500 kV
275 kV
150 kV
70 kV
3
Landasan Hukum Perencanaan Bidang Energi dan Ketenagalistrikan(1)
UU 30/2007 UU 30/2009
(Energi) (Ketenagalistrikan)
KEN RUEN
• Rencana umum yang disusun Pemerintah tentang
• Kebijakan yang ditetapkan Pemerintah dalam penggunaan dan pemanfaatan energi (termasuk
penggunaan dan pemanfaatan energi; tenaga listrik);
• Mengacu pada UU 30/2007 tentang Energi & UU • Mengacu pada UU No. 30/2007 tentang Energi dan
30/2009 tentang Ketenagalistrikan; KEN
• Target bauran energi adalah 23% porsi energi baru • Target bauran energi adalah 23% porsi energi baru
terbarukan pada tahun 2025; terbarukan pada tahun 2025;
• Ditetap oleh Pemerintah dengan persetujuan DPR • Disusun oleh Menteri ESDM dan ditetap oleh Dewan
(Peraturan Pemerintah No. 79 Tahun 2014) Energi Nasional (DEN)
• Rencana umum yang disusun Pemerintah tentang • Rencana usaha penyediaan tenaga listrik yang disusun
penyediaan dan pemanfaatan tenaga listrik; oleh pemegang Izin Usaha Peneyediaan Tenaga Listrik -
• Mengacu pada UU No. 30/2009 tentang IUPL (PLN dan non-PLN);
Ketenagalistrikan dan KEN • Mengacu pada PP 14/2012 junto PP 23/2014 dan
• Target bauran energi adalah sekitar 1% porsi energi RUKN
fosil dari BBM pada tahun 2025; • Target bauran energi adalah dibawah 2% porsi energi
• Disusun dan ditetapkan oleh Menteri ESDM setelah fosil dari BBM pada tahun 2024 RUPTL PT PLN
berkonsultasi dengan DPR (Persero);
• Disusun oleh pemegang IUPL yang memiliki wilayah
usaha dan ditetapkan oleh Menteri/Gubernur sesuai
kewenangannya. (untuk PLN karena bersifat Nasional,
1. Bagaimana kebutuhan
Perencanaan Energi tenaga listrik akan
bertumbuh ?
2. Kapan harus investasi
Electricity Demand Forecast pembangkit / transmisi baru?
3. Berapa kapasitas pembangkit
/ transmisi yang akan
Perencanaan Pembangkit
dibangun?
4. Apa jenis pembangkit /
transmisi yang dibangun?
Perencanaan Transmisi 5. Dimana harus membangun
pembangkit / transmisi baru?
7
Garis Besar Proses Perencanaan Sistem di PLN
Potensi Energi Primer
Proyeksi: GDP, Pop (RE),
Hydro Gas Coal Geothermal Tarif, Daftar Tunggu I
Studi Tarif
RENCANA INVESTASI
Pendanaan &
Implementasi Proyek 8
TUJUAN
a. Mendapatkan angka prakiraan kebutuhan tenaga listrik dengan
metode yang tepat dan tingkat kesalahan paling kecil.
b. Ketepatan prakiraan kebutuhan tenaga listrik sangat diperlukan
agar tidak terjadi pasokan (pembangkit/ transmisi/ distribusi)
yang berlebih (over capacity) atau kekurangan (under capacity),
yang keduanya bisa merugikan perusahaan.
c. Forecasting “sangat penting” sebagai dasar dalam proses
perencanaan:
Sistem ketenagalistrikan (RUPTL, RJPP, Masterplan)
Proyeksi keuangan (budgets and cost controls)
Marketing (rencana penjualan, new products)
Penyiapan kebutuhan bahan bakar.
Kepegawaian,
Dan sebagainya.
HORIZON PERENCANAAN
Predicted
demand
looking
back six
„10 „11 „12 „13 „14 „15 „16 „17 Tahun years
Actual demand (penjualan masa lalu)
Prediksi demand listrik
Apa yang sebaiknya kita pertimbangkan ketika
melihata data masa lalu seperti ini?
