Genie Satriani (2015-11-251)

SEKOLAH TINGGI TEKNIK – PLN
PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

DURIKOSAMBI 150 KV TAHUN 2029 MENGGUNAKAN METODE
REGRESI LINEAR
SKRIPSI
Disusun Oleh :
GENIE SATRIANI
NIM : 2015-11-251
PROGRAM STUDI SARJANA

TEKNIK ELEKTRO
JAKARTA, 2019
LEMBAR PENGESAHAN
Skripsi Dengan Judul:

DURIKOSAMBI 150 kV TAHUN 2029 MENGGUNAKAN METODE
REGRESI LINEAR
Disusun Oleh:
GENIE SATRIANI
201511251
Diajukan Untuk Memenuhi Persyaratan

Program Studi Sarjana Teknik Elektro
SEKOLAH TINGGI TEKNIK-PLN
Jakarta, 29 JULI 2019
Mengetahui, Disetujui Oleh,
Erlina, S.T., M.T Edy Ispranyoto, Ir.,MBA

Kepala Departemen Pembimbing Skripsi
i
LEMBAR PENGESAHAN TIM PENGUJI
Nama : GENIE SATRIANI
NIM : 2015-11-251
Jurusan : S1 TEKNIK ELEKTRO
Judul :PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

DURIKOSAMBI 150kV TAHUN 2029 MENGGUNAKAN METODE
REGRESI LINEAR
Telah disidangkan dan dinyatakan Lulus Sidang Skripsi pada Program Sarjana
Strata 1, Program Studi Teknik Elektro Sekolah Tinggi Teknik – PLN pada
tanggal 13 Agustus 2019.
Nama Penguji Jabatan Tanda Tangan
Adri Senen, ST.,MT. Ketua Sidang
Andi Makkulau, ST.,M.Ikom.,MT. Sekretaris Sidang
Sigit Sukmajati, ST.,MT. Anggota Sidang
Mengetahui:
Kepala Departemen
(Erlina, S.T., M.T)
ii
PERNYATAAN KEASLIAN SKRIPSI
Nama : GENIE SATRIANI
NIM : 2015-11-251
Jurusan : S1 TEKNIK ELEKTRO
Judul : PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

DURIKOSAMBI 150kV TAHUN 2029 MENGGUNAKAN METODE
REGRESI LINEAR
Dengan ini saya menyatakan bahwa dalam Skripsi ini tidak terdapat karya
yang pernah diajukan untuk memperoleh gelar Sarjana baik di lingkungan STT
– PLN maupun disuatu Perguruan Tinggi, dan sepanjang pengetahuan saya
juga tidak terdapat karya atau pendapat yang pernah ditulis atau diterbitkan
oleh orang lain, kecuali yang secara tertulis diacu dalam naskah ini dan
disebutkan dalam daftar pustaka. Pernyataan ini dibuat dengan penuh
kesadaran dan rasa tanggung jawab serta bersedia memikul segala resiko jika
ternyata pernyataan ini tidak benar.
Jakarta,29 Juli 2019
Genie Satriani
iii
UCAPAN TERIMA KASIH
Dengan ini saya menyampaikan penghargaan dan ucapan terima kasih yang
sebesar - besarnya kepada yang terhormat:
Edy Ispranyoto, Ir.,MBA Selaku Pembimbing Skripsi
Yang telah memberikan petunjuk, saran-saran serta bimbingannya sehingga

Skripsi ini dapat diselesaikan.
Terima kasih yang sama, saya sampaikan kepada seluruh jajaran PT. PLN
(Persero) UIT JBB-UPT Durikosambi yang telah mengizinkan melakukan
penelitian dan pengumpulan data di Kantor PT. PLN (Persero) UIT JBB UPT
Durikosambi ULTG Durikosambi.
Jakarta, 29 Juli 2019
Genie Satriani
NIM: 2015-11-251
iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Sekolah Tinggi Teknik - PLN, saya yang bertanda
tangan di bawah ini :
Nama : Genie Satriani
NIM : 2015-11-251
Program Studi : Strata Satu
Jurusan : Teknik Elektro
Jenis karya : Skripsi
Demi Pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada
Sekolah Tinggi Teknik – PLN Hak Bebas Royaliti Tidak Ekslusif (Non-
Exclusive Royalty Free Right) atas karya ilmiah saya yang berjudul:
“PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK
DURIKOSAMBI 150kV TAHUN 2029 MENGGUNAKAN METODE REGRESI
LINEAR”
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalty Non
Exclusive ini Sekolah Tinggi Teknik - PLN berhak menyimpan, mengalih
media/formatakan, mengelola dalam bentuk perangkat data (database),
merawat,dan mempublikasikan Tugas Akhir saya selama tetap mencantumkan
nama saya sebagai penulis/pencipta dan sebagai pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta
Pada tanggal :29 Juli 2019
Yang menyatakan
(Genie Satriani)
v
DURI KOSAMBI 150kV TAHUN 2029 MENGGUNAKAN METODE
REGRESI LINEAR
GENIE SATRIANI, 2015-11-251
Dibawah bimbingan Edy Ispranyoto,Ir.,MBA.
ABSTRAK
Peningkatan kebutuhan akan energi listrik selalu meningkat seiring berjalannya

waktu disebabkan oleh beberapa faktor salah satunya adalah faktor kenaikkan
jumlah penduduk. Hal tersebut mengharuskan pihak penyedia listrik membuat
perencanaan prakiraan beban. Begitupula permintan energi listrik di Provinsi
Jakarta Barat mengalami kenaikan peningkatan sehingga PT. PLN (Persero)
UIT JBB UPT Durikosambi harus mampu menyuplai bebansesuai dengan
kebutuhan listrik konsumen.Tujuan dari penelitian ini adalah untuk mengetahui
peramalan beban yang perlu di suplai oleh GI Durikosambi 150kV hingga tahun
2029 serta mengetahui solusi hasil dari peramalan beban.Perhitungan ini
menggunakan Metode Regresi Linear Sederhana dengan memprakirakan
kebutuhan beban dari data historis elektrifikasi dan faktor lain yang
mempengaruhi peningkatan beban seperti jumlah penduduk. Dengan metode
kuantitatif. Peramalan beban energi listrik dengan metode Regresi Linear akan
menghasilkan kebutuhan beban energi listrik daerah Jakarta Barat tahun 2029.
Hasil peramalan dihasilkan beban pada trafo 1 sebesar 99,48% dari
kapasitasnya dan MAPE sebesar 0,312481095%: trafo 2 sebesar 24,28 MW,
47,60% dari kapasitasnyaMAPE sebesar 0,277464839%: trafo 3 17,99 MW,
35,28% MAPE sebesar 0,166301665%: trafo 4 sebesar 49,22 MW, 96,31% dari
kapasitasnya MAPE sebesar 0,09421436%: trafo 5 sebesar 41,30 MW, 80,97%
dari kapasitasnya dan MAPE sebesar 0,384078361%.
Kata kunci : Peramalan, Metode Regresi Linear, Gardu Induk, Jumlah

Penduduk, Transformator Daya.
vi
LOAD FORCASTING WHICH WILL BE SUPPLIED BY THE 150KV
DURIKOSAMBI SUBSTATION IN 2029 USING A LINEAR
REGRESSION METHOD
GENIE SATRIANI, 2015-11-251
Under the guidance of Edy Ispranyoto,Ir.,MBA.
ABSTRACT
The increasing need for electrical energy always increases with time due to
several factors, This requires the electricity provider to make a planned load
forecasting. Neither the demand for electricity in West Jakarta Province has
increased so that PT. PLN (Persero) UIT JBB UPT Durikosambi must be able to
supply loads in accordance with consumer electricity needs.The purpose of this
study is to determine the load forecasting that needs to be supplied by the
150KV Durikosambi GI until 2029 and to find out the solution to the results of
load forecastin. This study uses the Simple Linear Regression Method by
estimating the load requirements from electrification historical data and other
factors that affect the increase in load such as the Population. This study uses
the kuantitatif method. Forecasting electrical energy loads using the Linear
Regression method will produce the electrical energy load needs of West
Jakarta in 2029.Forecasting results generated load in transformer 1 of 99.48%
of capacity MAPE 0,312481095%: transformer 2 of 24.28 MW, 47.60% of
capacity MAPE 0,277464839%: transformer 3 of 17.99 MW, 35.28% MAPE
0,166301665%: transformer 4 of 49.22 MW, 96.31% of the capacity of
transformer MAPE 0,09421436%: 5 was 41.30 MW, 80.97% MAPE
0,384078361%.
Keywords :Forecasts, Linear Regression Method, Substation, Population,

Power Transformator.
vii
DAFTAR ISI
Hal
LEMBAR PENGESAHAN ................................................................................... i
LEMBAR PENGESAHAN TIM PENGUJI ........................................................... ii
PERNYATAAN KEASLIAN SKRIPSI ................................................................ iii
UCAPAN TERIMA KASIH ................................................................................. iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI .................................. v
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS ........................................ v
ABSTRAK ......................................................................................................... vi
ABSTRACT ..................................................................................................... vii
DAFTAR TABEL ................................................................................................ x
DAFTAR GAMBAR .......................................................................................... xii
DAFTAR LAMPIRAN ....................................................................................... xii
BAB I PENDAHULUAN .................................................................................... 1

1.1. Latar Belakang ............................................................................................ 1
1.2.Permasalahan Penelitian ............................................................................. 2
1.2.1 Identifikasi Masalah ........................................................................ 2
1.2.2. Ruang Lingkup Masalah ................................................................. 2
1.2.3. Sistem Penyaluran Tenaga Listrik .................................................. 3
1.3.Tujuan dan Manfaat Penelitian .................................................................... 3
1.3.1 Tujuan Penelitian ........................................................................... 3
1.3.2. Manfaat Penelitian.......................................................................... 3
1.3.Sistematika Penulisan .................................................................................. 3
BAB IILANDASAN TEORI ................................................................................ 5

2.1. Tinjauan Pustaka .................................................................................. 5
2.2. Landasan Teori ..................................................................................... 6
2.2.1 Sistem Tenaga Listrik ..................................................................... 6
2.2.2. Sistem Penyaluran Tenaga Listrik .................................................. 7
2.2.3 Sistem Penyaluran dengan Tegangan Tinggi/Ekstra Tinggi ........... 8
2.2.4 Gardu Induk ................................................................................... 8
2.2.5 Transformator Daya ..................................................................... 10
2.2.6 Pembebanan Lebih pada Transformator Daya ............................. 11
viii
2.2.7. Jenis Beban Listrik ....................................................................... 11
2.2.7.1 Beban rumah tangga .............................................................. 11
2.2.7.2. Beban komersial atau bisnis ................................................... 12
2.2.7.3. Beban industri ......................................................................... 12
2.2.7.4. Beban gedung pemerintah ...................................................... 12
2.2.7.5. Beban penerangan umum ...................................................... 12
2.2.7.6. Beban traksi............................................................................ 12
2.2.7.7. Beban multiguna ..................................................................... 13
2.2.8. Peramalan Beban ............................................................................ 13
2.2.8.1. Peramalan .................................................................................... 13
2.2.8.1. Jenis-Jenis Prakiraan/Peramalan ................................................. 14
2.2.9. Metode/Peramalan .......................................................................... 15
2.2.9.1. Metode Analisi ........................................................................ 16
2.2.9.2 Metode Ekonometri ................................................................. 16
2.2.9.3 Metode Kecenderungan (Black Box) ...................................... 16
2.2.9.4 Metode Gabungan .................................................................. 16
2.2.9.5 Metode Regresi ...................................................................... 16
2.2.10. Koefisien Korelasi Prakiraan ........................................................ 18
2.2.11. Capacity Balance Transformator .................................................. 18
2.2.12. Tahapan Peramalan ..................................................................... 19
2.2.13. Overload atau Beban Tak Seimbang ............................................ 20
BAB IIIMETODE PENELITIAN........................................................................ 21

3.1 Analisa Kebutuhan ..................................................................................... 21
3.1.1 Waktu dan Tempat Penelitian ...................................................... 21
3.1.2. Data Penelitian ............................................................................. 21
3.2.Perancangan Penelitian ............................................................................. 22
3.2.1. Studi Literatur ............................................................................... 22
3.2.2. Observasi ..................................................................................... 22
3.2.3. Pengolahan Data ......................................................................... 22
3.2.4. Metode Perhitungan Data............................................................. 23
3.2.5. Diagram Alur Penelitian ................................................................ 23
3.3.Teknik Analisi............................................................................................. 25
3.3.1. Pengolahan Data ......................................................................... 25
ix
3.3.1. Rencana Perhitungan ................................................................... 25
BAB IVPERHITUNGAN PERAMALAN BEBAN TRANSFORMATOR DAYA

GARDU INDUK DURIKOSAMBI ..................................................................... 28
4.1 Umum ........................................................................................................ 28
4.2 Beban Transformator Gardu Induk Durikosambi ........................................ 29
4.2.1 Beban transformator 1 .................................................................. 29
4.3 Pertumbuhan PDRB Kota Jakarta Barat .................................................... 34
4.4 Peramalan Beban Transformator Daya GI Durikosambi ............................ 37
4.4.1. Peramalan beban transformator daya 1 ....................................... 38
4.5 Persentase Pembebanan Transformator Daya GI Durikosambi ................. 56
4.5.1 Persentase pembebanan transformator daya 1 ............................ 56
BAB VPENUTUP ............................................................................................ 70

