Cover Image

Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)

Main Author: Willian, Lalu Akbar Pandu
Format: Thesis NonPeerReviewed
Terbitan: , 2019
Subjects:
621.374 Instruments for measuring specific electrical quantities
Online Access: http://repository.ub.ac.id/171927/
ctrlnum 171927
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/171927/</relation><title>Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)</title><creator>Willian, Lalu Akbar Pandu</creator><subject>621.374 Instruments for measuring specific electrical quantities</subject><description>Dalam beberapa dekade terakhir, peramalan beban jangka pendek telah menjadi salah satu masalah penelitian paling penting untuk pencapaian efisiensi dan keandalan yang lebih tinggi dalam operasi sistem tenaga, untuk minimalisasi biaya operasi dengan memberikan input yang akurat untuk penjadwalan ke depan, analisis kontingensi, analisis aliran beban, perencanaan, dan pemeliharaan sistem tenaga. Peramalan beban jangka pendek secara bertahap menjadi bagian utama dalam industri kelistrikan.&#xD; Penelitian ini bertujuan untuk mengetahui bagaimana peramalan beban listrik jangka pendek beserta keakuratan dari metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Penentuan model untuk peramalan SARIMA terdiri dari beberapa tahap yaitu : pengecekan pola data, identifikasi model yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya.&#xD; Hasil penelitian memperlihatkan model terbaik untuk peramalan hari Senin adalah SARIMA(1,1,1)(1,1,0)48 dengan nilai MAPE 1,1368%. Model terbaik untuk peramalan hari Selasa adalah SARIMA(1,1,0)(1,1,1)48 dengan nilai MAPE 2,0355%. Model terbaik untuk peramalan hari Rabu adalah SARIMA (1,1,0)(0,1,1)48 dengan nilai MAPE 4,0265%. Model terbaik untuk peramalan hari Kamis adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 4,8725%. Model terbaik untuk peramalan hari Jumat adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 4,5517%. Model terbaik untuk peramalan hari Sabtu adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 2,7311%. Model terbaik untuk peramalan hari Minggu adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 3,7982%.</description><date>2019-07-24</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Willian, Lalu Akbar Pandu (2019) Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FT/2019/737/051906597</relation><recordID>171927</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Willian, Lalu Akbar Pandu
title Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA)
publishDate 2019
topic 621.374 Instruments for measuring specific electrical quantities
url http://repository.ub.ac.id/171927/
contents Dalam beberapa dekade terakhir, peramalan beban jangka pendek telah menjadi salah satu masalah penelitian paling penting untuk pencapaian efisiensi dan keandalan yang lebih tinggi dalam operasi sistem tenaga, untuk minimalisasi biaya operasi dengan memberikan input yang akurat untuk penjadwalan ke depan, analisis kontingensi, analisis aliran beban, perencanaan, dan pemeliharaan sistem tenaga. Peramalan beban jangka pendek secara bertahap menjadi bagian utama dalam industri kelistrikan. Penelitian ini bertujuan untuk mengetahui bagaimana peramalan beban listrik jangka pendek beserta keakuratan dari metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Penentuan model untuk peramalan SARIMA terdiri dari beberapa tahap yaitu : pengecekan pola data, identifikasi model yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya. Hasil penelitian memperlihatkan model terbaik untuk peramalan hari Senin adalah SARIMA(1,1,1)(1,1,0)48 dengan nilai MAPE 1,1368%. Model terbaik untuk peramalan hari Selasa adalah SARIMA(1,1,0)(1,1,1)48 dengan nilai MAPE 2,0355%. Model terbaik untuk peramalan hari Rabu adalah SARIMA (1,1,0)(0,1,1)48 dengan nilai MAPE 4,0265%. Model terbaik untuk peramalan hari Kamis adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 4,8725%. Model terbaik untuk peramalan hari Jumat adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 4,5517%. Model terbaik untuk peramalan hari Sabtu adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 2,7311%. Model terbaik untuk peramalan hari Minggu adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 3,7982%.
id IOS4666.171927
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-28T06:55:53Z
last_indexed 2021-10-28T06:55:53Z
recordtype dc
_version_ 1751454114641870848
score 17.538404

Lihat Juga