Hasil Dan Pembahasan

PERAMALAN KEBUTUHAN ENERGI LISTRIK PROVINSI SULAWESI
TENGGARA TAHUN 2040
SKRIPSI
Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Sarjana Teknik (S.T)
Pada Jurusan Teknik Elektro Fakultas Teknik Universitas Halu Oleo
OLEH:
ALDUN
E1D1 17 027
JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS HALU OLEO
KENDARI
2021
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kebutuhan energi listrik semakin hari cenderung berubah-ubah,

sehingga Perusahaan Listrik Negara (PLN) sebagai penyedia energi listrik
harus bisa memprediksi kebutuhan beban listrik setiap harinya, ada banyak
cara dalam dalam memprediksi beban listrik sehingga sangat diperlukan
pemilihan metode dalam memprediksi beban listrik karena dibutuhkan
keakuratan yang tepat, sehingga dapat menekan biaya dalam memproduksi
energi listrik [1]. Semakin banyak penggunaan listrik di Indonesia maka
semakin meningkat pula kebutuhan listrik yang harus di salurkan oleh
Perusahaan Listrik Negara (PLN) kepada konsumen. PLN merupakan
sumber utama penyalur listrik untuk semua masyarakat, listrik yang
disalurkan PLN memiliki beberapa macam beban, setiap konfigurasi beban
memiliki karakteristik yang berbeda sesuai dengan kebutuhan. Di rumah
tangga, industri, komersil, dan sosial memiliki nilai beban resistif, induktif
dan kapasitif yang berbeda-beda sehingga akan mempengaruhi nilai daya
listrik berbeda pada setiap konsumen [2].
Peningkatan kebutuhan listrik di masyarakat saat ini mengharuskan
PT. PLN perlu melakukan perencanaan operasi dan perencanaan sistem
pengembangan tenaga listrik. Hal tersebut diperlukan untuk mengetahui
seberapa besar daya listrik yang harus disalurkan ke konsumen agar daya
listrik yang ditransmisikan tepat sasaran dan tepat ukuran. Dengan
demikian, kejadian kelebihan maupun kekurangan tegangan dalam sistem
tenaga listrik dapat diminimalisasi [3]. Energi listrik merupakan energi yang
tidak dapat disimpan dalam skala yang besar, sehingga energi listrik harus
disediakan pada saat dibutuhkan. Untuk itu penyedia daya listrik
membutuhkan informasi permintaan daya oleh konsumen listrik yang dapat
diketahui dari peramalan beban [4].
1
Peramalan merupakan suatu usaha untuk mengetahui keadaan di masa
mendatang melalui pengujian keadaan di masa yang lalu. Esensi peramalan
adalah perkiraan peristiwa-peristiwa di waktu yang akan datang atas dasar
pola-pola keadaan di waktu yang lalu. Peramalan adalah seni dan ilmu untuk
memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data di masa lalu dan mendapatkannya di masa
yang akan datang dengan suatu bentuk model matematis [5].
Metode Time Series (deret waktu) adalah metode peramalan beban
secara kuantitatif dengan menggunakan waktu sebagai dasar peramalan.
Metode deret waktu ini menggunakan data-data masa lalu yang kemudian
diolah dengan menggunkan metode-metode statistik untuk ditentukan pola
permintaan pada masa lalu dimana pola yang dihasilkan tersebut digunakan
untuk melakukan prakiraan dimasa yang akan datang. Metode Time Series
yang didasarkan pada asumsi bahwa data memiliki struktur internal, seperti
autokorelasi, trend atau variasi musiman [6]. Analisis Regresi (regression
analysis) merupakan suatu teknik untuk membangun persamaan garis lurus
dan menggunakan persamaan tersebut untuk membuat perkiraan
(prediction). Analisis regresi digunakan untuk mengetahui bentuk hubungan
antara dua variabel atau lebih [7].
Provinsi Sulawesi Tenggara merupakan salah satu Provinsi yang ada
di Indonesia, dengan jumlah penduduk dan kegiatan perokonomian yang
selalu meningkat setiap tahunnya membuat daerah ini sangat cocok menjadi
objek penelitian. Untuk mengantisipasi konsumsi energi listrik yang
semakin meningkat setiap tahunnya, maka perlu dilakukan peramalan
kebutuhan energi pada semua sektor, seperti rumah tangga, industri, bisnis,
sosial, gedung pemerintahan, dan penerangan jalan umum. Penelitian ini
bertujuan untuk melakukan peramalan terhadap kebutuhan pemakaian
energi listrik di Provinsi Sulawesi Tenggara dengan menggunakan metode
Time Series Proyeksi Tren dan analisis Regresi.
2
1.2 Rumusan Masalah
Rumusan masalah yang diambil berdasarkan latar belakang adalah

sebagai berikut:
1. Bagaimana perbandingan metode Time Series Proyeksi Tren dan
analisis Regresi untuk jumlah pelanggan listrik, daya tersambung dan
energi terjual yang akan diramalkan berdasarkan nilai MAPE?
2. Berapakah besar jumlah pelanggan listrik, daya tersambung dan
energi terjual Provinsi Sulawesi Tenggara untuk waktu 20 tahun
mendatang?
1.3 Tujuan
Tujuan penelitian tugas akhir ini adalah untuk:

