SUSUNAN REDAKSI
PETIR
JURNAL PENGKAJIAN DAN PENERAPAN TEKNIK INFORMATIKA PENGARAH Ir. Djiteng Marsudi
SEKOLAH TINGGI TEKNIK – PLN (STT-PLN) JAKARTA
PENASEHAT DR. IR. M. Hafidz, M.Eng.Sc.
VOL. 5 NO. 1, JANUARI - MEI 2012 HAL. 1 - 75 ISSN 1978-9262
PENANGGUNG JAWAB Luqman, ST.,M.Kom.
KATA PENGANTAR DEWAN REDAKSI
KETUA REDAKSI Iriansyah B.M. Sangadji, S.Kom.,M.Kom
Selamat berjumpa lagi.
alam Sejahtera.
DEWAN REDAKSI DR. Ir. Kholil, M.Kom. Selly Karmila, S.Kom.,M.Si. Ir. Darma Rusjdi, M.Kom. Yessy Asri, ST.,MMSI. Meilia Nur Indah S, ST.,M.Kom. Irfan Sembiring, ST. Rakhmadi Irfansyah P, S.Kom, MMSI Yessy Fitriani, ST. SIRKULASI DAN PERCETAKAN Yudha Formanto, SIP Akhmad Fauzi
ALAMAT REDAKSI : PUSAT PENELITIAN STT-PLN Menara PLN, Jl. Lingkar Luar Barat Duri Kosambi, Cengkareng, Jakarta Barat 11750 Telp. 021-5440342, 5440344, Fax. 021-5440343 Website : www.sttpln.ac.id E-Mail Address :
[email protected] CARA BERLANGGANAN : Permintaan berlangganan dapat Dikirimkan ke alamat redaksi diatas
DITERBITKAN OLEH : PUSAT PENELITIAN STT-PLN JAKARTA Frekuensi Terbit : 2 kali dalam 1 tahun (Januari, Juli)
Para Pembaca yang budiman, selamat bertemu lagi. Sebelumnhya kami segenap redaksi Jurnal “PETIR” mohon maaf sebesarnya karena keterlambatan pencetakan jurnal ini. Hal ini dikarenakan kendala teknis yang sulit untuk dihindari. Harapan kami kedepan, mudah-mudahan untuk kualitas isi dan ketepatan waktu akan semakin meningkat dengan rutinitas penerbitan yang telah ada dapat terjaga kembali. Kami mengucapkan selamat tahun baru 2012 bagi sekalian pembaca. Mudah-mudahan tahun baru berarti juga semangat baru dan kualitas hidup kita semua semakin menunjukkan peningkatan baru secara positif. Dalam Jurnal Petir Volume 5 Nomor 1 ini memuat 11 makalah antara lain; Komparasi Model Regresi Untuk Prakiraan Beban Listrik Jangka Pendek Menggunakan Koefisien Dan Pembangkit Data Random, Metode Penentuan Batas Nilai Ambang Untuk Pembuatan Peta Dasar, Design Aplikasi pengiriman pesan (SMS Broadcast) sebagai alat penyampai informasi berbasis web untuk STT-PLN, Simulasi Robot Penghindar Rintangan Berbasis Sensor Ultrasonik Berbahasa Pemrograman Assembler, Aplikasi Atmega 8535 Dalam Pembuatan Alat Ukur Besar Sudut (Derajat), Rancang Bangun Career Centre Berbasis Web Di Sekolah Tinggi Teknik PLN Dengan Teknik Sequential Searching, Aplikasi absensi karyawan berbasis Face Recognition menggunakan Algoritma Eigenface, studi kasus : Karyawan STT-PLN, Perancangan Aplikasi Manajemen Trafo Menggunakan Metode Naive Bayesian Berbasis Web Pada PT PLN (Persero) Wilayah Aceh, Identifikasi Potensi Pencemaran Limbah Cair Industri Dengan Menggunakan Arcview (Studi Kasus Kota Cikarang-Bekasi), Simulasi Perubahan Arus Dan Tegangan Pada Pembukaan Saklar, Pemanfaatan Smartcard Untuk Rekam Medis Pasien Pada Rumah Sakit. Berdasarkan tema-tema yang masuk, dapat dikategorikan beberapa tema mengenai; Simulasi, Sistem Komputer, Kecerdesan Buatan, Model Sistem Informasi. Terima kasih untuk para penulis yang berkontribusi pada penulisan ini, dan pada akhirnya selamat membaca.