5.1Simpulan..................................................................................................... 70
5.2Saran .......................................................................................................... 70
DAFTAR PUSTAKA ........................................................................................ 72
x
DAFTAR TABEL
Hal
Tabel 4.1. Data Beban Puncak Transformator 1 (60 MVA) ................................... 29
Tabel 4.3. Data Beban Puncak Transformator Daya 3 .......................................... 31
Tabel 4.6. Data Jumlah Penduduk Kota Jakarta Barat 2014-2018 ................... 34
Tabel 4.7. Pertumbuhan Penduduk Kota Jakarta Barat 2019-2024 .................... 37
Tabel 4 8. Perhitungan Konstanta Regresi Linear Transformator Daya 1 .......... 38
Tabel 4.9. Perhitungan PE Transformator Daya 1 .................................................. 38
Tabel 4.10. Hasil Perkiraan Beban Transformator Daya 1, tahun 2019-2029 ... 40
Tabel 4.11. Perhitungan MAPE Transformator Daya 1 .......................................... 41
Tabel 4.12. Perhitungan Konstanta Regresi Linear Transformator Daya 2 ........ 42
Tabel 4.13. Perhitungan Nilai PE Transformator Daya 2 ....................................... 42
Tabel 4 14. Hasil Perkiraan Beban Transformator Daya 2, tahun 2019-2029 ... 44
Tabel 4.15. Perhitungan MAPE .................................................................................. 44
Tabel 4 16. Perhitungan Konstanta Regresi Linear Transformator Daya 3 ........ 45
Tabel 4 17. Hasil Nilai PE Transformator Daya 3 ................................................... 46
Tabel 4 18. Hasil Perkiraan Beban Transformator Daya 3 tahun 2019-2029 .... 47
Tabel 4 19. Hasil Perhitungan Nilai MAPE Transformator Daya 3 ....................... 48
Tabel 4 21. Hasil Perhitungan Nilai PE Transformator Daya 4 ............................. 50
Tabel 4 22. Hasil Perkiraan Transformator Daya 4, tahun 2019-2029 ................ 51
Tabel 4.23. Hasil Perhitungan MAPE Transformator Daya 4................................ 52
Tabel 4 25. Hasil Perhitungan Nilai PE Transformator Daya 5 ............................. 53
Tabel 4 26. Hasil Perkiraan Beban Transformator Daya 5, tahun 2019-2029 ... 55
Tabel 4 27. Hasil Perhitungan MAPE Transformator Daya 5................................ 55
Tabel 4 28. Persentase Beban Transformator Daya 1 tahun 2019-2029 ........... 57
Tabel 4 29.Persentase BebanTransformator Daya 2 tahun 2019-2029.............. 59
Tabel 4 33. Variables Entered or Removed ............................................................. 67
Tabel 4 34. Model Summary ...................................................................................... 67
Tabel 4.35. ANOVA...................................................................................................... 67
xi
DAFTAR GAMBAR
Hal
Gambar 2.1. Saluran Tenaga Listrik .................................................................. 7
Gambar 2.2 Single Line Diagram sel 20 kV Durikosambi ................................. 10
Gambar 2.3 Sistem Tenaga Listrik ..................................................................... 7
Gambar 3.1Single Line Diagram Gardu Induk Durikosambi ............................... 9
xii
DAFTAR LAMPIRAN
Hal
Lampiran A Daftar Riwayat Hidup ................................................................... A1
Lampiran B Lembar Bimbingan Skripsi ........................................................... B1
Lampiran C Data Jumlah Penduduk ........................................................C1-C18
Lampiran D Single Line Diagram Gardu Induk Durikosambi ........................... D1
Lampiran E Unit Induk Transmisi UPT Durikosambi ....................................... E1
Lampiran F Data Beban Transformasi Durikosambi ................................. F1-F51
xiii
xiv
15
BAB I
PENDAHULUAN
1.1. Latar Belakang

Gardu Induk PT. PLN (Persero) UIT JBB Unit Pemeliharaan
Transmisi (UPT) Durikosambi Unit Layanan Transmisi dan Gardu Induk
(ULTG) Durikosambi mampu menyediakan tambahan kebutuhan energi
listrik dan memperkuat sistem kelistrikan dengan mutu dan keandalan
yang baik bagi pelanggan listrik di kota Jakarta Barat. Dalam
mengoperasikan sistem tenaga listrik yang terdiri dari banyak pusat
beban (gardu induk) yang satu sama lain dihubungkan dengan jaringan
transmisi. Apabila beban listrik yang ditanggung oleh Gardu Induk
Durikosambi 150 kV lebih besar dari kapasitasnya maka Gardu Induk
akan mengalami overload yang berakibat kepada terhentinya suplai
tenaga listrik dan memungkinkan terjadinya gangguan pada peralatan
transformator di GI 150 kV Durikosambi.
Agar permasalahan di atas dapat terhindari, maka perlu adanya
suatu perencanaan beban dan energi listrik pada wilayah yang disuplai
oleh PT. PLN (Persero) UIT JBB Unit Pemeliharaan Transmisi (UPT)
Durikosambi Unit Layanan Transmisi dan Gardu Induk (ULTG)
Durikosambi dengan melihat faktor apa saja yang mempengaruhi
peningkatan kebutuhan akan energi listrik salah satunya adalah yang
disebabkan oleh banyaknya dan selalu bertambahnya jumlah penduduk
di kota Jakarta Barat. Pentingnya melakukan peramalan beban dan
energi listrik jangka panjang dapat digunakan sebagai prakiraan untuk
menentukan langkah-langkah strategis guna mengantisipasi
pertumbuhan beban dan energi listrik yang terjadi pada wilayah
Durikosambi dimasa depan.
Tujuan penelitian ini adalah untuk meramalkan kebutuhan energi
listrik di wilayah Durikosambi tahun 2019 hingga tahun 2029
berdasarkan data historis, diharapkan dapat dijadikan sebagai masukkan
dalam melakukan perencanaan sistem tenaga listrik. Merencanakan
1
kondisi beban dan energi listrik pada wilayah Durikosambi untuk 10
tahun mendatang dan untuk mengukur apakah Gardu Induk Durikosambi
150 kV masih sanggup memenuhi kapasitas beban dan energi listrik
pada 10 tahun mendatang di tahun 2029. Dengan menggunakan Metode
Regresi Linear sederhana, karena dapat digunakan untuk meramalkan
atau memprediksi tentang karakteristik kualitas maupun kuantitas, dan
hanya menggunakan 1 variabel bebas yaitu Y=a+bx.
Sehingga dengan ini penulis mengambil judul skripsi “Peramalan
Beban yang akan Disuplai Gardu Induk Durikosambi 150 kV tahun 2029
Menggunakan Metode Regresi Linear”.
1.2. Permasalahan Penelitian

1.2.1. Identifikasi Masalah
Permasalahan penelitian yang di ajukan ini dapat diidentifikasi
permasalahannya sebagai berikut:
1. Peramalan beban yang penting untuk diketahui agar dapat siaga
apabila terjadi Overload.
2. mengetahui total beban dan profil dari Gardu Induk Durikosambi
150kV dari tahun 2019 hingga tahun 2029.
1.2.2. Ruang Lingkup Masalah

Agar masalah yang dibahas menjadi jelas dan tidak menyimpang
dari topik yang akan dibahas, maka dalam penulisan Skripsi ini
menekankan bahwa permasalahan yang dibahas adalah :
1. Pembahasan meliputi bagaimana profil Gardu Induk Durikosambi
150 kV 10 tahun ke depan.
2. Perhitungan perkiraan kenaikan beban dan energi listrik 10 tahun
kedepan dengan variabel faktor dari jumlah penduduk Gardu Induk
Duriksoambi menggunakan metode regresi linear sederhana.
3. Hanya membahas perkiraan kenaikan beban yang akan di suplai
Gardu Induk Durikosambi 150 kV, tidak membahas biaya yang di
perlukan dan rugi-rugi.
2
1.2.3. Rumusan Masalah
Berdasarkan latar belakang di atas, maka permasalahan tersebut
dapat dirumuskan sebagai berikut.
1. Bagaimana cara menghitung perkiraan kebutuhan beban Gardu
Induk Durikosambi 150 kV dengan menggunakan metode regresi
linear sederhana?
2. Berapa total beban Durikosambi 150 kV dari tahun 2019 sampai
2029?
3. Bagaimana profil pembebanan PT. PLN (Persero) Durikosambi 150
kV 10 tahun kedepan?
1.3. Tujuan dan Manfaat Penelitian

1.3.1. TujuanPenelitian
Adapun beberapa tujuan dari penelitian ini adalah:
1. Untuk mengetahui Berapa total pertambahan beban yang akan di
pasok oleh Gardu Induk Durikosambi 150 kV 10 tahun kedepan.
2. Untuk mengetauhi bagaimana langkah-langkah yang diambil untuk
mengantisipasi hasil dari peramalan beban.
1.3.2. Manfaat Penelitian

Adapun manfaat dari penelitian ini adalah untuk bisa mengetahui
bagaimana profil dari pembebanan Gardu Induk Durikosambi 150 kV.
dari pertambahan beban setiap tahunnya selama 10 tahun kedepan.
Dan sebagai pengetahuan tentang perkiraan solusi terhadap
Transformator yang overload pada Gardu Induk Durikosambi 150 kV.
1.4. Sistematika Penulisan

Sistematika penulisan laporan penelitian ini terdiri dari lima bab
dimana setiap bab akan membahas : Bab I Pendahuluan, berisi tentang
latar belakang masalah, permasalah penelitian yang meliputi identifikasi
masalah, ruang lingkup masalah dan rumusan masalah, tujuan dan
manfaat penelitian, dan sistematika penulian. Bab II Landasan teori,
3
membahas mengenai teori data, teori peramalan, dan teori perencanaan
tentang metode prakiraan yang digunakan, Bab III Metode Penelitian,
membahas tentang data beban dan energi listrik yang digunakan untuk
peramalan beban listrik, antisipasinya bila terjadi kenaikan beban 10
tahun kedepan, energi listrik dan Metode Regresi Linear. Bab IV Hasil
dan pembahasan, membahas tentang pengolahan data yang telah
dipaparkan dengan tujuan mengubah data mentah menjadi data
prakiraan dan mendapatkan kejelasan proses beserta pembuktian
metode yang digunakan. Bab V Simpulan, membahas tentang simpulan
dalam penulisan skripsi yang telah dituliskan.
4
BAB II
LANDASAN TEORI
2.1. Tinjauan Pustaka
Berdasarkan topik tugas akhir atau penelitian yang berjudul

“Peramalan Beban yan akan Disuplai oleh Gardu Induk Durikosambi 150
kV tahun 2029 Menggunakan Metode Regresi Linear”, bertujuan untuk
mengetahui berapa total beban yang akan disuplai Gardu Induk
Durikosambi 150 kV sampai dengan 10 tahun kedepan. Peramalan
kebutuhan beban dan energi listrik ini menggunakan Metode Regresi
Linear Sederhana.
Terdapat referensi dan penelitian penelitian yang telah dilakukan

sebelumnya guna menentukan batasan-batasan masalah yang berkaitan
erat dengan topik yang sedang diambil. Referensi ini kemudian akan
digunakan untuk mempertimbangkan permasalahan-permasalahan apa
saja yang berhubungan dengan topik yang diambil. Adapun beberapa
referensi sebagai berikut:
(Han, 2004) energi listrik memainkan peran penting yang dalam

perkembangan ekonomi dan menjadi faktor penting yang menopang
kesejahteraan rakyat.
(Manuati Dewi, 2015) Permintaan dapat mencerminkan daya

beli.Selama ini pendapatan dianggap sebagai determinan utama dari
permintaan.
(Syarif M. Bahtiar, 2015) melakukan penelitian dengan judul

“Peramalan Beban dengan Mengunakan Metode Time Series untuk
Kebutuhan Tenaga Listrik di Gardu Induk Sungai Raya”. Apakah gardu
induk tersebut sudah melebihi kapasitas atau tidak.
(Syamsul Bahri, 2015) melakukan penelitian tentang “Studi

Pertambahan Beban Transformator Daya pada Gardu Induk Parit Baru
PT. PLN (Persero) Cabang Pontianak. Dalam penelitian ini diuraikan
5
bahwa terdapat dua metode peramalan dengan menggunakan fungsi
Regresi Linear dan fungsi Regresi Eksponensial. Disini juga dijelaskan
kapan sebaiknya kapasitas transformator daya ditambah.
(Wisnu Adi Suryo, 2014) melakukan penelitian tentang “Studi

Perkiraan Beban pada Gardu Induk Manisrejo Tahun 2014-2015”.
Penelitian ini menganalisis hasil peramalan beban dengan aturan
capacity balance transformer bahwa pembebanan tidak boleh lebih dari
80% dari kapasitas gardu induk.
(Syarifuddin, 2008) Faktor yang mempengaruhi permintaan energi

listrik dibagi menjadi 2 parameter, yaitu ekonomi dan parameter listrik.
Dari sisi ekonomi dipengaruhi oleh Pendapatan Domestik Regional Bruto
(PDRB), jumlah penduduk dan jumlah rumah tangga, sedangkan dari sisi
listrik adalah rasio elektifikasi dan beban listrik.
Berdasarkan beberapa acuan jurnal diatas, penulis akan meneliti

tentang “Peramalan Beban yang akandisuplai Gardu Induk 150 kV Tahun
2029 Menggunakan Metode Regresi Linear Sederhana”.
2.2. Landasan Teori

