Академический Документы
Профессиональный Документы
Культура Документы
PENDAHULUAN
akan mengalami peningkatan. Hal ini diakibatkan karena energi listrik telah
kemudian PLN harus mengikuti kebutuhan tenaga listrik dalam arti menyesuaikan
Apabila jumlah pelanggan yang harus dilayani adalah jutaan maka daya yang
unik dalam operasi sistem tenaga listrik adalah bahwa: Daya yang dibangkitkan
harus selalu sama dengan daya yang dikonsumsir oleh para pemakai tenaga listrik
yang secara teknis umumnya dikatakan sebagai beban system. Perubahan beban
dan perubahan pembangkitan daya ini selanjutnya juga menyebabkan aliran daya
dalam saluran transmisi berubah-ubah sepanjang waktu. Apabila daya nyata yang
dibangkitkan oleh Pusat-pusat Listrik lebih kecil daripada yang dibutuhkan oleh
para pelanggan, maka frekuensi akan turun, sebaliknya, apabila lebih besar,
frekuensi akan naik. Mutu listrik yang baik adalah apabila frekuensi dan tegangan
tidak terlalu jauh menyimpang dari nilai nominal, untuk ini haruslah diusahakan
agar daya yang dibangkitkan selalu sama dengan beban yang dibutuhkan.
1
Penyediaan tenaga listrik dengan biaya yang serendah mungkin dan tetap
Mengingat hal tersebut maka operasi Sistem Tenaga Listrik perlu dikelola atas
dasar pemikiran manajemen operasi yang baik terutama karena melibatkan biaya
operasi yang terbesar dan juga langsung menyangkut citra PLN kepada
Tidak ada rumus eksak yang dapat memastikan besarnya beban untuk setiap
tenaga listrik dalam penyediaan energi yang sesuai dengan kebutuhan. Perkiraan
perlu dilakukan sebaik mungkin karena apabila perkiraannya tidak tepat akan
kebutuhan beban. Dan jika perkiraan beban yang terlalu besar maka akan
Penelitian ini dilakukan dengan cara memasukkan beban dasar atau beban
menggunakan software Minitab 16.2.4. Minitab adalah sebuah aplikasi yang salah
satu fungsinya dapat menentukan beban yang dibutuhkan untuk kebutuhan energi
listrik.
2
1.2 Rumusan Masalah
Desember 2017?
beban dasar atau beban tanpa industri. Agar penelitian ini dilakukan secara
maksimal dan efisien, maka perlu pembatasan masalah yang difokuskan pada
perkiraan beban yang dilakukan untuk kategori beban dasar dan perkiraan beban
series analysis .
adalah :
menambah pengetahuan dan wawasan yang lebih luas. Selain itu, juga
sebagai bahan informasi atau bahan acuan bagi peneliti selanjutnya dalam
skala yang lebih luas dan kompleks yang berkaitan dengan judul ini.
4
BAB II
TINJAUAN PUSTAKA
listrik tersebar di berbagai tempat, maka penyampaian tenaga listrik dari tempat
teknis.
PLTG, PLTP, dan PLTD kemudian disalurkan melalui saluran transmisi setelah
up transformator) yang ada di Pusat Listrik. Hal ini digambarkan oleh gambar
66kV, 150kV, dan 500kV. Khusus untuk tegangan 500kV dalam praktek saat ini
disebut sebagai tegangan ekstra tinggi. Setelah tenaga listrik disalurkan melalui
saluran transmisi maka sampailah tenaga lsitrik ke Gardu Induk (GI) untuk
transformator) untuk menjadi tegangan atau yang juga disebut sebagai tegangan
distribusi primer. Tegangan distribusi primer yang dipakai PLN adalah 20kV,
12kV, dan 6kV. Kecenderungan saat ini menunjukkan bahwa tegangan distribusi
5
Gambar 2.1 Skema Pusat Listrik yang dihubungkan melalui saluran Transmisi ke Gardu
Keterangan: G = Generator
besar sampai ke konsumen. Secara garis besar fungsi distribusi adalah sebagai
mencatu daya pada pusat beban yang dilayani langsung melalui jaringan
distribusi.