Trends
Seasonality
Cyclical
Autocorrelation
Random variation
Mengapa Mempelajari Data Runtun Waktu
Dengan mengamati data runtut waktu akan terlihat beberapa komponen yang
mempengaruhi suatu pola data masa lalu dan sekarang, yang cenderung
berulang dimasa mendatang.
Lima komponen yang ditemukan dalam analisis runtut waktu adalah:
1. Trend, yaitu komponen jangka panjang yang mendasari pertumbuhan
(atau penurunan) suatu data runtut waktu.
2. Musiman (seasonal), yaitu fluktuasi musiman yang sering dijumpai pada
data kuartalan, bulanan atau mingguan.
3. Siklikal (cyclical), yaitu suatu pola fluktuasi atau siklus dari data runtut
waktu akibat perubahan kondisi ekonomi, dsb.
4. Autokorelasi adalah korelasi yang terjadi antar observasi dalam satu
variabel. Korelasi ini terjadi antar waktu atau individu. Umumnya kasus
autokorelasi banyak terjadi pada data time series, artinya kondisi sekarang
dipengaruhi waktu lalu.
5. Tak beraturan (irregular), yaitu pola acak yang disebabkan oleh peristiwa
yang tidak dapat diprediksi atau tidak beraturan, seperti perang,
pemogokan, pemilu, atau longsor maupun bencana alam lainnya.
Metode demand forecast
Dikenal ada beberapa model forecasting, namun secara garis besar
dapat dikelompokkan dalam 5 kategori:
– Subjective: dilakukan dengan intuisi, atau „gut feeling‟
– Univariate: semata-mata berdasarkan data masa lalu (time
series). Cara ini dikenal juga sebagai „naive projection‟, misalnya
ekstrapolasi trending, eksponential.
– Multivariate: memperhatikan hubungan causal atau hubungan
explanatory, karena itu tergantung pada metoda untuk
mengetahui apakah suatu variable mempunyai korelasi dengan
variabel lain. Contoh: penjualan listrik mungkin tergantung pada
income. Model regresi (dan ekonometric) masuk dalam kategori
ini, dan sering disebut juga model prediksi atau causal.
– End-use: dibuat dengan menghitung langsung konsumsi listrik
peralatan end-use seperti aircon, penerangan, lemari pendingin,
televisi, seterika, pompa air, dan lain-lain.
17
Klasifikasi Metode Forecasting :
Metode Kuantitatif
Metode yang penggunaannya didasari pada ketersediaan
data mentah disertai serangkaian kaidah matematis untuk
meramalkan / membuat prakirakan hasil dimasa yang akan
datang.
Metode Kualitatif
Metode ini digunakan dimana tidak ada data model
matematik, biasanya dikarenakan data yang ada tidak
cukup representatif untuk meramalkan masa yang akan
datang (long term forecasting).
Prakiraan didasarkan pada pendapat (subjective) dari satu
atau lebih para ahli.
Metode Kuantitatif Metode Kualitatif
Quantitative/Objective Qualitative/Subjective
Forecasting Methods (judgmental) Forecasting Methods
Analogieas
Time Series Methods Causal Methods
Delphi
Naive Simple Regression
PERT
Moving Average Multiple Regression
Survey Techniques
Exponential Smoothing Neural Networks
Simple Regression
ARIMA
Neural Networks
Memilih metode forecasting yang tepat
1. Naive
4. Simple Regression
5. ARIMA
Tahun 2012 2013 2014 2015 2016
GWh 174,0 187,5 198,6 ..??? Trend ?
1. Naive Model
Merupakan metode yang paling sederhana,
menganggap bahwa prakiraan periode berikutnya
sama dengan nilai aktual periode sebelumnya.
Data aktual periode waktu yang baru saja berlalu
merupakan alat peramalan/prakiraan yang terbaik
untuk meramalkan/membuat prakiraan keadaan di
masa yang akan datang.
Biasanya hasilnya kurang baik.
Contoh (Penjualan):
Mei = 48 kWh, Juni = 48 kWh
2a. Simple Moving Average
A t + A t -1 + A t -2 + ... + A t -n 1
Ft 1 =
n
Metode Regresi
Merupakan salah satu teknik analisis statistika yang
digunakan untuk menggambarkan hubungan antara satu
variabel respon dengan satu atau lebih variabel bebas.
