I.

PENDAHULUAN

Salah satu kebutuhan pokok bagi kehidupan masyarakat saat ini untuk melakukan
aktivitasnya sehari-hari adalah tenaga listrik. Terbagi beberapa sektor yang menggunakan
tenaga listrik yaitu sektor rumah tangga, usaha atau bisnis, industri, dan sarana umum.
Besarnya konsumsi listrik dari waktu ke waktu cenderung mengalami peningkatan yang
besarnya tidak dapat ditentukan secara pasti. Ketidakpastian itu apabila tidak diperkirakan
akan menjadi masalah, karena kebutuhan listrik semakin bertambah tetapi penyediaan listrik
kurang. Hal ini disebabkan karena pentingnya listrik untuk kemajuan hidup manusia pada
beberapa bidang yaitu bidang ekonomi, teknologi, sosial, dan budaya. Kota Batam
merupakan salah satu kota yang tingkat konsumsi energi listrik yang tinggi. Tingginya
konsumsi energi listrik kota Batam dipengaruhi oleh aktivitas ekonomi yang semakin tinggi
seiring bertambahnya jumlah penduduk, pertumbuhan bisnis dan industri, serta kemajuan
teknologi. Peningkatan konsumsi ini terjadi karena untuk menggerakan roda perekonomian
seperti industri, transportasi, perbankan, dan pemerintahan. Kebutuhan listrik masyarakat
dalam melakukan aktivitas sehari-hari yang mengakibatkan permintaan akan suplai daya
semakin besar.

Permintaan kebutuhan listrik tersebut harus diikuti dengan penyediaan tenaga listrik oleh
pihak penyedia tenaga listrik, dalam hal ini adalah PT. PLN (Persero) BATAM, agar tercapai
stabilitas sistem tenaga listrik serta mampu memenuhi kebutuhan konsumen akan energi
listrik. Itulah alasannya kenapa tenaga listrik harus disediakan saat dibutuhkan, karena
penyimpanan tenaga listrik tidak bias dalam skala besar. Akibatnya akan ada permasalahan
yang muncul dalam mengatasi kebutuhan daya listrik yang tidak konstan tiap tahunnya,
bagaimana menghasilkan daya dengan kualitas baik pada sistem tenaga listrik agar dapat
memenuhi permintaan.

Permasalahannya adalah apabila tidak diperhitungkan dalam hal penyediaan pasokan energi
listrik pada konsumen maka dapat mempengaruhi kesiapan dari unit pembangkitnya.
Kecenderungan tenaga listrik antara pihak penyediaan dan pihak permintaan bisa
menimbulkan kerugian bagi pihak penyedia tenaga listrik. Pada unit pembangkit akan
berlebih dalam pemakaian energi apabila tenaga yang dihasilkan lebih besar dari konsumsi
listrik. Pada pihak konsumen akan mengalami pemadaman bila tenaga yang dibangkitkan
lebih kecil dari kebutuhan listrik. Untuk itu dibutuhkan mekanisme yang cukup baik dalam
pembangkitan tenaga listrik. Untuk menjaga stabilitas tersebut, maka pihak penyedia tenaga
listrik harus dapat meramalkan besar kebutuhan atau permintaan listrik.

Peramalan merupakan sebuah teknik untuk memprediksikan kebutuhan yang diinginkan

untuk sebuah produk dalam beberapa periode waktu mendatang berdasarkan data historis dan
memberikan hasil prediksinya dengan menggunakan beberapa bentuk model matematis.
Peramalan sangat diperlukan oleh sebuah perusahaan (dalam hal ini PT. PLN BATAM),
karena setiap keputusan yang diambil pada saat ini akan berpengaruh di masa depan.

II. TINJAUAN PUSTAKA

Daman Suswanto (2010), dalam suatu jurnal berjudul “Sistem Distribusi Tenaga Listrik”
pada bab 12 tentang Analisis Peramalan Beban Dan Kebutuhan Energi Listrik, menjelaskan
bahwa peramalan pada dasarnya merupakan suatu dugaan atau prakiraan mengenani
terjadinya suatu kejadian atau peristiwa dimasa yang akan datang. Dalam kegiatan
perencanaan peramalan merupakan kegiatan mula dari proses tersebut. Ramalan di bidang
tenaga elektrik pada dasarnya merupakan ramalan kebutuhan energi elektrik (watt-jam) dan
ramalan beban tenaga elektrik (watt). Keduanya sering disebut dengan istilah Demand and
Load Forecasting. Hasil peramalan ini dipergunakan untuk membuat rencana pemenuham
kebutuhan maupun pengembangan penyediaan tenaga elektrik setiap saat secara cukup dan
baik serta terus menerus.