2.2.1 Sistem Tenaga Listrik
Energi listrik umumnya dibangkitkan oleh pusat pembangkit tenaga

listrik. Pusat pembangkit tenaga listrik umumnya jauh dari perkotaan dan
diperlukan sistem penyaluran untuk menyalurkan tenaga listrik tersebut
secara ekonomis pada jarak yang cukup jauh agar dirasakan oleh
pelanggan konsumen energi listrik. Serangkaian instalasi tenaga listrik
dari pusat pembangkit, penyaluran (transmisi), hingga ke konsumen
(distribusi) yang satu sama lain dihubungkan oleh jaringan transmisi
sehingga membentuk kesatuan interkoneksi inilah yang disebut dengan
sistem tenaga listrik. Sistem Tenaga Listrik terbagi menjadi tiga (3) sub
sistem yaitu:
6
Gambar 2.1Sistem Tenaga Listrik
Pembangkitan tenaga listrik adalah suati instalasi yang terdiri dari

peralatan-peralatan yang digunakan untuk menghasilkan tenaga listrik,
pembangkit listrik bekerja dengan mengubah energi potensial menjadi
energi mekanik yang kemudian digunakan untuk menghasilkan energi
listrik. Energi potensial menggerakkan turbin kemudian putaran turbin
yang merupakan energi mekanik digunakan untuk memutar generator
listrik. Generator mengkonversi energi mekanik menjadi energi listrik.
2.2.2. Sistem Penyaluran Tenaga Listrik

Sistem penyaluran tenaga listrik digunakan untuk mentransmisikan
tenaga listrik dari pembangkit listrik sampai gardu induk hingga sampai
pada konsumen pengguna listrik tenaga listrik ditransmisikan oleh suatu
bahan konduktor yang mengalirkan tipe saluran transmisi listrik.
Penyaluran tenaga listrik pada transmisi menggunakan arus bolak-balik
(AC) ataupun juga dengan arus searah (DC).Sebelum energi listrik
ditransmisikan, hal pertama yang harus dilakukan adalah menaikkan
tegangan yang disuplai dari generator menjadi 20 kV, 150 kV, 500 kV,
sebab tegangan yang dikeluarkan dari generator hanya berkisar antara
6,6 kV sampai 24 kV. Menaikkan tegangan berfungsi untuk mengurangi
rugi daya pada saluran transmisi dan untuk mengimbangi jauhnya jarak
saluran transmisi. Kemudian listrik ditransmisikan melalui Saluran Udara
Tegangan Menengah (SUTM), Saluran Udara Tegangan Tinggi (SUTT)
atau melalui Saluran Udara Tegangan Ekstra Tinggi (SUTET).
7
2.2.3. Sistem Penyaluran dengan Tegangan Tinggi/Ekstra Tinggi
Sistem penyaluran dengan Tegangan Tingi/Ekstra Tinggi atau dapat
disebut sistem transmisi tenaga listrik merupakan penyaluran energi
listrik dari suatu temat ke tempat lainnya atau dari pembangkit listrik ke
gardu induk, dimana saluran tegangan antara 500 kV sampai 800 kV.
2.2.4. Gardu Induk

Tegangan yang dibangkitkan generator terbatas dalam belasan
kilovolt, sedangkan transmisi membutuhkan tegangan dari puluhan
sampai ratusan kilovolt, sehingga diantara pembangit dengan transmisi
dibutuhkan trafo daya penaik tegangan (step-up). Maka, semua
perlengkapan yang terpasang di sisi sekunder trafo ini harus mampu
memikul tegangan tinggi. Sebaliknya, tegangan dari transmisi dari
puluhan sampai ratusan kilovolt , sedangkan konsumen membutuhkan
tegangan dari ratusan volt sampai puluhan kilovolt, sehingga diantara
transmisi dengan konsumen dibutuhka trafo penurun tegangan (step-
down). Semua perlengkapan yang terpasang di sisi primer trafo ini juga
harus mampu memikul tegangan tinggi. Trafo-trafo daya ini bersama
dengan perlngkapan-perlengkapannya disebut gardu induk dengan
fungsi sebagai berikut:
1. Mentransformasikan tenaga listrik tegangan tinggi yang satu ke

tegangan tinggi lainnya (500 kV/150 kV , 150 kV/20 kV).
2. Pengukuran, pengawas operasi serta pengaturan pengaman dari
sistem tenaga listrik.
3. Pengaturan pelayanan beban (daya) ke gardu-gardu induk lain
melalui tegangan tinggi dan ke gardu-gardu distribusi setelah melalui
prosespenurunan tegangan melalui penyulang (feeder) tegangan
menengah.
Pengambilan data dilakukan di PT. PLN (Persero) UIT JBB Unit

Pemeliharaan Transmisi (UPT) Durikosambi Unit Layanan Transmisi dan
Gardu Induk (ULTG) Durikosambi, gardu induk ini meliputi 4 gardu induk
8
150 kV, 2 GIsTET 500 kV dan 6 GIS 150 kV dan Gardu Induk
Durikosambi 150 kV memiliki 64 penyulang 20 kV.
Gambar 2.2. Peta PT. PLN (Persero) Gardu Induk Durikosambi
Single Line Diagram Gardu Induk Durikosambi 150 kV, sebagai berikut:
Gambar 2.3. Single Line Diagram Gardu Induk Durikosambi
9
Single Line Diagram penyulang sel 20 kV Durikosambi sebagai berikut:
RELL 1 CELL 20 KV AREVA

TRAFO 5
60 MVA
BUS
CAD
COUPLER
AS
Pix 24 Pix 24 Pix 24 Pix 24 Pix 24 Pix 24
Pix 24 Pix 24 BUKI TEBIN PUNCA NGAR SUBAN ALPE JURAN OAS
Trafindo Trafindo
Trafindo Trafindo
400-800/5A
Trafindo Trafindo
1000-2000
Trafindo Trafindo T G K AI G N G E
400-800/5A 400-800/5A 400-800/5A 400-800/5A 1000-2000 400-800/5A BU
Micom Micom Micom Micom Micom /5A Micom
P123 Micom
/5A S
P123 P123 P123 P123 Micom P123 VT
P123
P123 5
BB VT
LBS RISER
PS TRAFO
TUGELA KICAU TOLIMO KOLORADO GIWANG DO
KOPEL
TRAFO 4
60 MVA
TRAFO 3
60 MVA
RELL RIS
KOP
2 CELL 20 KV EGA TEKELINDO ( RELAY MICOM P123 ) ER
EL Pix 24 Pix Pix DO
Pix
Trafind 24 24 24
o Trafi Trafi Trafi 03-02-
1000- ndo ndo ndo CA ANG AB NIAGA RING WIN 17 CA CA CA CA
2000 400-
400-
800
400- D.1 KIN AD RA KIK DU DEKA D.3 D.4 D.5 D.6
/5A 800 800 B
Micom 5A 5A /5A U DE
P123 Mico Mico Mico S
m m m V
SAINTP123 SAINTP123 LUSTR P123 T
MORRI MORRI UM EN GELA KALU BANG KUR CINC AU KOL 3
S1 S2 AK NG NG KU SI IN M OM
SCHNEID
ER
BUS BUS
VT 1 VT 2
TRAFO TRAFO
PS 1 PS 2
NIKMAT HIMALAYA EMBIK SEDAP KERABU KOKOK LENGUH NEVADA HIAS KALAHARI ANDES EONG CUCUT GOBI LMK PIRAMID DESIS LIONTIN ANTING CIAP BROSS GURUN SMSTER SAHARA TAHUN
TRAFO 1 TRAFO 2
60 MVA 60 MVA
Gambar 1.4. Single Line Diagram sel 20 kV Durikosambi
Adapun Material Utama (MTU) yang terdapat pada suatu gardu

induk sebagai berikut:
 Transformator Daya
 Circuit Breaker (CB)
 Disconnecting Switch (DS)
 Capasitor Voltage Transmformer (CVT)
 Lightning Arrester (LA)
 Potential Transformer (PT)
 Potential Device (PD)
2.2.5. Transformator Daya

Transformator Daya adalah suatu peralatan listrik yang berfungsi
untuk menyalurkan tenaga atau daya listrik dari tegangan tinggi ke
tegangan rendah atau sebaliknya. (Tobing, 2012).
10
Dalam operasi penyaluran tenaga listrik transformator dapat
dikatakan jantung dari transmisi dan distribusi. Dalam kondisi ini suatu
transformator diharapkan dapat beroperasi secara maksimal atau bisa
secara terus menerus tanpa berhenti. (Winders, 2002).
2.2.6. Pembebanan Lebih Pada Transformator Daya

Pembebanan lebih pada trafo daya merupakan terjadinya
pertambahan beban trafo daya yang melebihi batas ketentuan dari
kapasitas nominal trafo tersebut. Kapasitas nominal trafo daya dapat
diketahui seperti yang tercantum pada nameplate dari masing-masing
trafo daya. Kapasitas ini merupakan data pengenal dari trafo daya, yang
memberi pengertian bahwa trafo daya yang dimaksud hanya dapat
dibebani secara kontinyu dengan batas nominal pada suhu standard,
tetapi trafo daya tersebut masih mungkin dibebani pada batas yang
ditentukan. (Bahri, 2015)
2.2.7. Jenis Beban Listrik
Beban dan energi listrik yang disalurkan ke pelanggan/konsumen

digunakan sebagai sumber daya untuk bermacam-macam peralatan
yang membutuhkan tenaga listrik. Peralatan tersebut umumnya bisa
berupa lampu penerangan, beban daya motor listrik, dan peralatan
elektronik, peralatan mekanik, maupun sarana transportasi. Berdasarkan
jenis konsumen energi listrik, secara garis besar ragam beban dapat
diklasifikasikan ke dalam:
2.2.7.1 Beban rumah tangga

Beban rumah tangga merupakan peralatan-peralatan listrik yang
biasa di pakai pada rumah-rumah penduduk penunjang rumah tangga.
Pada umumnya beban rumah tangga berupa lampu enerangan , alat
rumah tangga seperti televisi, kulkas, mesin cuci, pemasak nasi,
penyejuk udara, kipas angin, kompor listrk, microwave, komputer dan
sebagainya. Beban rumah tangga biasanya digunakan terus-menerus
dan akan memuncak pada malam hari.
11
2.2.7.2. Beban komersial atau bisnis
Beban komersial atau bisnis adalah beban listrik yang terdiri dari
peralatan-peralatan listrik yang biasa digunakan pada pusat-pusat
perbelanjaan, hotel, perkantoran, restoran dan sebagainya. Beban bisnis
ini terdiri atas penerangan untuk papan reklame billboard dan alat-alat
listrik lainnya. Beban ini secara drastis naik di siang hari untuk beban
perkantoran dan pertokoan dan menurun di waktu sore hari.
2.2.7.3. Beban Industri
Beban industri dibedakan dalam skala kecil dan skala besar. Untuk
skala kecil banyak beroperasi di siang hari sedangkan industri besar
sekarang ini banyak yang beroperasi 24 jam.
2.2.7.4. Beban sosial
Beban sosial terdiri dari beban dari beban tempat-tempat sosial
seperti tempat ibadah, rumah sakit, sekolah, dan sebagainya. Beban
puncak umumnya terjadi pada iang hari.
2.2.7.5. Beban gedung pemerintah
Beban ini merupakan beban pada instantsi lembaga
kepemerintahan. Bebanini termasuk pelanggan istimewa yang mana
pasokan energi listrik ke bagian itu harus tersedia secara penuh tanpa
adanya pemutusan berkala. Beban gedung pemerintahan ini relatif stabil
seusai kebutuhan lembaga pemerintah.
2.2.7.6. Beban penerangan umum
Beban penerangan umum menyulai kebutuhan fasilitas umum
seperti penerangan lampu jalan dan sebagainya. Beban ini secara umum
memuncak pada malam hari.
2.2.7.7. Beban traksi
Beban traksi merupakan beban listrikpada penggunaan kereta api
listrik (KRL). Umumnya beban ini relatif stabil dari pagi hingga malam
hari.
12
2.2.7.8. Beban multiguna
Beban multiguna merupakan beban umum lainnya untuk menunjang
kebutuhan publik.
Pengkalsifikasian ini sangat penting agar dapat terlihat analisi
karakteristik beban untuk suatu sistem, baik itu beban besar maupun
beban kecil. Hal ini akan terlihat pemakaian daya dan waktu
pembebanannya. Pemakaian daya pada beban rumah tangga akan lebih
dominan pada pagi dan malam hari, sedangkan pada beban bisnis lebih
dominan pada siang dan sore. Selanjutnya pemakaian daya pada insutri,
sosial, gedung pemerintahan, traksi dan multiguna akan cenderung
stabil. Sedangkan pada beban jalan umum akan lebih dominan di siang
dan malam hari.
Beberapa daerah operasi tenaga listrik memberikan ciri tersendiri,
misalnya pelanggan bisnis mempengaruhi mempengaruhi penjualan
kWh walaupun jumlah pelanggan bisnis jauh lebih kecil dibandingan
pelanggan rumah tangga. Semua hal ini diperlukan adanya peencanaan
prakiraan kebutuhan beban dan energi listrik.
2.2.8. Peramalan Beban
2.2.8.1. Peramalan
Pada dasarnya ramalan merupakan suatu dugaan atau perkiraan
atas terjadinya kejaida di waktu mendatang. Ramalan bisa bersifat
kualitatif maupun kuantitatif. Ramalan kualitatif tidak berbentuk angka,
misalnya besok akan turun hujan, tahun depan akan terjadi perang hasil
penjualan tahun depan akan meningkat, dan sebagainya. Sedangkan
ramalan kuantiatif dinyatakan dalam bentuk angka atau bilangan.
Menurut jangka waktunya, peramalan dibagi menjadi 3 periode,
seusai dengan materi yang diramalkannya. Dalam peramalan beban
listrik, periode peramalan dibagi menjadi 3, yaitu:
1. Peramalan Jangka Panjang (Long-Term Forecasting)
Merupakan peramalan yang memperkirakan keadaan dalam waktu
beberapa tahun kedepan. Tujuannya adalah untuk dapat
13
mempersiapkan ketersediaan unit pembangkitan, sistem transmisi,
serta distribusi.
2. Peramalan Jangka Menengah (Mid-Term Forecasting)
Merupakan peramalan dalam jangka waktu bulanan atau mingguan.
Tujuanya untuk mempersiapkan jadwal persiapan dan operasional
sisi pembangkit.
3. Peramalan Jangka Pendek (Short-Term Forecasting)
Merupakan peramalan dalam jangka waktu harian hingga setia jam.
Biasa digunakan untuk studi perbandingan beban listrik perkiraan
dengan aktual (realtime).
Keguanaan dari peramalan sebagai berikut :
a) Sebagai alat bantu dalam perencaan yang efektif.