Model ARIMA :
Model yang mengabaikan (tidak menggunakan) varibel
bebas dalam pembuatan prakiraan.
Menggunakan nilai masa lalu dan sekarang untuk
menghasilkan prakiraan jangka pendek yang akurat.
Mempunyai hubungan statistik yang baik antar variabel
yang diprakirakan dengan nilai historis variabel tersebut.
Menggunakan satu variabel (univariate) deret waktu.
1. Regresi Linier
Regresi linier dengan 1 variable bebas
Regresi linier dengan lebih dari 1 variable bebas
(regresi berganda).
2. Regresi Non Linier
Regresi exponensial (ln)
Regresi berpangkat (log).
Pertumbuhan Penduduk
Fitting a straight
line to data
Predictor 2 Which line best
Predictor 1 fits the data?
b
a
Pertumbuhan ekonomi
Model matematika yang menyatakan hubungan antara variabel tidak
bebas (kWh jual) dengan variabel bebas (pertumbuhan ekonomi)
Contoh : Model Regresi
• Sederhana : Y = a + bX + ε
• Berganda : Y = a + b1X1 + b2X2.....+ε
kWh jual
kWh jual
ε ε
ε
Pertumbuhan ekonomi
38
Regresi Non Linier
39
Regresi Linier dan Non Linier
The higher “R-Square Value” is, the more the Approximation Formula fit.
In this case, following formula represent the final consumption of electricity most.
y = 143.38e0.1283x
41
Regresi Linier dan Non Linier
Contoh Regresi Non Linier : Y = abX
Trend Eksponensial
a<0, b<1
Trend Logistik
a>0, b<1
Contoh: Korelasi Penjualan Listrik dengan GDP
Penjualan Listrik PLN
50.000
-
- 1.000.000 2.000.000 3.000.000
GDP
Korelasi GWh Jual dengan GDP & Penduduk
Penjualan Listrik PLN
Regression Statistics
Multiple R 0,9988145
R Square 0,9976305
Adjusted R Square
0,9971997
Standard Error 1802,3841
Observations 14
ANOVA
df SS MS F Significance F
Regression 2 1,5E+10 7,52E+09 2315,657 3,64E-15
Residual 11 35734471 3248588
Total 13 1,51E+10
Durbin Watson
Digunakan untuk menguji apakah terdapat autokorelasi dari residual,
artinya ada korelasi antara sisa pada periode t dengan sisa pada
periode sebelumnya (t-1).
PDRB
R2/AR
GWh = f Pop/R
(.…) E
Rp/kW
h
Ekonomi Makro
Pertumbuhan Ekonomi
Inflasi / deflasi
Ilmu Ekonomi
Mikroekonomi adalah studi bagaimana rumah tangga
dan perusahaan membuat keputusan dan bagaimana
pembuat keputusan ini berinteraksi dalam pasar. Dalam
mikroekonomi individu memilih memaksimalkan tingkat
kepuasan (utility) dengan batasan anggaran.
Makroekonomi adalah studi yang menganalisis
peristiwa-peristiwa makroekonomi muncul dari interaksi
banyak individu yang mencoba memaksimalkan
kemakmurannya. Mengingat variabel adalah jumlah
variable yang mendeskripsikan keputusan-keputusan
individu. Oleh karena itu studi makroekonomi didasarkan
pada landasan mikroekonomi.
Corporate Culture Academy
MENGAPA ?
Masyarakat mengkonsumsi listrik untuk digunakan
berbagai aktivitas ekonomi baik yang bersifat konsumtif
maupun produktif.
Konsumsi listrik juga mencerminkan daya beli masyarakat.
Semakin tinggi konsumsi listrik biasanya semakin tingggi
pendapatan / income masyarakat.