Arifien E (2012), membahas tentang peramalan beban listrik dan optimalisasi pembangunan
jaringan distribusi dengan menggunakan metode simple-E dan program linier. Metode
simple-E yang digunakan dalam penelitian ini dapat disimulasikan dengan microsoft excel
secara berulang-ulang dengan waktu yang panjang, tetapi dalam metode ini membutuhkan
pengalaman dan ketajaman intuisi untuk membentuk model yang sesuai dengan data yang
diperoleh.
Menurut Ngakan Putu Satriya Utama (2007), pada proses perencanaan pengembangan sistem
tenaga listrik diperlukan adanya suatu prakiraan kebutuhan tenaga listrik yang dapat
memberikan informasi kepada pembuat kebijakan sehingga dengan prakiraan yang baik akan
dapat mengurangi resiko pembangunan yang tidak dibutuhkan. Kebutuhan tenaga listrik
suatu daerah tergantung dari letak daerah, jumlah penduduk, standar kehidupan, rencana
pembangunan atau pengembangan daerah dimasa yang akan datang. Sehingga dalam
prakiraan diperlukan data yang mencakup perkembangan daerah, tingkat perekonomian
daerah maka dapat digunakan jumlah produk domestik regional bruto (PDRB), kemudian
jumlah penduduk daerah tersebut dan sebagainya.

Menurut Djiteng Marsudi (2006), pembagian kelompok peramalan atau perkiraan beban
terdiri atas:
1. Peramalan Beban Jangka Panjang
Perkiraan beban jangka panjang adalah untuk jangka waktu di atas satu tahun. Dalam
perkiraan beban jangka panjang masalah-masalah makro ekonomi yang merupakan
masalah ekstern perusahaan listrik merupakan faktor utama yang menentukan arah
perkiraan beban.

2. Peramalan Beban Jangka Menengah

Perkiraan beban jangka menengah adalah untuk jangka waktu dari satu bulan sampai
dengan satu tahun. Poros untuk perkiraan beban jangka menengah adalah perkiraan beban
jangka panjang.

3. Peramalan Beban Jangka Pendek

Perkiraan beban jangka pendek adalah untuk jangka waktu beberapa jam sampai satu
minggu. Dalam perkiraan beban jangka pendek batas atas untuk beban maksimum dan
batas bawah untuk beban minimum yang ditentukan dalam perkiraan beban jangka
menengah.
III. METODE PENELITIAN

A. Studi Literatur
Dalam studi literatur adalah melakukan pencarian informasi dan data yang penting mengenai
segala sesuatu yang berhubungan dengan penelitian ini, diantaranya adalah:
1. Kebutuhan/permintaan energi listrik ialah besarnya energi listrik yang terpakai setiap
tahun pada pelanggan PT. PLN (Persero) Wilayah Batam.
2. Susut (losses) adalah suatu bentuk kehilangan energi listrik yang berasal dari selisih
sejumlah energi listrik yang tersedia dengan sejumlah energi listrik yang terjual.
3. PDRB merupakan penjumlahan nilai output bersih perekonomian yang ditimbulkan
oleh seluruh kegiatan ekonomi di suatu wilayah tertentu (provinsi dan kabupaten
/Kota), dan dalam satu kurun waktu tertentu (satu tahun kelender). Kegiatan ekonomi
yang dimaksud kegiatan pertanian, pertambangan, industri pengolahan, sampai
dengan jasa.
4. Populasi penduduk, jumlah rumah tangga merupakan jumlah penduduk yang
menempati/memadati suatu tempat atau daerah.
5. Prediksi adalah memperkirakan nilai populasi (parameter) dengan memakai nilai
sampel (statistik tahun 2002-2013).

