Upload
phamnguyet
View
221
Download
0
Embed Size (px)
Citation preview
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 :
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 : [email protected]
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.