Konsumsi listrik yang lebih banyak oleh masyarakat juga
mencerminkan pemerintah dapat meningkatkan investasi
terkait ketenagalistrikan untuk dapat memenuhi kebutuhan
masyarakat. 56
Ilustrasi Pertumbuhan Ekonomi
g : Pertumbuhan Ekonomi
Yt : Pendapatan Nasional pada tahun t
Yt-1 : Pendapatan Nasional pada tahun t-1
Pendapatan nasional dapat diproksi dengan
menggunakan data produk domestik bruto
Corporate Culture Academy
Pendapatan Nasional
atau
Badan Pusat Statistik (BPS) telah melakukan perubahan tahun dasar dalam
penyusunan produk domestik regional bruto (PDRB) dari tahun 2000 menjadi
tahun 2010.
Perubahan tahun dasar dilakukan karena selama 10 / sepuluh tahun terakhir
telah terjadi perubahan baik pada tatanan lokal maupun global yang berpengaruh
pada perekonomian nasional
PDRB tahun dasar 2010 berpedoman pada sistem neraca nasional (SNN) 2008
SNN 2008 adalah rekomendasi internasional tentang bagaimana menyusun
ukuran aktivitas ekonomi yang sesuai dengan standar neraca baku yang
didasarkan pada prinsip – prinsip ekonomi
Ekspor/Impor
Faktor-faktor yang mempengaruhi kebutuhan
energi listrik dan sumber data
P
B. Pendekatan Perhitungan
Pengelompokan PDB Sesuai Kelompok Tarif
Dengan 9 Kelompok Lapangan Usaha
PDB untuk kelompok Rumah Tangga, terdiri dari lapangan usaha :
• Total without Oil & Gas & its product
PDB untuk kelompok Bisnis, terdiri dari (5, 6, 7, 8) :
1. Construction
2. Trade, Restaurant & Hotel
3. Transportation & Communication
4. Finance, Rent of Build & Business Service
PDB untuk kelompok Publik, terdiri dari lapangan usaha :
• Services
PDB untuk kelompok Industri, terdiri dari lapangan usaha :
1. Mining & Quarriying
2. Manufacturing Industries
3. Electric, Gas & Water Supply
Pengelompokan PDB Sesuai Kelompok Tarif
Dengan 17 Kelompok Lapangan Usaha
PDB untuk kelompok Rumah Tangga, terdiri dari lapangan usaha :
• Total (Tanpa Migas)
PDB untuk kelompok Bisnis, terdiri dari (F sd. N) :
F. Konstruksi
G. Perdagangan Besar dan Eceran, Reparasi Mobil dan Sepeda Motor
H. Transportasi dan Pergudangan
I. Penyediaan Akomodasi dan makan, minuman
J. Informasi dan komunikasi
K. Jasa Keuangan
L. Real Estate
M,N Jasa Perusahaan
Penyebab Inflasi
Menghitung Inflasi
Menghitung Inflasi
Menghitung Inflasi
Menghitung Inflasi
84
Corporate Culture Academy
85
Corporate Culture Academy
86
Corporate Culture Academy
87
Corporate Culture Academy
88
Corporate Culture Academy
• Nilai jual biji nikel yangsudah diolah menjadi feronikel nilai jual akan melonjak
menjadi 10 kali lipat
• Bila pengolahan dilanjutkan lagi menjadi produk stainless steel nilai jual
meningkat menjadi 19 kali.
• Hal yang sama pada mineral bauksit, jika diolah menjadi alumina nilai jual
meningkat menjadi 8 kali lipat .
• Ketika diolah dan dimurnikan lebih lanjut, menjadi batang aluminium nilai jual
meningkat menjadi 30 kali lipat.
• Hal sama juga bisa diterapkan untuk batubara (tambang batubara lebih
sederhana hanya dikeruk), pengolahan lebih lanjut menjadi gas (gasifikasi
batubara) yang bisa digunakan sebagai bahan baku pupuk atau produk
petrokimia. Di China batubara diolah menjadi avtur.
Corporate Culture Academy
Barnes
Columbian Farmer Coffee Importer Starbuck‟s and
Noble
2
Retail Price $15.00
92
Corporate Culture Academy
Sal
Nilai Tambah (Value Added)
es
$5.