1. Mengetahui perbandingan metode yang tepat untuk peramalan
pelanggan listrik, daya tersambung dan energi terjual pada setiap
sektor antara metode analisis Time Series Proyeksi Tren dan metode
analisis Regresi.
2. Mendapatkan hasil peramalan jumlah pelanggan listrik, jumlah daya
tersambung dan jumlah energi terjual di Provinsi Sulawesi Tenggara
untuk tahun 2021 s/d 2040.
1.4 Batasan Masalah
Batasan masalah pada penelitian tugas akhir ini adalah sebagai

berikut:
1. Wilayah yang dipilih dalam peramalan kebutuhan energi listrik ini
adalah Provinsi Sulawesi Tenggara.
2. Data yang diramalkan hanya meliputi jumlah pelanggan listrik, jumlah
daya tersambung dan energi terjual.
3. Menggunakan data jumlah penduduk yang didapatkan dari website
resmi Badan Pusat Statistik Provinsi Sulawesi Tenggara. Dan untuk
jumlah pelanggan listrik, daya tersambung, dan energi terjual sektor
3
rumah tangga yang didapat dari situs resmi PT. PLN (Persero)
(https://web.pln.co.id/stakeholder/laporan-statistik) dengan periode
tahun 2010 s/d 2020.
4. Perhitungan Koefisien analisis Regresi dan Koefisien Quadratic
menggunakan software microsoft excel.
5. Menggunakan satu variabel bebas untuk setiap satu variabel terikat
yang hendak dilakukan peramalan pada metode analisis Regresi.
6. Perhitungan peramalan hanya sampai tahun 2040.
1.5 Manfaat
Manfaat yang diperoleh dari penulisan tugas akhir ini adalah sebagai
berikut:
1. Mengetahui perbandingan metode yang tepat yang memiliki nilai eror
terkecil untuk peramalan pelanggan listrik, daya tersambung, dan
energi terjual pada setiap sektor di Provinsi Sulawesi Tenggara antara
analisis Time Series Proyeksi Tren dan analisis Regresi.
2. Mengetahui kebutuhan energi listrik pada Provinsi Sulawesi Tenggara
pada tahun 2040 kedepan.
1.6 Sistematika Penulisan
Sistematika penulisan penelitian tugas akhir ini adalah adalah sebagai

berikut:
Bab I Pendahuluan
Bab ini berisikan penjelasan latar belakang, rumusan masalah, batasan

masalah, tujuan penelitian, manfaat penelitian dan sistematika penulisan.
Bab II Tinjauan Pustaka
Bab II menguraikan tentang referensi jurnal/riset terdahulu yang

mendasari gagasan-gagasan tentang peramalan kebutuhan energi listrik
4
Provinsi Sulawesi Tenggara tahun 2040 dengan menggunakan metode Time
Series Proyeksi Tren Dan Analisis Regresi dan teori/kajian pustaka.
Bab III Metode Penelitian
Bab ini berisikan tempat dan waktu penelitian, metodologi penelitian

yang terdiri dari studi literatur, pengambilan data dan analisa data.
Bab IV Analisa Dan Pembahasan
Bab ini berisi hasil penelitian dan analisa pembahasan.
Bab V Penutup
Bab ini berisikan kesimpulan dan saran dari penelitian yang telah
dilakukan.
5
BAB II
TINJAUAN PUSTAKA
2.1 Penelitian Terdahulu
Arnold J. Kastanja dan Johanis Tupalessy (2017) melakukan

penelitian tentang peramalan beban listrik Kota Ambon tahun 2016–2022.
Metode yang digunakan dalam peramalan adalah regresi linier dengan
variabelnya adalah data pertumbuhan penduduk dan data kelistrikan Kota
Ambon. Jadi keseluruhan kapasitas daya terpasang di Kota Ambon sebesar
81 MW dan daya mampu sebesar 50 MW. Dengan menggunakan metode
Analisis Regresi Linear untuk peramalan beban listrik Kota Ambon Tahun
2016-2022, Hasil prediksi yang dilakukan dengan menggunakan metode
regresi tahun 2016 sampai tahun 2022 prosentase lebih kecil dari beban
listrik aktual tahun 2016 sebesar 48,503 MW [7].
Soleman Sesa, dkk (2018) melakukan penelitian tentang peramalan
beban listrik jangka menengah menggunakan jaringan syaraf tiruan pada
sistem kelistrikan kota ambon. Perhitungan dilakukan dengan
memanfaatkan jaringan syaraf tiruan untuk memprediksi kebutuhan
pemenuhan beban listrik di kota Ambon dalam jangka beberapa tahun ke
depan. Berdasarkan nilai epoch dan mean square error (MSE) tertentu,
arsitektur jaringan syaraf tiruan yang disusun digunakan untuk meramalkan
permintaan beban dari tahun 2014 sampai tahun 2020, dengan
menggunakan data validasi dari tahun 2007-2013. Sebagai data pembanding
digunakan hasil peramalan beban menggunakan metode regresi. Hasil
perbandingan menunjukkan bahwa penggunaan arsitektur jaringan syaraf
tiruan hasil prediksi beban listrik pada tahun 2020 sebesar 88,223 MW dan
metode regresi sebesar 52,548 MW, dengan demikian, dapat disimpulkan
bahwa penelitian ini metode jaringan syaraf tiruan backpropagation yang
lebih masuk akal dibandingkan hasil peramalan menggunakan metode
regresi [8].
6
Fatkhul Hani Rumawan, dkk (2019) melakukan penelitian tentang
peramalan kebutuhan daya listrik jangka menengah (2019-2022) Kota
Samarinda dengan metode regresi linear. Selanjutnya dilakukan analisis
menggunakan SPSS 24. Variabel yang digunakan adalah jumlah pelanggan
listrik dan daya tersambung (kVA) pada 5 jenis pelanggan: sosial, rumah
tangga, bisnis, industri, dan pemerintahan. Hasil dari penelitian ini
menunjukkan peramalan pertumbuhan pelanggan listrik di PT. PLN Unit
Pelaksana Pelayanan Pelanggan Samarinda tahun 2019 yaitu 486.270
pelanggan, tahun 2020 sebesar 491.207 pelanggan, tahun 2021 sebesar
513.935 pelanggan dan tahun 2022 sebesar 536.767 pelanggan, sedangkan
peramalan pertumbuhan daya tersambung di PT. PLN (Persero) Unit
Pelaksana Pelayanan Pelanggan Samarinda pada tahun 2019 sebesar
842.102 kVA, tahun 2020 sebesar 889.686 kVA, tahun 2021 sebesar
938.764 kVA dan tahun 2022 sebesar 987.054 kVA dengan perbandingan
hasil peramalan regeresi linear dengan PT. PLN Unit Pelaksana Pelayanan
Pelanggan Samarinda didapat nilai yang mendekati dengan selisih tahun
2019 sebesar 11.862 kVA (1,4%), tahun 2020 sebesar 24.055 kVA (2,7%),
tahun 2021 sebesar 38.939 kVA (4,1%), dan tahun 2022 sebesar 59.189
kVA (6,3%) [9].
2.2 Peramalan (Forecasting)
Peramalan (forecasting) merupakan proses untuk memperkirakan