6
Gambar 2.1 Bagan penyampaian Tenaga Listrik kepada Pelanggan
(sumber: http://noviagunaranti.student.telkomuniversity.ac.id/catu-daya-atau-power-supply/ )
Beban listrik yang digunakan pada konsumen pada umumnya dapat dibagi
menjadi 3 jenis berdasarkan sifatnya yaitu induktif , resistif, dan kapasitif. Beban
induktif adalah beban yang dihasilkan oleh lilitan kawat (kumparan) yang terdapat
di berbagai alat-alat listrik seperti motor, trafo, dan relay. Kumparan dibutuhkan
oleh alat-alat listrik tersebut untuk menciptakan medan magnet sebagai komponen
kerjanya. Pembangkitan medan magnet pada kumparan inilah yang menjadi beban
perlu diperhatikan adalah beban listrik. Hal-hal yang perlu diperhatikan dari beban
listrik:
Power adalah jumlah energi yang diserap atau dihasilkan dalam sebuah
akan menyerap daya listrik tersebut. Dengan kata lain, Daya listrik adalah
tingkat konsumsi energi dalam sebuah sirkuit atau rangkaian listrik. Daya
energi lain. Sebagai contoh, daya nyata yang digunakan untuk menyalakan
sebuah lampu. Energi listrik yang mengalir dari jaringan dan masuk ke
lampu, dikonversikan menjadi energi cahaya dan energi panas oleh elemen
lampu tersebut.
listrik induksi misalnya, medan magnet yang dibangkitkan oleh daya reaktif
medan magnet induksi pada komponen rotor. Pada trafo, daya reaktif
8
Daya semu (S), adalah hasil perkalian antara tegangan efektif dengan
arus efektif.
ke beban listrik sebagai daya nyata. Dapat dikatakan jika beban listrik
bersifat resistif, maka nilai daya semu (S) adalah sama dengan daya nyata
(P). Lain halnya jika beban jaringan bersifat induktif ataupun kapasitif
(beban reaktif), nilai dari daya nyata akan menjadi sebesar cos Ø dari daya
total.
Nilai dari dari daya reaktif (Q) adalah sebesar sin Ø dari daya total.
Hubungan antara daya nyata, daya reaktif dan daya semu dapat
daya semu, salah satu sisi siku sebagai daya nyata, dan sisi siku lainnya
9
(sumber: http://ghojer.blogspot.co.id/2013/09/pengertian-dan-rumus-rumus-daya-listrik.html)
nyata, daya reaktif dan daya semu dapat diekspresikan ke dalam sebuah
persamaan pitagoras.
Perkiraan beban atau peramalan beban adalah cara untuk melihat beban
pada masa yang akan datang dengan melihat kejadian di masa lampau yang dapat
dilakukan baik secara kualitatif dan kuantitatif. Perlunya perkiraan atau peramalan
beban karena beban akan terus berubah, perubahannya tergantung pada kebutuhan
para pelanggan akan tenaga listrik. Tidak ada perhitungan pasti mengenai besarnya
beban sistem pada suatu saat, yang dapat dilakukan hanyalah membuat perkiraan
beban. Dalam pengoperasian sistem tenga listrik harus selalu diusahakan agar daya
10
merupakan masalah yang sangat menentukan bagi kelembagaan listrik baik
segi-segi manajerial maupun bagi segi operasional, oleh karena itu perlu
mendapat perhatian khusus. Untuk dapat membuat perkiraan beban yang sebaik
mungkin diperlukan data beban sistem tenaga listrik yang telah terjadi di masa lalu
untuk dianalisa
Perkiraan beban jangka menengah adalah untuk jangka waktu dari satu
bulan sampai dengan satu tahun. Poros untuk perkiraan beban jangka
jam sampai satu minggu (168 jam). Dalam perkiraan beban jangka pendek batas
atas untuk beban maksimum dan batas bawah untuk beban minimum yang
11
2.4 Times Series Analysis
terhadap suatu variabel yang diambil dari waktu ke waktu dan dicatat secara
berurutan menurut urutan waktu kejadiannya dengan interval waktu yang tetap”.
Sedangkan menurut Cryer (1986) “Time series diartikan sebagai serangkaian data
yang didapatkan berdasarkan pengamatan dari suatu kejadian pada urutan waktu
terjadinya. Data time series adalah nilai-nilai suatu variabel yang berurutan
menurut waktu (misal: hari, minggu, bulan, tahun)”. Ada 4 faktor yang
mempengaruhi data time series. Dalam data ekonomi biasanya ditemukan adanya
fluktuasi/variasi dari waktu ke waktu atau disebut dengan variasi time series.