Semoga bermanfaat dan selamat membaca. Redaksi
PEDOMAN PENULISAN
TUJUAN : Jurnal ”PETIR” diterbitkan oleh Perpustakaan, Penerbitan dan Percetakan STTPLN sebagai media penyebarluasan Hasil-hasil penelitian, Kajian Kepustakaan, Hasil Observasi, survei yang memiliki pemberatan terhadap Visi, Misi Jurusan Teknik Informatika STT PLN dan menunjang pengembangan Ilmu Pengetahuan dan Teknologi. JUDUL NASKAH : Huruf kapital 14 point Verdana dengan spasi 1 ditebalkan ditengah-tengah. Judul berupa suatu ungkapan pendek yang mencerminkan isi dari tulisan. NASKAH Naskah diketik pada kertas A4 dengan : Ditulis menggunakan MS Word. Nama Penulis, Lembaga/instansi, e-mail penulis diketik dibawah judul pada halaman pertama dan nama penulis ditulis tanpa gelar menggunakan huruf Verdana 9 Point diketik ditengah-tengah halaman tidak terpengaruh kolom. Abstrak ditulis dengan font italic maksimal 250 kata dan tidak terpengaruh kolom menggunakan Verdana 9 Point. Satu halaman terbagi 2 (dua) kolom dengan tulisan Verdana 9 Point. TABEL DAN GAMBAR Tabel dan gambar diberi judul yang singkat dan jelas dengan penomoran tabel diletakkan berada diatas tabel sesuai urutan tabel dan penomoran gambar diletakkan berada dibawah gambar dengan huruf Verdana 8 point. DAFTAR PUSTAKA / REFERENSI Penulisan disusun menurut abjad dari nama penulis dengan format ; Nama penulis, Judul Buku, Penerbit, Kota terbit, Tahun. Jika referensi berasal dari internet ditulis Judul, alamat internet, Tanggal akses. Jika referensi berasal dari kumpulan jurnal atau berkala ilmiah harus ditambahkan halaman yang diacu pada akhir referensi.
PETIR
JURNAL PENGKAJIAN DAN PENERAPAN TEKNIK INFORMATIKA SEKOLAH TINGGI TEKNIK – PLN (STT-PLN) JAKARTA VOL. 5 NO. 1 JANUARI - MEI 2012 HAL. 1 - 75
ISSN 1978-9262
DAFTAR ISI KOMPARASI MODEL REGRESI UNTUK PRAKIRAAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN KOEFISIEN DAN PEMBANGKIT DATA RANDOM Iriansyah BM. Sangadji ..................................................................................
01 – 06
METODE PENENTUAN BATAS NILAI AMBANG UNTUK PEMBUATAN PETA DASAR Meilia NIS ; Darma Rusjdi ..............................................................................
07 – 11
DESIGN APLIKASI PENGIRIMAN PESAN (SMS BROADCAST) SEBAGAI ALAT PENYAMPAI INFORMASI BERBASIS WEB UNTUK STT-PLN Luqman .......................................................................................................
12 – 20
SIMULASI ROBOT PENGHINDAR RINTANGAN BERBASIS SENSOR ULTRASONIK BERBAHASA PEMROGRAMAN ASSEMBLER Indrianto ......................................................................................................
21 – 27
APLIKASI ATMEGA 8535 DALAM PEMBUATAN ALAT UKUR BESAR SUDUT (DERAJAT) Ery Safrianti; Rahyul Amri; Setiadi ..................................................................
28 – 32
RANCANG BANGUN CAREER CENTRE BERBASIS WEB DI SEKOLAH TINGGI TEKNIK PLN DENGAN TEKNIK SEQUENTIAL SEARCHING Rakhmadi Irfansyah P; Devi Oktaviani ..............................................................