B. Teknik Pengumpulan Data

Pada tugas akhir ini data yang digunakan merupakan data sekunder yang diperoleh dari
instansi pemerintah daerah, Badan Pusat Statistik Provinsi Batam, Distamben Batam, PT.
PLN (Persero) Wilayah Batam Sesuai dengan varaibel-variabel yang dibutuhkan yaitu jumlah
pendapatan perkapita, jumlah penduduk, pdrb persektor, losses, rasio elektrifikasi, faktor
beban, dan beban listrik yang terpasang dari tahun 2002 sampai tahun 2013.
C. Metode Prediksi

Pendekatan Linier Sederhana

Bentuk hubungan yang paling sederhana antara variabel X dengan variabel Y adalah
berbentuk garis lurus atau berbentuk hubungan linier yang disebut dengan Pendekatan linier
sederhana atau sering disebut regresi linier dengan persamaan (1) sebagai berikut:

Y =A+BX

Apabila A dan B mengambil nilai seperti : A = 0 dan B = 1

Dari persamaan diatas, A dan B disebut konstanta atau koefisien Pendekatan linier sederhana
atau parameter garis regresi linier sederhana. A disebut intercept coefficient atau intersep
yaitu jarak titik asal atau titik acuan dengan titik potong garis regresi dengan sumbu Y; dan B
disebut slope coefficient atau slup yang menyatakan atau menunjukkan kemiringan atau
kecondongan garis regresiter hadap sumbu X.
Dari persamaan garis regresi (1), dalam hubungan tersebut terdapat satu variabel bebas X dan
satu variabel takbebas Y. Analisis Pendekatan linier sederhana digunakan untuk
memprediksi jumlah penduduk, rasio elektrifikasi,
faktor beban, losses, jumlah rumah tangga dan PDRB konstan pada tahun 2013 sampai 2030.
Pertama mencari nilai a dan dapat dicari dengan rumus:

(𝚺𝐲)(𝚺𝐱 𝟐 ) −(𝚺𝐱)(𝚺𝐱𝐲)
a= (3.1)
𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐

Kemudian mencari nilai b dengan rumus:

𝐧(𝚺𝐱𝐲)−(𝚺𝐱)(𝚺𝐲)
b= (3.2)
𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐

Dan mendapatkan hasil Y dengan rumus:

Y = a + bx (3.3)
Y : merupakan nilai estimate variabel tidak bebas (terikat)
X : merupakan variabel bebas
a : merupakan intersep
b : merupakan keofisien regresi
n : merupakan banyak data

I. HASIL DAN PEMBAHASAN

4.1 Deskripsi Data

Dalam melakukan analisis pada penelitian ini digunakan data sekunder yaitu data statistik
perusahaan PLN dari tahun 2005 sampai dengan tahun 2016 di Area Batam. Adapun data
yang dimaksud adalah:

1. Data pelanggan listrik beban industri dan beban non-industri

2. Data daya tersambung beban industri dan beban non-industri

3. Data energi yang terjual beban industri dan beban non-industri

4. Data pendapatan penjualan energi listrik beban industri dan beban non-industri

Energi yang Terjual

Tahun Pelanggan Listrik (GWh
2005 175 188,60
2006 185 225,70
2007 205 316,74
2008 235 369,93
2009 265 417,62
2010 275 419,88
2011 285 469,04
2012 290 464,07
2013 305 514,25
2014 325 580,54
2015 335 582,47
2016 345 518,86
Berdasarkan data pada Tabel 4.1, maka dapat dilihat data ini memiliki pola (trend)
energi listrik di area Batam dengan data pada grafik Gambar 4.1 sampai dengan Gambar
4.8 sebagai berikut:

Pelanggan Listrik
400
335 345
350 325
305
285 290
300 265 275
235
250
205
175 185
200

150

100

50

0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Gambar 4. 1 Grafik Rekapitulasi Pelanggan Listrik

Energi yang Terjual (GWh)

700
580.54 582.47
600
514.25 518.86
469.04 464.07
500
417.62 419.88
369.93
400
316.74
300
225.7
188.6
200

100

0
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016

Gambar 4. 5 Grafik Rekapitulasi Energi Yang Terjual

 Dari masing-masing grafik diatas dapat dilihat bahwa terjadi peningkatan jumlah
pada pelanggan listrik dan energi yang terjual untuk beban industri maupun beban non-
industri setiap tahunnya.

4.1 Perhitungan dan Pembahasan

4.2.1 Prediksi Pelanggan Listrik

Dari rekapitulasi data pelanggan listrik pada beban industri dan beban non-
industri yang diperoleh dari statistik perusahaan PLN dari tahun 2004 sampai
dengan tahun 2015 dapat dilakukan analisis pendekatan linear untuk menentukan
nilai konstanta a dan koefisien regresi b pada persamaan linear dengan melakukan
perhitungan data seperti pada Tabel 4.2 dan Tabel 4.4

