DIVISI PERENCANAAN REGIONAL KALIMANTAN

iii
 SIMULASI SISTEM SIMPLE ECONOMETRIC

EXCEL ADD-INS

SIMPLE-E

Iftor Ilyas Rizky, Arief Nurhidayanto1

DIVISI PERENCANAAN REGIONAL KALIMANTAN

DIREKTORAT BISNIS REGIONAL KALIMANTAN

PT PLN (Persero)
April 2017

1. Mentor

iv
“ Barangsiapa tidak berlelah dalam belajar,
maka ia akan menanggung lelah karena
kebodohan”

v
 DAFTAR ISI
Contents

DAFTAR ISI ................................................................................................................................................ 1

BAB I PENDAHULUAN ..................................................................................................................... 2
1.1 Latar Belakang .................................................................................................................................... 2
1.2 Tujuan Pembuatan Prakiraan.............................................................................................................. 4
1.3 Peran Prakiraan Dalam Proses Perencanaan ...................................................................................... 5
1.4 Faktor Yang Mempengaruhi Pola Konsumsi Listrik............................................................................. 6
1.5 Metode Prakiraan ............................................................................................................................... 9
BAB II KONSEP SIMPLE E ............................................................................................................. 13
2.1 Konsep dasar Operasi Simple E ................................................................................................... 13
2.2 Petunjuk Instalasi Add in Simple E pada Microsoft Excel (Seri 2010) ......................................... 16
2.3 Petunjuk membuat worksheet baru Simple E ............................................................................ 18
BAB III DATA DEMAND FORECAST ............................................................................................. 20
3.1 Data yang Perlu Disiapkan ............................................................................................................... 20
3.2 Cara Menyusun dalam Worksheet Data ..................................................................................... 25
BAB IV MODEL INPUT ...................................................................................................................... 21
4.1 Pengenalan Struktur Worksheet Model ..................................................................................... 21
4.2 Pedoman Menentukan Pemodelan Demand Forecast ............................................................... 24
4.3 Pedoman Khusus ......................................................................................................................... 27
BAB V SIMULASI ............................................................................................................................... 30
BAB VI MODEL ANALISIS ................................................................................................................ 32
6.1 Parameter Uji Statistik ................................................................................................................ 32
6.2 Parameter Hasil Uji Demand Forecast ........................................................................................ 35
BAB VII HASIL DEMAND FORECAST ............................................................................................. 39
BAB VIII CATATAN .............................................................................................................................. 42
8.1 Permasalahan Seputar Regresi ................................................................................................... 42
8.2 Permasalahan Seputar Parameter Kelistrikan ............................................................................ 44
8.3 Saran ........................................................................................................................................... 45
DAFTAR PUSTAKA ................................................................................................................................ 46

1
 BAB

I
PENDAHULUAN

1.1 Latar Belakang

Demand Forecast atau Prakiraan Beban/Prakiraan

Kebutuhan Listrik merupakan basic dalam menyusun RUPTL
(Rencana Usaha Penyediaan Tenaga Listrik).

RUPTL sendiri disusun berdasarkan :

1. Peraturan Pemerintah No. 14 tahun 2012

Pasal 8 ayat (1):
“ Usaha penyediaan tenaga listrik untuk kepentingan umum
dilaksanakan sesuai dengan Rencana Umum
Ketenagalistrikan dan Rencana Usaha Penyediaan Tenaga
Listrik ”.
Pasal 13 ayat (6)
“ Dalam hal izin usaha penyediaan tenaga listrik diajukan
untuk usaha distribusi, usaha penjualan, atau usaha
penyediaan tenaga listrik yang terintegrasi, selain
persyaratan teknis sebagaimana dimaksud pada ayat (3)
harus dilengkapi penetapan wilayah usaha yang ditetapkan

2
 oleh Menteri dan rencana usaha penyediaan tenaga listrik
”
Pasl 14 :
(1) Rencana usaha penyediaan tenaga listrik
sebagaimana dimaksud dalam Pasal 13 ayat (6), disusun
oleh pemohon dengan memperhatikan rencana umum
ketenagalistrikan.
(2) Rencana usaha penyediaan tenaga listrik sebagaimana
dimaksud pada ayat (1) disahkan oleh Menteri, gubernur,
atau bupati/walikota sesuai dengan kewenangannya.
(3) Ketentuan lebih lanjut mengenai tata cara penyusunan
rencana usaha penyediaan tenaga listrik diatur dengan
Peraturan Menteri.

2. SE No. 014.E/2003 tentang Pedoman Penyusunan Rencana

Penyediaan Tenaga Listrik.
Pasal 5.4
“RUPTL meliputi perioda 10 (sepuluh) tahunan, di-update
setiap tahun dan harus selesai setiap Juni pada tahun
anggaran berjalan”

Demand Forecast perlu di evaluasi per tahun dengan

mempertimbangkan :

3
‒ Dinamika pertumbuhan ekonomi yang begitu dinamis
sehingga angka realisasi penjualan di beberapa daerah
berbeda cukup jauh dibanding dengan angka prakiraan.
‒ Beberapa proyek pembangkit tidak dapat diselesaikan
sesuai jadwal sehingga potensi beban tidak bisa dilayanani
sesuai kebutuhan.

1.2 Tujuan Pembuatan Prakiraan

Sebelum melakukan proses perencanaan pengembangan

sistem ketenagalistrikan (pembangkitan, penyaluran dan
distribusi), pertama kali dilakukan adalah menyusun prakiraan
kebutuhan listrik yang mana dapat digunakan sebagai dasar
untuk mempertimbangkan kebutuhan suatu proyek.

Di samping itu juga dapat memberikan informasi kepada

pembuat kebijakan untuk mengurangi resiko dalam
pengembangan usaha. Bila prakiraan yang dihasilkan lebih
tinggi dari realisasi (over estimation) maka akan menyebabkan
adanya kelebihan pasokan ( idle capacity) yang menyebabkan
over investment . Demikian pula sebaliknya bila prakiraan yang
dihasilkan lebih kecil dari realisasi (under estimation) maka
akan terjadi kekurangan daya/terjadi pemadaman. Dengan

4
demikian ketepatan hasil prakiraan sangat diperlukan untuk
menghasilkan suatu perencanaan yang baik dan optimal.

1.3 Peran Prakiraan Dalam Proses Perencanaan

Karena merupakan awal dari kegiatan/ proses penyusunan

perencanaan, maka prakiraan kebutuhan listrik yang
mempunyai posisi strategis akan menjadi hal yang penting.
Selain sebagai masukan dalam perencanaan sistem, prakiraan
kebutuhan listrik juga digunakan sebagai masukan dari
perencanaan kepegawaian dan proyeksi keuangan.