Variasi ini biasanya disebabkan oleh adanya faktor Trend (trend factor), Fluktuasi
Terdapat 4 model grafik yang digunakan dalam time series yang sangat
berpengaruh dalam peramalan, yaitu: Stasioner, Trend, Siklus, dan Musiman. Dari
keempat model grafik yang ada, grafik stasioner merupakan jenis grafik yang
seiring dengan adanya perubahan deret waktu. Jika suatu deret waktu stasioner
maka nilai tengah (mean), varian dan kovarian deret tersebut tidak dipengaruhi
12
Trend adalah kecenderungan gerak naik atau turun pada data yang terjadi
dalam jangka panjang. Variasi musim adalah gerak naik dan turun yang terjadi
secara periodik (berulang dalam selang waktu yang sama). Siklus adalah
perubahan gelombang pasang surut yang berulang kembali dalam waktu yang
cukup lama, misalnya: 10 tahun, kuartal ke-20 dan lain-lain. Komponen kesalahan
(random) adalah gerakan yang tidak teratur dan terjadi secara tiba-tiba serta sulit
untuk diramalkan. Gerakan ini dapat timbul sebagai akibat adanya perubahan
cuaca, rusaknya perlatan baik pada bagian pembangkit, transmisi, dan lain-lain.
Setiap jenis grafik yang diakibatkan oleh bentuk data memiliki kegunaan dan
selain stasioner, maka akan dilakukan differencing. Maka dari itu pentingnya
Sebelum melakukan peramalan, perlu menentukan model pada data yang ada
dan apa yang kan dilakukan dengan model-model tersebut. Pada umumnya saat
identifikasi model yang ada merupakan uji auto korelasi. Uji fungsi autokorelasi
mengetahui adakah korelasi variabel yang ada di dalam model prediksi dengan
perubahan waktu. Oleh karena itu, apabila asumsi autokorelasi terjadi pada sebuah
model prediksi, maka nilai disturbance tidak lagi berpasangan secara bebas,
13
1) Autocorrelation function (ACF)
sebelumnya. Fungsi ini memainkan peran dalam analisis data bertujuan untuk
permodelan yang tepat. Pada time series, terdapat beberapa model yang dapat
Model Autoregressive (p) adalah model hasil regresi dengan dirinya sendiri
Model Moving Average (q) disebut juga sebagai model rata-rata bergerak.
Model ARMA (p,q) merupakan model capuran dari model AR dan MA tanpa
terhadap satuan waktu. Metode yang digunakan oleh aplikasi ini adalah Time
Series Analysis (Analisa Deret Waktu) yang dimana berarti bahwa data yang kita
peroleh dan akan dibuatkan perencanaan ke depannya adalah harus sesuai dengan
runtun waktu tertentu. Jarak antara satu data terhadap data yang lain
Dengan begitu, aplikasi ini akan menganalisa dan menghitung dengan sendiri
dan hanya menampilkan output hasil analisa dan perhitungan dalam bentuk
bilangan maupun grafik. Dari hasil tersebut kita dapat mengetahui secara detail
bahwa data ataupun hasil perubahan data telah sesuai dengan yang dibutuhkan
atau tidak. Berikut merupakan tampilan utama dari aplikasi MiniTab 16 Statistical
Software:
15
Gambar 3.3 Tampilan awal aplikasi miniTab 16 Statistical Software
16
BAB III
METODE PENELITIAN
1 Konsultasi
Pengumpulan dan
2
Pengolahan Data
Pembuatan dan
3
Pengolahan Tugas Akhir
17
3.2 Instrumen
Alat yang digunakan dalam pembuatan simulasi adalah laptop yang memiliki
Metode pengumpulan data yang dilakukan pada penelitian ini adalah sebagai
berikut :
1. Studi Literatur
situs-situs internet dan literatur lain yang berkaitan dengan masalah yang
2. Wawancara
muka atau wawancara secara langsung dengan pihak terkait dengan tugas
akhir ini dan dosen yang memiliki pengetahuan yang ada kaitannya dengan
lapangan.
3. Entry Data
Entry Data adalah melakukan pengumpulan data yang telah dihimpun dari
pihak UPB Sulselrabar. Data yang dihimpun berupa total beban sistem
beserta beban industri yang terdapat pada Realisasi Beban Harian Sistem
Sulawesi Selatan.
