ARTIKEL 1
Judul Artikel : Pemodelan Regresi Non Parametrik Menggunakan Pendekatan
Polinomial Lokal Pada Beban Listrik Di Kota Semarang.
Penulis : Suparti dan Alan Prahutama.
Nama Jurnal : Media Statistika 9(2) 2016: 85-93.
Permasalahan yang : Semarang merupakan ibu kota provinsi Jawa Tengah, dengan
Diangkat infrastruktur dan pertumbuhan ekonomi yang tinggi. Fenomena
pemadaman listrik yang terjadi di Semarang, tentunya mengganggu
perkembangan ekonomi yang ada di Semarang. Hal ini dikarenakan
investor enggan untuk berinvestasi di kota Semarang dikarenakan
sering terjadi pemadaman listrik. Oleh karena itu, Kota Semarang
harus memiliki suplai daya yang memadai untuk memenuhi kebutuhan
energi listrik di areanya. Besar energi listrik yang dikonsumsi oleh
konsumen skala industri maupun rumah tangga di area Semarang,
terpantau atau tercatat secara otomatis dan tersaji menjadi data historis
beban pemakaian listrik harian per 30 menit selama 24 jam ataupun
menjadi data beban puncak pemakaian listrik.
Beban puncak ini biasanya terjadi pada pukul 10.00 dan 19.00. Beban
puncak terjadi ketika kebutuhan listrik konsumen menanjak ke titik
yang paling tinggi di satu waktu tertentu, baik dalam rentang waktu
jam, hari, minggu, bulan, hingga tahun. Pemodelan beban listrik
diperlukan sebagai dasar untuk prediksi nilai beban listrik di kota
Semarang. Oleh karena itu, pada penelitian ini akan dimodelkan beban
listrik di Kota Semarang menggunakan model Polinomial Lokal.
Pemodelan ini nantinya diharapkan bisa digunakan untuk peramalan
beban listrik di Kota
Teori yang : Salah satu metode estimasi pada polynomial local adalah
Digunakan menggunakan WLS ( Weighted Least Square) sehinggga diperlukan
pembobotan. Salah satu pembobotan yang digunakan untuk
mendapatkan estimasi adalah fungsi kernel.
Metode yang : Teknik Pemulusan Polinomial Lokal (local polynomial smoothing) Dalam
Digunakan Regresi Non Parametrik.
Hasil : Dari hasil perhitungan dan pengolahan dengan menggunakan fungsi yang
Penelitian dibangun dalam bahasa pemrogram R, gambaran perubahan kurva hasil
estimasi jika digunakan bandwidth yang berbeda-beda dapat dilihat pada
Gambar 2 yaitu dengan menggunakan bandwidth berturut-turut adalah h=1,
h=2, h=4 dan h=6. Terlihat bahwa semakin besar nilai bandwidth yang
digunakan maka kurva jumlah kematian menjadi semakin mulus, bahkan
dapat menghilangkan fluktuasi data yang sebenarnya. Dari hasil
pengolahan diperoleh bandwidth optimal dengan menggunakan kriteria
MLCV untuk estimasi kurva total jumlah kematian menurut umur (laki-
laki dan perempuan), masing-masing adalah h=2. Gambar 3, 4 dan 5,
masing-masing menyajikan kurva jumlah kematian menurut umur dan
hasil estimasi (pemulusannya) untuk jumlah kematian penduduk total,
penduduk laki-laki dan penduduk perempuan. Sementara itu nilai-nilai
estimasi untuk jumlah kematian menurut umur dapat dilihat pada Lampiran
3. Dari estimasi kurva jumlah kematian juga diperoleh gambaran yang
lebih mulus atau pola yang lebih jelas, walaupun tidak sepenuhnya
menghilangkan age heaping. Hal ini terlihat pada jumlah kematian pada
umur 0 yang notabene angka kematian bayi, yang dalam kondisi
sebenarnya memang masih sangat tinggi untuk kondisi Indonesia.
Dengan menggunakan data jumlah kematian menurut umur, maka kurva
tingkat kematian dan hasil pemulusannya dengan bandwidth yang
bervariasi diberikan pada Gambar 7.