iii
SIMULASI SISTEM SIMPLE ECONOMETRIC
EXCEL ADD-INS
SIMPLE-E
PT PLN (Persero)
April 2017
1. Mentor
iv
“ Barangsiapa tidak berlelah dalam belajar,
maka ia akan menanggung lelah karena
kebodohan”
v
DAFTAR ISI
Contents
1
BAB
I
PENDAHULUAN
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.
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.
4
demikian ketepatan hasil prakiraan sangat diperlukan untuk
menghasilkan suatu perencanaan yang baik dan optimal.
PRAKIRAAN BEBAN
PROGRAM PROGRAM
INVESTASI INVESTASI
PERENCANAAN KONDISI
PENDANAAN KEUANGAN
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.
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.
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
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)
c. Metoda Ekonometri
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
k = konstanta, E =error
12
BAB
II
KONSEP SIMPLE E
13
Sumber: Operation Manual of Simple-E, JICA Team, Japan.2000
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.
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
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
Membuat Worksheet
baru Simple-E
18
19
BAB
III
DATA DEMAND FORECAST
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.
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.
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.
24
3.2 Cara Menyusun dalam Worksheet Data
Keterangan
jenis data
Label
Variabel
1 2 3
Input angka
data variabel
x baik
realisasi
maupun
proyeksi
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:
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
Label Sumbu X
Label Sumbu Y
21
Keterangan dan petunjuk dari setiap kolom dapat disimak
pada poin-poin berikut.
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
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
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)
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.
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
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
33
Pengaruh Time-Lag, selain dipengaruhi variabel
pada periode t juga dipengaruhi pula variabel pada
periode t-1.
n = jumlah sampel
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)
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.
37
diprediksi. Angka pertumbuhan daya terpasang harus
mnunjukkan pertumbuhan positif.
D. Pola Pertumbuhan Energi per Pelanggan
38
BAB
VII
HASIL DEMAND FORECAST
39
pemodelan yang dianggap terbaik setelah memperhatikan uji statistik
dan uji parameter hasl demand forecast. Berikut hasil uji parameter
Demand Forecast untuk Kalimanatan Barat.
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
1. Nilai t rendah.
Hal ini dapat disebabkan oleh beberapa sebab, yaitu :
42
perhitungan regresi untuk mendapatkan elastisitas
harga dari kWh, didapat angka elastisitas sebagai
berikut :
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:
8.3 Saran
45
DAFTAR PUSTAKA
46