b) Untuk menentukan kebutuhan sumber daya dimasa mendatang.
c) Membuat keputusan yang tepat.
Dalam membuat perkiraan kebutuhan tenaga listrik, faktor-faktor di

luar bidang kelistrikan yang berpengaruh tidak dapat diabaikan. Bila
faktor-faktor tersebut dapat diperhitungkan seluruhnya maka diharapkan
hasil perkiraan akan mendekati kebenaran.
2.2.8.1. Jenis-Jenis Prakiraan/Peramalan
Peramalan dapat dilakukan secara kuntitatif maupun secara

kualitatif. Pengukuran secara kuantitatif menggunakan metode statistik,
sedangkan secara kualitatif berdasarkan pendapat dari yang melakukan
peramalan.
Dalam peramalan dikenal suatu istilah yaitu prediksi. Prediksi secara

umum didefinisikan sebagai suatu proses peramalan suatu kejadian
(variabel) di masa mendatang dengan berdasarkan data variabel itu
pada masa sebelumnya. Data masa lampau tersebut secara sistematik
digabungkan menggunakan suatu metode tertentu kemudian diolah
untuk memeroleh prakiraan keadaan pada masa mendatang. Pada
umumnya terdapat dua jenis peramalan yang sering digunakan yakni
peramalan kuantitatif. (Makridakis. Hyndman. & Wheelwright.1998)
14
1. Peramalan Kualitatif
Peramalan kualitatif adalah peramalan yang didasarkan atas data

kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat
bergantung pada orang yang menyusunnya. Hal ini penting karena
hasil peramalan tersebut ditentukan berdasarkan pendapat dan
pengetahuan serta pengalaman penyusunnya.
2. Peramalan Kuantitatif
Peramalan kuantitatif adalah peramalan yang didasarkan atas data

kuantitatif masa lalu. Hasil peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut. Baik
tidaknya metode yang dipergunakan oleh perbedaan atau
penyimpangan antara hasil ramalan dengan kenyataan yang terjadi.
Semakin kecil penyimpangan antara hasil ramalan dengan
kenyataan yang terjadi maka semakin baik pula metode yang
digunakan. Peramalan Kuantitatif dapat diterapkan bila terdapat
kondisi berikut :
a) Tersedia informasi (data) tentang masa lalu

b) Informasi (data) tersebut dapat dikuantitatifkan dalam bentuk data
numerik
c) Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan
terus berlanjut pasa masa yang akan datang.
2.2.9. Metode Peramalan
Metode peramalan adalah cara memperkirakan secara kuntitatif apa

yang akan terjadi di masa depan berdasarkan data yang relevan dari
masa lampau. Maksud pengguanan metode peramalan ini ialah untuk
lebih memudahkan dalam meramalkan sesuatu dimasa mendatang.
(Makridakis. Hyndman. & Wheelwright.1998)
15
Metode peramalan beban secara umum dapat dibagi menjadi empat
kelompok yaitu sebagai berikut :
2.2.9.1. Metode Analisis

Suatu metode yang berdasrkan data dari analisis penggunaan
tenaga listrik pada setiap konsumen pemakai. Data didapatkan dari hasil
survei ke lapangan
2.2.9.2 Metode Ekonometri

Metode ini di bangun dengan mengikuti indikator-indikator ekonomi.
Prakiraan beban berdasarkan hubungan antara penjualan energi listrik
dan beban puncak dengan beberapa variabel ekonomi.
2.2.9.3 Metode Kecenderungan (Black Box)

Metode yang dibangun berdasarkan kecenderungan hubungan data
masa lalu tanpa memperhatikan penyebab atay hal-hal yang
mempengaruhinya (pengaruh ekonomi, iklim, teknologi, dan lain-lain)
biasanya metode ini disebut juga metode trend.
2.2.9.4 Metode Gabungan

Metode ini merupakan gabungan dari metode analisi dan metode
ekonometri. Dengan penggabungan ini didapkan suatu metode yang
tanggap terhadap pengaruh aktifitas ekonomi.
2.2.9.5 Metode Regresi

Metode ini merupakan metode yang sering digunakan dalam
perhitungan statistic. Metode regresi merupakan metode perkiraan yang
mengasumsikan faktor yang diperkirakan menunjukkan hubungan
sebab-akibat dengan satu atau lebih variabel bebas, Tujuan dari metode
ini adalah mengetahui bentuk hubungan tersebut dan memprakirakan
nilai mendatang dengan variabel tidak bebas. Berikut merupakan metode
regresi untuk memperkirakan beban gardu induk.
a. Regresi linear Sederhana
Regresi linear ini digunakan untuk menguji hubungan antara dua

kelompok variabel yaitu kelompok variabel tak bebas (Y) dengan
16
kelompok variabel bebas (X) (Gujarati. 2004). Persamaan model
linear dirumuskan sebagai berikut:
𝑌=𝑎+𝑏𝑋……………………………………………………………...….(2.1)
Keterengan:
𝑌 = Variabel terikat (Jumlah Penduduk)
𝑎 = konstanta
𝑏 = koefisien regresi variabel terikat
𝑋 = Prediktor (Variabel bebas)(rata-rata beban)
Nilai 𝑎 dan 𝑏 dapat dicari dengan menggunakan persamaan
( )( ) ( )( )
b= ( )( ) (
…………………………………………………..(2.2)
) )
a= 𝑏 …………………………………………………………….(2.3)
Dimana n= Jumlah data
b. Regresi Linear Berganda
Regresi linear berganda adalah analisis yang menjelaskan hubungan

antara perubahan respon ( Variable dependen) dengan faktor-faktor
yang mempengaruhi lebih dari satu prediktor (variabel independen).
regresi linear berganda mempunyai variabel bebasnya lebih dari satu
variabel. Regresi linear berganda bertujuan untuk mengukur
intensitas hubungan antara dua variabel atau lebih dan membuat
prediksi perkiraan nilai Y atas X. Bentuk pemodelan regresi linear
berganda ini dalah sebagai berikut :
𝑌= 𝑎 + 𝑏1𝑋1 + 𝑏2𝑋2 + .... + 𝑏k𝑋k………………………………….(2.4)
Keterangan:
𝑌 = Variabel tak bebas
𝑎 = Konstanta regresi
17
𝑏1𝑏2 = Koefisien regresi
𝑋1𝑋2= Variabel bebas
2.2.10. Koefisien Korelasi Prakiraan

Kuat atau tidaknya hubungan antara variabel X dan Y, apabila
hubungan X da Y dapat dinyatakan dengan fungsi linear (paling tidak
mendekati), diukur dengan suatu nilai yang disebut Koefisien Korelasi (r).
Analisis korelasi digunakan untuk mempelajari dan mengukur kekuatan
hubungan antara dua variabel, yaitu variabel pengharapan (predictor)
dengan variabel-variabel kriteria atau dengan kata lain mengukur
hubungan antara variabel beban dengan variabel tidak bebas.
Pengujian hipotesis atau model mengenai korelasi adalah sebagai
berikut:
 r = 0, maka tidak ada hubungan antara dua variabel tersebut.
 r > 0, maka ada hubungan positif
 r < 0, maka ada hubungan positif
Berikut ini adalah tabel besaran hubungan korelasi pearson
Tabel 2.1. Besaran Korelasi Koefisien Pearson
No. R (Koefisien korelasi) Ukuran Tingkat Hubungan

1. 0,0 < r < 0,2 Sangat rendah
2. 0,2 < r < 0,4 Rendah
3. 0,4 < r < 0,6 Sedang
4. 0,6 < r < 0,8 Kuat
5. 0,8 < r < 1,0 Sangat kuat
2.2.11. Capacity Balance Transformer

Capacity Balance Transformer adalah cara mengetahui batas
kapasitas transformator Gardu Induk dalam mendukung beban , yang
dikaitkan peningkatan kebutuhan tenaga listrik berdasarkan peramalan.
Dengan Capacity Balance, dapat ditentukan tahun persiapan
18
ekstensifikasi transformator baru dan pengadaan GI baru. Syarat-syarat
gardu induk adalah :
1. Dalam satu Gardu Induk (GI) hanya diizinkan 3 (tiga) buah
transformator.
2. Kapasitas transformator tertinggi dala setiap Gardu Induk adalah 60
MVA.
3. Pembebanan transformator tidak boleh melebihi 80% dari kapasitas
transformator.
4. Bila beban transformator mendekati 80%, harus dipersiapkan:
a) Uprating, bila kapasitas transformator masih dibawah 60 MVA
b) Ditambahkan transformator baru, bila kapasitas transformator
sudah 60 MVA dan di Gardu Induk tersebut jumlah transformator
masih kurang dari 3 (tiga).
c) Pembangunan Gardu Induk baru dengan transformator baru
2.2.12. Tahapan Peramalan

Dalam menyusun perancangan metode peramalan diperlukan
beberapa tahap yang harus dilalui, yaitu:
1. Menentukan jenis data yang digunakan dan melakukan analisi pola

data dan karakteristik yang dimilikinya.
2. Memilih metode peramalan yang digunakan. Ada banyak jenis
metode peramalan yang dapat digunakan, oleh sebab itu
penggunaan metode harus disesuaikan dengan jeis data untuk
mendapatkan persentase eror yang sekecil-kecilnya.
3. Menentukan parameter-parameter yang dapat membantu
meningkatkan akurasi dari meode peramalan yang telah ditentukan
agar persentase erornya dapat diperkecil.
4. Mengaplikasikan data-data acuan ke dalam metode yang telah
ditentukan dan hasilnya akan menghasilkan nilai perkiraan beserta
persentase erornya sebagai perbandingan antara nilai perkiraan
dengan nilai aktualnya.
19
2.2.13. Overload atau Beban Tak Seimbang
Overload terjadi karena beban yang terpasang pada trafo melebihi
kapasitas maksimum yang dapat dipikul trafo dimana arus beban
melebihi arus beban penuh (full load) dari trafo. Overload akan
menyebabkan trafo menjadi panas dan kawat tidak sanggup lagi
menahan beban sehingga timbul panas yang menyebabkan naiknya
suhu lilitan tersebut. Kenaikan ini menyebabkan rusaknya isolasi pada
trafo. Berikut adalah hal yang bisa diupayakan untuk mengatasi trafo
yang overload:
1. Perencanaan atau Manajemen Trafo

Pada bagian ini, data-data penting trafo dikumpulkan, seperti beban,
keseimbangan beban, nilai pentanahan, tegangan dsb.
2. Melakukan Sisip Trafo
Sisip Trafo adalah pemasangan trafo baru di dekat dengan trafo
overload. Tujuannya adalah membagi beban trafo yang ada ke trafo
yang baru. Hal ini adalah tindakan yang paling umum dilakukan
untuk mengatasi trafo overload. Kendala yang mungkin terjadi
adalah perijinan penggunaan lahan untuk melakukan Sisipan Trafo
baru.
3. Manuver beban Trafo
Pengurangan beban trafo dilakukan dengan memanfaatkan JTR
Trafo lainnya. Apabila trafo lain dalam kondisi underload, maka
beban dapat dimanuver sebagian ke trafo underload tersebut.
Otomatis beban trafo overload akan berkurang. Manuver dilakukan
dengan melakukan koneksi atau sambungan JTR. Kegiatan manuver
beban ini perlu meninjau tegangan pelanggan.
4. Peningkatan Kapasitas Trafo.
Peningkatan kapasitas trafo dalam artian trafo yang lama akan
diganti dengan trafo baru dengan kapasitas yang lebih.
20
BAB III
METODE PENELITIAN
3.1. Analisa Kebutuhan

3.1.1. Metode Penelitian
Metode Penelitian yang digunakan dalam penelitian ini adalah
metode penelitian kuantitatif desktrptif yaitu dengan cara mencari
informasi tentang masalah yang ada, didefinisikan dengan jelas tujuan
yang akan dicapai, merencanakan perhitungan, mengumpulkan data
sebagai bahan untuk membuat laporan hasil. Dalam penelitian ini penulis
ingin mengetahui beban transformator Gardu Induk Durikosambi 150 kV
tahun 2019 sampai dengan 2029 dengan menggunakan metode regresi
linear sederhana, dengan faktor yang mempengaruhinya adalah Jumlah
Penduduk wilayah kecamatan yang di suplai oleh Gardu Induk
Durikosambi yang bisa didapat dari BPS (Badan Pusat Statistik).
Variabel data penelitian yang akan di kaji dalam penelitian ini memiliki
parameter-parameter data yaitu spesifikasi transformator. Sehingga dari
perhitungan yang didapatkan maka akan mampu menganalisa
transformator Gardu Induk Durikosambi 150 kV 2019-2029 masih
sanggup menyuplai atau mengalami overload.
3.1.2. Waktu dan Tempat Penelitian

