PETIRJURNAL PENGKAJIAN DAN PENERAPAN

TEKNIK INFORMATIKASEKOLAH TINGGI TEKNIK – PLN (STT-PLN)

JAKARTA

VOL. 5 NO. 1, JANUARI - MEI 2012 HAL. 1 - 75

ISSN 1978-9262

KATA PENGANTAR DEWAN REDAKSI

Selamat berjumpa lagi.alam Sejahtera.

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

PENGARAH

Ir. Djiteng Marsudi

PENASEHAT

DR. IR. M. Hafidz, M.Eng.Sc.

PENANGGUNG JAWAB

Luqman, ST.,M.Kom.

KETUA REDAKSI

Iriansyah B.M. Sangadji, S.Kom.,M.Kom

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 :

redaksi_petir@sttpln.ac.id

CARA BERLANGGANAN :

Permintaan berlangganan dapat

Dikirimkan ke alamat redaksi diatas

DITERBITKAN OLEH :

PUSAT PENELITIAN STT-PLN

J A K A R T A

Frekuensi Terbit : 2 kali dalam 1 tahun

(Januari, Juli)

SUSUNAN REDAKSI

PEDOMAN PENULISAN

TUJUAN :

Jurnal ”PETIR” diterbitkan oleh Perpustakaan, Penerbitan dan Percetakan STT-

PLN 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.

PETIRJURNAL 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 ..................................................................................

METODE PENENTUAN BATAS NILAI AMBANG UNTUK PEMBUATAN PETA DASAR

Meilia NIS ; Darma Rusjdi ..............................................................................

DESIGN APLIKASI PENGIRIMAN PESAN (SMS BROADCAST) SEBAGAI ALAT

PENYAMPAI INFORMASI BERBASIS WEB UNTUK STT-PLN

Luqman .......................................................................................................

SIMULASI ROBOT PENGHINDAR RINTANGAN BERBASIS SENSOR ULTRASONIK

BERBAHASA PEMROGRAMAN ASSEMBLER

Indrianto ......................................................................................................

APLIKASI ATMEGA 8535 DALAM PEMBUATAN ALAT UKUR BESAR SUDUT

(DERAJAT)

Ery Safrianti; Rahyul Amri; Setiadi ..................................................................

RANCANG BANGUN CAREER CENTRE BERBASIS WEB DI SEKOLAH TINGGI TEKNIK

PLN DENGAN TEKNIK SEQUENTIAL SEARCHING

Rakhmadi Irfansyah P; Devi Oktaviani ..............................................................

APLIKASI ABSENSI KARYAWAN BERBASIS FACE RECOGNITION MENGGUNAKAN

ALGORITMA EIGENFACE, STUDI KASUS : KARYAWAN STT-PLN

Dewi Arianti Wulandari ; Taufik Qurrahman ………………………………………………………………

PERANCANGAN APLIKASI MANAJEMEN TRAFO MENGGUNAKAN METODE NAIVE

BAYESIAN BERBASIS WEB PADA PT PLN (PERSERO) WILAYAH ACEH

Rizqia Cahyaningtyas; Julianto Putra ................................................................

IDENTIFIKASI POTENSI PENCEMARAN LIMBAH CAIR INDUSTRI DENGAN

MENGGUNAKAN ARCVIEW, (STUDI KASUS KOTA CIKARANG - BEKASI)

Yessy Asri ....................................................................................................

SIMULASI PERUBAHAN ARUS DAN TEGANGAN PADA PEMBUKAAN SAKLAR

Yessy Fitriani ................................................................................................

PEMANFAATAN SMARTCARD UNTUK REKAM MEDIS PASIEN PADA RUMAH SAKIT

Nenny Anggraini ………………………………………………………………………………………………………….

01 – 06

07 – 11

12 – 20

21 – 27

28 – 32

33 – 37

38 – 44

45 – 53

54 – 63

63 – 70

71 - 75

JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012 1

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 : iriansyach@gmail.com

A b s t r a c t

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.

A b s t r a k

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 senan-

tiasa 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 pela-

yanan dan keandalannya dalam menyalurkan ener-

gi 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 dihasil-

kan, 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 pe-

langgan. Persoalan penting ini, dalam rangka

untuk melakukan penjadwalan pengontrolan ter-

hadap 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 di-

butuhkan 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 meng-

gunakan perhitungan metode koefisien beban,

ternyata masih memberikan error prediksi rata-

rata 7%-10% dalam 24 jamnya.

JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012 2

B. Tujuan

Menguji dan membandingkan hasil regresi

dengan menggunakan koefisien dan pembang-

kitan acak untuk memprakirakan konsumsi listrik

jangka pendek. Hasil pengujian akan dibanding-

kan 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 menambah-

nya peralatan listrik;

3. Suhu udara, ketika suhu udara tinggi maka

pemakaian alat-alat pendingin ruangan ber-

tambah;

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 lampu-

lampu 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 pema-

kaian 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 disebab-

kan 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 3

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 = hasil peramalanx = variabel bebas

a = nilai Yˆ jika x bernilai nolb = koefisien kemiringan garis regresi terhadap

perubahan x (menunjukkan perubahan y

bila x naik satu satuan per unit)

y = variabel tidak bebas (data) Nilai a dan nilai

b dapat dicari dengan persamaan seperti

dibawah ini (Herjanto,1999) :

………………………............……………(2)

…………............………………… (3)

n : banyak pasangan datayi: nilai peubah takbebas Y ke-i

xi: nilai peubah bebas X ke-i

D. Metodologi Penelitian

Gambar 1. Metodologi Penelitian

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.

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 meng-

gunakan 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.

JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012 4

F. Perancangan Sistem

Untuk kemudahan dalam perancangan

program komputer, berikut penjabaran diagram

alur kerja program:

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. Modul Pembangkitan Data Acak

Pembangkitan data acak/random dilakukan

seperti gambar dibawah ini.

Pembangkitan dataacak

Ambil jumlah data n

Inialisasi nilai awal

Ex = 0, Ey = 0, Exy = 0, Ex2 = 0, yy=0

For i=1

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 = n

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))

generate random data

x=random data

dimana: batas bawah <= x <= batas atas

i=n

Return

Y

Y

T

Y

Jumlahresample n

i=1

Ambil peride (hari atau bulan)

Batas bawah = data beban ke-I

Batas atas = a + b * i

Entri ke list

T

Save data acak

1

1

i = i +1

i = i +1

Gambar 3. Diagram Alir Modul ProsesPembangkitan Data Acak

2. Modul Prakiraan/Prediksi Harian.

Langkah kerja logika komputer untuk

melakukan prakiraan/prediksi Harian, adalah

seperti gambar 4 dibawah ini ;

Gambar 4 DiagramAlir Modul kerja logikaPrakiraan / PrediksiHarian

JURNAL PETIR VOL. 5 NO. 1 JANUARI - MEI 2012 5

3. Modul Prediksi Bulanan

Langkah kerja logika komputer untuk

melakukan prakiraan/prediksi Bulanan, adalah

seperti gambar 5 dibawah ini ;

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 1. Ujicoba Hasil Prediksi Dengan

Menggunakan Data Real

Jam Beban Real Beban prediksi Selisih % error prediksi

1 11716 11624.789 92 0.788065917

2 11567 11377.785 190 1.666624919

3 11432 11198.186 234 2.087070174

4 11434 11182.793 251 2.244582369

5 12160 11651.597 508 4.362517859

6 11908 11471.88 436 3.801643671

7 12071 10877.175 1193 10.97155282

8 13412 11672.296 1739 14.90250076

9 14467 12332.411 2135 17.3093404

10 14768 12668.777 2099 16.56831595

11 15398 12770.983 2627 20.57098502

12 14719 12101.142 2618 21.63562745

13 15109 12419.826 2689 21.64824209

14 15439 12779.669 2659 20.80657175

15 15219 12658.107 2561 20.23511888

16 15114 12621.919 2492 19.7412216

17 14843 12866.39 1977 15.36413866

18 15255 14185.721 1069 7.534400261

19 16072 14778.968 1293 8.746835368

20 15933 14553.885 1379 9.474205685

21 15314 13991.442 1323 9.455194111

22 14359 13019.65 1339 10.28691247

23 13713 12542.403 1171 9.33502934

24 13557 11947.898 1609 13.47067074

Rata-rata 1487 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

Tabel 2. Ujicoba Hasil Prediksi Dengan MenggunakanPembangkit Data Acak

Jam Beban Real Prediksi beban Selisih % error prediksi

1 11716 11975.119 -259 -2.160471224

2 11567 11734.86 -167 -1.426945017

3 11432 11557.986 -126 -1.090899401

4 11434 11552.805 -119 -1.030096154

5 12160 11997.543 162 1.353252078

6 11908 11739.824 168 1.432525735

7 12071 11192.531 878 7.844865473

8 13412 12034.319 1377 11.44594056

9 14467 12696.803 1770 13.94262004

10 14768 13038.701 1729 13.26112931

11 15398 13154.184 2244 17.05857239

12 14719 12496.102 2223 17.79113199

13 15109 12829.542 2279 17.76336209

14 15439 13176.181 2262 17.17112872

15 15219 13039.162 2180 16.72138133

16 15114 13019.801 2094 16.08195855

17 14843 13244.045 1599 12.07452104

18 15255 14595.841 659 4.512854038

19 16072 15111.15 961 6.356299818

20 15933 14896.374 1036 6.957236707

21 15314 14376.302 938 6.525029872

22 14359 13397.369 962 7.177536127

23 13713 12926.275 787 6.088103495

24 13557 12348.73 1209 9.787484219

rata-rata 1119 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 6

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 TahunBeban aktual (dalam total

rata- rata)Beban prediksi Selisih % error

1 Januari 2010 427700 368398 59302 16.09726

2 Febuari 2010 397722 378586 19136 5.054598

3 Maret 2010 453905 425116.3 28788.7 6.771959

4 April 2010 443350 433320.3 10029.7 2.314616

rata-rata 29314.1 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 mengguna-

kan metode resampling atau pembangkit data

acak sehingga nilai data yang hilang dibutuh-

kan 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 terse-

but mendekati nilai toleransi penyimpangan

yang telah ditentukan oleh PT PLN (Persero)

yaitu ± 5%.

DAFTAR PUSTAKA

[1] Djiteng Marsudi. 2005. “Pembangkitan

energy listrik”, Penerbit Erlangga , Jakarta.

[2] Djiteng Marsudi. 1990. “Operasi Sistem

Tenaga Listrik”, Balai Penerbit Humas ISTN

Bumi Serengseng Indah, Jakarta.

[3] PT PLN (Persero) Kantor Pusat. 2003,

“Metoda Dan Model Prakiraan Kebutuhan

Listrik”, Jakarta.

[4] Sarma, U.K. 2000. “Time-Series Forecasting

Model : Including Case Studies With Real

Electrical Loads“. Journal of Forecasting and

Planning, London University.

[5] Banks, J. 1998. “Principles of simulations”,

in J. Banks, ed., ‘Handbook of Simulations,

John Wiley & Sons, New York, chapter I, pp.

3–30.

[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.