Roasti
80
ng &
Packag
ing
$2.00
Shipping
and
Importing
Green
2 $3.00 Beans
Coffee
$4.20
93
Corporate Culture Academy
94
Corporate Culture Academy
95
Corporate Culture Academy
96
Corporate Culture Academy
Berapa total jumlah yang diproduksi oleh perusahaan X pada tahun 2012
97
Corporate Culture Academy
= Rp 140.000
98
Corporate Culture Academy
= Rp 225.000
99
Corporate Culture Academy
= Rp 225.000
100
Corporate Culture Academy
= Rp 190.000
101
Corporate Culture Academy
EKONOMI TERBUKA
Pada materi ekonomi terbuka ini kita akan
membahas model perekonomian kecil terbuka
yang meliputi Balance of Payment,
keseimbangan perekonomian terbuka dan
penentuan tingkat kurs (exchange rate)
Corporate Culture Academy
Consumption of
Factor domestically
payments produced goods
and services (Cd)
Households
Corporate Culture Academy
The circular flow of income
INJECTIONS
Export
expenditure (X)
Investment (I)
Government
Consumption of expenditure (G)
Factor domestically
produced goods BANKS, GOV ABROAD
payments etc
and services (Cd)
Import
Net expenditure (M)
Net taxes (T)
saving (S)
WITHDRAWALS
Corporate Culture Academy
G G d G f
EX = ekspor = pengeluaran luar negeri untuk barang-barang
domestik
IM = impor = C f + I f + G f = pengeluaran domestik untuk
barang-barang luar negeri
Corporate Culture Academy
KESEIMBANGAN PEREKONOMIAN
TERBUKA
NX = net ekspor
= EX – IM
• Jika NX > 0,
negara mengalami sebuah surplus perdagangan
sama dengan NX
• Jika NX < 0,
negara mengalami sebuah defisit perdagangan
sama dengan – NX
Corporate Culture Academy
1. Perdagangan Internasional
– Meningkatkan standar hidup dengang berspesialisasi pada
produk yang mempunyai keunggulan komparatif
– Mengekspor barang dan jasa yang secara relatif efisien
– Mengimpor barang dan jasa yang secara relatif tidak efisien
2. Keuangan Internasional
Sistem keuangan internasional berperan sebagai
“lubricant/perantara” yang memfasilitasi pertukaran (via
pembelian & penjualan)
Komoditi untuk mendapatkan mata uang asing
suatu mata uang dengan mata uang lainnya.
Corporate Culture Academy
2. Ukuran Keterbukaan
Rasio ekspor atau impor terhadap GDP
Corporate Culture Academy
5,000.00
Kemudian meningkat di
0.00
tahun 2014. Tapi kembali
-5,000.00
menurun di kuartal pertama
-10,000.00
2010 2011 2012 2013 2014 Q1-2015 tahun ini.
Neraca Pembayaran Indonesia
Penurunan ini cukup
berdampak pada nilai kurs.
Apa yang membuat neraca perdagangan menurun?
Apa dampaknya bagi nilai kurs?
Apa dampaknya bagi perusahaan?
Corporate Culture Academy
• Aturan Umum
– Transaksi yang menghasilkan valuta asing dicatat
dalam pos credit (+)
– Transaksi yang menimbulkan pengeluaran valuta
asing dicatat dalam pos debit (–)
Corporate Culture Academy
Lanjutan…
Official Reserve
– Dana yang digunakan oleh pemerintah dan Bank Sentral untuk
memanage nilai tukar (exchange rate)
– Menggambarkan intervensi pemerintah di pasar valuta asing
Statistical Discrepancy
Menggambarkan aliran barang & jasa, dan finansial yang tidak tercatat
Corporate Culture Academy
1. Definisi:
– Harga suatu mata uang dalam bentuk mata
uang lainnya.