33 – 37
APLIKASI ABSENSI KARYAWAN BERBASIS FACE RECOGNITION MENGGUNAKAN ALGORITMA EIGENFACE, STUDI KASUS : KARYAWAN STT-PLN Dewi Arianti Wulandari ; Taufik Qurrahman ………………………………………………………………
38 – 44
PERANCANGAN APLIKASI MANAJEMEN TRAFO MENGGUNAKAN METODE NAIVE BAYESIAN BERBASIS WEB PADA PT PLN (PERSERO) WILAYAH ACEH Rizqia Cahyaningtyas; Julianto Putra ................................................................
45 – 53
IDENTIFIKASI POTENSI PENCEMARAN LIMBAH CAIR INDUSTRI DENGAN MENGGUNAKAN ARCVIEW, (STUDI KASUS KOTA CIKARANG - BEKASI) Yessy Asri ....................................................................................................
54 – 63
SIMULASI PERUBAHAN ARUS DAN TEGANGAN PADA PEMBUKAAN SAKLAR Yessy Fitriani ................................................................................................
63 – 70
PEMANFAATAN SMARTCARD UNTUK REKAM MEDIS PASIEN PADA RUMAH SAKIT Nenny Anggraini ………………………………………………………………………………………………………….
71 - 75
KOMPARASI MODEL REGRESI UNTUK PRAKIRAAN BEBAN LISTRIK JANGKA PENDEK MENGGUNAKAN KOEFISIEN DAN PEMBANGKIT DATA RANDOM Iriansyah BM. Sangadji Jurusan Teknik Informatika Sekolah Tinggi Teknik PLN Jakarta Email :
[email protected]
Abstract Electrical energy demand forecasts play an important role in the planning of electric power systems. In order to forecast electricity demand growth, required an appropriate amount of data such as patterns of electrical energy needs of the past. Regression using coefficient and data generation of random data models, in compare to predict and calculate the consumption of electrical energy needs in the dailies. The pattern of electric power load prediction in regression model occurs that using the random data models generator in order to locate the missing values results of electric power load prediction based on data patterns that have had an average deviation of 8.6% on the prediction of daily. In monthly period of predictions for the value an average deviation of 7.5% value indicates that the prediction accuracy close to the value of a predetermined tolerance deviation by the company PLN in the prediction of electric power load that is equal to 5%. Key word : Regression linear, Generate data random, Prediction of electric power load.
Abstrak Perkiraan permintaan energi listrik memainkan peran penting dalam perencanaan sistem tenaga listrik. Dalam rangka untuk proyeksi pertumbuhan permintaan listrik, diperlukan suatu jumlah yang tepat dari data seperti pola kebutuhan energi listrik di masa lalu. Menggunakan koefisien regresi dan generasi data model data acak, di bandingkan untuk memprediksi dan menghitung konsumsi energi listrik kebutuhan harian. Pola beban daya listrik diprediksi modelregresi terjadi yang menggunakan generator data acak model dalam rangka untuk mencari nilai-nilai yang hilang hasil prediksi beban listrik berdasarkan pola data yang telah memiliki deviasi rata-rata 8,6% pada prediksi harian. Pada periode bulanan prediksi untuk nilai deviasi rata-rata nilai 7,5% menunjukkan bahwa akurasi prediksi dekat dengan nilai penyimpangan toleransi yang telah ditentukan oleh PLN dalam prediksi beban listrik yang sama dengan 5%. Kata Kunci : Regresi linear, Pembangkitan data acak, Prakiraan Beban Listrik