kejadian/hal pada masa yang akan datang. Peramalan juga merupakan seni
dan ilmu memprediksi peristiwa-peristiwa masa depan. Peramalan
memerlukan pengambilan data historis dan memproyeksikannnya ke masa
depan dengan beberapa model matematis [10].
Menurut jangka waktunya, peramalan dibagi menjadi 3 periode sesuai
degan materi yang diramalkan. Periode peramalan dalam meramalkan beban
listrik dibagi menjadi 3, yaitu [11]:
7
1. Peramalan Jangka Panjang (Long-Term Forecasting)
Merupakan peramalan yang memperkirakan keadaan dalam

waktu beberapa tahun ke depan. Tujuan peramalan adalan untuk
mempersiapkan ketersediaan unit pembangkitan, sistem transmisi,
serta sistem distribusi.
2. Peramalan Jangka Menengah (Mid-Term Forecasting)
Merupakan peramalan dalam jangka waktu bulanan atau

mingguan. Tujuan peramalan adalah untuk mempersiapkan jadwal
persiapan operasional sisi pembangkit.
3. Peramalan Jangka Pendek (Short-Term Forecasting)
Merupakan peramalan dalam jangka waktu harian hingga setiap

jam. Bisa digunakan untuk studi perbandingan beban listrik perkiraan
dengan aktual (realtime).
2.3 Peran dan Kegunaan Peramalan
Kegunaan peramalan yaitu untuk pengambilan keputusan. Dalam

pengambilan keputusan harus berdasarkan beberapa pertimbangan dan
pemikiran yang akan dialami. Jika peramalan yang diperoleh kurang benar,
maka hasil yang akan dicapai kurang memuaskan. Peramalan memiliki
peranan untuk memperkecil kesalahan yang terjadi. Untuk memperoleh
peramalan yang baik tergantung dari faktor data dan metode yang digunakan
[13].
2.4 Beban Listrik
Tenaga listrik yang didistribusikan kepelanggan (konsumen)

digunakan sebagai sumber daya untuk bermacam-macam peralatan yang
membutuhkan tenaga listrik sebagai sumber energinya. Secara umum beban
yang dilayani oleh sistem distribusi elektrik ini dibagi dalam beberapa
8
sektor yaitu sektor perumahan, sektor industri, sektor komersial dan sektor
usaha. Masing-masing sektor beban tersebut mempunyai karakteristik-
karakteristik yang berbeda, sebab hal ini berkaitan dengan pola konsumsi
energi pada masing-masing konsumen di sektor tersebut. Sedangkan tipe-
tipe beban menurut konsumen pemakainya pada umumnya dapat
dikelompokkan dalam kategori berikut [14]:
a. Rumah tangga (domestik/residen), terdiri dari beban-beban
penerangan, kipas angin, alat-alat rumah tangga. Misalnya pemanas,
lemari es, kompor listrik, dan lain-lain.
b. Bisnis, terdiri atas beban penerangan dan alat listrik lainnya yang
dipakai pada bangunan komersil atau perdagangan seperti toko,
restoran dan lain-lain.
c. Umum/publik, terdiri dari pemakai selain ketiga golongan di atas
misalnya gedung pemerintah, penerangan jalan umum dan pemakai
kepentingan sosial.
d. Industri, terdiri dari industri kecil/rumah tangga hingga industri besar.
Umumnya bebannya berupa beban untuk motor listrik.
2.5 Analisis Time Series proyeksi Tren
Analisis Time Series merupakan metode peramalan yang dilakukan

dengan mendasarkan hasil ramalan yang disusun atas pola hubungan antara
variabel yang dicari atau diramalkan dengan variabel waktu yang
merupakan satu-satunya variabel yang mempengaruhinya. Suatu langkah
yang paling penting dalam memilih metode Time Series adalah
mempertimbangkan jenis pola yang terdapat dari data observasi. Ada empat
tipe umum dari pola data, yaitu [15]:
1. Pola Data Horizontal
Pola data horizontal terjadi saat data pengamatan berfluktuasi