PRAKIRAAN BEBAN

PERENCANAAN PERENCANAAN PROYEKSI PERENCANAAN

PEMBANGKITAN JARINGAN/GI/GD KEUANGAN/TARIF KEPEGAWAIAN

PROGRAM PROGRAM

INVESTASI INVESTASI

PERENCANAAN KONDISI

PENDANAAN KEUANGAN

Bila dilihat dari jangka waktu , maka prakiraan kebutuhan listrik

dapat dibagi menjadi 4 periode:

5
  Jangka Sangat Pendek ( harian, mingguan, bulanan dan 1
tahun) biasa digunakan untuk perencanaan operasi
 Jangka Pendek ( 1 s/d 5 tahun) digunakan untuk
perencanaan penyaluran
 Jangka Menengah ( 5 s/d 10 tahun) digunakan untuk
perencanaan pembangkitan
 Jangka Panjang ( > 10 tahun ) digunakan untuk menyusun
masterplan perencanaan
Perlu kita ketahui bahwa semakin panjang jangka prakiraan
kedepan yang dibuat, akan semakin sulit dan ketidakpastian
nya akan semakin besar. Dalam usaha untuk mendapatkan
angka prakiraan yang mendekati, perlu dilakukan penelitian/
kajian dalam perkembangannya dan terus menerus dilakukan
tinjauan terhadap data/ angka dan asumsi yang digunakan
(review dan Updating). Untuk melakukan review terhadap hasil
prakiraan minimal dilakukan setiap tahun sekali.

1.4 Faktor Yang Mempengaruhi Pola Konsumsi Listrik

Secara umum ada beberapa faktor yang mempengaruhi

kebutuhan listrik adalah:

 Pendapatan
 Harga listrik
 Ketersediaan listrik

6
 Harga energi substitusi
 Kepemilikan peralatan listrik ( harga dan effisiensi peralatan
listrik)

a. Pendapatan
Dengan meningkatnya pendapatan masyarakat akan
menyebabkan peluang untuk membeli peralatan listrik
akan meningkat sehingga konsumsi listriknya akan
meningkat pula. Demikian juga dengan meningkatnya
pertumbuhan ekonomi, sebagai akibat adanya investasi
baru yang akan meningkatkan kebutuhan tenaga listrik .

b. Harga listrik
Harga listrik adalah harga yang dibayar oleh
konsumen dalam mengkonsumsi tenaga listrik. Bila harga
listrik murah, maka konsumsi tenaga listriknya akan
meningkat dan cenderung boros. Sesuai dengan hukum
ekonomi , makin tinggi harga listriknya maka konsumsi
tenaga listriknya makin berkurang .

c. Ketersediaan listrik
Ketersediaan listrik akan mempengaruhi calon
konsumen untuk menyambung listriknya. Bila
ketersediaan listriknya cukup, maka banyak calon

7
 konsumen akan menjadi pelanggan sehingga konsumsi
tenaga listrik akan meningkat. Demikian pula sebaliknya,
bila ketersediaan listrik kurang/ terbatas bahkan terjadi
pemadaman, maka calon konsumen tidak dapat
menyambung atau menjadi pelanggan sehingga akan
dicatat sebagai daftar tunggu.

d. Harga energi substitusi

Yang dimaksud energi substitusi adalah bahan bakar :
minyak tanah, bahan bakar diesel dan gas. Pemakaian
minyak tanah oleh masyarakat ( memasak, lampu
penerangan) sesuai hukum ekonomi, dengan
membandingkan jika harga listrik lebih murah, maka
masyarakat pemakai minyak tanah akan beralih ke listrik
sehingga kebutuhan listriknya meningkat. Demikian pula
untuk industri yang menggunakan pembangkit sendiri
dengan harga minyak diesel yang naik sesuai hukum
ekonomi maka industri akan beralih menggunakan listrik
dari perusahaan listrik yang lebih murah.

e. Kepemilikan peralatan listrik

Fraksi kepemilikan peralatan listrik akan menentukan
kebutuhan tenaga listrik. Jika fraksinya meningkat maka
konsumsi tenaga listriknya juga meningkat begitu juga
sebaliknya.
8
 1.5 Metode Prakiraan

Metoda prakiraan adalah metoda yang digunakan untuk

menyusun prakiraan kebutuhan listrik. Banyak metoda yang
dapat digunakan namun demikian perlu diketahui bahwa tidak
ada satu metoda pun yang dapat memberikan hasil prakiraan
yang tepat.

Secara umum ada beberapa metoda yang dapat digunakan

untuk menyusun prakiraan kebutuhan listrik yaitu:

 Metoda Kotak Hitam ( Metoda Kecenderungan)

 Metoda End use ( Metoda Analitis)
 Metoda Ekonometri
a. Metoda Kotak Hitam

Model yang disusun berdasarkan data masa lalu tanpa

memperhatikan faktor penyebab ( pengaruh ekonomi, iklim,
teknologi dll). Dengan menggunakan persamaan regresi
maka kebutuhan listriknya dapat dihitung

9
 14

12
12

HASIL
10

DATA 10

INPUT
8
ANALISIS 6
6

4
4

2
2

0
0 1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10

Model

b. Metoda End Use

Model yang dibangun berdasarkan data dan analisis

penggunaan akhir pada setiap sektor pemakai. Artinya
konsumsi tenaga listrik dihitung dengan memperhatikan
jumlah peralatan listrik yang digunakan ( lampu, kulkas, AC,
pompa, radio , seterika dll) dan konsumsi listrik spesifik
setiap peralatan.

Saturasi Jumlah Pelanggan Rumah

Tangga
Peralatan
Peningkatan Efisiensi

Jumlah
Peralatan
Konsumsi Peralatan

Listrik (kWh)
Total Pemakaian Peralatan
(kWh)

Usia Teknis
Total Penjualan Rumah
Tangga

10
KONSUMSI RUMAH TANGGA
= JUMLAH PERALATAN (i) * KONSUMSI SPESIFIK(i)

Dimana: Jumlah peralatan(i) = Fraksi pemilikan(i) * Jumlah Pelanggan(i)

Konsumsi spesifik (i) = berdasarkan hasil survey

Konsumsi Jumlah Peralatan Konsumsi Listrik Spesifik

= X
Rumah Tangga

Jumlah Pelanggan Fraksi Pemilikan Hasil Survey

Rumah Tangga Peralatan

c. Metoda Ekonometri

Model yang dibangun berdasarkan pada kaidah ekonomi

dan statistik. Konsumsi tenaga listrik dikaitkan dengan
pendapatan atau variabel lainnya. Dengan menggunakan
persamaan regresi, hubungan antara konsumsi tenaga listrik
dan pendapatan dapat ditentukan setelah analisa hasil
regresi memenuhi kriteria uji statistik pembuatan model.
Konsumsi tenaga listrik dapat ditentukan dengan

11
menggunakan model persamaan yang sudah dibuat dan
asumsi pertumbuhan ekonomi atau variabel yang
digunakan.