A. Latar Belakang Energi listrik sudah menjadi kebutuhan masyarakat dewasa ini. Konsumsinya senantiasa mengalami peningkatan yang cukup besar setiap waktunya. Hal ini menuntut Perusahaan Listrik Negara (PLN) untuk selalu merencanakan dan menyiapkan energi listrik guna memenuhi kebutuhan masyarakat, selain juga dituntut untuk selalu meningkatkan mutu, kualitas dalam pelayanan dan keandalannya dalam menyalurkan energi listrik. Penyediaan energi listrik untuk konsumsi ini, apalagi dalam jangka pendek merupakan salah suatu persoalan yang cukup kompleks dan perlu kehati-hatian untuk pengaturannya. Salah satunya karena energi listrik yang dihasilkan, tidak akan praktis untuk disimpan dalam waktu cepat tetapi harus terus disalurkan langsung ke konsumen. Dengan kata lain harus
ada kesesuaian penyediaan energi listrik antara pembangkit dengan permintaan kebutuhan pelanggan. Persoalan penting ini, dalam rangka untuk melakukan penjadwalan pengontrolan terhadap kapan waktu pembangkit harus diaktifkan dan berapa jumlahnya serta di pem-bangkitan ekonomis mana saja yang berdampak ekonomi. Dalam rangka menjaga keseimbangan tersebut, perencanaan yang baik menjadi mutlak dibutuhkan dalam suatu prakiraan beban listrik, sehingga perkiraan-perkiraan yang akan datang paling tidak mendekati gambaran sebenarnya akan kebutuhan energi listrik. Sistem prakiraan beban yang digunakan saat ini yaitu dengan menggunakan perhitungan metode koefisien beban, ternyata masih memberikan error prediksi ratarata 7%-10% dalam 24 jamnya.
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
1
B. Tujuan Menguji dan membandingkan hasil regresi dengan menggunakan koefisien dan pembangkitan acak untuk memprakirakan konsumsi listrik jangka pendek. Hasil pengujian akan dibandingkan dengan data sebenarnya yang terjadi.
C. Kajian Teoritis 1. Prakiraan Prakiraan (forecasting) adalah kegiatan mengestimasi apa yang akan terjadi pada masa yang akan datang. Prakiraan diperlukan karena adanya perbedaan kesenjangan waktu (timelag) antara kesadaran akan dibutuhkannya suatu kebijakan baru dengan waktu pelaksanaan kebijakan tersebut. Apabila perbedaan waktu tersebut panjang, maka peran prakiraan begitu penting dan sangat dibutuhkan, terutama dalam penentuan kapan terjadinya suatu kejadian sehingga dapat dipersiapkan tindakan yang perlu dilakukan. Metode prakiraanpun akan membantu dalam mengadakan pendekatan dalam menganalisa tingkah laku atau pola dari data yang lalu, sehingga dapat memberikan cara pemikiran, pengerjaan dan pemecahan yang sistematis dan pragmatis, serta memberikan tingkat keyakinan yang lebih besar atas ketepatan hasil prakiraan yang dibuat.
2. Prakiraan Beban Listrik Dalam rangka mengetahui berapa besar beban listrik yang harus dilayani, sebenarnya tidak ada perhitungan yang eksak mengenai berapa besar beban pada suatu saat, yang bisa dilakukan hanyalah membuat prakiraan atau prediksi beban. Untuk membuat prakiraan beban yang baik, perlu data atau informasi tetang beban sistem tenaga listrik yang sudah terjadi di masa lalu (Marsudi 2006). Oleh karenanya data statistik beban di masa lalu sangat diperlukan untuk melakukan perakiraan beban listrik di masa yang akan datang yang dilakukan dengan cara mengekstrapolir grafik beban di masa lampau ke masa yang akan datang. Beberapa hal yang menyebabkan terjadinya perubahan beban listrik, antara lain sebagai berikut : 1. Bertambahnya jumlah konsumen atau pelanggan tenaga listrik; 2. Bertambahnya tingkat konsumsi tenga listrik dari konsumen, misalnya karena menambahnya peralatan listrik; 3. Suhu udara, ketika suhu udara tinggi maka pemakaian alat-alat pendingin ruangan bertambah; 4. Aktivitas atau kegiatan ekonomi dalam masyarakat; 5. Kegiatan sosial dalam masyarakat.