disekitaran suatu nilai konstan atau mean (rata-rata) yang membentuk
9
garis horizontal. Plot data horizontal dicontohkan pada gambar 2.1
[15].
Gambar 2.1 Plot data horizontal
2. Pola Data Tren
Pola data tren terjadi saat data time series mengalami kenaikan
atau penurunan selama periode jangka panjang. Plot data tren
dicontohkan pada gambar 2.2 [15].
Gambar 2.2 Plot data tren
3. Pola Data Seasonal (Musiman)
Pola data seasonal terjadi saat data Time Series dipengaruhi

faktor musiman. Pola data seasonal dapat mempunyai pola musim
yang berulang dari periode ke periode berikutnya. Misalnya pola yang
berulang setiap bulan tertentu, tahun tertentu maupun pada minggu
tertentu. Plot data seasonal dicontohkan pada gambar 2.3 [15].
10
Gambar 2.3 Plot data Seasonal (musiman)
4. Pola Data Cyclical (siklis)
Pola data siklis terjadi saat data time series dipengaruhi oleh
fluktuasi jangka panjang seperti yang terjadi pada siklus bisnis. Plot
data siklis dicontohkan pada gambar 2.4 [15].
Gambar 2.4 Plot data Cyclical (siklis)
2.6 Pola Data Tren
Dalam pola data tren terdapat beberapa metode peramalan yang dapat
digunakan, antara lain [15]:
1. Tren Linear
Apabila data time series cenderung membentuk garis lurus.
11
Gambar 2.5 Grafik data Tren Linear
Adapun rumus persamaan Tren Linear ditunjukkan sebagai
berikut [15]:
𝑌𝑡 = 𝑎 + 𝑏𝑡 (2.1)
Dengan nilai 𝑎 dan 𝑏 dapat dicari menggunakan:
∑𝑌
𝑎= (2.2)
𝑛
∑𝑌
𝑏= (2.3)
𝑡2
Dimana:
𝑌𝑡 = nilai prediksi 𝑌 pada waktu tertentu
𝑎 = nilai intercept dari 𝑌, nilai 𝑌𝑡 akan sama dengan a jika 𝑡 = 0
𝑏 = nilai slope, besar kenaikan nilai 𝑌𝑡 pada setiap nilai 𝑡
𝑡 = nilai tertentu yang menunjukkan periode waktu
2. Tren Quadratic
Apabila data time series cenderung membentuk garis berpola
lengkungan.
Gambar 2.6 Grafik data Tren Quadratic

Adapun rumus persamaan Tren Quadratic ditunjukkan sebagai
berikut [15]:
12
𝑌𝑡 = 𝑎 + 𝑏𝑡 + 𝑐𝑡 2 (2.4)
Dengan 𝑎, 𝑏 dan 𝑐 dapat dicari menggunakan:
∑ 𝑦−𝑐 ∑ 𝑡 2
𝑎= (2.5)
𝑛
∑ 𝑡𝑦
𝑏= (2.6)
∑ 𝑡2
𝑛 ∑ 𝑡 2 𝑦−∑ 𝑡 2 ∑ 𝑦
𝑐= 2 (2.7)
𝑛 ∑ 𝑡 4−(∑ 𝑡 2 )
3. Tren Exponential
Apabila data time series cenderung membentuk garis yang
memperlihatkan adanya peningkatan atau penurunan secara cepat.
Gambar 2.7 Grafik data Tren Exponential

Adapun rumus persamaan Tren Exponential ditunjukkan sebagai
berikut [15]:
𝑌𝑡 = 𝑎𝑡 𝑏 (2.8)
Persamaan diatas dapat diubah menjadi bentuk logaritma,
sehingga dapat mempermudah mencari nilai 𝑎 dan 𝑏 [15].
𝑙𝑜𝑔 𝑌𝑡 = 𝑙𝑜𝑔 𝑎 + 𝑙𝑜𝑔 𝑏𝑡 (2.9)
∑ 𝑙𝑜𝑔 𝑌
𝑎 = 𝑎𝑛𝑡𝑖 𝑙𝑜𝑔 [ ] (2.10)
𝑛
∑ 𝑡 𝑙𝑜𝑔 𝑌
𝑏 = 𝑎𝑛𝑡𝑖 𝑙𝑜𝑔 [ ] (2.11)
∑ 𝑡2
13
4. Tren S-Curve
Apabila data time series cenderung membentuk kurva S.

Dimana pada awalnya data menunjukkan pertumbuhan yang lambat,
kemudian meningkat pesat dan sampai pada titik tertentu melambat
kembali dan cenderung tetap.
Gambar 2.8 Grafik data Tren S-Curve

Adapun rumus persamaan Tren S-Curve ditunjukkan sebagai
berikut [15]:
𝑌𝑡 = 𝑒 (𝑎+(𝑏/𝑡)) (2.12)
2.7 Analisis Regresi
Analisis regresi adalah teknik statistik untuk pemodelan dan