Yt= PENDAPATAN
kWh=kYt a Pt b Wt c

Pt = TARIF LISTRIK

Wt = JUMLAH ANALISA REGRESI

PERALATAN LISTRIK
LN kWh = LN k + a LN Yt – bLN Pt + c LN Wt + E

NOTE: a,b,c = Elastisitas

k = konstanta, E =error

12
BAB

II
KONSEP SIMPLE E

Simple-E adalah adalah aplikasi berbasis Excel yang

dibuat oleh Kaoru Yamaguchi, Ph.D. Untuk membuat
prakiraan kebutuhan listrik dengan metoda ekonometri.
Simple-E merupakan kependekan dari Simple Econometric
Simulation System, for Excel.

2.1 Konsep dasar Operasi Simple E

Sistem operasi Simple E dilakukan didalam Microsoft

Excel yang terdiri dari tiga worksheet yaitu Data, Model
dan Simulasi. Dari input data ke output data setidaknya
terdiri dari tiga proses utama yaitu 1) Model Check 2)
Model Solve (Estimasi dari koefisien) 3) Simulasi. Untuk
lebih mudahnya, diagram berikut akan menjelaskan
konsep dasar Simple-E.

13
 Sumber: Operation Manual of Simple-E, JICA Team, Japan.2000

Sebagaimana dijelaskan pada diagram diatas, yang

perlu dilakukan untuk pertama kali oleh user (pengguna)
adalah mengumpulkan data untuk kemudian dimasukkan
ke dalam worksheet Data. Kemudian menentukan
spesifikasi model didalam worksheet Model. Worksheet
simulasi hanyalah menunjukkan hasil dari operasi Simple
E. Diantara worksheet yang dapat diakses, ada beberapa
worksheet yang tersembunyi sebagai tempat untuk
memproses dari pemodelan yang dirancang yaitu
Model.Estimates, Model.Residual dan Model.Coeficient.
pada worksheet yang tersembunyi tersebut terjadi aktivitas

14
estimasi model regresi dari data aktual yang dapat
diterjemahkan, mencari model yang mendekati untuk data
aktual yang sulit untuk diterjemahkan dan terakhir
menentukan nilai koefisien dari persamaan atau model
yang dibentuk. Pada worksheet model juga dapat
menampilkan kesimpulan statistik dan estimasi
persamaan. worksheet Simulation berfungsi untuk
menampilkan hasil dari simulasi proyeksi, untuk data
historis aktual ditampilkan melalui sheet yang
disembunyikan yaitu worksheet Simulation.Aktual.

Model Check merupakan proses pertama. Pada proses

ini, sistem mengecek 3 hal yaitu:
1) Apakah koefisien yang ditetapkan pada sheet data
dan Sheet Model sama atau tidak (konsistensi).
2) Check dan Set interval waktu untuk setiap model.
3) Apakah ada perbedaan antara variabel internal atau
eksternal dari model.
Model Solve merupakan bagian dari worksheet untuk
dapat menyelesaikan dari pemodelan yang ditentukan.
Pada worksheet ini akan disajikan kesimpulan statistik dan
estimasi persamaan yang dibentuk. Kesimpulan
pemodelan itu dantaranya:

15
 1) R-Square
2) Adjusted- R Square
3) Statistik Durbin Watson
4) Durbin h-Satatistik
5) Koefisien dari serial korelasi
6) Koefisien dan variabel t-values
7) Derajat kebebasan nilai P 5% dari R-Square dan t-
value
8) F statistik dan t-value
9) Jumlah kuadrat dari residual
10) Korelasi
11) Multiple koefisien dari determinasi (R kuadrat)
12) Estimasi model persamaan

Simulation merupakan langkah terakhir. Yaitu

menjalankan Simple-E untuk menguji data dan mencari
estimasi persamaannya sehingga data proyeksi dapat
terbentuk.

2.2 Petunjuk Instalasi Add in Simple E pada Microsoft

Excel (Seri 2010)

Sebelum melakukan instalasi, yang pertama harus

dilakukan adalah memiliki file Simple_E.xla. Berikut

16
petunjuk prosedur untuk menambahkan Add-ins Simple E
pada Microsoft Excel.
1) Simpan file Simple_E.xla pada media penyimpanan
yang diinginkan
2) Buka menu file dan pilih options pada toolbar
Microsoft Excel
3) Pada Add-ins, bisa ditambahkan Simple-E dengan
cara meng-klik file Simple_E.xla sesuai dimana file
tersebut dsimpan dengan menekan tombol manage
dan Go. Kemudian klik OK pada jendela menu
Options.
Jika instalasi berhasil, maka akan muncul ikon pada
menu Add-ins sebagaimana gambar berikut.

Icon Add-ins
Simple-E

17
2.3 Petunjuk membuat worksheet baru Simple E

Worksheet Simple-E tidak muncul dengan sendirinya.

Untuk membuat worksheet yang baru, perlu untuk
mengklik ikon pada menu Add-ins. Kemudian akan
muncul jendela kerja sebagaimana gambar berikut.

Membuat Worksheet
baru Simple-E

Untuk menambah worksheet Simple-E pada file

Microsoft Excel yang baru dapat memilih pilihan Add to
New Workbook sedangkan untuk menambahkan pada
Workbook yang baru dapat memilih Add to Active
Workbook. Saat worksheet Simple-E diaktifkan, maka
akan muncul 3 worksheet yaitu Data, Model dan Simulasi.
Contoh workbook saat worksheet Simple E sudah
diaktifkan sebagaimana pada gambar dibawah.

18
19
BAB

III
DATA DEMAND FORECAST

3.1 Data yang Perlu Disiapkan

Grafik Pertumbuhan Ekonomi dan Pertumbuhan Listrik

Penyusunan Prakiraan Kebutuhan Listrik dibuat

dengan metoda ekonometri, mengingat pertumbuhan
ekonomi dan kebutuhan listrik sangat berkaitan. Dari Grafik
di atas terlihat bahwa pertumbuhan ekonomi dan
pertumbuhan listrik mempunyai hubungan yang sangat
erat.