Pengambilan data dalam penelitian ini dilakukan di dua tempat yaitu:
1. Pada tanggal 16 sampai 23 April 2019 di PT. PLN (Persero) UIT
JBB-UPT Durikosambi.
2. Badan Pusat Statistik (BPS) pada tanggal 24 sampai 29 April 2019.
3.1.3. Data Penelitian
Jenis penelitian ini adalah dengan memperkirakan kejadian yang

akan datang dengan melakukan prakiraan berupa perhitungan dari data
histroris. Penelitian dilakukan dengan observasi ke perusahaan/instansi
untuk mendapatkan data-data historis berupa:
21
1. Single line diagram Gardu Induk Durikosambi 150 kV.
2. Data badan pusat statistik (BPS) Jakarta Barat dari tahun 2014 s.d
2018, data ini sangat dibutuhkan untuk melihat data Jumlah
Penduduk kecamatan dari wilayah yang di suplai GI Durikosambi
150 kV. Kemudian data ini akan digunakan dalam perhitungan di
metode regresi linear sederhana.
3. Data rasio elektrifikasi energi Jakarta Barat tahun 2014 s.d 2018 data
ini sangat dibutuhkan untuk melihat pertumbuhan energi listrik per
tahunnya. Kemudian data ini akan digunakan dalam perhitungan di
metode regresi linear sederhana.
3.2. Perancangan Penelitian

3.2.1. Studi Literatur
Tahap ini dilakukan dengan cara mempelajari buku-buku, jurnal dan
artikel-artikel yang berisikan tentang teori atau pembahasan yang terkait
dengan penelitian tentang peramalan kenaikan beban, baik itu berupa
teori pendukung ataupun teori khusus, serta metode yang digunakan
untuk pengolahan data.
3.2.2. Observasi
Tahap ini dilakukan untuk mendapatkan data yang berhubungan

dengan penelitian ini, yaitu seperti yang telah dijelaskan di atas (3.2.1).
Data dikumpulkan dengan meminta kepada pihak instansi/perusahaan
PT. (Persero) UIT JBB Unit Pelayanan Transmisi (UPT) Durikosambi
Unit Layanan Transmisi dan Gardu Induk (ULTG) Durikosambi. Selain itu
juga dibutuhkan data dari BPS Jakarta Barat seperti Jumlah Penduduk.
3.2.3. Pengolahan Data

Tahapan ini dilakukan dengan menghitung secara matematis
menggunakan rumus-rumus Metode Regresi Linear Sederhana dan juga
22
secara statistik. Data juga diolah dengan bantuan perhitungan microsoft
Excel untuk mempermudah dan mempercepat perhitungan.
3.2.4. Metode Perhitungan Data

Metode perhitungan data yang digunakan dalam penelitian ini
menggunakan metode regresi linear sederhana dengan mengakomodasi
variabel bebas (jumlah penduduk) dan variabel tidak bebas (rata-rata
beban). Perhitungan data dilakukan dengan perangkat lunak Microsoft
Excel. Kebutuhan energi listrik tahun 2019-2029. Data tersebut dianalisis
dan dibandingkan terhadap masing-masing segmen jasa uaha sehingga
data dapat digunakan sebagai bahan evaluasi kebutuhan energi di PT.
(Persero) UIT JBB Unit Pelayanan Transmisi (UPT) Durikosambi Unit
Layanan Transmisi dan Gardu Induk (ULTG) Durikosambi.
3.2.5. Diagram Alur Penelitian
Dibawah ini merupakan diagram alur dari perencanaan penelitian

mengenai prakiraan beban dan energi listrik Jakarta Barat.
23
Mulai
Pengambilan data-
data berikut:
1. Data beban Trafo
di GI Durikosambi
2. DatA Jumlah
Penduduk di BPS
Hitung Nilai Presentase Pertumbuhan

Penduduk 2014-2017
Hitung Jumlah Pertumbuhan Penduduk 2018-

2029
Pembuatan Model Regresi Linear

Sederhana
Mencari Persamaan a dan b dalam

metode regresi linear
Didapatkan Tidak
nilai
peramlaan
beban
Ya
trafo?
Menganalisa
kapasitas trafo
dengan aturan
capacity balance
transformator
Selesai
Gambar 3.1. Diagram Alir Proses Perhitungan Peramalan Beban Trafo

Dengan Regresi Linear Sederhana
24
3.3. Teknik Analisis
3.3.1. Pengolahan Data
Teknik tahapan ini dilakukan untuk mengolah data yang sudah
didapatkan dari hasil pengumpulan data. Pengolahan data diolah secara
manual dengan menghitung persentase pertumbuhan penduduk dan
menghitung asumsi dari pertumbuhan penduduk 2014-2018 yang telah
diperoleh.
3.3.2. Rencana Pehitungan

Tahapan prakiraan kebutuhan beban dan energi listrik dengan
Metode Regresi Linear adalah sebagai berikut:
1. Regrsi Linear Sederhana

Regresi Linear Sederhana digunakan untuk menguji hubungan
antara dua kelompok data yaitu kelompok dengan variabel bebas (X)
dan variabel tak bebas (Y). Korelasi antara variabel bebas dan tak
bebas adalah variabel bebas yang mempengaruhi variabel tak
bebas, seperti Jumlah Penduduk (X) mempengaruhi pertumbuhan
beban yang harus di suplai oleh trafo (Y).
Persamaan model linear dirumuskan sebagai berikut:
Y= a+bx...............................................................................(3.1)
Ket:
Y= Variabel tak bebas (rata-rata beban)
X= Variabel Bebas (Jumlah Penduduk)
a= koefisien intersepsi
b= koefisien kemiringan
Nilai a dan b dapat dicari dengan menggunakan persamaan :
( )( )
𝑏 ......................................................(3.2)
( )
25
𝑎 𝑏 .........................................................(3.3)
2. Prakiraan pertumbuhan penduduk

Untuk memprakirakan jumlah pertumbuhan penduduk pertama-tama
harus dicari terlebih dahulu nilai persentase pertumbuhannya. Nilai
persentase pertumbuhan penduduk dapat diasumsikan
menggunakan persamaan berikut:
( ) ......................................(3.4)
Ket:
( ) = Tingkat Pertumbuhan(%)
= Penduduk Tahun t (jiwa)
= Penduduk Tahun Sebelum t (jiwa)
Setelah diketahui berapa persen asumsi pertumbuhan

penduduknya barulah dapat dihitung jumlah pertumbuhan penduduk
untuk tahun-tahun berikutnya. Untuk menghitungnya dapat
=( ( )) ..........(3.5)
Dimana :
( ) = Tingkat Pertumbuhan(%)
= Penduduk Tahun t (jiwa)
= Penduduk Tahun Sebelum t (jiwa)
3. Persentase Pembebanan Transformator Daya GI Durikosambi

Persentase pembebanan transformator dapat dihitung dengan
26
𝑏 𝑏𝑎 𝑎 𝑎 𝑋 ...............(3.6)
Ket:
𝑏𝑎 𝑎 𝑋= Pemakaian beban pada bulan t
𝑎 𝑎 𝑎 𝑎 = Data kapasitas trafo
4. Mengubah kapasitas trafo dalam MW dapat dihitung menggunakan

persamaan berikut:
........................................................................(3.7)
Ket:
P = daya trafo (MW)
S = Kapasitas trafo (MVA)
27
BAB IV
PERHITUNGAN PERAMALAN BEBAN TRANSFORMATOR

DAYA GARDU INDUK DURIKOSAMBI
4.1 Umum
Beban transformator daya hingga tahun 2029 dapat diperkirakan

dengan cara menganalisis data-data beban ditahun sebelumnya dengan
menggunakan metode regresi linear. Perhitungan perkiraan beban
didasarkan pada data Pertambahan penduduk kecamatan yang disuplai
Gardu Induk Durikosambi 150 kV Jakarta Barat. Hasil perhitungan akan
dijadikan dasar perencanaan pengembangan transformator daya di GI
Durikosambi. Dalam bab ini akan diuraikan perhitungan perkiraan beban
transformator daya pada Gardu Induk Durikosambi.
28
4.2 Beban Transformator Gardu Induk Durikosambi
4.2.1 Beban Transformator 1
Berikut merupakan data beban puncak setiap bulan transformator 1
Gardu Induk Durikosambi tahun 2014 dan 2018:
Tabel 4.1. Data Beban Puncak Transformator 1 (60 MVA)
Transformator 1
Bulan 2014(MW) 2015(MW) 2016(MW) 2017(MW) 2018(MW)
Januari 42,22 42,40 42,33 45,96 39,25
Februari 42,78 43,01 43,98 43,00 46,06
Maret 43,59 43,79 45,71 46,38 46,15
April 42,91 42,98 44,64 43,10 46,12
Mei 42,77 41,80 42,3 42,89 45,59
Juni 42,42 41,03 41,16 37,56 45,39
Juli 42,4 41,26 39,45 42,97 45,44
Agustus 42,17 43,05 45,4 44,84 45,44
September 43,05 44,54 37,54 47,26 44,95
Oktober 43,82 44,71 48,01 47,31 44,77
November 43,76 44,84 45,97 46,15 45,17
Desember 42,99 42,97 43,82 46,15 45,17
Rata-Rata 42,91 43,03 43,36 44,46 44,96
29

Tabel 4.2.Data Beban Puncak Transformator 2 (60 MVA)
Transformator 2
Januari 21,06 21,44 22,03 22,91 19,83
Februari 21,11 21,43 21,2 19,82 20,00
Maret 20,77 21,09 20,13 19,84 23,50
April 20,87 22,18 20,01 19,80 23,57
Mei 18,63 19,12 19,29 20,00 23,44
Juni 18,88 19,5 20,01 20,00 21,63
Juli 18,51 19,33 20,74 20,03 20,30
Agustus 18,2 18,17 18,41 20,03 20,38
September 19,3 19,11 19,41 19,98 20,82
Oktober 19,52 18,11 19,01 20,01 20,83
November 19,95 19,7 19,33 19,94 19,86
Desember 19,32 19,14 20,9 19,94 19,84
Rata-rata 19,68 19,86 20,04 20,19 21,17
30

Tabel 4.3.Data Beban Puncak Transformator Daya 3
Transformator 3
Januari 15,77 16,32 16,53 15,20 16,76
Februari 15,13 16,18 15,05 14,00 15,28
Maret 14,31 15,16 15,1 14,44 15,24
April 14,3 15,87 15,11 14,40 15,20
Mei 14,89 15,39 15,14 14,44 15,44
Juni 14,2 14,86 14,36 13,52 15,41
Juli 13,92 14,73 14,22 14,80 15,44
Agustus 14,11 14,73 15,04 15,18 15,44
September 14,2 13,14 15,04 16,29 15,69
Oktober 14,2 13,66 14,12 16,33 15,84
november 14,29 13,79 14,34 15,35 15,70
Desember 14,3 13,2 14,65 15,24 15,70
Rata-rata 14,47 14,75 14,89 14,93 15,60
31
Berikut merupakan data beban puncak transformator 4 Gardu Induk

Durikosambi dari tahun 2014 sampai dengan tahun 2018:
Transformator 4
Januari 41,8 42,18 42,65 43,20 41,88
Februari 41,71 42,53 43,01 44,00 43,32
Maret 41,52 41,75 45,44 44,08 43,16
April 41,88 40,61 44,41 41,12 42,95
Mei 40,41 40,76 41,59 41,39 42,92
Juni 39,66 40,04 42,18 36,49 42,95
Juli 40,43 41,59 32,35 42,46 43,16
Agustus 40,15 42,12 41,71 44,35 43,16
September 40,15 41,93 44,86 44,50 42,43
Oktober 40,4 43,2 45,74 44,51 43,40
November 40,89 42,4 44,23 43,54 43,40
Desember 41,55 42,81 39,5 43,16 43,86
Rata-rata 40,88 41,83 42,31 42,73 43,05
32
Berikut merupakan data beban puncak transformator 5 Gardu Induk

Durikosambi dari tahun 2014 sampai dengan tahun 2018:
Transformator 5
Januari 22,63 23,58 24,7 25,24 22,85
Februari 22,63 23,6 24,82 26,00 26,31
Maret 21,19 23,22 24,44 28,27 25,06
April 21,3 23,16 24,51 24,91 25,31
Mei 20,6 22,82 24,51 24,99 25,45
Juni 21,22 22,73 24,28 21,48 25,31
Juli 22,72 22,99 23,87 25,13 25,38
Agustus 22,61 22,99 24,66 26,38 25,38
September 22,61 22,8 24,8 28,86 24,02
Oktober 22,4 23,52 24,38 28,57 33,89
November 22,81 23,14 24,77 26,41 33,63
Desember 22,81 23,86 24,75 25,38 33,63
Rata-rata 22,1275 23,20 24,54 25,97 27,19
33
4.3 Pertumbuhan Penduduk Kota Jakarta Barat
Berikut ini merupakan data Pertumbuhan Pendudukdi wilayah

