PENGEMBANGAN SISTEM PERAMALAN JUMLAH PENGGUNAAN TENAGA LISTRIK DI PPPPTK VEDC MALANG

2017: Seminar Informatika Aplikatif Polinema

Mungki Astiningrum
Yushintia Pramitarini
Arriz Qita Windarto

Abstract

Peramalan jumlah penggunaan tenaga listrik adalah salah satu cara yang tepat untuk mengetahui kebutuhan tenaga
listrik dalam kurun waktu tertentu. Selain itu, tujuan dari peramalan jumlah penggunaan tenaga listrik adalah untuk
memprediksi kondisi di masa yang akan datang. Peramalan di bidang tenaga listrik biasanya berupa peramalan
beban (load forecasting) yang meliputi peramalan beban puncak (MegaWatt) dan peramalan kebutuhan energi
listrik (demand forecasting) (MegaWatt-hour). Dalam penelitian ini, peramalan jumlah penggunaan tenaga listrik
di PPPPTK VEDC Malang menggunakan metode peramalan double exponential smoothing. Data historis yang
dihitung menggunakan metode double exponential smoothing adalah jumlah total data penggunaan listrik di tahun
2014-2016 mulai bulan Januari sampai Desember. Sesuai dengan data yang diteliti, jumlah penggunaan listrik di
PPPPTK VEDC Malang mempunyai plot data trend naik dan turun. Setelah melalui proses peramalan, maka akan
dilakukan pengujian kesalahan dalam peramalan. Pengujian peramalan dilakukan dengan cara menghitung
percentage error dan mean absolut percentage error. MAPE dengan alpha 0.3 menghasilkan nilai 7,64% dan
peramalan 48,762,598 untuk periode bulan ke 13. Semakin kecil nilai MAPE berarti nilai taksiran semakin
mendekati nilai sebenarnya. Suatu model mempunyai kinerja bagus jika memiliki nilai MAPE berada dibawah
10%. Pengujian nilai akurasi peramalan dengan menggunakan perhitungan MAPE menunjukan hasil yang bagus
karena berada dibawah 10% yaitu 7,64%.

References

Daftar Pustaka
[1] Makridakis, Sypros. 1999. Metode dan Aplikasi Peramalan Edisi ke-2.Bina Aksara: Jakarta.
[2] HM. Jogiyanto. Analisa dan Disain Sistem Informasi: Pendekatan Terstruktur, Andi Offset, 2001, hal. 8.
[3] Kusuma, J, M.A. 2000. Statistik Teori dan Aplikasi Edisi 6 Jilid 1. Erlangga: Jakarta.
[4] Zainun, Majid.2003. Low Cost House Demand Predictor. Universitas Teknologi Malaysia.
0
20000000
40000000
60000000
80000000
J A N U A R I …
F E B R U A R …
M A R E T …
A P R I L …
M E I 2 0 1 4
J U N I …
J U L I 2 0 1 4
A G U S T U …
S E P T E M …
O K T O B E …
N O V E M B …
D E S E M B …
J A N U A R I …
G R A F I K D A T A A K T U A L D A N
P E R A M A L A N T A H U N 2 0 1 4
Aktual Peramalan9
[5] Andini, dkk. 2016. Peramalan Jumlah Stok Alat Tulis Kantor Di UD ACHMAD JAYA Menggunakan Metode Double Exponential
Smoothing. Jurnal STMIK ASIA Malang.
[6] Pranoto, Edi dan Setiawan, Rudi. 2004. Peramalan Obat-obatan pada Apotik dengan Metode Exponential Smoothing. Surabaya: Jurnal
STIKOM. 5(2): 78-87.
[7] Radiant Victor Imbar, Yon Andreas. 2010. “Sistem Informasi Toko Listrik Aryono King dengan Peramalan Stok Barang menggunakan
Metode Double Exponential Smoothing”. Jurnal Informatika, Vol.6, No.1, 65-82.
[8] Tommy, et all.2013. “Sistem Pendukung Keputusan dengan metode Exponential Smoothing untuk meramalkan hasil penjualan pada
studi kasus home industri kue Kayu Manis”. Jurnal Universitas Brawijaya Malang