18
3.4 Teknik Analisis Data
Dalam penelitian ini metode analisis data yang digunakan adalah analisis
Time Series. Penelitian ini juga menggunakan software Minitab versi 16.2.4, yang
salah satu fungsinya adalah menentukan berapa beban yang dibutuhkan oleh
Analisa terhadap data yang telah kita dapatkan dengan menguraikan secara
satu per satu yang telah dilakukan dan menganalisis hasil semua data yang ada
pada penelitian tersebut. Apakah perencanaan yang telah dibuat memiliki deviasi
Mulai
Pengumpulan
Data
Tidak
Data Lengkap
dan Valid
Ya
Peramalan Data
Selesai
19
BAB IV
Sesuai dengan judul laporan Tugas Akhir ini, yaitu Perkiraan Beban Bulanan
data beban dasar pada data beban sistem. Pada perkiraan beban dibutuhkan data
yang lengkap mengenai pembuatan perkiraan beban. Data tersebut berupa data
Metode time series analysis pada aplikasi Minitab versi 16 menggunakan data
pembuatan laporan ini sebanyak 21 data selama dua tahun, yaitu tahun 2016 dan
2017 pada masing-masing bulannya (kecuali tiga bulan terakhir pada tahun 2017).
Dan data tersebut merupakan data beban sistem tanpa industri Bosowa dan
20
Aug-16 962.123 Aug-17 961.6
Sep-16 947.793 Sep-17 1019.3
Oct-16 973.231 Oct-17 0.0
Nov-16 989.2 Nov-17 0.0
Dec-16 968.2 Dec-17 0.0
4.3 Hasil
seiring dengan adanya perubahan deret waktu. Jika suatu deret waktu stasioner
maka nilai tengah (mean), varian dan kovarian deret tersebut tidak dipengaruhi
kestasioneran. Untuk mengetahui data telah stasioner atau tidak dapat dilihat
21
Gambar 4.1 Grafik Data
Berdasarkan Gambar 4.1 menunjukkan data mengalami trend naik hal ini berarti
data belum stasioner. Jika suatu data tidak stasioner maka dilakukan differencing
data.
1 * 12 -21.05
2 -84.272 13 0.9
3 92.571 14 11.193
4 -17.184 15 3.124
5 13.153 16 12.555
6 22.239 17 -17.678
7 -190.921 18 -6.412
8 273.942 19 -7.742
22
9 -14.33 20 -2.52
10 25.438 21 57.71
11 15.999
b. Februari 2016
𝑊𝑡 = (1 − 𝐵)𝑑 𝑍𝑡
𝑊𝑡 = 𝑍𝑡 − 𝐵𝑑 𝑍𝑡
𝑊𝑡 = 𝑍𝑡 − 𝑍𝑡−𝑑
𝑊2 = 𝑍2 − 𝑍2−1
𝑊2 = 𝑍2 − 𝑍1
𝑊2 = 768.323 − 852.595
𝑊2 = −84.272
c. Maret 2016
𝑊𝑡 = (1 − 𝐵)𝑑 𝑍𝑡
𝑊𝑡 = 𝑍𝑡 − 𝐵𝑑 𝑍𝑡
𝑊𝑡 = 𝑍𝑡 − 𝑍𝑡−𝑑
𝑊3 = 𝑍3 − 𝑍3−1
𝑊3 = 𝑍3 − 𝑍2
𝑊3 = 860.869 − 768.323
𝑊3 = 92.571
23
Gambar 4.2 Grafik Data Stasioner
Berdasarkan Gambar 4.2 menunjukkan data sudah tidak mengalami trend naik
Untuk menetukan dugaan model ARIMA dapat dilihat pada plot ACF dan PACF.
Dapat dilihat plot ACF dan PACF pada Gambar 4.2 dan Gambar 4.3.
24
Gambar 4.3 Plot ACF
25
Berdasarkan Gambar 4.2 menunjukkan terjadi cut off pada lag 1 dan pada
Gambar 4.3 menunjukkan terjadi cut off pada lag 1 sehingga didapatkan beberapa
MA 0.9275 0.000
ARIMA (0,1,1) 3890.1
Konstanta 9.788 0.001
AR -0.593 0.006
ARIMA (1,1,0) 4872.6
Konstanta 14.61 0.362
AR -0.0128 0.962
ARIMA (1,1,1) MA 0.9271 0.000 4118.2
Konstanta 9.93 0.000
Berdasarkan Tabel 4.3 pada semua dugaan model nilai MSE terkecil berada pada
lebih signifikan daripada model yang lain. Sehingga model terbaik yang dipilih
adalah ARIMA(0,1,1).