investigasi hubungan dua variabel atau lebih. Dalam analisis Regresi
terdapat satu atau lebih variabel independen/prediktor yang biasa di wakili
oleh variabel x dan satu variabel respon yang biasa diwakili oleh y. Jika
jumlah variabel independen hanya satu, maka sering disebut dengan Regresi
Linear Sederhana. Sedangkan jika ada lebih dari satu variabel independen
maka dikenal dengan regresi linear berganda (Multiple Regresi Linear) [16].
Apabila dua variabel 𝑥 dan 𝑦 mempunyai hubungan sebab akibat,
maka nilai variabel 𝑥 yang sudah di ketahu dapat digunakan untuk menduga
atau memprakirakan 𝑦. Nilai 𝑦 yang akan diprakirakan ini dinamakan
variabel tak bebas sedangkan variabel 𝑥 yang nilainya dipergunakan untuk
prakiraan 𝑦 dinamakan variabel bebas. Tujuan utama regresi adalah untuk
membuat perkiraan nilai suatu variabel (variable dependen) jika nilai
14
variable yang lain yang berhubungan dengannya (variabel lainnya) sudah
ditentukan [17].
Untuk mempelajari hubugan antara variable bebas maka Regresi
Linier terdiri dari dua bentuk, yaitu [17]:
a. Analisis Regresi Linear Sederhana
Analisis regresi sederhana merupakan hubungan antara dua
variable yaitu variable bebas (variabel independen) dan variable tak
bebas (variabel dependen).
Regresi linier yang digunakan adalah Regresi Linier Sederhana
dengan rumus [18]:
𝑌 = 𝑎 + 𝑏𝑥 (2.13)
Dimana:
𝑌 = merupakan nilai estimasi variabel tidak bebas (terikat)
𝑥 = merupakan variabel bebas
𝑎 = merupakan intersep
𝑏 = merupakan keofisien regresi
𝑛 = merupakan banyak data
Untuk menghitung besarnya nilai 𝑎 dan 𝑏 dapat dilihat pada
persamaan berikut ini [19]:
(∑ 𝑦)(∑ 𝑥 2)−(∑ 𝑥)(∑ 𝑥𝑦)
𝑎= (2.14)
𝑛(∑ 𝑥 2)−(∑ 𝑥)2
𝑛(∑ 𝑥𝑦)−(∑ 𝑥)(∑ 𝑦)
𝑏= (2.15)
𝑛(∑ 𝑥 2 )−(∑ 𝑥)2
b. Analisis Regresi Linear Berganda

Analisis Regresi Berganda merupakan hubungan antara 3
variabel atau lebih, yaitu sekurang-kurangnya dua variabel bebas
dengan satu variabel tak bebas [18].
𝑦 = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + … + 𝑏𝑛 𝑥𝑛 (2.16)
15
2.8 Pengujian Metode
Ketepatan peramalan dalam menganalisis data sangat diperlukan

untuk mengukur kesesuaian metode peralaman yang digunakan. Kriteria
yang digunakan untuk menguji ketepatan peramalan dalam penelitian ini
menggunakan nilai terkecil yang didapatkan pada MAPE (Mean Absolut
Pencentage Error). Persamaan untuk memperhitungkan nilai MAPE adalah
sebagai berikut [20]:
∑𝑛
𝑡=1|𝑃𝐸𝑡 |
𝑀𝐴𝑃𝐸 = (2.17)
𝑁
Dengan nilai 𝑃𝐸𝑡 :
𝑌− 𝑌𝑡
𝑃𝐸𝑡 =
𝑌 𝑥 100% (2.18)
Di mana:
𝑃𝐸𝑡 = Presentase eror pada periode ke – t
𝑌 = Data aktual
𝑌𝑡 = Nilai ramalan pada periode ke - t
𝑁 = Banyaknya waktu periode
16
BAB III
METODE PENELITIAN
3.1 Tempat dan Waktu Penelitian
Penelitian ini dilakukan di Universitas Halu Oleo, Jalan H.E.A.

Mokodompit, Kelurahan Lalolara, Kecamatan Kambu, Kota Kendari,
Sulawesi Tenggara. Penelitian ini dilakukan pada bulan Juli 2021.
3.2 Metodologi Penelitian
Metodologi atau langkah-langkah yang akan dilakukan dalam

penulisan penelitian ini adalah sebagai berikut:
3.2.1 Studi Literatur
Studi literatur dimaksudkan untuk mempelajari buku-buku,

jurnal, artikel dan lain sebagainya yang berfungsi sebagai referensi
yang berhubungan dengan judul penelitian ini.
3.2.2 Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data jumlah

penduduk, jumlah pelanggan, daya tersambung dan data energi terjual
dari tahun 2010 s/d 2020 yang merupakan rekapitulasi data dari PT.
PLN (Persero).
3.2.3 Simulasi
Data yang didapatkan diolah ke dalam perhitungan dengan

menggunakan metode Time Series dan analisis Regresi. Dalam proses
perhitungan analisis Regresi menggunakan software microsoft excel
dalam mencari nilai koefisien 𝑎 dan konstanta 𝑏, selanjutnya
perhitungan Time Series metode tren Quadratic dilakukan secara
manual dengan memanfaatkan software microsoft excel. Adapun
17
rumus metode Tren Quadratic ditunjukan oleh persamaan 2.4 dan
metode Regresi ditunjukan oleh persamaan 2.13 dan 2.16.
3.2.4 Analisa Data
Pada tahap ini dilakukan analisa terhadap nilai-nilai hasil

peramalan yang didapatkan dengan melakukan perhitungan MAPE
(Mean Absolut Percentage Error). Hasil perhitungan yang didapatkan
akan ditampilkan dalam bentuk tabel dan grafik guna memudahkan
dalam pembacaan.
3.3 Diagram Alir Penelitian
Berikut ini tahapan-tahapan kegiatan penelitian yang akan dilakukan

adalah sebagai berikut ini.
Mulai
Studi Literatur
Pengumpulan Data
Data Masukan:
- Jumlah pelanggan listrik
- Jumlah daya tersambung
- Energi terjual
Data Terpenuhi Input data awal
A B
18
A B
Peramalan menggunakan
metode Time Series Proyeksi
Tren
Peramalan menggunakan
metode analisis Regresi
Perhitungan dan simulasi

MAPE (Mean Absolut
Percentage Error) TIDAK
YA
Analisa dan Kesimpulan
Selesai
Gambar 3.1 Diagram Alir Penelitian

