PERBANDINGAN MODEL TIME SERIES SEASONAL ARIMA (SARIMA) DAN SEASONAL ARFIMA (SARFIMA) PADA DATA BEBAN KONSUMSI LISTRIK JANGKA PENDEK DI JAWA TIMUR (Studi Kasus di APD PT. PLN Distribusi Jawa Timur)

• Main Author: ARINA DINI YUANTI, 081211832015
• Format: Theses and Dissertations NonPeerReviewed
• Language: Indonesian; Indonesian; Indonesian
• Published: 2016
• Subjects: TK1001-1841 Production of electric energy or power. Powerplants. Central stations; TK301-399 Electric meters
• Online Access: http://repository.unair.ac.id/55637/1/KKC%20KK%20ST.S%2045-16%20Yua%20p-Abstrak.pdf; http://repository.unair.ac.id/55637/2/KKC%20KK%20ST.S%2045-16%20Yua%20p-1.pdf; http://repository.unair.ac.id/55637/3/KKC%20KK%20ST.S%2045-16%20Yua%20p-2.pdf; http://repository.unair.ac.id/55637/; http://lib.unair.ac.id
• Institution: Universitas Airlangga

Perusahaan umum listrik negara PT. PLN sebagai pemasok utama tenaga listrik dituntut harus menyediakan kebutuhan listrik yang optimal pada suatu wilayah, untuk meminimalisir kerugian baik pada konsumen maupun perusahaan. Penelitian ini akan mengkaji metode yang tepat untuk meramalkan kebutuhan beban konsumsi listrik jangka pendek di wilayah Jawa Timur yang mengandung pola musiman harian. Data yang digunakan adalah beban listrik per setengah jam dalam satuan Mega Watt (MW) dari periode 18 Agustus – 24 Agustus Tahun 2015. Hasil menunjukkan bahwa data memiliki sifat long memory. Metode ARFIMA adalah metode yang tepat untuk memodelkan data yang bersifat long memory. Penelitian ini membandingkan antara SARIMA ([2,23,38],1,[1,23])(0,1,0)48 (no constant) dan SARFIMA ( )( ) (constant) dengan =0,5777098 untuk meramalkan beban konsumsi listrik pada periode satu hari dan dua hari kedepan. Pada data beban konsumsi listrik jangka pendek dengan residual berdistribusi normal menunjukkan bahwa SARIMA lebih baik daripada SARFIMA dalam hasil akurasi ramalan ditunjukkan berdasarkan nilai MSE SARIMA lebih kecil dari nilai MSE SARFIMA. Pada data beban konsumsi listrik jangka pendek, model ARIMA lebih baik dari model ARFIMA karena dipengaruhi oleh banyaknya outlier.