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: | |
| Online Access: |
http://repository.ub.ac.id/171927/ |
Daftar Isi:
- 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%.