Studi Peramalan Beban Listrik Jangka Pendek Berbasis Model Regresi Linier Dan Time Series Pada PT. PLN (Persero) Tarakan. | ELECTRONIC THESES AND DISSERTATION
Image of Studi Peramalan Beban Listrik Jangka Pendek Berbasis Model Regresi Linier Dan Time Series Pada PT. PLN (Persero) Tarakan.

Studi Peramalan Beban Listrik Jangka Pendek Berbasis Model Regresi Linier Dan Time Series Pada PT. PLN (Persero) Tarakan.

Pengarang : Kartika Putri Wardani - Personal Name;

Perpustakaan UBT : Universitas Borneo Tarakan.,
XML Detail Export Citation
    SKRIPSI

Abstract

Kebutuhan terhadap energi listrik merupakan salah satu kebutuhan dasar masyarakat dan menjadi salah satu yang terpenting bagi masyarakat dan besarnya permintaan listrik pada suatu rentang waktu tidak dapat dihitung secara pasti, sehingga PT. PLN (Persero) Tarakan sebagai penyedia energi listrik harus mampu memprediksi kebutuhan beban listrik setiap harinya. Dengan menggunakan metode Time Series dan Regresi Linier. Hasil peramalan terbaik dengan model ARIMA (1,1,0) dengan nilai MAPE 14,68%. Pada baban listrik adanya unsur musiman, maka diperoleh model terpilih SARIMA (1,1,0) (1,0,0)24 dengan nilai MAPE 6.13%. Sedangkan peramalan beban listrik terhadap Regresi Linier diperoleh nilai koefisien Y= 44.217,8 - 6,95.X dengan nilai MAPE 7,87%. Sehingga diperoleh model terbaik dengan nilai MAPE terbaik yaitu pada model SARIMA(1,1,0) (1,0,0)24.

Kata Kunci: Regresi Linier, Beban Listrik, Time Series.

Electricity is a fundamental necessity for society and is crucial in daily life. The demand for electricity over a given period cannot be precisely determined, requiring PT. PLN (Persero) Tarakan, as the electricity provider, to accurately predict daily power load requirements. This study employed the Time Series and Linier Regression methods for load forecasting. The best forecasting result using the ARIMA (1,1,0) model yielded a Mean Absolute Percentage Error (MAPE) of 14.68%. Given the seasonal component in electricity load, the selected model, SARIMA (1,1,0) (1,0,0)24, achieved a lower MAPE of 6.13%. Meanwhile, the Linier Regression model produced the equation Y = 44,217.8 - 6,95X with a MAPE value of 7.87%. Based on these findings, the SARIMA (1,1,0) (1,0,0)24 model was identified as the most accurate forecasting model, yielding the lowest MAPE. Keywords: Linier Regression, Electricity, Time Series

Detail Informasi