Pertumbuhan ekonomi, dapat terlihat dari PDRB

(Produk Domestik regional Bruto) atau GDP (Gross
20
Domestic Product). Pengertian Produk Domestik Bruto
(PDB) adalah nilai pasar semua barang dan jasa yang
diproduksi oleh suatu negara pada periode tertentu. PDB
merupakan salah satu metode untuk menghitung
pendapatan nasional.

Salah satu indikator penting untuk mengetahui kondisi

ekonomi di suatu negara dalam suatu periode tertentu
adalah data Produk Domestik Bruto (PDB), baik atas dasar
harga berlaku maupun atas dasar harga konstan. PDB pada
dasarnya merupakan jumlah nilai tambah yang dihasilkan
oleh seluruh unit usaha dalam suatu negara tertentu, atau
merupakan jumlah nilai barang dan jasa akhir yang
dihasilkan oleh seluruh unit ekonomi.

PDB atas dasar harga berlaku menggambarkan nilai

tambah barang dan jasa yang dihitung menggunakan harga
yang berlaku pada setiap tahun, sedangkan PDB atas
dasar harga konstan menunjukkan nilai tambah barang
dan jasa tersebut yang dihitung menggunakan harga yang
berlaku pada satu tahun tertentu sebagai dasar. PDB atas
dasar harga berlaku dapat digunakan untuk melihat
pergeseran dan struktur ekonomi, sedang harga konstan
digunakan untuk mengetahui pertumbuhan ekonomi
dari tahun ke tahun.

21
 Dalam studi Econometric Demand Forecast, faktor PDB
bukanlah satu-satunya variabel yang berpengaruh terhadap
pola konsumsi listrik, Faktor lain yang mempengaruhi
adalah Kependudukan, target rencana elektrifikasi dan
kebijakan lain. Oleh sebab itu, berikut adalah data yang
perlu dikumpulkan baik sebagai data realisasi yang
digunakan sebagai basis data persamaan korelasinya,
maupun data proyeksi untuk membentuk persamaan
proyeksi konsumsi listrik kedepan. Sumber data dapat
disimak pada tabel berikut ini.

No. Jenis Data Rincian Data Sumber

1. Pertumbuhan 1. Data Laju Inflasi 1. Buku Regional/Wilayah
Ekonomi 2. Data PDRB Dalam Angka yang
Harga Konstan dipublikasikan oleh
dengan seri website resmi BPS
tahun yang regional atau daerah.
sama 2. Data PDRB Harga
Konstan yang
didapatkan dari BPS
daerah baik melalui
website atau melalui
email.
3. Data proyeksi
pertumbuhan ekonomi
dapat didapatkan dari

22
 proyeksi BI atau Bank
lain dalam Bloomberg,
Draft RPJMN atau
Proyeksi Ekonomi
BPPT,
2. Kependudukan 1. Jumlah 1. Buku Regional/Wilayah
Penduduk/tahun Dalam Angka yang
2. Jumlah Rumah dipublikasikan oleh
Tangga website resmi BPS
regional atau daerah.
2. Buku Proyeksi
Penduduk Indonesia
2010-2035 yang
dirancang oleh Badan
Perencanaan
Pembangunan
Nasional, Badan Pusat
Statistik dan United
Nation Population Fund.

3. Statistik 1. Data Penjualan 1. Data Penjualan dari TUL

Kelistrikan (GWH) III.09 yang didapat
2. Data Daya melalui website
Tersambung silm.pln.co.id untuk
(MVA) tahun.

23
 3. Data Jumlah 2. Data realisasi maupun
Pelanggan kebijakan Rasio
4. Data Tarif Listrik Elektrifikasi dapat
(Rp/kWh) didapatkan dari
5. Data Rasio kebijakan RUPTL,
Elektrifikasi KEPDIR atau keputusan
rapat lain yang data
dipertanggungjawabkan.

Contoh Buku Kalimantan dalam Angka (Kiri), Buku Proyeksi

Penduduk Indonesia 2010-2035 (Kanan).

24
 3.2 Cara Menyusun dalam Worksheet Data

Data yang telah dikumpulkan kemudian disusun ke

dalam Worksheet Data pada Microsoft Excel yang telah
diinstall Add-ins Simple-E.

Keterangan
jenis data

Label
Variabel
1 2 3
Input angka
data variabel
x baik
realisasi
maupun
proyeksi

Prosedur penyusunan Data dapat menjadikan ketiga

kolom diatas sebagai acuan. Berikut petunjuk
prosedurnya.

1) Pada Kolom 1, dapat diisi jenis data variabel atau sub

data variabel yang dijadikan sebagai variabel yang
mempengaruhi pola konsumsi listrik. Contoh: Data
PDRB dengan sub data pertanian/ Agriculture
2) Pada Kolom 2, diisi dengan koefisien yang ditentukan.
Contoh: untuk Data realisasi penjualan energi listrik
25
 golongan tarif bisnis dapat dituliskan SBIS. Pemberian
koefisien data disesuaikan dengan yang diinginkan
asal konsisten dengan yang diinput nanti pada
worksheet Model.
3) Pada Kolom 3, diisi dengan data kuantitatif menurut
tahun atau case label. Contoh: data kuantitatif jumlah
penduduk pada tahun 2013, maka dituliskan tahun
2013 pada sheet L2 sedangkan data kuantitatifnya
pada L12.

Berikut contoh hasil akhir penyusunan data pada

worksheet data Simple E dengan contoh studi Kalimantan
Barat 2015-2024 yang telah digunakan untuk RUPTL
2015-2024.