Berdasarkan gambar 3.1 menjelaskan tentang alir penelitian untuk
peramalan kebutuhan energi listrik Provinsi Sulawesi Tenggara tahun 2040
dengan menggunakan metode Time Series Proyeksi Tren dan analisis
Regresi. Tahap pertama yaitu melakukan studi literatur dan pengumpulan
data. Data diambil dari situs resmi di PT. PLN (Persero)
(https://web.pln.co.id/stakeholder/laporan-statistik) yang terdiri dari data
jumlah pelanggan listrik, jumlah daya tersambung dan energi terjual. Data
yang didapatkan diolah ke dalam perhitungan dengan menggunakan Metode
Tren Quadratic Dan Regresi Linear yang dilakukan menggunakan software
microsoft excel. Tahap berikutnya yaitu analisis. Analisis dilakukan setelah
mendapatkan semua olahan data dengan menggunakan analisis deskriptif
persentase. Pada tahap ini dilakukan analisa terhadap nilai-nilai hasil
19
peramalan yang didapatkan dengan melakukan perhitungan MAPE (Mean
Absolut Percentage Error). Hasil perhitungan yang didapatkan akan
ditampilkan dalam bentuk tabel dan grafik guna memudahkan dalam
pembacaan. Dan tahap terakhir yaitu penulisan laporan dari hasil penelitian
yang sesuai dengan hasil pengujian yang dilakukan.
20
BAB IV
HASIL DAN PEMBAHASAN
4.1 Data Penelitian
Suatu peramalan dikatakan baik jika angka yang dihasilkan dapat

mendekati nilai aktual. Baik dan tidaknya suatu peramalan yang dipengaruhi
oleh jumlah data historis yang digunakan untuk data peramalan. Data yang
digunakan dalam penelitian ini merupakan data sekunder yang berasal dari
data statistik PT. PLN (Persero) dan data jumlah penduduk Provinsi
Sulawesi Tenggara dari tahun 2010 s/d 2020. Data yang digunakan dalam
penelitian ini mencakup:
1. Data jumlah penduduk per-periode tahun.
2. Data jumlah pelanggan per-periode tahun.
3. Data jumlah daya tersambung per-periode tahun.
4. Data jumlah energi terjual per-periode tahun.
Berikut hasil rekapitulasi data-data dasar yang digunakan dalam
penelitian ini:
Tabel 4.1 Rekapitulasi data jumlah penduduk Provinsi Sulawesi Tenggara
tahun 2010 s/d 2020.
Tahun Jumlah Penduduk
2010 2.243.587
2011 2.294.392
2012 2.345.465
2013 2.396.713
2014 2.448.081
2015 2.499.540
2016 2.551.008
2017 2.602.389
2018 2.653.654
2019 2.704.737
2020 2.755.589
(Sumber: Badan Pusat Statistik Provinsi Sulawesi Tenggara)
21
Tabel 4.2 Rekapitulasi data jumlah pelanggan per jenis pelanggan Provinsi
Sulawesi Tenggara tahun 2010 s/d 2020.
Jumlah Pelanggan
Thn Rumah Gdng Pen. Jln Jumlah

Ind. Bisnis Sosial
Tangga Pem. Umum
2010 197.424 116 10.375 4.159 1.817 397 214.288

2011 238.932 122 11.889 4.616 1.974 405 257.938
2012 270.100 123 13.259 5.415 2.362 422 291.681
2013 307.103 133 15.493 6.066 2.653 465 331.859
2014 330.262 144 16.783 6.585 2.858 526 357.158
2015 349.560 160 17.720 7.035 3.071 591 378.137
2016 386.021 192 19.711 7.895 3.549 654 418.022
2017 441.133 269 22.163 9.062 4.099 750 477.476
2018 505.123 329 23.969 10.716 4.551 835 545.523
2019 556.736 400 26.234 12.215 5.179 895 601.659
2020 603.632 498 28.548 13.712 5.575 1.009 652.974
(Sumber: https://web.pln.co.id/stakeholder/laporan-statistik)
Tabel 4.3 Rekapitulasi data jumlah daya tersambung per jenis pelanggan
(MVA) Provinsi Sulawesi Tenggara tahun 2010 s/d 2020.
Jumlah Daya Tersambung Per Kelompok

Pelanggan (MVA)
Thn Pen. Jumlah
Rumah Gdng
Ind. Bisnis Sosial Jln
Tangga Pem.
Umum
2010 158,16 9,67 34,89 7,64 11,94 4,26 226,56
2011 217,34 10,96 47,98 9,38 12,94 4,34 302,94
2012 254,14 10,68 59,23 11,82 14,44 4,41 354,72
2013 297,46 12,21 75,22 13,83 16,87 4,80 420,39
2014 322,58 15,02 83,55 15,07 18,26 5,50 459,97
2015 340,40 16,60 92,52 16,52 19,98 5,80 491,81
2016 385,73 21,92 99,92 20,33 23,37 6,30 557,57
2017 445,80 28,05 109,13 23,40 26,64 6,88 639,89
2018 513,89 38,15 120,46 31,19 29,72 7,20 740,60
2019 569,91 46,82 133,82 35,61 31,74 7,64 825,53
22
2020 630,09 57,45 142,67 41,27 35,24 7,91 914,62
Tabel 4.4 Rekapitulasi data jumlah energi terjual per jenis pelanggan (GWh)
Provinsi Sulawesi Tenggara tahun 2010 s/d 2020.
Jumlah Energi Terjuan Per Jenis Pelanggan (GWh)
Thn Pen. Jumlah