Kecamatan yang di suplai Gardu Induk Durikosambi 150kV Kota Jakarta
Barat dari tahun 2014 sampai dengan tahun 2018:
Tabel 4.6. Data Jumlah Penduduk Kota Jakarta Barat 2014-2018
Jumlah Penduduk (Juta Jiwa)

Kecamatan 2014 2015 2016 2017 2018
Kebayoran
297563 303005 306554 307734 308699
Lama
Pasar Minggu 294794 303727 305259 307249 309032
Cengkareng 494703 565385 514416 512998 512998
Grogol
226275 234720 223604 224040 224040
Petamburan
Kebon Jeruk 316598 363149 325117 326590 326590
Kembangan 251811 307547 264261 269756 269756
Tambora 263933 263957 260138 260384 260384
Penjaringan 328053 332864 337582 346983 351117
Pesanggrahan 226707 297737 221584 222522 223306
Rata-Rata 300048,56 330232,33 306501,67 308695,11 3109546,9
Dari data jumlah Penduduk pada tabel 4.6 maka dapat diasumsikan
pertumbuhan jumlah penduduk Kecamatan yang di suplai oleh GI
Durikosambi 150kV Jakarta Barat pada tahun 2019 hingga 2029.
Perhitungan persentase pertumbuhan jumlah penduduk sebagai berikut:
( )
 Persentase pertumbuhan Penduduk 2014-2015
( ) = 1,02%
( ) = 1,10%
34
( ) = 0,71%
( ) = 0,60%
Rata-rata jumlah Penduduk pertahun = = 0,86%
Dari hasil perhitungan diatas dapat diasumsikan bahwa jumlah

penduduk Kecamatan yang di suplai Gardu Induk Durikosambi 150kV
Jakarta Barat mengalami peningkatan sebesar 0,86% setiap tahunnya,
sehingga dapat dihitung kenaikan penduduk di tahun-tahun berikutnya
dengan persamaan berikut:
( ( ) )
 Perhitungan Penduduk tahun 2019

( ) 313.188,89 juta jiwa
( ) = 315.830,89 juta
jiwa
( ) =318.511,35 juta
jiwa
( ) =321.214,42 juta
jiwa
( ) =323.940,43 juta
jiwa
( ) =326.689,58 juta
jiwa
35
( ) =329.462,05 juta
jiwa
( ) = 332.258,06 juta
jiwa
( ) = 335.077,79 juta
jiwa
( ) =337.921,46 juta
jiwa
( ) = 340.789,25 juta
jiwa
36
Data pertumbuhan Penduduk tahun 2019 hinga 2029 sebagai berikut:
Tabel 4.7. Pertumbuhan Penduduk Kota Jakarta Barat 2019-2024
Jumlah
Tahun Penduduk
(Juta Jiwa)
2019 313.188,89
2020 315.830,89
2021 318.511,35
2022 321.214,42
2023 323.940,43
2024 326.689,58
2025 329.462,05
2026 332.258,06
2027 335.077,79
2028 337.921,46
2029 340.789,25
4.4. Peramalan Beban Transformator Daya GI Durikosambi
Untuk menghitung peramalan beban trafo daya digunakan

persamaan regresi linear sederhana 𝑎 𝑏𝑋. Nilai𝑎 dan 𝑏 dapat dicari
dari hubungan antara pertumbuhan beban dan pertumbuhan jumlah
penduduk kota Jakarta Barat. Hasil perkiraan beban yang didapat
memiliki satuan MW. Untuk mendapat nilai MVA, dihitung dengan
menggunakan persamaan:
Dengan asumsi sebesar 0,85.
Untuk mencari nilai MAPE (Mean Absolute Deviation) yang

merupakan rata-rata dari keseluruhan persentase kesalahan (selisih)
37
antara data aktual dengan hasil peramalan dapat dihitung dengan
menggunakan persamaan:
n
X Y'
100 x 
X
MAPE  t 1
n
4.4.1. Peramalan Beban Transformator Daya 1

Perhitungan untuk mencari konstanta regresi linear dibuat dalam
tabel berikut:
Tabel 4.8. Perhitungan Konstanta Regresi Linear Transformator Daya 1
Tahun JP (X) Beban (Y) X2 X.Y
2014 300.049 42,91 90.029.138.358 12874083,55
2015 303.132 43,03 91.889.209.491 13044289,38
2016 306.502 43,36 93.943.273.713 13289656,99
2017 308.696 44,46 95.293.016.677 13725895,72
2018 310.547 44,96 96.439.370.889 13961670,6
∑ 1.528.925,12 218,72 467.594.009.128 66.895.596,24
Tabel 4.9.Perhitungan PE Transformator Daya 1
Frcst(Y') Error% (Pe/Mad))

42,59872079 0,7177110
43,21439234 0,4246307
43,88707765 1,2175303
44,32510752 0,3127443
44,69470171 0,5863910
43,744 0,6518015
Dengan menggunakan regresi linear sederhana nilai prakiraan

Jumlah Peramalan dari hubungan variabel jumlah penduduk dan Beban
Trafo tahun 2014-2018 didapat rata-rata PE sebesar 0,651801%. pada
38
perhitungan prakiraan ini bisa dikatakan baik, karena semakin kecil nilai
PE maka semakin kecil kesalahannya.
Konstanta a dan b dapat dihitung sebagai berikut:

𝑋𝑌 ( 𝑋)( 𝑌)
𝑏
𝑋 ( 𝑋)
( )(66 895 596 24) ( )(218 72)
( )(467 594 009 128 (1 528 925 12)
𝑎 𝑏
218 72 1 528 925 12
Maka persamaan regresi linear transformator daya 1 adalah:

𝑋
 Perhitungan perkiraan beban tahun 2019

( ) = 45,22 MW
( ) = 45,75 MW
( ) = 46,28 MW
( ) = 46,82 MW
( ) = 47,37MW
( ) = 47,92MW
39
( ) = 48,47 MW
( ) = 49,03 MW
( ) = 49,59 MW
( ) = 50,16 MW
( ) = 50,73 MW
Tabel 4.10. Hasil Perkiraan Beban Transformator Daya 1, tahun 2019-2029
Jumlah
Beban
Tahun Penduduk Beban (MVA)
(MW)
(Juta Jiwa)
2019 313.188,89 45,22 53,20
2020 315.830,89 45,75 53,82
2021 318.511,35 46,28 54,45
2022 321.214,42 46,82 55,09
2023 323.940,43 47,37 55,73
2024 326.689,58 47,92 56,37
2025 329.462,05 48,47 57,02
2026 332.258,06 49,03 57,68
2027 335.077,79 49,59 58,34
2028 337.921,46 50,16 59,01
2029 340.789,25 50,73 59,69
40
Tabel 4.11. Perhitungan MAPE Transformator Daya 1
Besar
Tahun %Eror Penyimpangan
(PE) (MAPE)
2019 0,294758797
2020 0,298196874
2021 0,301684994
2022 0,30520254
2023 0,308749938
2024 0,6518015 0,312327442
2025 0,315935307
2026 0,31957379
2027 0,323243151
2028 0,326943653
2029 0,330675559
Rata-Rata 0,312481095%
Berdasarkan grafik nilai R yang didapa sebesar 0,89 yang artinya

korelasi antara kenaikan beban per tahun sangat kuat. Untuk akurasi
peramalan dilihat dari hasil perhitungan perhitungan PE dan MAPE nilai
PE sebesar 0,65180% dan MAPE sebesar 0,312481095%. Pada
perhitungan peramalan ini bisa dikatakan baik karena semakin kecil nilai
PE dan MAPE maka semakin kecil kesalannya.
41
tabel berikut:

2014 300.048,56 19,68 90.029.138.358 5.903.955,50
2015 303.132,33 19,86 91.889.209.491 6020208,074
2016 306.501,67 20,04 93.943.273.713 6.142.038,05
2017 308.695,67 20,19 95.293.016.677 6233080,07
2018 310.546,89 21,17 96.439.370.889 6573242,505

∑ 1.528.925,12 100,93 467.594.009.127,51 30.872.524,20
Tabel 4.13. Perhitungan Nilai PE Transformator Daya 2

19,51647778 0,814105812
19,87684304 0,084808865
20,27057963 1,154803336
20,52696755 1,660590444
20,74329866 2,000163807
20,18683333 1,142894453

Trafo tahun 2014-2018 didapat rata-rata PE sebesar 1,142894453%.
pada perhitungan prakiraan ini bisa dikatakan baik, karena semakin kecil
nilai PE maka semakin kecil kesalahannya.
42
𝑋𝑌 ( 𝑋)( 𝑌)
𝑏
𝑋 ( 𝑋)
( )(30 872 524 20) (1 528 925 12)(100 93)
( )(467 594 009 127) (1 528 925 12)
𝑎 𝑏
100 93 1 528 925 12

𝑋

( ) = 21,05 MW
( ) = 21,36 MW
( ) = 21,67 MW
( ) = 21,99 MW
( ) = 22,31 MW
( ) = 22,63 MW
( ) = 22,95 MW
( ) = 23,28 MW
43
( ) = 23,61 MW
( ) = 23,94 MW
( ) = 24,28 MW
Tabel 4 14. Hasil Perkiraan Beban Transformator Daya 2, tahun 2019-2029
Jumlah
Beban Beban
Tahun Penduduk
(MW) (MVA)
(juta jiwa)
2019 313.188,89 21,05 24,77
2020 315.830,89 21,36 25,13
2021 318.511,35 21,67 25,50
2022 321.214,42 21,99 25,87
2023 323.940,43 22,31 26,25
2024 326.689,58 22,63 26,62
2025 329.462,05 22,95 27,00
2026 332.258,06 23,28 27,39
2027 335.077,79 23,61 27,78
2028 337.921,46 23,94 28,17
2029 340.789,25 24,28 28,56
Tabel 4.15. Perhitungan MAPE
Besar Penyimpangan
Tahun %Eror (PE) (MAPE)
2019 0,240602592
2020 0,244131174
2021 1,142894453 0,247711117
2022 0,251321259
2023 0,254962041
44
2024 0,25863372
2025 0,262336559
2026 0,266070823
2027 0,269836778
2028 0,273634693
2029 0,277464839
Rata-Rata 0,258791418


tabel berikut:
2014 300.048,56 14,47 90.029.138.358 4341202,582
2015 303.132,33 14,75 91.889.209.491 4471959,698
2016 306.501,67 14,89 93.943.273.713 4564320,702
2017 308.695,67 14,93 95.293.016.677 4609598,092
2018 310.546,89 15,60 96.439.370.889 4842978,75
∑ 1.528.925,12 74,64 467.594.009.127,51 22.830.059,82
45
Tabel 4.17. Hasil Nilai PE Transformator Daya 3

19,51647778 0,814105812
19,87684304 0,084808865
20,27057963 1,154803336
20,52696755 1,660590444
20,74329866 2,000163807
20,18683333 1,142894453

Trafo tahun 2014-2018 didapat rata-rata PE sebesar 0,924361%. pada
perhitungan prakiraan ini bisa dikatakan baik, karena semakin kecil nilai
PE maka semakin kecil kesalahannya.

𝑋𝑌 ( 𝑋)( 𝑌)
𝑏
𝑋 ( 𝑋)
( )(22 830 059 82) (1 528 925 12)(74 64)
( )(467 594 009 127 51) (74 64)
𝑎 𝑏
74 64 1 528 925 12
46
𝑋

( ) = 15,34 MW
( ) = 15,81 MW
( ) = 16,04 MW
( ) = 16,28 MW
( ) = 16,76 MW
( ) = 16,76 MW
( ) = 17,00 MW
( ) = 17,24 MW
( ) = 17,49 MW
( ) = 17,74 MW
( ) = 17,99 MW
Tabel 4.18. Hasil Perkiraan Beban Transformator Daya 3 tahun 2019-2029
Jumlah
Beban Beban
Tahun Penduduk
(MW) (MVA)
(juta jiwa)
47
2019 310.546,89 15,34 18,05
2020 315.830,89 15,81 18,60
2021 318.511,35 16,04 18,87
2022 321.214,42 16,28 19,15
2023 323.940,43 16,52 19,43
2024 326.689,58 16,76 19,71
2025 329.462,05 17,00 20,00
2026 332.258,06 17,24 20,29
2027 335.077,79 17,49 20,58
2028 337.921,46 17,74 20,87
2029 340.789,25 17,99 21,17
Tabel 4.19. Hasil Perhitungan Nilai MAPE Transformator Daya 3
Besar
Tahun %Eror (PE) Penyimpangan
(MAPE)
2019 0,14184026
2020 0,146114204
2021 0,148282281
2022 0,150468648
2023 0,15267357
2024 0,924361233 0,154897204
2025 0,15713971
2026 0,159401246
2027 0,161681976
2028 0,163982061
2029 0,166301665
48
Rata-Rata 0,14184026


tabel berikut:
2014 300.048,56 40,88 90.029.138.358 12265735,09
2015 303.132,33 41,83 91.889.209.491 12679014,92
2016 306.501,67 42,31 93.943.273.713 12966808,57
2017 308.695,67 42,73 95.293.016.676,75 13191594,96
2018 310.546,89 43,05 96.439.370.888,67 13368784,83
∑ 1.528.925,12 210,79 467.594.009.127,51 64.471.938,37

41,01809886 0,339860633
41,63132728 0,467021169
42,30134321 0,010613477
42,73763488 0,010066019
43,10576243 0,131467743
49
42,15883333 0,191805808
Tabel 4.21. Hasil Perhitungan Nilai PE Transformator Daya 4