Tabel 4. 2 Perhitungan untuk mendapatkan Konstanta a dan Koefisien Regresi b

Pelanggan Listrik pada Beban Industri
Variabel
Variabel y :
x:
Tahun Pelanggan x2 x.y
Periode
Listrik
Tahun
2005 1 175 1 175
2006 2 185 4 370
2007 3 205 9 615
2008 4 235 16 940
2009 5 265 25 1325
2010 6 275 36 1650
2011 7 285 49 1995
2012 8 290 64 2320
2013 9 305 81 2745
2014 10 325 100 3250
2015 11 335 121 3685
2016 12 345 144 4140
𝚺 78 3325 650 23.210
 (𝚺𝐲)(𝚺𝐱 𝟐 ) −(𝚺𝐱)(𝚺𝐱𝐲) 𝐧(𝚺𝐱𝐲)−(𝚺𝐱)(𝚺𝐲)
a= b=
𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐 𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐

(𝟑.𝟑𝟐𝟓)(𝟔𝟓𝟎) −(𝟕𝟖)(𝟐𝟑.𝟐𝟏𝟎) 𝟏𝟐(𝟐𝟑.𝟐𝟏𝟎)−(𝟕𝟖)(𝟑.𝟑𝟐𝟓)

a= b=
𝟏𝟐(𝟔𝟓𝟎)−(𝟕𝟖)𝟐 𝟏𝟐(𝟔𝟓𝟎)−(𝟕𝟖)𝟐

a = 204 b = 11,171

Dari perhitungan diatas, maka telah didapat konstanta a dan koefisien regresi b. Dengan
menggunakan Persamaan pendekatan Linear sesuai dengan persamaan (3.3) maka:

Y = 204 + 11,171x

Dilakukan perhitungan untuk memprediksi pertumbuhan jumlah pelanggan listrik

pada beban industri selama periode 5 tahun mendatang (tahun 2017 sampai dengan
2021). Berdasarkan persamaan 3.3, dibawah ini adalah hasil perhitungan untuk
prediksi pelanggan listrik dan nilai x yang dipakai adalah periode tahun yang akan
diprediksi dapat dilihat pada Tabel 4.3

= 204 +11,171 (13) = 349

= 204 +11,171 (14) = 360

= 204 +11,171 (15) = 371

= 204 +11,171 (16) = 382

= 204 +11,171 (17) = 393
 Prediksi
Tahun Periode Tahun Pelanggan Listrik

2017 13 349
2018 14 360
2019 15 371
2020 16 382
2021 17 393

Dari hasil prediksi pada Tabel 4.3 didapatkan bahwa jumlah pelanggan
listrik pada beban industri selama 10 tahun mendatang cenderung mengalami
peningkatan setiap tahunnya. Seperti grafik pertumbuhan pelanggan listrik yang
terlihat pada Gambar 4.9

Pelanggan Listrik
450
371 382 393
400 360
345 349
350 325 335
305
285 290
300 265 275
235
250 205
200 175 185

150

100

50

0
2003 2005 2007 2009 2011 2013 2015 2017 2019 2021 2023
4.2.2 Prediksi Energi yang Terjual

Dari rekapitulasi data energi yang terjual pada beban industri dan beban non-
industri yang diperoleh dari statistik perusahaan PLN dari tahun 2004 sampai
dengan tahun 2015 dapat dilakukan analisis regresi linear untuk menentukan nilai
konstanta a dan koefisien regresi b pada persamaan linear dengan melakukan
perhitungan data seperti pada Tabel 4.10 dan Tabel 4.12

Tabel 4. 10 Perhitungan untuk mendapatkan Konstanta a dan Koefisien Regresi b

Energi yang Terjual pada Beban Industri

Variabel
Variabel y :
x:
Tahun Energi yang 𝒙𝟐 𝒙. 𝒚
Periode
Terjual (GWh)
Tahun
2005 1 188,60 1 188,6
2006 2 225,70 4 451,4
2007 3 316,74 9 950,22
2008 4 369,93 16 1479,72
2009 5 417,62 25 2088,1
2010 6 419,88 36 2519,28
2011 7 469,04 49 3283,28
2012 8 464,07 64 3712,56
2013 9 514,25 81 4628,25
2014 10 580,54 100 5805,4
2015 11 582,47 121 6407,17
2016 12 518,86 144 6226,32
TOTAL 78 5.067,7 650 37740,3
 (𝚺𝐲)(𝚺𝐱 𝟐 ) −(𝚺𝐱)(𝚺𝐱𝐲) 𝐧(𝚺𝐱𝐲)−(𝚺𝐱)(𝚺𝐲)
a= b=
𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐 𝐧(𝚺𝐱 𝟐 )−(𝚺𝒙)𝟐
(𝟓.𝟎𝟔𝟕,𝟕)(𝟔𝟓𝟎) −(𝟕𝟖)(𝟑𝟕𝟕𝟒𝟎,𝟑) 𝟏𝟐(𝟑𝟕𝟕𝟒𝟎,𝟑)−(𝟕𝟖)(𝟓.𝟎𝟔𝟕,𝟕)
a= b=
𝟏𝟐(𝟔𝟓𝟎)−(𝟕𝟖)𝟐 𝟏𝟐(𝟔𝟓𝟎)−(𝟕𝟖)𝟐