Diperoleh perkiraan, beban tanpa industri Bosowa dan Tonasa sebagai berikut :
26
Adapun hasil realisasi beban dari bulan yang diramalkan dapat dilihat pada tabel
di bawah ini :
Untuk menghitung berapa deviasi antara perkiraan atau rencana dengan realisasi
a. Oktober 2017
𝐷 = (100 − 98.7)%
𝐷 = 1.3%
b. November 2017
27
𝐷 = (100 − 101)%
𝐷 = −1%
c. Desember 2017
𝐷 = (100 − 102)%
𝐷 = −2%
28
BAB V
A. Kesimpulan
1.3%, bulan November sebesar -1%, dan pada bulan Desember sebesar
-2%.
3. Ketiga hasil perkiraan tidak melewati standar yang ada yaitu tidak
B. Saran
pengarahan awal apa yang akan dihadapi saat praktek kerja nanti
yang dilakukannya.
29
3. Tugas Akhir ini diolah dengan software Minitab versi 16 dimana
30
DAFTAR PUSTAKA
Abduh, Fathir Muhammad. 2017. Rencana Operasi Harian Sistem Tenaga Listrik
Marsudi, Djiteng. 2016. Operasi Sistem Tenaga Listrik. Jakarta: Graha Ilmu
Sukino, Toto.2004. Bahan ajar Operasi Sistem Tenaga Listrik 1B. Yogyakarta:
Syafii dan Edyan Noveri. 2013. Studi Peramalan (Forecasting) Kurva Beban
2301.2949
Shewhart dan Bagan Kendali ARMAST. Skripsi. Fakultas Matematika dan Ilmu
sampai tahun 2018 dengan metode regresi berganda deret waktu. Laporan Hasil
31
Wei, W.W.S. (2006). Time Series Analysis: Univariate and Multivariate Methods
32
LAMPIRAN
Yt = 814.3 + 10.0*t
Accuracy Measures
MAPE 4.53
MAD 38.89
MSD 3166.09
Data diffrnc1
Length 21
NMissing 1
Yt = 4.2 + 0.362*t
Accuracy Measures
MAPE 175.15
MAD 45.32
MSD 6612.37
33
Autocorrelation Function: diffrnc1
Lag PACF T
1 -0.543264 -2.43
2 -0.276155 -1.24
3 -0.058736 -0.26
4 -0.362767 -1.62
5 0.017800 0.08
6 0.020345 0.09
7 -0.067224 -0.30
8 -0.126893 -0.57
9 -0.098686 -0.44
10 -0.247084 -1.10
11 -0.232587 -1.04
12 -0.225593 -1.01
13 -0.016475 -0.07
14 -0.042817 -0.19
15 -0.037401 -0.17
16 -0.062708 -0.28
17 -0.038325 -0.17
18 -0.125715 -0.56
19 -0.131592 -0.59
34
1 104078 0.250 8.121
2 92673 0.400 8.102
3 84248 0.550 8.330
4 78336 0.700 8.903
5 73866 0.848 9.954
6 71961 0.909 10.312
7 71693 0.934 10.141
8 71591 0.922 9.647
9 71530 0.929 9.813
10 71529 0.927 9.788
Lag 12 24 36 48
Chi-Square 7.0 * * *
DF 10 * * *
P-Value 0.723 * * *
35
Number of observations: Original series 21, after differencing 20
Residuals: SS = 87707.4 (backforecasts excluded)
MS = 4872.6 DF = 18
Lag 12 24 36 48
Chi-Square 5.7 * * *
DF 10 * * *
P-Value 0.838 * * *
Lag 12 24 36 48
Chi-Square 7.2 * * *
DF 9 * * *
P-Value 0.620 * * *
Lag 12 24 36 48
Chi-Square 7.0 * * *
DF 10 * * *
P-Value 0.723 * * *
95% Limits
Period Forecast Lower Upper Actual
22 1028.69 906.42 1150.96
23 1038.48 915.89 1161.07
24 1048.27 925.35 1171.18
37