26
Data PDRB Realisasi Data PDRB Proyeksi

Data Kependudukan
Realisasi

27
Selain membutuhkan data historis aktual suatu variabel untuk
megetahui trendnya pada perancangan demand forecast, Data
proyeksi juga dibutuhkan sebagai variabel penentunya . Berikut
petunjuk untuk menentukan proyeksi data:

1. Data proyeksi inflasi, dapat dicari menurut

kebijakan pemerintah atau mengikuti Trend laju
inflasi dari historis aktual. Data laju inflasi berguna
untuk acuan nilai rupiah tiap tahunnya.
2. Data proyeksi pertumbuhan perekonomian
menurut lapangan usaha dapat ditentukan dengan
cara menentukan nilai share PDRB dimasa depan
(dapat 20 tahun kedepan) dengan
mempertimbangkan trend –nya apakan naik atau
turun. Kemudian, untuk mencari angka per
tahunnya ditentukan dengan konsep linear. Share
PDRB merupakan presentase PDRB suatu
lapangan usaha terhadap jumlah total PDRB suatu
derah/regional menurut taun tertentu. Proyeksi
pertumbuhan jumlah PDRB dapat dicari dari
proyeksi pertumbuhan yang diprediksi oleh Bank
Indonesia dan Bank lain di situs Blomberg, Draft
RPJMN,atau proyeksi BPPT.
3. Data proyeksi laju pertumbuhan penduduk dan
rumah tangga, proyeksi keduanya dapatmengikuti
dari buku Proyeksi Penduduk Indonesia Tahun

20
 2010-2035 yang disusun oleh Badan Perencanaan
Pembangunan Nasional, Badan Pusat Statistik dan
United Nation Population Fund. Jika
regional/daerah yang dikaji tidak ada, maka laju
pertumbuhan dapat mengikuti propinsi dari daerah
tersebut berada. Contoh: laju pertumbuhan
penduduk Kota Tarakan dapat mengikuti laju
pertumbuhan Propinsi Kalimantan Utara.
4. Proyeksi Rasio Elektrifikasi (RE), data proyeksi
tersebut dapat dicari dengan cara menentukan
target RE 100% pada suatu tahun di masa depan.
Kemudian tahun target 100% dan realisasi tahun
terakhir aktual dapat dicari dengan metode grafik
linear. Beberapa kebijakan sudah menetapkan
target RE setiap tahunnya.

21
BAB

IV
MODEL INPUT

4.1 Pengenalan Struktur Worksheet Model

Selanjutnya akan dibahas pada worksheet Model.

Sebagaimana ditampilkan pada gambar dibawah, pada
worksheet model terdapat beberapa kolom. Untuk lebih
mudah dalam memahami petunjuk pengisian, setiap kolom
akan ditandai dengan kotak merah.

Sumbu Y sebagai data

yang dicari
Kolom untuk
menulis jenis
persamaan yang
dipilih
D
P ata
BR D
laeR
isasi
D
P ata
BR D
laeR
isasi
D
P ata
BR D
laeR
isasi

Label Sumbu X

Label Sumbu Y

21
 Keterangan dan petunjuk dari setiap kolom dapat disimak
pada poin-poin berikut.

1. Kolom 1 (Title and Coments), merupakan kolom yang

dapat diisi dengan keterangan atau deskripsi variabel.
Variabel disini merupakan variabel proyeksi yang akan
dicari. Contoh: variabel proyeksi penjualan (GWh),
Proyeksi “Data Terpasang (MVA), Proyeksi Jumlah
Pelanggan.
2. Kolom 2 (Internal Y), merupakan kolom untuk
memberikan label/koefisien untuk data yang dicari.
Contoh: Proyeksi Penjualan (GWH) untuk golongan tarif
Bisnis dapat diberi label SBIS. Label harus konsisten
dengan label yang dimasukkan pada worksheet data.
3. Kolom 3 (Option Type), merupakan kolom untuk
menentukan jenis pemodelan atau persamaan yang
ingin digunakan. Terdapat banyak pilihan yang bisa
digunakan seperti $EQ, $DL, $SL, $TL, $TG dll. Tipe
yang dapat digunakan akan dijelaskan secara khusus.
4. Kolom 4 (X1, X2, X3,..,X16), merupakan kolom untuk
memasukkan variabel terikat yang ingin diuji
korelasinya. Variabel X diisi dengan label variabel bebas
yang telah ditetapkan pada worksheet Data. Selain
dapat diisi dengan variabel yang diwakilkan dengan

22
 label, pada kolom ini juga dapat diisi dengan fungsi
khusus yang disediakan simple E seperti.
Dum.tahun1.tahun2.tahunx yang berarti pada tahun1,
tahun 2 dan tahunx tidak dimasukkan kedalam sampel.
Aturan khusus lain akan dijelaskan secara khusus.
5. Kolom 5 (Sampel Begin-Sample End), merupakan
kolom untuk memasukkan durasi tahun sampel yang
akan digunakan. Contoh : jika ingin hanya
menggunakan data dari tahun 2007-2014 saja karena
data 2006 kebawah trendnya dinilai kurang bagus.
Sample Begin dapat diisi tahun 2007, sample End dapat
disisi tahun 2014.
6. Kolom 6 (Model Summary, Model Equation dan Model
Audit), merupakan kolom yang berisi hasil dari uji
statistik yang dijalankan oleh Simple E. pada Model
Summary beisi hasi uji statistik berupa nila R Square,
Durbin0Watson dll, sedangkan pada Model Equation
merupakan hasil estimasi persamaan yang dibentuk.
Sedangkan pada kolom sheet Model Audit berisi
variabel yang berpengaruh dan formula variabel x yang
ditentukan.

23
 4.2 Pedoman Menentukan Pemodelan Demand
Forecast
Berikut contoh untuk worksheet Model pada studi kasus
Kota Tarakan.

Hasil uji
Sumbu Y Variabel bebas (X) statistik
Ekonometri

Label Variabel Sumbu Y Persamaan Proyeksi

24
 Berikut merupakan petunjuk langkah demi langkah untuk
membuat pemodelan setiap golongan tarif konsumen.
Prakiraan Penjualan Pelanggan Rumah Tangga (R):
1. Hitung prakiraan jumlah pelanggan R dengan mengacu
pada target RE (bisa menggunakan excel), jumlah
pelanggan R merupakan presentase dari jumlah rumah
tangga yang ada mengikuti proyeksi Rasio Elektrifikasi.
2. Gunakan metode REGRESI, untuk menghitung:
a) Prakiraan Penjualan kWh pelanggan R:
kWh = f (PDRB, Pelanggan RT, Tarif Rp/kWh,
Populasi)
b) Daya kontrak (MVA) pelanggan R:
MVA = f (Pelanggan R, PDRB, Populasi)
Cek kewajaran Jam nyala Pelanggan R

Prakiraan Penjualan Pelanggan Bisnis (B) :

Gunakan metode REGRESI untuk menghitung:
1. Penjualan kWh pelanggan B :
kWh = f (PDRB Bisnis, Populasi, tarif)
2. Daya kontrak (MVA) pelanggan B:
MVA = f (PDRB Bisnis, Populasi, tarif)
3. Jumlah pelanggan B :
Jumlah pelanggan B = f (PDRB Bisnis, Populasi, tarif)