Beban sistem tenaga listrik merupakan pemakaian tenaga listrik dari dari para pelanggan listrik. Ada tiga kelompok perkiraan beban yaitu ; Perkiraan Beban Jangka Panjang, Perkiraan Jangka Menengah, Perkiraan Beban Jangka Pendek. Perkiraan Beban Jangka Pendek adalah untuk jangka waktu beberapa jam sampai satu minggu (168 jam). Dalam perkiraan beban jangka pendek terdapat batas atas untuk beban maksimum dan batas bawah untuk beban minimum yang ditentukan oleh perkiraan beban jangka menengah. Dalam penelitian ini, data beban jangka pendek yang akan diproses adalah data 30 hari dan 1 bulanannya Skenario karakteristik pola yang sering terjadi adalah ; 1. Beban puncak selalu terjadi disekitar jam 19.00 yaitu pada malam hari. Ini berarti bahwa pemakaian tenaga listrik untuk keperluan penerangan masih lebih banyak dibandingkan pemakaian tenaga listrik untuk keperluan industri. 2. Pada pagi hari sekitar jam 05.00 pagi selalu ada kenaikan beban sebentar yang kemudian diikuti dengan penurunan beban pada disekitar jam 06.00 pagi. Hal ini disebabkan karena sekitar jam 05.00 pagi para pemakai tenaga listrik telah bangun, menyalakan lampu untuk sembahyang dan melakukan persiapan-persiapan untuk bekerja. Setelah matahari terbit, kira-kira jam 06.00 lampulampu dimatikan dan beban turun. 3. Beban terendah terjadi untuk setiap hari antara jam 06.30 dan jam 07.30 karena pada saat ini lampu-lampu sudah dimatikan tetapi belum ada kegiatan yang menambah pemakaian tenaga listrik dalam masyarakat. 4. Untuk hari minggu dan hari libur saat terjadinya beban terendah ini lebih siang. Disebabkan karena kegiatan masyarakat yang memerlukan tambahan tenaga listrik terjadi lebih siang pada hari-hari Minggu dan libur dibandingkan pada hari-hari kerja. 5. Beban hari Sabtu untuk setiap jam yang sama adalah lebih rendah daripada untuk hari kerja lainnya. Hal ini disebabkan karena adanya perusahaan-perusahaan yang tidak bekerja pada hari Sabtu. 6. Beban hari Minggu untuk setiap jam yang sama adalah lebih rendah daripada beban hari kerja (termasuk hari Sabtu), hal ini disebabkan karena sebagian besar perusahaan tidak bekerja pada hari Minggu. 7. Beban hari libur khusus seperti hari raya Idul Fitri dan Tahun Baru untuk jam yang sama adalah lebih rendah daripada beban hari Minggu. Hal ini disebabkan karena tidak adanya siaran televisi di siang hari libur dan juga oleh karena pada kedua hari libur diatas kegiatan pemakaian tenaga listrik oleh para pemakai adalah paling rendah. 3. Regresi Linear Sederhana Menurut Herjanto (1999) bahwa regresi sederhana ini meninjau hubungan antara data
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
2
masa lalu (variabel tak bebas) dengan satu variabel bebas. Dari perhitungan regresi sederhana ini dapat diprakirakan pola trend kebutuhan untuk masa yang akan datang. Jika ditulis dalam bentuk matematika adalah sebagai berikut : …………………………......................…………(1) dimana: Yˆ x a b
y
= = = =
hasil peramalan variabel bebas nilai Yˆ jika x bernilai nol koefisien kemiringan garis regresi terhadap perubahan x (menunjukkan perubahan y bila x naik satu satuan per unit) = variabel tidak bebas (data) Nilai a dan nilai b dapat dicari dengan persamaan seperti dibawah ini (Herjanto,1999) :
………………………............……………(2)
…………............………………… (3)
n y
: banyak pasangan data : nilai peubah takbebas Y ke-i
i
x
Penelitian dilakukan sebagaimana Gambar 1 diatas : Pada jalur kiri, pola Data harian listrik yang didapatkan dalam format excel langsung digunakan untuk menghasilkan prakiraan beban listrik menggunakan koefisien sebagaimana regresi linear sederhana. Pada jalur kanan, data yang ada dibangkitkan dahulu menggunakan pembangkitan acak berdasarkan pola data hariannya, sebelum dilakukan proses prakiraan menggunakan regresi sederhana. Bagi prediksi Bulanan dilakukan berdasarkan Total rata-rata prediksi harian. Hasil dari kedua model tersebut kemudian dibandingkan terhadap data sebenarnya yang terjadi.