a = 204,11 b = 33,56

Dengan menggunakan Persamaan pendekatan Linear sesuai dengan persamaan (3.3)

maka:
Y = 204,11 + 33,56X

Dilakukan perhitungan untuk memprediksi pertumbuhan jumlah energi yang

terjual pada beban industri selama 5 tahun mendatang (tahun 2017 sampai dengan
2021). Hasil perhitungan untuk prediksi jumlah energi yang terjual dapat dilihat
pada Tabel 4.11

Tabel 4. 11 Hasil Prediksi Jumlah Energi yang Terjual pada Beban Industri di Area

Sumatera Barat tahun 2017 sampai dengan 2021

Energi yang Terjual
Tahun Periode Tahun
(GWh)
2017 13 640,39
2018 14 673,95
2019 15 707,51
2020 16 741,07
2021 17 774,63
Dari hasil prediksi di atas didapatkan bahwa jumlah energi yang terjual pada beban industri
selama 5 tahun mendatang cenderung meningkat secara linear seiring pertambahan periode
tahun seperti yang terlihat pada Gambar 4.13

Energi yang Terjual (GWh)

900
774.63
800 741.07
707.51
673.95
700 640.39
582.47
580.54
600 514.25 518.86
469.04
464.07
500 419.88
417.62
369.93
400 316.74
300 225.7
188.6
200

100

0
2003 2005 2007 2009 2011 2013 2015 2017 2019 2021 2023
II. KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil analisis yang dilakukan dapat diambil kesimpulannya sebagai berikut:

1. Prediksi total kenaikan jumlah pelanggan listrik pada beban industri adalah
sebesar 104 pelanggan (rata-rata pertumbuhan per tahun sebesar 4,33%) dan
pada beban non- industri sebesar 81.632 pelanggan (rata-rata pertumbuhan per
tahun sebesar 4,11%).

2. Prediksi total kenaikan jumlah energi listrik yang terjual pada beban industri
sebesar 289,481 GWh (rata-rata pertumbuhan per tahun sebesar 6,95%) dan
pada beban non- industri sebesar 441,118 GWh (rata-rata pertumbuhan per
tahun sebesar 7,72%).

5.2 Saran

Penelitian ini dilakukan penulis hanya memprediksikan kebutuhan energi listrik pada
wilayah Propinsi Sumatera Barat dan hanya menggunakan salah satu metode yaitu
Pendekatan Linear dengan memiliki hambatan keterbatasan data yang diperoleh
Diharapkan untuk penelitian selanjutnya bisa mendapatkan data yang terbaru dan
menggunakan metode lainnya pada wilayah lainnya juga untuk hasil yang lebih
memuaskan
 DAFTAR PUSTAKA

[1] Yuningsih Akili dan Yasin Mohamad, Analisa Perkiraan Energi Menggunakan
Metode Koefisien Energi (Studi Kasus : PT.PLN (PERSERO) Area Gorontalo,
Gorontalo: Jurnal Teknologi Electricshan, 2014.

[2] Ricky Ardian Pratama, Lilik, dan Anifah, ”Peramalan Beban Listrik Jangka
Panjang Provinsi D.I. Yogyakarta Menggunakan Neural Network
Backpropagation,” Jurnal Teknik Elektro, Vol.05, No.03, hal.0-47, 2016.

[3] M. Syafruddin, Lukmanul Hakim, dan Dikpride Despa, “Metode Regresi Linier
untuk Prediksi KebutuhanEnergi Listrik Jangka Panjang (Studi Kasus Provinsi
Lampung),” Jurnal Informatika dan Teknik Elektro Terapa (JITET), Vol.02,
No.02, 2014.

[4] Sofjan Assauri, Manajemen Produksi dan Operasi, Edisi Revisi, Jakarta:
Lembaga Penerbit. Fakultas Ekonomi Universitas Indonesia, 1999.