𝑋𝑌 ( 𝑋)( 𝑌)
𝑏
𝑋 ( 𝑋)
( )(64 471 938 37) (1 528 925 12)(210 79)
( )(467 594 009 127 51) (1 528 925 12)
𝑎 𝑏
210 79 1 528 925 12

( ) = 43,11 MW
( ) = 44,16 MW
( ) = 44,69 MW
50
( ) = 45,23 MW
( ) = 45,77 MW
( ) = 46,32 MW
( ) = 46,87 MW
( ) = 47,42 MW
( ) = 47,98 MW
( ) = 48,55 MW
( ) = 49,12 MW
Tabel 4.22. Hasil Perkiraan Transformator Daya 4, tahun 2019-2029
Jumlah
Penduduk Beban Beban
Tahun
(Juta (MW) (MVA)
Jiwa)
2019 313.188,89 43,11 50,71
2020 315.830,89 44,16 51,95
2021 318.511,35 44,69 52,58
2022 321.214,42 45,23 53,21
2023 323.940,43 45,77 53,85
2024 326.689,58 46,32 54,49
2025 329.462,05 46,87 55,14
2026 332.258,06 47,42 55,79
2027 335.077,79 47,98 56,45
51
2028 337.921,46 48,55 57,12
2029 340.789,25 49,12 57,79
Tabel 4.23. Hasil Perhitungan MAPE Transformator Daya 4
Besar
(MAPE)
2019 0,083687065
2020 0,084694774
2021 0,085717151
2022 0,086748153
2023 0,087787904
2024 0,19180581 0,08883648
2025 0,089893954
2026 0,090960403
2027 0,092035902
2028 0,093120529
2029 0,09421436
Rata-Rata 0,083687065

52
tabel berikut:
2014 300.048,56 22,1275 90.029.138.358 6639324,511
2015 303.132,33 23,20 91.889.209.491 7032922,666
2016 306.501,67 24,54 93.943.273.713 7521806,4
2017 308.695,67 25,97 95.293.016.676,75 8016312,057
2018 310.546,89 27,19 96.439.370.888,67 8442217,205
∑ 1.528.925,12 123,02 467.594.009.127,51 37.652.582,84
Tabel 4.25. Hasil Perhitungan Nilai PE Transformator Daya 5

21,86906201 1,167949327
23,33956049 0,597940423
24,94623329 1,65194045
25,99244415 0,092846984
26,87520006 1,139598824
24,6045 0,930055202

53
𝑋𝑌 ( 𝑋)( 𝑌)
𝑏
𝑋 ( 𝑋)
( )( ) ( )( )
( )( ) ( )
𝑎 𝑏

𝑋

( ) = 28,14 MW
( ) = 29,39 MW
( ) = 30,67 MW
( ) = 31,96 MW
( ) = 33,96 MW
( ) = 34,57 MW
( ) = 35,89 MW
( ) = 37,23 MW
54
( ) = 38,57 MW
( ) = 39,93 MW
( ) = 41,30 MW
Tabel 4.26. Hasil Perkiraan Beban Transformator Daya 5, tahun 2019-2029
Jumlah
Beban Beban
Tahun Penduduk
(MW) (MVA)
(juta jiwa)
2019 313.188,89 28,14 33,10
2020 315.830,89 29,39 34,58
2021 318.511,35 30,67 36,09
2022 321.214,42 31,96 37,60
2023 323.940,43 33,26 39,13
2024 326.689,58 34,57 40,67
2025 329.462,05 35,89 42,23
2026 332.258,06 37,23 43,80
2027 335.077,79 38,57 45,38
2028 337.921,46 39,93 46,98
2029 340.789,25 41,30 48,58
2019 313.188,89 28,14 33,10
Tabel 4.27. Hasil Perhitungan MAPE Transformator Daya 5
Besar
(MAPE)
2019 0,930055202 0,261671414
55
2020 0,273388632
2021 0,2852764
2022 0,297264451
2023 0,309354244
2024 0,321546639
2025 0,333842505
2026 0,346242721
2027 0,358748172
2028 0,371359752
2029 0,384078361
Rata-Rata 0,261671414

4.4 Persentase Pembebanan Transformator Daya GI Durikosambi

Persentase pembebanan transformator dapat dihitung dengan
menggunakan persamaan
𝑏 𝑏𝑎 𝑎 𝑎 𝑋 .
4.5.1 Persentase Pembebanan Transformator Daya 1

Perhitungan persentase beban transformator daya 1 tahun 2019-
2024 sebagai berikut:
 𝑏 𝑏𝑎 𝑎 𝑎 = 88,67%
56
 𝑏 𝑏𝑎 𝑎 𝑎 = 89,71%
 𝑏 𝑏𝑎 𝑎 𝑎 = 90,75%
 𝑏 𝑏𝑎 𝑎 𝑎 = 91,81%
 𝑏 𝑏𝑎 𝑎 𝑎 = 92,88%
 𝑏 𝑏𝑎 𝑎 𝑎 = 93,96%
 𝑏 𝑏𝑎 𝑎 𝑎 = 95,04%
 𝑏 𝑏𝑎 𝑎 𝑎 = 96,14%
 𝑏 𝑏𝑎 𝑎 𝑎 = 97,24%
 𝑏 𝑏𝑎 𝑎 𝑎 = 98,35%
 𝑏 𝑏𝑎 𝑎 𝑎 = 99,48%
Tabel 4.28. Persentase Beban Transformator Daya 1, tahun 2019-2029
Beban Beban Persentase

Tahun
(MW) (MVA) %
2019 45,22 53,20 88,67
2020 45,75 53,82 89,71
2021 46,28 54,45 90,75
2022 46,82 55,09 91,81
2023 47,37 55,73 92,88
2024 47,92 56,37 93,96
2025 48,47 57,02 95,04
2026 49,03 57,68 96,14
2027 49,59 58,34 97,24
2028 50,16 59,01 98,35
2029 50,73 59,69 99,48
57
Beban Transformator 1
Beban Batas Maksimum Batas Rekomendasi
110,00
100,00
90,00
98,35 99,48
92,88 93,96 95,04 96,14 97,24
Persentase (%)
80,00
87,18 88,15 88,67 89,71 90,75 91,81
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Tahun
Gambar 4.2.Grafik Persentase PembebananTransformator Daya 1

Tahun 2019-2029
Kapasitas dari transformator daya 1 GI Durikosambi sebesar 51 MW

(60 MVA). Pada tahun 2017 dan 2018, trafo sudah dibebani lebih dari
80% kapasitasnya dengan besarnya yaitu 87,18% dan 88,15%. Menurut
hasil perhitungan perkiraan beban dari tahun 2019 hingga tahun 2029,
beban transformator mengalami pertumbuhan setiap tahunnya. Pada
tahun 2019 diperkirakan dibebani 88,67%. Kemudian pada tahun 2029
trafo sudah mengalami overload dengan persentase pembebanan
99,48%. Sehingga pada tahun 2021 sudah seharusnya beban trafo
dikurangi dengan cara memindahkan bebannya ke trafo lain atau gardu
induk lain. Hingga tahun 2029, transformator dibebani % dari
kapasitasnya.
Dampak yang terjadi jika transformator dibebani lebih dari

kapasitasnya atau overload akan membuat trafo tersebut rusak dan
keandalannya berkurang. Karena jika dibebani tinggi maka akan timbul
panas berlebih yang merusak trafo.
58
 𝑏 𝑏𝑎 𝑎 𝑎 = 41,28%
 𝑏 𝑏𝑎 𝑎 𝑎 = 41,88%
 𝑏 𝑏𝑎 𝑎 𝑎 = 42,50%
 𝑏 𝑏𝑎 𝑎 𝑎 = 43,12%
 𝑏 𝑏𝑎 𝑎 𝑎 = 43,74%
 𝑏 𝑏𝑎 𝑎 𝑎 = 44,37%
 𝑏 𝑏𝑎 𝑎 𝑎 = 45,01%
 𝑏 𝑏𝑎 𝑎 𝑎 = 45,65%
 𝑏 𝑏𝑎 𝑎 𝑎 = 46,29%
 𝑏 𝑏𝑎 𝑎 𝑎 = 46,95%
 𝑏 𝑏𝑎 𝑎 𝑎 = 47,60%
Tabel 4.29.Persentase BebanTransformator Daya 2 tahun 2019-2029

Tahun
(MW) (MVA) %
2019 21,05 24,77 41,28
2020 21,36 25,13 41,88
2021 21,67 25,50 42,50
2022 21,99 25,87 43,12
2023 22,31 26,25 43,74
2024 22,63 26,62 44,37
2025 22,95 27,00 45,01
2026 23,28 27,39 45,65
59
2027 23,61 27,78 46,29
2028 23,94 28,17 46,95
2029 24,28 28,56 47,60
110,00
100,00
90,00
80,00
Persentase (%)
70,00
60,00 45,65 46,29 46,95 47,60
50,00 41,28 41,88 42,50 43,12 43,74 44,37 45,01
40,00
30,00
20,00
10,00
0,00
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Tahun
Gambar 4.3.Grafik Persentase PembebananTransformator Daya 2 tahun 2019-

2029

(60 MVA). Menurut hasil perkiraan beban tahun 2019 hingga 2029, trafo
dibebani sebesar 41,28% dan 47,60%.Dengan demikian trafo daya 2
masih bisa melayani beban hingga tahun 2029 yang akan datang.

 𝑏 𝑏𝑎 𝑎 𝑎 = 30,09%
 𝑏 𝑏𝑎 𝑎 𝑎 = 30,99%
 𝑏 𝑏𝑎 𝑎 𝑎 = 31,45%
 𝑏 𝑏𝑎 𝑎 𝑎 = 31,92%
60
 𝑏 𝑏𝑎 𝑎 𝑎 = 32,39%
 𝑏 𝑏𝑎 𝑎 𝑎 = 32,86%
 𝑏 𝑏𝑎 𝑎 𝑎 = 33,33%
 𝑏 𝑏𝑎 𝑎 𝑎 = 33,81%
 𝑏 𝑏𝑎 𝑎 𝑎 = 34,40%
 𝑏 𝑏𝑎 𝑎 𝑎 = 34,78%
 𝑏 𝑏𝑎 𝑎 𝑎 = 35,28%

Tahun
(MW) (MVA) %
2019 15,34 18,05 30,09
2020 15,81 18,60 30,99
2021 16,04 18,87 31,45
2022 16,28 19,15 31,92
2023 16,52 19,43 32,39
2024 16,76 19,71 32,86
2025 17,00 20,00 33,33
2026 17,24 20,29 33,81
2027 17,49 20,58 34,30
2028 17,74 20,87 34,78
2029 17,99 21,17 35,28
61
110,00
100,00
90,00
Persentase (%)
80,00
70,00
60,00
50,00 35,28
40,00 30,09 30,99 31,45 31,92 32,39 32,86 33,33 33,81 34,30 34,78
30,00
20,00
10,00
0,00
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Tahun
Gambar 4.4.Grafik Persentase PembebananTransformator Daya 3 tahun

2019-2029

(60 MVA). Pada tahun 2017 dan 2018 trafo dibebani 29,28% dan 30,58%
dari kapasitasnya. Menurut hasil perkiraan beban tahun 2019 hingga
2029, beban mengalami kenaikan dengan nilai 30,09% pada tahun 2019
dan 35,28% pada tahun 2029. Dengan demikian trafo daya 3 masih bisa
melayani beban yang ada hingga tahun 2029 karena beban yang
dilayani masih dibawah 80%.

 𝑏 𝑏𝑎 𝑎 𝑎 = 85,55%
 𝑏 𝑏𝑎 𝑎 𝑎 = 86,58%
 𝑏 𝑏𝑎 𝑎 𝑎 = 87,63%
 𝑏 𝑏𝑎 𝑎 𝑎 = 88,68%
 𝑏 𝑏𝑎 𝑎 𝑎 = 89,74%
 𝑏 𝑏𝑎 𝑎 𝑎 = 90,82%
62
 𝑏 𝑏𝑎 𝑎 𝑎 = 91,90%
 𝑏 𝑏𝑎 𝑎 𝑎 = 92,99%
 𝑏 𝑏𝑎 𝑎 𝑎 = 94,09%
 𝑏 𝑏𝑎 𝑎 𝑎 = 95,19%
 𝑏 𝑏𝑎 𝑎 𝑎 = 93,31%

Tahun
(MW) (MVA) %
2019 43,63 51,33 85,55
2020 44,16 51,95 86,58
2021 44,69 52,58 87,63
2022 45,23 53,21 88,68
2023 45,77 53,85 89,74
2024 46,32 54,49 90,82
2025 46,87 55,14 91,90
2026 47,42 55,79 92,99
2027 47,98 56,45 94,09
2028 48,55 57,12 95,19
2029 49,12 57,79 96,31
63
110,00 96,31
90,82 91,90 92,99 94,09 95,19
100,00 85,55 86,58 87,63 88,68 89,74
90,00
Persentase (%)
80,00
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Tahun
Gambar 4.5. Grafik Persentase PembebananTransformator Daya 4

tahun 2019-2029

dan 96,31% pada tahun 2029. Meskipun masih bisa melayani beban,
trafo daya 3 sudah dibebani lebih dari 80%. Dengan demikian semakin
tinggi beban maka semakin tinggi suhu pada trafo. Sehingga
mengakibatkan suhu pada lilitan melebihi dari spesifikasi lilitan yang ada.