Rumah Gdng
Ind. Bisnis Sosial Jln
Tangga Pem.
Umum
2010 248,01 21,48 76,72 10,12 16,25 12,14 384,72
2011 293,33 24,56 81,37 11,70 17,78 12,34 441,08
2012 356,87 24,74 100,49 13,81 19,87 12,64 528,43
2013 421,44 24,99 121,84 17,48 22,95 12,94 621,63
2014 457,44 26,82 128,85 18,91 24,69 14,00 670,71
2015 480,61 27,93 132,71 20,55 27,03 14,76 703,59
2016 545,68 32,92 151,36 25,43 30,69 15,51 801,59
2017 575,66 36,59 161,83 27,42 32,55 16,65 850,70
2018 605,59 45,76 174,56 32,50 35,60 17,72 911,74
2019 644,18 47,08 200,26 38,18 39,02 18,17 986,90
2020 714,64 53,80 194,12 40,51 40,78 19,67 1.063,52
4.1.1 Perkembangan Jumlah Penduduk
Berdasarkan data pada tabel 4.1 dapat dilihat perkembangan

jumlah penduduk Provinsi Sulawesi Tenggara.
Tabel 4.5 Perkembangan jumlah penduduk Provinsi Sulawesi
Tenggara 2010 s/d 2020
Perubahan
Tahun Jumlah Penduduk
Jumlah Penduduk (%)
2010 2.243.587 - -
2011 2.294.392 50.805 2,26%
2012 2.345.465 51.073 2,23%
2013 2.396.713 51.248 2,18%
2014 2.448.081 51.368 2,14%
2015 2.499.540 51.459 2,10%
2016 2.551.008 51.468 2,06%
23
2017 2.602.389 51.381 2,01%
2018 2.653.654 51.265 1,97%
2019 2.704.737 51.083 1,93%
2020 2.755.589 50.852 1,88%
Rata-rata 51.200 2,08%
Dari data tabel diatas diketahui bahwa jumlah penduduk di Provinsi

Sulawesi Tenggara selalu mengalami peningkatan dari tahun 2010
hingga 2020. Dimana rata-rata kenaikan jumlah penduduk per tahun
sebesar 51.200 penduduk, dengan presentase peningkatan per tahun
sebesar 2,08%.
4.1.2 Pekembangan Jumlah Pelanggan

jumlah pelanggan yang terjadi dari tahun 2010 s/d 2020.
Berikut perkembangan jumlah pelanggan per jenis pelanggan di
Provinsi Sulawesi Tenggara tahun 2010 s/d 2020 pada setiap sektor
a. Sektor Rumah Tangga
Tabel 4.6 Perkembangan jumlah pelanggan per jenis pelanggan

di Provinsi Sulawesi Tenggara tahun 2010 s/d 2020 pada sektor
rumah tangga
Perubahan
Tahun Rumah Tangga
Rumah Tangga (%)
2010 197.424 - -
2011 238.932 42.508 21,02%
2012 270.100 31.168 13,04%
2013 307.103 37.003 13,70%
2014 330.262 23.159 7,54%
2015 349.560 19.298 5,84%
2016 386.021 36.461 10,43%
2017 441.133 55.112 14,28%
2018 505.123 63.990 14,51%
2019 556.736 51.613 10,22%
2020 603.632 46.896 8,42%
Rata-rata 40.621 11,90%
24
Dari data tabel diatas diketahui bahwa jumlah pelanggan di
Provinsi Sulawesi Tenggara selalu mengalami peningkatan dari
tahun 2010 hingga 2020. Dimana rata-rata kenaikan jumlah
pelanggan sektor rumah tangga per tahun sebesar 40.621
pelanggan, dengan presentase peningkatan per tahun sebesar
11,90%.
b. Sektor Industri

industri
Perubahan
Tahun Industri
Industri (%)
2010 116 - -
2011 122 6 5,17%
2012 123 1 0,82%
2013 133 10 8,13%
2014 144 11 8,27%
2015 160 16 11,11%
2016 192 32 20,00%
2017 269 77 40,10%
2018 329 60 22,30%
2019 400 71 21,58%
2020 498 98 24,50%
Rata-rata 38,2 16,20%

pelanggan sektor industri per tahun sebesar 38,2 pelanggan,
dengan presentase peningkatan per tahun sebesar 16,20%.
25
c. Sektor Bisnis

bisnis
Perubahan
Tahun Bisnis
Bisnis (%)
2010 10.375 - -
2011 11.889 1.514 14,59%
2012 13.259 1.370 11,52%
2013 15.493 2.234 16,85%
2014 16.783 1.290 8,33%
2015 17.720 937 5,58%
2016 19.711 1.991 11,24%
2017 22.163 2.452 12,44%
2018 23.969 1.806 8,15%
2019 26.234 2.265 9,45%
2020 28.548 2.314 8,82%
Rata-rata 1.817 10,70%

pelanggan sektor bisnis per tahun sebesar 1.817 pelanggan,
d. Sektor Sosial

sosial
Perubahan
Tahun Sosial
Sosial (%)
2010 4.159 - -
2011 4.616 457 10,99%
2012 5.415 799 17,31%
2013 6.066 651 12,02%
2014 6.585 519 8,56%
26
2015 7.035 450 6,83%
2016 7.895 860 12,22%
2017 9.062 1.167 14,78%
2018 10.716 1.654 18,25%
2019 12.215 1.499 13,99%
2020 13.712 1.497 12,26%
Rata-rata 955,3 12,72%

pelanggan sektor sosial per tahun sebesar 955,3 pelanggan,
e. Sektor Gedung Pemerintah