E. Analisa kebutuhan sistem 1. Kebutuhan Input Dalam hal ini data yang digunakan adalah berupa jumlah data utuh yang berbentuk time series 24 jam dengan tiap jamnya tercatat jumlah nilai beban listrik yang terpakai atau jumlah nilai pemakaian listrik oleh konsumen. Dalam penggunaan data pada simulasi ini adalah data dari banyaknya hari yang telah terjadi, jam 00.00 – 24.00, dan rata-rata beban daya listrik, serta data yang digunakan sebanyak mungkin.
: nilai peubah bebas X ke-i
i
D. Metodologi Penelitian
2. Kebutuhan Proses Pada Kebutuhan proses dalam aplikasi simulasi ini cenderung lebih pada pembangkitan data acak, proses perhitungan persamaan regresi, serta proses besar selisih antara nilai yang terjadi dengan hasil prediksi. Proses Pembangkitan Data Acak Setiap data input yang berupa tabel berbentuk time series sebanyak 24 record. Kemudian di degenerate dengan menggunakan rumus sebagai berikut : Batas bawah = Data Beban Asli Batas Atas = Batas Bawah + Beban Aktual yang di regresikan Pada Proses Perhitungan Persamaan Regresi Pada kebutuhan proses ini untuk melakukan prakiraan/prediksi dilakukan dengan cara proses perhitungan persamaan regresi dengan menggunakan rumus (2) dan (3). Setelah didapatkan nilai persamaan regresi dengan menggunakan rumus diatas kemudian dilakukan prediksi dengan menggunakan rumus regresi linear sederhana sebagaimana rumus (1): 3. Kebutuhan Output Output yang diharapkan dari pendekatan ini adalah hasil prakiraan kebutuhan listrik jangka pendek yang dapat menghasilkan prediksi beban kedepan sebagai pendukung keputusan dalam pencapaian optimalisasi beban dan ekonomisasi dalam sistem tenaga listrik.
Gambar 1. Metodologi Penelitian
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
3
F. Perancangan Sistem Untuk kemudahan dalam perancangan program komputer, berikut penjabaran diagram alur kerja program:
Pembangkitan data acak
Y 1 Ambil jumlah data n
i=1
Inialisasi nilai awal Ex = 0, Ey = 0, Exy = 0, Ex2 = 0, yy=0
For i=1
T
Ambil peride (hari atau bulan)
T Hitung komponen rumus regresi Ex = Ex + i Ex2 = Ex2 + i ^ 2 Ey = Ey + (data beban ke -i) Exy = Exy + (i* data beban ke –i) yy= yy + (data beban ke –i)
i = i +1
Batas bawah = data beban ke-I Batas atas = a + b * i
generate random data x=random data dimana: batas bawah <= x <= batas atas
i=n Entri ke list Y
Hitung a dan b [komponen utama regresi] a = ((Ey * Ex2) - (Ex * Exy)) / ((n * Ex2) - (Ex ^ 2)) b = ((n * Exy) - (Ex * Ey)) / ((n * Ex2) - (Ex ^ 2))
i = i +1
i=n
Y
Jumlah resample n
Save data acak
Gambar 2. Diagram Alir Rancangan Prakiraan/prediksi
Pada perancangan diatas, terdapat modul utama program yang terdiri dari tiga prosedur yaitu : pembangkit data acak, prediksi harian, prediksi bulanan. Pada proses pembangkit data acak data sebenarnya yang telah terjadi dalam bentuk tabel diinput dalam proses pembangkit data acak dan dibangkitkan setelah mendapatkan hasil maka data disimpan. Setelah mendapatkan data dari proses pembangkitan data acak maka data yang telah disimpan kemudian dipanggil sebagai inputan dalam prosedur proses prediksi. Didalam proses prediksi terdapat dua pilihan proses prediksi, prediksi harian dan prediksi bulan dan prediksi harian.