– Jumlah mata uang asing yang dapat dibeli
dengan 1 unit mata uang domestik
2. ER ditentukan dalam pasar valuta asing (foreign
exchange market)
3. Mata uang asing diperdagangkan pada tingkat
retail di bank-bank dan firm yang bergerak di
bidang tersebut
Corporate Culture Academy
Lanjutan…
(KURS RIIL)
(KURS RIIL)
ε e P
P*
(Yen per $) ($ per unit U.S. goods)
Yen per unit Japanese goods
(KURS RIIL)
Contoh:
Harga Burger di Jepang 200 Yen
Harga Burger di Amerika $2,50
Kurs nominal (nominal exchange rate) = 120 Yen/$
Maka kurs riil burger di Amerika adalah
e P
ε
P *
120 $2.50
1.5
200 Yen
Corporate Culture Academy
GDP Vs GNP
GDP
Output yang diproduksi di domestik (Indonesia,
US, Italy, dan sebagainya)
GNP
Total pendapatan yang diperoleh suatu negara
atas faktor produksi yang dimilikinya dimanapun
lokasinya baik itu di dalam negeri maupun di luar
negeri.
120
Corporate Culture Academy
GDP Vs GNP
121
Corporate Culture Academy
GDP Vs GNP
122
Corporate Culture Academy
GDP Vs GNP
123
Apa itu Simple-E
Simple Econometric Simulation
System, for Excel
• Spreadsheets
– Microsoft Excel, Quattro Pro, Lotus 1-2-3
– Limited statistical analysis of forecast data
• Statistical packages
– SPSS, SAS, NCSS, Minitab
– Forecasting plus statistical and graphics
Rasio Elektifikasi
Prakiraan per Kelompok tarif
(R, B, I, P): Output
Energi Jual (GWh)
Simple-E
Daya Tersambung (MVA)
Jumlah Pelanggan
Losses
Pemakaian sendiri
Beban Puncak
Diagram Simple-E
Menu utama
“Sheet Data”
“Sheet Model”
Model dalam Simple-E
1. Model Regresi :
Linier : $LS,
Non Linier : $DL dan $SL
dengan Variable bebas PDRB, Populasi, Tarif, dst
Rasio Elektrifikasi :
Adalah rasio jumlah pelanggan rumah tangga terhadap
Jumlah rumah tangga
RE (t) = K ( a ) ^ (b t)
Latihan
1
Number of Households (10^3) 526.5 521.8 597.2 612.2 622.5 632.9 643.5 653.7 664.3 674.8 685.3 695.7 706.0
- Growth Rate (%) 1.6 (0.9) 14.5 2.5 1.7 1.7 1.7 1.6 1.6 1.6 1.6 1.5 1.5
Growth of Total GDP (%) 5.7 5.7 7.3 7.7 8.2 7.4 7.4 7.4 7.4 7.4 7.4 7.4 7.4
Electrification Ratio (%) 62.1 64.9 57.5 57.5 58.6 60.7 61.9 63.1 64.4 65.7 67.0 68.3 69.7
Energy Sales (GWh) 553.2 584.6 628.3 662.0 690.3 817.3 907.4 1,006.3 1,115.3 1,235.1 1,366.9 1,511.4 1,670.5
- Growth Rate (%) 11.5 5.7 7.5 5.4 4.3 18.4 11.0 10.9 10.8 10.7 10.7 10.6 10.5
-- Residential 325.9 340.1 351.6 356.4 362.3 416.2 470.4 530.0 596.0 668.6 748.5 836.4 933.2
-- Commercial 108.4 121.6 134.0 158.2 173.9 238.2 264.5 293.7 326.1 362.0 401.9 446.0 494.9
-- Public 55.9 60.4 70.2 67.6 71.3 76.5 82.0 87.9 94.3 101.0 108.3 116.0 124.3
-- Industrial 63.1 62.5 72.5 79.9 82.7 86.5 90.5 94.6 99.0 103.4 108.1 113.0 118.1
Power Contracted (MVA) 355.3 377.4 385.6 402.0 431.7 495.4 531.7 570.2 611.3 654.9 701.1 750.2 802.2
-- Residential 219.1 232.0 237.1 246.9 264.2 291.6 316.9 343.9 373.0 404.1 437.4 473.0 511.1
-- Commercial 67.5 75.4 77.1 83.1 91.5 124.6 132.3 140.5 149.0 158.0 167.4 177.2 187.4
-- Public 34.9 36.4 38.3 38.5 41.1 43.2 45.4 47.6 49.9 52.2 54.5 56.9 59.3
-- Industrial 33.8 33.5 33.1 33.4 34.8 35.9 37.1 38.2 39.4 40.6 41.9 43.1 44.4
Number of Customer 349,048 361,206 366,652 375,575 389,270 408,985 423,822 438,878 454,600 470,715 487,272 504,274 521,729
-- Residential 327,095 338,586 343,526 352,108 364,941 384,059 398,283 412,708 427,781 443,231 459,103 475,403 492,137
-- Commercial 11,572 11,902 12,107 12,426 12,894 13,328 13,776 14,240 14,718 15,211 15,721 16,245 16,787