25
 Prakiraan Penjualan Pelanggan Publik (P) :
Gunakan metode REGRESI, untuk menghitung:
1. Penjualan kWh pelanggan P :
kWh = f (PDRB Publik, Populasi, tarif)
2. Daya kontrak (MVA) pelanggan P:
MVA = f (PDRB Publik, Populasi, tarif)
Cek kewajaran Jam nyala Pelanggan P
3. Jumlah pelanggan P :
Jumlah pelanggan P = f (PDRB Publik, Populasi, tarif)

Prakiraan Penjualan Pelanggan Industri ( I ) :

Gunakan metode REGRESI, untuk menghitung:
1. Penjualan kWh pelanggan I :
kWh = f (PDRB Industri, Populasi, tarif)
2. Daya kontrak (MVA) pelanggan I:
MVA = f (PDRB Industri, Populasi, tarif)
Cek kewajaran Jam nyala Pelanggan I
3. Jumlah pelanggan I :
Jumlah pelanggan I = f (PDRB Industri, Populasi, tarif).

Tidak semua variabel bebas berpengaruh terhadap

variabel yang diproyeksikan (Energi, Daya tersambung,
Jumlah Pelanggan) sehingga kombinasi antar variabel

26
perlu dilakukan. Untuk variabel yang dianggap
berpengaruh, warna huruf dapat dirubah menjadi hitam
sedangkan yang tidak berpengaruh dapat dirubah menjadi
warna merah pada kolom X1,X2,..X16.

Selain merubah warna huruf, ada formula lain yang akan

membantu dalam pekerjaan seperti:
1. Dum.YYYY , Fungsi tersebut akan membantu untuk
men-seleksi mana tahun yang dimasukkan sampel
dan mana yang tidak dimasukkan. Tahun yang
dimasukkan kedalam Kode dummy merupakan tahun
yang dimasukkan sebagai sampel. Untuk menulis
durasi tahun x1 sampai tahun xn dapat dituliskan titik
titik (..)
2. Lagn.label. dengan n merupakan urutan tahaun yang
dituliskan pada worksheet data dan label untuk
variabel yang tidak ingin dimasukkan. Contoh
Lag1.PDRBI artinya pada tahun ke-n dari data
historis, variable PDRB Industri tidak dimasukkan.

4.3 Pedoman Khusus

1. “$OLS” atau Blank cell -- OLS: Jika ada kedua
variabel baik “Y” maupun “X”, Simple menjalankan
regresi berdasarkan kuadrat dari nilai terakhir
27
 secara sederhana. Jika hanya ada variabel “Y”
tanpa variabel “X”, Simple E. mengatur nilai
variabel “Y” pada simulasi dan menyembunyikan
“Simulation.Actuals” sheets yang didasarkan pada
data aktual.
2. “=“ or “$EQ”-- Direct Equation: variabel pada “Y”
secara langsung didefinisikan sebagai sebuah
formula dalam “X.”
3. “$GS” – Grid Search: Simple E. regresi
berdasarkan Grid Search Method.
4. “$DL” – Double Log: Simple E. melakukan regresi
setelah merubah variabel “X” dan “Y” menjadi
bentuk logaritma.
5. “$SL” – Semi Log: Simple E. melakukan regresi
setelah merubah variabel “Y” menjadi bentuk
logaritma.
6. “$CA” – Constant Adjustment: konstanta pada
persamaan akan diatur sehingga nilai sampel
terakhir akan sesuai dengan nilai estimasi.
7. “$NC” – No Constant: koefisien konstanta akan
dibuat menjadi “0”.
8. “$TG” – Growth Trend: Simulasi proyeksi
berdaarkan paa kecenderungan nilai pertumbuhan.

28
 Ekstrapolasi berdasarkan pada “Fill-Series-
Type(Growth)” dari Excel.
9. “$TL” – Linear Trend: Simulasi proyeksi
berdasarkan pada kecenderungan linear.
Ekstrapolasi berdasarkan pada “Fill-Series-
Type(Trend)” oleh Excel.
10. “$SR” – Constrained sample range: Simulasi akan
mengabaikan data aktual dan mengisi cell dengan
model persamaan meskipun memiliki nilai aktual
setelah sampel akhir.

29
 BAB

V
SIMULASI

Setelah melakukan pemodelan, maka langkah selanjutnya

adalah bisa melakukan simulasi untuk dapat data proyeksi.
Langkah-langkah untuk melakukan proyeksi akan dijelaskan
dengan dukungan gambar berikut.

Untuk mengecek kosistensi Gabungan dari

label variabel pada beberapa pilihan
Worksheet data dan simulasi.
Worksheet Model

Prosedur dan penjelasan dapat disimak sebagai berikut.

1. Check,digunakan untuk mengecek apakah ada kesalahan
dalam penulisan pemodelan. Kesalahan dapat berupa
label variabel yang tidak cocok.
2. Solve, setelah sistem melakukan check, maka dengan
adanya solve maka sistem akan membantu dengan

30
 memberikan saran letak kesalahan melalui sebuah
jendela.
3. Simulate, setelah pemodelan yang dilakukan benar, maka
Sistem akan dapat melakukan simulasi regresi terhadap
data yang diinput pada worksheet Data sesuai dengan
pemodelan yang dimasukkan.
4. Check & Solve, sistem secara paralel akan melakukan cek
kemudian akna memberikan saran letak kesalahan jika
ada kesalahan dalam melakukan pemodelan.
5. Solve & Simulate, jika di-klik maka sistem akan
memberikan saran dan akan mensimulasikan data yang
dimasukkan dengan persamaan yang dimasukkan pada
worksheet Model.
6. ALL Through, merupakan fungsi gabungan dari pilihan
yang ada.

31
BAB

VI
MODEL ANALISIS

Untuk dapat menyimpulkan apakah pemodelan sudah tepat

atau belum, dapat dianalisis dari hasil uji baik yang sudah
disediakan Simple-E maupun dapat dengan menentukan
parameter sendiri. Diantara hasil uji yang sudah disediakan
Simple-E seperti nilai R2, Durbin-Watson serta parameter uji
statistik lainnya. Parameter yang dapat ditentukan sendiri
yang bisa dijadikan tumpuan adalah jam nyala, pertumbuhan
penjualan, pertumbuhan daya terpasang. Unyuk lebih
jelasnya, akan dibahas berikut.

