Ibrahim Ali Marwan (4411216132) Yogi Sugiharto (4411216189

)

Seminar Hasil Tugas Akhir Peramalan Beban Harian Pemakaian Listrik Wilayah Jawa-Bali

OLEH: IBRAHIM ALI MARWAN (

1307 100 040 )

DOSEN PEMBIMBING:

Drs. Kresnayana Yahya, M.Sc

7/6/12

Alasan Pemilihan Judul Apa hubungannya dengan jurusan Teknik Industri ? 7/6/12 .

LATAR BELAKANG PERUMUSA N MASALAH BATASAN MASALAH & TUJUAN MANFAAT Konsumsi Listrik Tingkat Kehidupan Masyarakat Kondisi Saat ini Energi yang paling dibutuhkan untuk kegiatan seharihari Diatur Oleh PLN Penyaluran & Pengaturan Beban P3B JawaBali Mengatur Operasional Pembangkit 7/6/12 Demand semakin meningkat.dll) Adanya kesesuaian antara demand & supply N o Pemadaman Listrik Bergilir . Daya Mampu Netto 21. tahun 2010 maximum (peak load) mencapai 18. dengan jumlah pembangkit sekitar 200 unit.000 MW (Tanpa Derating.100 MW. Maintenence.500 MW Sampai dengan tahun 2010. dengan beban rata-rata 17.

LATAR BELAKANG PERUMUSA N MASALAH BATASAN MASALAH & TUJUAN MANFAAT 7/6/12 .

LATAR BELAKANG PERUMUSA N MASALAH BATASAN MASALAH & TUJUAN MANFAAT 7/6/12 .

LATAR BELAKANG PERUMUSA N MASALAH BATASAN MASALAH & TUJUAN MANFAAT 7/6/12 .

LATAR BELAKANG PERUMUSA N MASALAH BATASAN MASALAH & TUJUAN MANFAAT 7/6/12 .

METODE ANALISIS DATA Karakteristik Pola Harian Data beban harian Share Tiap Region Terhadap System Pemodelan Timeseries Jangka pendek Menggunakan Double Seasonal ARIMA (Box-Jenkins) Forecasting 7/6/12 Data Beban Harian System Desember 2010 Perbandingan MAPE dengan P3B .

Region III (Jawa Tengah-DIY) sebesar 14% dan Region IV (Jawa Timur-SRB) sebesar 23%.00.KESIMPULA N & SARAN Kesimpula n: Beban puncak lebih sering terjadi pada hari Kamis sekitar pukul 19. Region II (Jawa Barat) sebesar 21%. dan Hari libur khusus berada di bawah rata-rata beban listrik normal. Region I (DKI Jakarta & Banten) memiliki share beban yang paling besar terhadap sistem yaitu sekitar 42%. sedangkan untuk beban hari Sabtu. Model paling cocok untuk permasalahan ini adalah : Menghasilkan error peramalan: Peramalan P3B Model Error (MAPE) 5% 4% 7/6/12 . Minggu.

HASIL ANALISIS Perbandingan Forecast 16000 15000 14000 13000 12000 11000 10000 9000 1 10 20 30 40 50 60 Lead Time 70 80 90 Variable F_P3B F_Awal Realisasi F_Out 7/6/12 Dat a .

TLSAR dan Metode Neural Network untuk melakukan pemodelan Time Series. sehingga dapat dilihat perbandingan error dari masing-masing metode dan dapat diketahui mana model terbaik untuk melakukan peramalan beban harian ini. 7/6/12 .KESIMPULA N & SARAN Saran : Untuk metode yang digunakan disarankan untuk mencoba menggunakan pendekatan Metode ARCH atau GARCH.

Sign up to vote on this title
UsefulNot useful