-- Public 9,952 10,302 10,622 10,642 11,030 11,186 11,345 11,506 11,669 11,835 12,003 12,173 12,346
-- Industrial 429 416 397 399 406 412 419 425 432 438 445 452 459
Total Production (GWh) 3) 666.2 709.2 743.3 770.5 786.5 930.2 1,031.6 1,142.8 1,265.2 1,399.5 1,547.1 1,708.8 1,886.5
Energy Requirement (GWh) 649.2 692.4 718.1 746.1 765.7 905.6 1,004.3 1,112.6 1,231.7 1,362.5 1,506.2 1,663.7 1,836.7
Station Use (%) 2) 2.5 2.4 3.4 3.2 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6 2.6
T & D Losses (%) 1) 14.8 15.6 12.5 11.3 9.8 9.7 9.6 9.5 9.4 9.3 9.2 9.1 9.0
Load Factor (%) 53.8 56.8 57.0 57.1 57.2 57.3 57.3 57.6 57.9 58.3 58.6 59.1 59.5
Peak Load (MW) 141 143 149 154 157 185 205 226 249 274 301 330 362
======================== ============ ============ ============ ============ ============ ============ ============ ============ ============ ============ ============ ============ ============
Note : 1) Losses to Energy Requirement
2) Own Use To PLN Production
3) PLN Production + Purchased
*) Actual
**) RKAP
Corporate Culture Academy
Jika :
P ( IB ) * Delta Pel. I * VIB < VKB
Maka :
Daya Ind (t) =Daya Ind (t-1) + VKB + P ( IK ) * Delta Pel I * VIK
LF (t) = (0,4 – 0,5) * ERT (t) / EST + (0,50 – 0,60) * (EB(t)+ EP(t)) / EST
+ (0,7 – 0,8) EI (t) / EST
Dimana :
LF (t) = Faktor Beban pada tahun t
ERT (t) = Energi sales rumah tangga pada tahun t
EB (t) = Energi sales bisnis pada tahun t
EP (t) = Energi sales publik pada tahun t
EI (t) = Energi sales industri pada tahun t
0,4 – 0,5 = Koefisien faktor beban sektor rumah tangga (hasil survai)
0,5 – 0,6 = Koefisien faktor beban sektor bisnis & publik (hasil survai)
0,7 – 0,8 = Koefisien faktor beban sektor industri (hasil survai)
Karakteristik Beban Listrik Sektor Rumah Tangga & Industri
Karakteristik Beban Listrik Sektor Bisnis
Karakteristik Beban Listrik Sektor Publik
Beban Puncak
Beban rata-rata 1 tahun
Load Factor = -------------------------------------------
Beban puncak tertinggi 1 tahun
Dengan demikian untuk mengumpulkan data sesuai pelayanan Gardu Induk, terdiri dari
gabungan Ranting/Rayon atau gabungan setengah dari daerah pelayanan Ranting/Rayon
membutuhkan usaha yang besar. Untuk itu pada model ini dengan tujuan
menyederhanakan kebutuhan data dan memanfaatkan sitem informasi yang tersedia, data
utama yang digunakan ialah beban tertinggi bulanan
Corporate Culture Academy
Model Prakiraan Beban Gardu Induk
Karena hanya “simgle Input” maka metode yang dipilih adalah time series
dengan memperhatikan pola data bulanan (biasanya berfluktuasi), pada
awalnya digunakan model Box-Jenkins, yang diharapkan hasil prakiraan
tidak mereduksi dinamika dari data. Setelah digunakan terjadi banyak kesulitan
yang dialami
- Model Box-Jenkins hanya baik untuk prakiraan jangka sangat pendek
(harian atau bulanan), sedangkan prakiraan beban GI untuk jangka
menengah atau jangka panjang (5-10 tahun atau jangka panjang
>10 tahun)
Oleh karena itu digunakan model Decomposition Multiplicative
T = Trend
Y (t) = T x S x C x I C = Ciclycal Component
S = Seasonal Component
I = Irregular Component
Corporate Culture Academy
Model Prakiraan Beban Gardu Induk
Memperhatikan dari data beban GI, yang berfluktuasi dengan kecenderungan tertentu,
maka pada model GI digunakan tahap pendekatan sebagai berikut :
S x I = T x S x C x I / ( T x C ). ( II.2 )
M
Y(t) = 1/ 12 { Y(t-6) + ...... + Y (t) + ....... Y(t + 5) }
Pada bagian ini akan dibahas penggunaan teknik Multiplicative untuk menyusun
prakiraan beban gardu Induk.