6.1 Parameter Uji Statistik

Model atau elastisitas tersebut diatas sudah dapat
digunakan untuk menyusun prakiraan setelah melalui
tahapan uji statistik.

Adapun hal-hal yang perlu dilakukan dalam uji statistik

adalah:

 Nilai R 2 untuk menguji apakah terdapat hubungan/

korelasi yang erat antara variabel Y dan X 
32
 R 2 = 1 ada korelasi yang kuat diantara variabel

R 2 = 0 tidak ada korelasi diantara variabel

 Nilai Durbin Watson Ratio (DW)  untuk menguji

apakah terdapat otokorelasi dari nilai sisa (residual),
artinya ada korelasi antara sisa pada tahun t dengan sisa
pada tahun t-1. Syarat model tidak boleh ada otokorelasi
maka :
DW = 2 tidak ada otokorelasi

DW = 0 ada otokerelasi positif

DW = 4 ada otokorelasi negatif

Ada beberapa penyebab terjadinya otokorelasi, yaitu:

 Kelambanan, sebagai contoh pada kasus

perubahan situasi ekonomi biasanya tidak langsung
mempunyai pengaruh.
 Spesifikasi bias, bila dalam model tidak
menyertakan variabel yang memang sangat relevan
pada model.
 Salah bentuk fungsi, misalnya fungsi yang
seharusnya non-linear tetapi digunakan fungsi linear.

33
  Pengaruh Time-Lag, selain dipengaruhi variabel
pada periode t juga dipengaruhi pula variabel pada
periode t-1.

 Nilai t adalah untuk menguji nilai koefisien a, b, c,

... tidak sama dengan nol
Nilai t > = 2 adalah signifikan

Nilai t 2 > nilai t >1 masih bisa dipakai

Nilai t < 1 adalah tidak signifikan

 Nilai F adalah untuk menguji secara keseluruhan

apakah model tersebut mempunyai koefisien a, b, c, ...
tidak sama dengan nol.
Nilai F > 0

 Standar deviasi (SD) = Σe 2 /(n-k) ½

Dimana e = nilai sisa

n = jumlah sampel

k = jumlah variabel bebas

34
 6.2 Parameter Hasil Uji Demand Forecast
A. Jam Nyala
Secara teoritis, jam nyala merupakan akumulasi dari
jumlah durasi waktu yang digunakan konsumen dalam
konsumsi listrik yang dinyatakan dalam satuan jam.
Dengan mengetahui jam nyala, maka hasil dari
forecasting dapat diputuskan apakah rasional atau tidak
dengan cara dilakukan 2 pendekatan yaitu:
1. Hasil forecasting dibandingkan dengan data aktual
terakhir apakah terjadi lonjakan yang drastis atau
tidak.
2. Jam nyala hasil forecasting untuk diatas 13 jam
sudah dinilai kurang rasional karena sangat sulit
menemukan akumulasi konsumen yang
mengkonsumsi energi selama itu dalam satu hari.
Jam nyala sendiri merupakan perbandingan antara
total penjualan energi listrik terhadap daya terpasang.
Secara persamaan matematis dapat dilihat pada
persamaan berikut.

𝐸𝑗
Tn =
𝑃𝑡

35
 Dengan:
Tn = Jam nyala (Jam)
Ej = Energi Jual (MWh)
Pt = Daya terpasang (MVA)

B. Pertumbuhan Penjualan Energi

Pertumbuhan penjualan energi merupakan presentase
dari selisih nilai pertumbuhan terhadap penjualan pada
tahun sebelumnya. Sebagai sebuah hasil dari
forecasting, penjulaan energi harus menunjukkan
pertumbuhan optimis (pertumbuhan positif). Uji
rasionalitas dilakukan dengan dua pendekatan yaitu:
1. Pertumbuhan penjualan forecasting harus bernilai
positif
2. Pertumbuhan penjualan hasil forecasting akan
stabil setelah target RE 100% tercapai, namun pada
tahun sebelumnya diharuskan tidak menunjukkan
angka pertumbuhan yang drastis. Dapat dilihat
dengan menghitung nilai elastisitasnya yaitu
pertumbuhan penjualan terhadap pertumbuhan
ekonomi.

36
 C. Pertumbuhan Daya Terpasang setiap pelanggan.
Pertumbuhan daya terpasang setiap pelanggan dapat
digunakan sebagai landasan untuk melihat tingkat
penambahan daya setiap jenis golongan tarif konsumen
dimasa depan. Pertumbuhan daya terpasang akan
dibatasi pada jenis golongan daya pada setiap golongan
tarif. Berikut golongan daya untuk setiap golongan tarif
yang berlaku di PLN.

Golongan Kode Daya (VA)

Tarif 220 450 1300 2200 3500 5500 6600 14 200 Tambahan
K K
Sosial S S.1 S.2 S.2 S.2 S.2 S.3> 200
KVA
Rumah R R.1 R.1 R.1 R.2 R.3 >
Tangga 6600
Bisnis B B.1 B.1 B.1 B.2 B.3 >200
KVA
Industri I I.1 I.1 I.1 I.1 I.2 I.3 > 200
KVA
I.4 > 30.000
KVA
Publik P P.1 P.1 P.1 P.1 P.2 > 200
KVA

Dengan melalui tabel diatas maka prediksi

penambahan daya terpasang setiap konsumen dapat

37
 diprediksi. Angka pertumbuhan daya terpasang harus
mnunjukkan pertumbuhan positif.
D. Pola Pertumbuhan Energi per Pelanggan

Energi per pelanggan merupakan banyaknya energi

listrik yang dikonsumsi (GWh) oleh setiap pelanggan.
Sebagai salah satu parameter uji, hasil forecasting akan
dinyatakan rasional apabila memnuhi kaidah berikut:

1. Pola pertumbuhan harus menunjukkan pola positif

dengan tingkat pertumbuhan yang wajar yaitu tidak
menunjukkan angka yang drastis dari data actual
pada tahun terakhir.
2. Data proyeksi pada tahun awal proyeksi tidak lebih
kecil dari data actual realisasi pada tahun terakhir.

38
BAB

VII
HASIL DEMAND FORECAST

Hasil Demand Forecast dapat dilihat pada gambar berikut

dengan contoh pada Kalimantan Barat yang digunakan pada
RUPTL 2016-2026.

Dengan adanya prakiraan penjualan listrik, nilai total produksi

yang harus dihasilkan pembangkit dapat dihitung. Dengan total
produksi dapat dihitung, maka beban puncak dapat dihitung
berdasarkan Load Factor. Demand Forecast diatas merupakan hasil

39
pemodelan yang dianggap terbaik setelah memperhatikan uji statistik
dan uji parameter hasl demand forecast. Berikut hasil uji parameter
Demand Forecast untuk Kalimanatan Barat.