1
Return
Gambar 3. Diagram Alir Modul Proses Pembangkitan Data Acak
2. Modul Prakiraan/Prediksi Harian. Langkah kerja logika komputer melakukan prakiraan/prediksi Harian, seperti gambar 4 dibawah ini ;
untuk adalah
1. Modul Pembangkitan Data Acak Pembangkitan data acak/random dilakukan seperti gambar dibawah ini.
Gambar 4 Diagram Alir Modul kerja logika Prakiraan / Prediksi Harian
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
4
3. Modul Prediksi Bulanan Langkah kerja logika komputer melakukan prakiraan/prediksi Bulanan, seperti gambar 5 dibawah ini ;
Tabel 1. Ujicoba Hasil Prediksi Dengan Menggunakan Data Real
untuk adalah Jam
Beban Real
Beban prediksi
Selisih
% error prediksi
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
11716 11567 11432 11434 12160 11908 12071 13412 14467 14768 15398 14719 15109 15439 15219 15114 14843 15255 16072 15933 15314 14359 13713 13557
11624.789 11377.785 11198.186 11182.793 11651.597 11471.88 10877.175 11672.296 12332.411 12668.777 12770.983 12101.142 12419.826 12779.669 12658.107 12621.919 12866.39 14185.721 14778.968 14553.885 13991.442 13019.65 12542.403 11947.898 Rata-rata
92 190 234 251 508 436 1193 1739 2135 2099 2627 2618 2689 2659 2561 2492 1977 1069 1293 1379 1323 1339 1171 1609 1487
0.788065917 1.666624919 2.087070174 2.244582369 4.362517859 3.801643671 10.97155282 14.90250076 17.3093404 16.56831595 20.57098502 21.63562745 21.64824209 20.80657175 20.23511888 19.7412216 15.36413866 7.534400261 8.746835368 9.474205685 9.455194111 10.28691247 9.33502934 13.47067074 11.79197368
Dari hasil prakiraan diatas, beban error tertinggi dengan adalah pada jam ke 13.00 dengan persentase error adalah sebesar 21.65 % dan error terendah adalah pada jam ke 01.00 sebesar 0,8 %.
2. Prediksi Harian Menggunakan Pembangkit Data Acak
Gambar 5 Diagram Alir Modul Prakiraan/ Prediksi Bulanan
G. Medium Penelitian 1. Perangkat Keras Komputer Intel Core 2 Duo Prosesor T7100 Memory 2 GB DDR2 Monitor dengan resolusi 1024 x 768 Keybord dan Mouse 2. Perangkat Lunak dan Data Sistem operasi yang digunakan, yaitu: Windows XP 2003 Microsoft Visual basic 6.0 Microsoft Office 2007 Microsoft office visio 2003 Data yang diujikan disini adalah berupa data beban konsumsi daya listrik tahun 2008 data yang digunakan sebanyak satu tahun.
H. Hasil dan Pembahasan 1. Prediksi Harian Dengan Menggunakan Data Asli
Tabel 2. Ujicoba Hasil Prediksi Dengan Menggunakan Pembangkit Data Acak Jam 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Beban Real 11716 11567 11432 11434 12160 11908 12071 13412 14467 14768 15398 14719 15109 15439 15219 15114 14843 15255 16072 15933 15314 14359 13713 13557
Prediksi beban 11975.119 11734.86 11557.986 11552.805 11997.543 11739.824 11192.531 12034.319 12696.803 13038.701 13154.184 12496.102 12829.542 13176.181 13039.162 13019.801 13244.045 14595.841 15111.15 14896.374 14376.302 13397.369 12926.275 12348.73 rata-rata
Selisih -259 -167 -126 -119 162 168 878 1377 1770 1729 2244 2223 2279 2262 2180 2094 1599 659 961 1036 938 962 787 1209 1119
% error prediksi -2.160471224 -1.426945017 -1.090899401 -1.030096154 1.353252078 1.432525735 7.844865473 11.44594056 13.94262004 13.26112931 17.05857239 17.79113199 17.76336209 17.17112872 16.72138133 16.08195855 12.07452104 4.512854038 6.356299818 6.957236707 6.525029872 7.177536127 6.088103495 9.787484219 8.568271741
Dari hasil prediksi diatas dan pengujian dengan data real yang telah terjadi pada hari yang sama dengan persentase error tertinggi adalah
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
5
pada jam ke 12.00 sebesar 17.79% dan persentase error terendah adalah pada jam ke 01.00 sebesar -2.2 %.
