Hasil Pencarian  ::  Simpan CSV :: Kembali

"Rencana pengembangan sistem tenaga listrik dimulai dengan suatu peramalan untuk mengetahui lehih dulu kebutuhan tenaga listrik dan beban dimasa yang akan datang. Peramalan dari keduanya diperlukan saat memutuskan perencanaan yang etektif. Peramalan yang dimaksud disini adalah merupakan pernyataan apa yang akan terjadi bila kondisi tertentu atau kecenderungan terus menerus dengan anggapan bahwa penyebab kejadian tersebut dapat diatur oleh manusia, sehingga bila hasil ramalan tidak seperti yang diinginkan masih mungkin dengan kemampuan manusia untuk merubahnya. Peramalan kebutuhan tenaga listrik untuk setiap sektor pelanggan menggunakan metode hasilnya diuji secara statistik. Variabel-variabel bebas sepeti jumlah pelanggan, produk domestik regional bruto dan harga listrik diramalkan juga dengan metode ekonometrik baik dengan penyelesaian regresi berganda ataupun sederhana serta di uji secara statistik. Jumlah penduduk diramalkan dengan trend eksponensial dan ratio elektrifikasi diramalkan dengan metode Gompertz. Data skunder yang digunakan adalah data tahun 1989 sampai dengan tahun 1997 kecuali tjntuk produk domestik regional bruto menggunakan data tahun 1989 sampai dengan tahun 1996. Data primer yang digunakan dianggap berlaku selama selang waktu peramalan. Peramalan yang diperoleh adalah peramalan kebutuhan tenaga listrik dan beban puncaknya dari tahun 1998 sampai dengan tahun 2007."

"Saat ini peramalan beban listrik hanya menggunakan acuan data historis sebagai masukan pada metode peramalan beban. Berbagai jenis metode digunakan untuk menghasilkan peramalan beban yang akurat dan presisi dengan harapan daya yang disalurkan tepat ukuran sesuai dengan kebutuhan beban listrik konsumen. Skripsi ini membahas teknik kombinasi metode permodelan Auto Regressive Integrated Moving Average (ARIMA) yang dikaitkan dengan metode regresi linear dari hubungan suhu dan beban listrik untuk menghasilkan metode peramalan yang lebih akurat dan presisi dari sekedar peramalan beban yang mengacu pada data historis saja. Berdasarkan hasil, terlihat bahwa MAPE kombinasi peramalan (4,19%) lebih baik dibanding menggunakan metode ARIMA (5,16%) dan Regresi Linear (5,28%) saja.

---

Nowadays electrical load forecasting uses historical data as a reference input on load forecasting method. Various types of this methods used to produce an accurate load forecasting and precision in the hope that appropriate resources are distributed according to the size of electrical load demand of consumers.

This research will discuss combination technique of Auto Regressive Integrated Moving Average (ARIMA), which is associated with linear regression method from the relationship of temperature and electrical load to produce a more accurate and precise than a load forecasting based on historical data only. The final results show that combination technique gives MAPE 4,19%, better than ARIMA (5,16) and Linear Regression (5,28%)."