Kaidah sederhana dalam menyimpulkan apakah Demand

Forecast yang dibuat sudah sesuai atau belum data dilihat pada nilai
realisasi terakhir dan proyeksi terdekat (misal durasi 10 tahun). Berikut
kaidah yang berlaku:

1. Pada Growth Sales, proyeksi harus lebih besar dari pada angka
realisasi, namun pertumbuhan tidak boleh drastic melainkan pada
angka yang wajar dan tidak melebihi dari pertumbuhan realisasi
maksimal yang pernah dicapai. Pertumbuhan biasanya akan
berkali-lipat jika mengikuti rencana pertumbuhan proyeksi Rasio
Elektrifikasi.
2. Pada Jam nyala, angka proyeksi terakhir jika dijadikan dalam
harian tidak melebihi 24 jam serta tidak terjadi lonjakan yang drastic

40
 jika tidak ada faktor tertentu. Selama 10 tahun pertumbuhan jam
nyala tidak dapt drastic. Misalkan jam nyala pada tahun realisasi
terakhir berada pada angka 7 jam, maka pemodelan akan dinilai
salah jika jam nyala satu tahun berikutnya berada pada angka 14
jam. Kecuali untuk sektor industri tertentu, hal itu tidak dibenarkan.
3. Pada Growth Jumlah Pelanggan, proyeksi harus positif dan tidak
drastis. Presentase masih dianggap wajar.
4. Pada GWh/Pelanggan, pertumbuhan dinilai positif namun tidak
melonjak.
5. Pada VA/Pelanggan, pertumbuhan tidak drastic dan dapat
mengikuti pertumbuhan berdasarkan format daya terpasang pada
PLN.

41
BAB

VIII
CATATAN

8.1 Permasalahan Seputar Regresi

Dalam praktik sering dijumpai koefisien-koefisien dari
regresi tidak memberikan seperti yang diharapkan,
beberapa masalah yang biasa terjadi adalah :

1. Nilai t rendah.
Hal ini dapat disebabkan oleh beberapa sebab, yaitu :

a. Variabel dalam model tidak menunjukkan tanggapan

untuk dapat mengambil beberapa kesimpulan
tentang pengaruh suatu variabel terhadap variabel
yang lain.
b. Variabel yang dipilih tidak penting atau tidak
mempunyai hubungan.
c. Data yang digunakan tidak mencukupi untuk
menghasilkan estimasi yang berarti.
d. Variabel independent pada model, mempunyai
kaitan yang erat (multi collinearity).
Contoh dibawah ini memperlihatkan cara memilih
koefisien yang berarti secara statistik dari dua hasil

42
 perhitungan regresi untuk mendapatkan elastisitas
harga dari kWh, didapat angka elastisitas sebagai
berikut :

-0.391 dan -0,387, dan masing-masing angka t dari hasil

perhitungan sebesar -2,19, -1,30, walaupun keduanya
mempunyai besar nilai elastisitas yang serupa, tapi
perkiraan pertama terlebih dahulu lebih unggul secara
statistik karena memiliki bilangan t> + 2.

2. R2 rendah.
Nilai R2 lebih rendah dari 0.6, menyatakan bahwa
persamaan itu tidak banyak menjelaskan variasi dalam
variabel independent (bergantung). Alasan a,b,c dan d
pada butir VII.1. diatas, atau beberapa kombinasi dari itu
adalah penyebab dari masalah ini.

3. Autocorrelation.
Bila bilangan Durbin Watson < 2 , dapat ditafsirkan
bahwa residual dari hasil persamaan regresi mempunyai
auto-korelasi. Hal ini disebabkan adanya kemungkinan
kesalahan pemilihan variabel atau model matematis
yang digunakan.

43
 8.2 Permasalahan Seputar Parameter Kelistrikan
Dalam praktik sering dijumpai uji parameter kelistrikan
tidak sesuai dengan yang diharapkan, permasalahan
tersebut diantaranya:

1. Jam Nyala tidak sesuai dengan yang diharapkan

a. Jika jam nyala dinilai terlalu besar, maka proyeksi
yang bisa dirubah adalah dengan cara
meningkatkan proyeksi daya terpasang (MVA)
sampai batas maksimal.
b. Jika proyeksi daya terpasang sudah mencapai
maksimal namun jam nyala masih dinilai besar,
maka proyeksi penjualan energi harus diturunkan.
c. Jika proyeksi jam nyala dinilai terlalu rendah, maka
proyeksi penjualan diupayakan untuk ditinggikan
dan proyeki daya terpasang diturunkan atau
dibiakan tetap samapai mencapai jam nyala yang
ideal.
2. Jam Nyala sudah baik namun parameter lain belum
ideal.

Permasalahan yang sering dihadapi adalah ketika

jam nyala dinilai sudah ideal namun parameter lain
seperti pola pertumbuhan penjulan, daya per
pelanggan dan energi listrik per pelanggan masih
44
 menunjukkan ketidak idealan seperti proyeksi teralu
tinggi atau menunjukkan pertumbuhan negatif.
Berikut petunjuk langkah-langkahnya:

a. Jika pertumbuhan energi per pelanggan

menunjukkan pertumbuhan negatif, maka analisis
dengan menggunakan grafik dan rubah jenis
persamaan proyeksi pada pemodelan misalnya dari
menggunakan Semilog ($SL) menjadi Linear Trend
($TL).
b. Jika jam nyala sudah ideal namun pertumbuhan
daya terpasang setiap pelanggan menunjukkan
pertumbuhan negatif, bisa dengan mengubah
variabel yang ada dengan memperhatikan
presentase pertumbuhan yang disajikan pada
simulasi.

8.3 Saran

Untuk mengetahui pemodelan mana yang

dianggap terbaik, maka hasil setiap perubahan
pemodelan (Variabel atau model persamaan)
sebaiknya dicatat sebagai referensi.

45
 DAFTAR PUSTAKA

- Anonim. Handout Perencanaan Sistem Ketenagalistrikan

Jenjang I : Tingkat Dasar. Jasa Pendidikan dan Pelatihan
PT. PLN (persero). 2006
- Dokumen RUPTL 2016-2025 PT PLN (Persero). 2016
- Yamaguchi Kaoru. Operation Manual Of Simple E.
International Cooperation Department Institute of Energy
Economics, Japan. 2000.

46