 𝑏 𝑏𝑎 𝑎 𝑎 = 55,17%
 𝑏 𝑏𝑎 𝑎 𝑎 = 57,64%
 𝑏 𝑏𝑎 𝑎 𝑎 = 60,14%
 𝑏 𝑏𝑎 𝑎 𝑎 = 62,67%
 𝑏 𝑏𝑎 𝑎 𝑎 = 65,22%
 𝑏 𝑏𝑎 𝑎 𝑎 = 65,22%
64
 𝑏 𝑏𝑎 𝑎 𝑎 = 70,38%
 𝑏 𝑏𝑎 𝑎 𝑎 =73,00%
 𝑏 𝑏𝑎 𝑎 𝑎 = 75,63%
 𝑏 𝑏𝑎 𝑎 𝑎 = 78,29%
 𝑏 𝑏𝑎 𝑎 𝑎 = 80,97%

Tahun
(MW) (MVA) %
2019 28,14 33,10 55,17
2020 29,39 34,58 57,64
2021 30,67 36,09 60,14
2022 31,96 37,60 62,67
2023 33,26 39,13 65,22
2024 34,57 40,67 67,79
2025 35,89 42,23 70,38
2026 37,23 43,80 73,00
2027 38,57 45,38 75,63
2028 39,93 46,98 78,29
2029 41,30 48,58 80,97
65
110,00 101,62
94,88
100,00 88,75
83,17
90,00 73,48 78,10
Persentase (%)
80,00 69,28
61,97 65,45
70,00 53,30 55,93 58,81
60,0050,92
50,00
40,00
30,00
20,00
10,00
0,00
2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Tahun
Gambar 4.6.Grafik Persentase PembebananTransformator Daya 5 tahun

2017-2029

dan 80,87% pada tahun 2029. Trafo daya 5 akan dibebani lebih dari 80%
pada tahun 2029 dengan pembebanan 80,97%. Hal ini akan berdampak
pada suhu trafo yang semakin tinggi sehingga dapat mengurangi umur
trafo.
4.6. Pengujian Validitas Dan Rebilitas Data

4.6.1. Variabel Bebas (X) Terhadap (Y)
Untuk mngetahui apakah parameter yag digunakan valid atau tidak
serta reliebel atau tidak. Uji validitas dan reabilitas ini menggunakan IBM
SPSS Statistic v25.
66
Tabel 4.33. Variables Entered or Removed
a
Variables Entered/Removed
Variables
Model Variables Entered Method
Removed
b
1 JumlahPenduduk . Enter
a. Dependent Variable: Beban Trafo
b. All requested variables entered.
Output bagian pertama : Tabel diatas menjelaskan tentang variable

yang dimasukkan serta metode yang digunakan. Dalam hal ini variable
yang dimasukkan adalah variable jumlah penduduk sebagai variable
independen dan beban trafo sebagai variable dependen dan metode yang
digunakan adalah metode enter.
Tabel 4.34. Model Summary
Model Summary
Adjusted R Std. Error of the
Model R R Square
Square Estimate
a
1 .999 .998 .998 .10633
a. Predictors: (Constant), JumlahPenduduk
Output bagian ke dua : Tabel diatas menjelaskan besarnya nilai

korelasi/hubungan (R) yaitu sebesar 0,999. Dan output tersebut diperoleh
koefisien determinasi (R Square) sebesar 0,998 yang mengandung
pengertian bahwa pengaruh variable-bebas (Jumlah Penduduk) terhadap
variable terikat (Beban trafo) adalah sebesar 99,8%.
Tabel 4.35. ANOVA

a
ANOVA
Model Sum of Squares Df Mean Square F Sig.

b
Regression 56.178 1 56.178 4968.566 .000
1 Residual .113 10 .011
Total 56.291 11
a. Dependent Variable: Beban Trafo
b. Predictors: (Constant), JumlahPenduduk
Output bagian ke tiga : Dari output tersebut diketahui bahwa nilai F

hitung = 4,968 dengan tingkat signifikasi sebesar 0,000<0,05, maka model
regresi dapat dipakai untuk memprediksi variable beban trafo atau dengan
kata lain ada pengaruh variable jumlah penduduk (X) terhadap variable
67
Beban trafo (Y).
tabel 4.36. Coefficients
a
Coefficients
Standardized
Unstandardized Coefficients
Model Coefficients t Sig.
B Std. Error Beta
(Constant) .031 .683 .045 .965

1
JumlahPenduduk .277 .000 .999 70.488 .000
a. DependentVariable: Beban Trafo
Output bagian ke empat : Diketahui nilai koefisien (a) sebesar 0,31,

sedangkan nilai jumlah penduduk (b/koefisien regresi) sebesar 0,277,
sehingga persamaan regresinya dapat ditulis:
Y= a+bx
Y=0,31+0,277x
Persamaan tersebut dapat diterjemahkan :
1. Konstanta sebesar 0,31 mengandung arti bahwa nilai konsisten

variabel beban trafo adalah sebesar 0,31.
2. Koefisien regresi x sebesar 0,277 menyatakan bahwa setiap
penambahan 1% nilai jumlah penduduk, maka nilai beban trafo
bertambah sebesar 0,277. Koefisien regresi tersebut bernilai positif
sehingga dapat dikatakan bahwa arah pengaruh variabel X terhadap
Y adalah positif.
Pengambilan keputusan dalam uji regresi sederhana

1. Berdasarkan nilai signifikasi : dari tabel koefisien diperoleh nilai
signifikasi sebesar 0,0005<0,05, sehingga dapat disimpulkan bahwa
variabel jumlah penduduk (X) berpengaruh terhadap variabel beban
trafo (Y).
2. Berdasarkan nilai T: diketahui T hitung sebesar 70,448>T tabel 2,228
Sehingga dapat disimpulkan bahwa variabel jumlah penduduk (X)
berpengaruh terhadap variable beban trafo (Y).
68
Untuk mencari T tabel hal yang harus dilakukan terlebih dahulu adalah
Ttabel=(α/2:n-k-1)
=(0,05/2:12-1-1)
=(0,025:10)
=2,228
69
BAB V
PENUTUP
5.1 Simpulan
Dari hasil perhitungan dan pembahasan pada bab-bab sebelumnya

maka dapat diambil simpulan antara lain:
1. Dengan menggunakan metode regresi linear sederhana, pada 2029

diperkirakan beban total pada GI Durikosambi sebesar 183,42 MW.
2. Hasil peramalan Beban pada trafo 1 tahun 2029 sebesar 50,73 MW .
Pada tahun 2021-2029 ramalan beban pada trafo 1 GI Durikosambi
mancapai > 80% atau melebihi dari batas yang dianjurkan yakni
tahun 2021 sebesar 90,75%, tahun 2029 sebesar 99,48%.
Untuk trafo 2 di ramalkan masih sanggup menyuplai beban hingga
tahun 2029 yaitu mencapai 24,28 MW . 47,60% dari kapasitasnya.
tahun 2029 yaitu mencapai 17,99MW . 35,28% dari kapasitasnya.
tahun 2029 yaitu mencapai 49,12 MW . 96,31% dari kapasitasnya.
Hasil peramalan beban pada Trafo sebesar 5 41,30 MW. 80,97%
dari kapasitasnya tahun 2029. Dan di ramalkan masih sanggup
menyuplai hingga 2029.
5.2 Saran
Adapun saran untuk skripsi ini agar bermanfaat untuk orang banyak
adalah sebagai berikut.
1. Menurut hasil peramalan beban transformator 1, 4 dan 5 GI

Duriksosambi sudah melebihi 80% dari kapasitasnya, maka sesuai
aturan capacity balance diperlukannya manuver beban ke
transformator 2 dan 3 dan penambahan transformator baru dan
pembangunan gardu induk baru.
70
2. Jumlah unit trafo yang dapat dipasang pada suatu GI dibatasi oleh
ketersediaan lahan. Dengan kriteria tersebut suatu GI dapat
menampung 3 atau lebih unit trafo.
3. Sebuah GI baru diperlukan jika GI-GI terdekat yang ada tidak dapat
menampung pertumbuhan beban lagi karena keterbatasan tersebut.
71
DAFTAR PUSTAKA
Badan Pusat Statistik. 2019. Indonesia Dalam Angka 2014-2017. Indonesia:

BPS Indonesia-Provinsi Jakarta Barat. 2014-2017. Jakarta Barat Dalam
Angka 2014-2017:BPS Provinsi Jakarta Barat.
Bjorner, T. B., Mikael, Togeby., and Jensen, H.H., 2001.”Industria

Companies Demand for Elektricity : Evidance from a Micropanel”.
Energy Ecoomics, no.25, p. 295-617
Boqiang, Lin. 2003. Structural Changes, Efficiency Imorovement and

Elektricity Demand Forecasting, Economic Research Journal, Vol.5
p.57-65
Han, Sang-Yong. 2004. The Role of The Four Electric Power Sectors in The
Korean National Economic. Energy Police, 136-701, p.1-1-3
Manuati Dewi, I Gusti Ayu. 2015. Pengaruh Pendapatan Pada Konsumsi di

Indonesia: Pengembangan Model Teoritis dan Pemilihan Model
Empiris. Jurnal Ekonomi Kuantitatif Terapan Vol.8 No, hal.24-33
Marsudi, Djiteng. (2016). Operasi Sistem Tenaga Listrik Edisi Ketiga.

Yogyakarta : Graha Ilmu
Sitanggang, Hotmaria. 2014. Analisis Faktor-Faktor Yang Mempengaruhi

Konsumsi Di Provinsi Sumatera Utara. Jurnal Tabularasa Pss Unimed
Vol.11 No.2, hal. 145-164
Syarifuddin, M. Hakim, Lukmanul, dan Despa, Dikpride 2014. Metode

Regresi Linear untuk Prediksi Kebutuhan Energi Listrik Jangka
Panjang. Jurnal Informatika dan Teknik Elektro Terapan Vol.2 No.2,
hal.1-9
72

Genie Satriani (2015-11-251)

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Genie Satriani (2015-11-251)

Diunggah oleh

Hak Cipta:

Format Tersedia

SEKOLAH TINGGI TEKNIK – PLN

PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

PROGRAM STUDI SARJANA

Skripsi Dengan Judul:

PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

Diajukan Untuk Memenuhi Persyaratan

SEKOLAH TINGGI TEKNIK-PLN

Jakarta, 29 JULI 2019

Mengetahui, Disetujui Oleh,

Erlina, S.T., M.T Edy Ispranyoto, Ir.,MBA

Nama : GENIE SATRIANI

Jurusan : S1 TEKNIK ELEKTRO

Judul :PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

Nama Penguji Jabatan Tanda Tangan

Adri Senen, ST.,MT. Ketua Sidang

Andi Makkulau, ST.,M.Ikom.,MT. Sekretaris Sidang

Sigit Sukmajati, ST.,MT. Anggota Sidang

(Erlina, S.T., M.T)

Nama : GENIE SATRIANI

Jurusan : S1 TEKNIK ELEKTRO

Judul : PERAMALAN BEBAN YANG AKAN DISUPLAI GARDU INDUK

Jakarta,29 Juli 2019

Edy Ispranyoto, Ir.,MBA Selaku Pembimbing Skripsi

Yang telah memberikan petunjuk, saran-saran serta bimbingannya sehingga

Jakarta, 29 Juli 2019

TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS

Pada tanggal :29 Juli 2019

GENIE SATRIANI, 2015-11-251

Dibawah bimbingan Edy Ispranyoto,Ir.,MBA.

Peningkatan kebutuhan akan energi listrik selalu meningkat seiring berjalannya

Kata kunci : Peramalan, Metode Regresi Linear, Gardu Induk, Jumlah

Keywords :Forecasts, Linear Regression Method, Substation, Population,

BAB I PENDAHULUAN .................................................................................... 1

BAB IILANDASAN TEORI ................................................................................ 5

BAB IIIMETODE PENELITIAN........................................................................ 21

BAB IVPERHITUNGAN PERAMALAN BEBAN TRANSFORMATOR DAYA

BAB VPENUTUP ............................................................................................ 70

DAFTAR PUSTAKA ........................................................................................ 72

1.1. Latar Belakang

1.2. Permasalahan Penelitian

1.2.2. Ruang Lingkup Masalah

1.3. Tujuan dan Manfaat Penelitian

1.3.2. Manfaat Penelitian

1.4. Sistematika Penulisan

2.1. Tinjauan Pustaka

Berdasarkan topik tugas akhir atau penelitian yang berjudul

Terdapat referensi dan penelitian penelitian yang telah dilakukan

(Han, 2004) energi listrik memainkan peran penting yang dalam

(Manuati Dewi, 2015) Permintaan dapat mencerminkan daya

(Syarif M. Bahtiar, 2015) melakukan penelitian dengan judul

(Syamsul Bahri, 2015) melakukan penelitian tentang “Studi

(Wisnu Adi Suryo, 2014) melakukan penelitian tentang “Studi

(Syarifuddin, 2008) Faktor yang mempengaruhi permintaan energi

Berdasarkan beberapa acuan jurnal diatas, penulis akan meneliti

2.2. Landasan Teori

Energi listrik umumnya dibangkitkan oleh pusat pembangkit tenaga

Pembangkitan tenaga listrik adalah suati instalasi yang terdiri dari

2.2.2. Sistem Penyaluran Tenaga Listrik

2.2.4. Gardu Induk

1. Mentransformasikan tenaga listrik tegangan tinggi yang satu ke

Pengambilan data dilakukan di PT. PLN (Persero) UIT JBB Unit

Gambar 2.2. Peta PT. PLN (Persero) Gardu Induk Durikosambi

Gambar 2.3. Single Line Diagram Gardu Induk Durikosambi