of electrical energy by customers to increase significantly. Estimation of the number of customers is needed to predict current and future electricity demand. UP3 Pamekasan data Bangkalan Regency has the highest number of electricity users PT. PLN (Persero) in the household sector in the R1 category. By modeling electricity consumption based on the number of customers, we can obtain useful predictions in planning and managing energy supply. The proper forecasting method to use in this case is the transfer function method. A transfer function model is a model that describes the predicted future value of a time series data based on the past values of that data with one or more variables associated with the output series. The best model of the transfer function to forecast electricity consumption in the R1 household category in Bangkalan Regency is obtained in order b, r, s (13, 0, 1) by stating that the amount of electricity consumption in PT. PLN Bangkalan Regency household category R1 at the t-th time is influenced by the amount of electricity consumption 1 month earlier and the number of customers in the same month. The results of forecasting electricity consumption for the R1 household category in Bangkalan Regency show that the highest electricity consumption will be in July 2024 and the lowest in July 2023. Then there are fluctuations every period in the future.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Electrical Energy, Transfer Function, PLN, Time Series, Energi Listrik, Fungsi Transfer |
Subjects: | H Social Sciences > HA Statistics > HA30.3 Time-series analysis |
Divisions: | Faculty of Vocational > 49501-Business Statistics |
Depositing User: | Lailatul Fadilah |
Date Deposited: | 21 Jun 2024 01:18 |
Last Modified: | 21 Jun 2024 01:18 |
URI: | http://repository.its.ac.id/id/eprint/108054 |
Actions (login required)
View Item |