Langkah l. Deseasonalize
S * I = T * S * C * I / (T *C)
Seasonal indeks diperlihatkan pada kolom Z(t), serta persyaratan sum Z (t) = 12
No. Sistem 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
2 Sistem Tahuna
- Sales (GWh) 11.69 13.32 14.33 14.43 15.45 17.47 19.51 17.5 18.4 22.0 24.6 27.6 30.8
- Produksi ( GWh ) 13.05 14.85 16.24 15.97 16.80 18.07 19.29 20.0 20.5 24.3 27.0 30.0 33.3
- Load Factor (%) 33.11 37.87 41.89 35.89 37.01 39.51 40.11 40.6 40.8 41.0 41.2 41.5 41.9
- Beban Puncak ( MW ) 4.50 4.48 4.43 5.08 5.18 5.22 5.49 5.6 5.7 6.8 7.5 8.3 9.1
4 Sistem Talaud
- Sales (GWh) 3.33 3.57 4.32 3.85 4.42 5.01 5.01 5.4 5.6 6.7 7.5 8.4 9.4
- Produksi ( GWh ) 3.91 3.97 4.91 4.81 5.12 5.72 6.46 7.0 7.2 8.5 9.5 10.5 11.7
- Load Factor (%) 35.70 29.14 37.16 41.24 40.73 45.86 34.47 37.1 37.4 37.6 37.9 38.2 38.7
- Beban Puncak ( MW ) 1.25 1.56 1.51 1.33 1.44 1.42 2.14 2.16 2.2 2.6 2.9 3.1 3.4
5 Sistem Molibagu
- Sales (GWh) 0.00 0.00 0.00 3.47 3.59 3.78 1.86 3.7 3.9 4.6 5.1 5.6 6.2
- Produksi ( GWh ) 0.00 0.00 0.00 3.84 3.98 4.05 4.32 4.8 4.9 5.8 6.4 7.1 7.9
- Load Factor (%) #DIV/0! #DIV/0! #DIV/0! 28.06 28.38 28.71 25.84 28.6 28.7 28.8 28.9 29.2 29.4
- Beban Puncak ( MW ) 0.00 0.00 0.00 1.56 1.60 1.61 1.91 1.91 1.9 2.3 2.5 2.8 3.1
Hal-hal yang perlu diperhatikan :
1. Mengacu pada RUKN, dalam hal :
Proyeksi PDRB
Proyeksi rasio elektrifikasi (RE)
2. Jumlah penduduk, mengacu pada data BPS Propinsi atau
Kabupaten/Kota setempat versi terbaru hasil sensus 2010.
Untuk proyeksi jumlah penduduk mengacu proyeksi jumlah
penduduk oleh Bappenas–BPS–UNFPA th 2013.
3. Output menghasilkan beban per sistem dan beban per GI
4. Gunakan angka JAM NYALA sebagai kontrol kewajaran
hasil perhitungan (korelasi antara target penyambungan
pelanggan baru, kWh jual dan daya kontrak).
Kontak Person :
Kriswanto
Alamat Email :
- kelikdjbb@yahoo.com
- kelikdjbb@gmail.com
Sekian terima kasih
Selamat BERLATIH,
MENCOBA & MENCOBA…..