3. Prediksi Beban Daya Listrik Bulanan Tabel 3. Ujicoba Hasil Prediksi Beban Listrik Bulanan No
Bulan
Tahun
1 2 3 4
Januari Febuari Maret April
2010 2010 2010 2010
Beban aktual (dalam total rata- rata) 427700 397722 453905 443350
Beban prediksi
Selisih
% error
368398 378586 425116.3 433320.3 rata-rata
59302 19136 28788.7 10029.7 29314.1
16.09726 5.054598 6.771959 2.314616 7.559609
Dari hasil pengujian prediksi pada tabel diatas pada pada bulan januari error prediksi sebesar 16 %, bulan febuari sebesar 5%, bulan maret sebesar 6,7% dan pada bulan april sebesar 2.3%. I. Kesimpulan 1. Dalam analisis kebutuhan sistem dilakukan dengan memodelkan data dengan menggunakan metode resampling atau pembangkit data acak sehingga nilai data yang hilang dibutuhkan dapat digunakan dalam memprakirakan/ memprediksi beban daya listrik. 2. Hasil prediksi beban daya listrik dengan mengidentifikasi model data menggunakan metode regresi linear dan pembangkit data acak memiliki nilai penyimpangan sebesar rata-rata sebesar 8,6% untuk prediksi harian dan 7.5% untuk prediksi bulanan. Nilai tersebut mendekati nilai toleransi penyimpangan yang telah ditentukan oleh PT PLN (Persero) yaitu ± 5%.
[6]
Melamed, R.Y.R.B. 1998, ”Modern Simulation and Modeling”, John Wiley & Sons Inc, New York. [7] Assauri, Sofjan, (1984). “Teknik dan Metode Peramalan, Penerapannya Dalam Ekonomi dan Dunia Usaha”, Jakarta : Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia. [8] Pablo, A. S., (1986). ”Sistem Distribusi Daya Listrik, terjemahan Abdul Adi”, Jakarta : Penerbit Erlangga. [9] Montgomery, Douglas C., and Johnson, Enywood A. (1976).“Forecasting and Time Series Analysis” , New York : Mc. Graw Hill Book Company. [10] Kustituanto, Bambang. 1984. “Statistik Analisa Runtut Waktu dan Regresi Korelasi”. BPFEYogyakarta,Yogyakarta. [11] Setiadi, C.P.; Sasongko, P.H.; Soedjatmiko. 1996. “MLR-Stepwise Untuk Peramalan Beban Listrik”. Program Studi Teknik Elektro. Program Pascasarjana Universitas Gadjah Mada, Yogyakarta.
DAFTAR PUSTAKA [1] [2]
[3]
[4]
[5]
Djiteng Marsudi. 2005. “Pembangkitan energy listrik”, Penerbit Erlangga , Jakarta. Djiteng Marsudi. 1990. “Operasi Sistem Tenaga Listrik”, Balai Penerbit Humas ISTN Bumi Serengseng Indah, Jakarta. PT PLN (Persero) Kantor Pusat. 2003, “Metoda Dan Model Prakiraan Kebutuhan Listrik”, Jakarta. Sarma, U.K. 2000. “Time-Series Forecasting Model : Including Case Studies With Real Electrical Loads“. Journal of Forecasting and Planning, London University. Banks, J. 1998. “Principles of simulations”, in J. Banks, ed., ‘Handbook of Simulations, John Wiley & Sons, New York, chapter I, pp. 3–30.
JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012
6