gedung pemerintah
Perubahan
Gedung
Tahun Gedung
Pemerintah (%)
Pemerintah
2010 1.817 - -
2011 1.974 157 8,64%
2012 2.362 388 19,66%
2013 2.653 291 12,32%
2014 2.858 205 7,73%
2015 3.071 213 7,45%
2016 3.549 478 15,56%
2017 4.099 550 15,50%
2018 4.551 452 11,03%
2019 5.179 628 13,80%
2020 5.575 396 7,65%
Rata-rata 375,8 11,93%

pelanggan sektor gedung pemerintah per tahun sebesar 375,8
27
11,93%.
f. Sektor Penerangan Jalan Umum

penerangan jalan umum
Perubahan
Penerangan
Tahun Penerangan
Jalan Umum (%)
Jalan Umum
2010 397 - -
2011 405 8 2,02%
2012 422 17 4,20%
2013 465 43 10,19%
2014 526 61 13,12%
2015 591 65 12,36%
2016 654 63 10,66%
2017 750 96 14,68%
2018 835 85 11,33%
2019 895 60 7,19%
2020 1.009 114 12,74%
Rata-rata 61,2 9,85%

pelanggan sektor penerangan jalan umum per tahun sebesar 61,2
9,85%.
4.1.3 Perkembangan Jumlah Daya Tersambung

jumlah daya tersambung yang terjadi dari tahun 2010 s/d 2020.
Berikut perkembangan jumlah daya tersambung per jenis pelanggan di
28
Tabel 4.12 Perkembangan jumlah daya tersambung per jenis

pelanggan di Provinsi Sulawesi Tenggara tahun 2010 s/d 2020
pada sektor rumah tangga
Perubahan
Tahun Rumah Tangga
Rumah Tangga (%)
2010 158,16 - -
2011 217,34 59,18 37,42%
2012 254,14 36,80 16,93%
2013 297,46 43,32 17,05%
2014 322,58 25,12 8,44%
2015 340,40 17,82 5,52%
2016 385,73 45,33 13,32%
2017 445,80 60,07 15,57%
2018 513,89 68,09 15,27%
2019 569,91 56,02 10,90%
2020 630,09 60,18 10,56%
Rata-rata 47,19 15,10%
Dari data tabel diatas diketahui bahwa jumlah daya tersambung

di Provinsi Sulawesi Tenggara selalu mengalami peningkatan
dari tahun 2010 hingga 2020. Dimana rata-rata kenaikan jumlah
daya tersambung sektor rumah tangga sebesar 47,19 MVA per
tahun, dengan presentase peningkatan per tahun sebesar 15,10%.
b. Sektor Industri

pada sektor industri
Perubahan
Tahun Industri
Industri (%)
2010 9,67 - -
2011 10,96 1,29 13,34%
2012 10,68 -0,28 -2,55%
2013 12,21 1,53 14,33%
2014 15,02 2,81 23,01%
29
2015 16,60 1,58 10,52%
2016 21,92 5,32 32,05%
2017 28,05 6,13 27,97%
2018 38,15 10,10 36,01%
2019 46,82 8,67 22,73%
2020 57,45 10,63 22,70%
Rata-rata 4,78 20,01%

daya tersambung sektor industri sebesar 4,78 MVA per tahun,
c. Sektor Bisnis

pada sektor bisnis
Perubahan
Tahun Bisnis
Bisnis (%)
2010 34,89 - -
2011 47,98 13,09 37,52%
2012 59,23 11,25 23,45%
2013 75,22 15,99 27,00%
2014 83,55 8,33 11,07%
2015 92,52 8,97 10,74%
2016 99,92 7,40 8,00%
2017 109,13 9,21 9,22%
2018 120,46 11,33 10,38%
2019 133,82 13,36 11,09%
2020 142,67 8,85 6,61%
Rata-rata 10,78 15,51%

daya tersambung sektor bisnis sebesar 10,78 MVA per tahun,
30
d. Sektor Sosial

pada sektor sosial
Perubahan
Tahun Sosial
Sosial (%)
2010 7,64 - -
2011 9,38 1,74 22,77%
2012 11,82 2,44 26,01%
2013 13,83 2,01 17,01%
2014 15,07 1,24 8,97%
2015 16,52 1,45 9,62%
2016 20,33 3,81 23,06%
2017 23,40 3,07 15,10%
2018 31,19 7,79 33,29%
2019 35,61 4,42 14,17%
2020 41,27 5,66 15,89%
Rata-rata 3,36 18,59%
Dari data tabel diatas diketahui bahwa jumlah daya tersanbung

daya tersambung sektor sosial sebesar 3,36 MVA per tahun,

pada sektor gedung pemerintah
Perubahan
Gedung
Tahun Gedung
Pemerintah (%)
Pemerintah
2010 11,94 - -
2011 12,94 1,00 8,38%
2012 14,44 1,50 11,59%
2013 16,87 2,43 16,83%
31
2014 18,26 1,39 8,24%
2015 19,98 1,72 9,42%
2016 23,37 3,39 16,97%
2017 26,64 3,27 13,99%
2018 29,72 3,08 11,56%
2019 31,74 2,02 6,80%
2020 35,24 3,50 11,03%
Rata-rata 2,33 11,48%

daya tersambung sektor gedung pemerintah sebesar 2,33 MVA
per tahun, dengan presentase peningkatan per tahun sebesar
11,48%.

pada sektor penerangan jalan umum
Perubahan
Tahun Penerangan
Jalan Umum Penerangan (%)
Jalan Umum
2010 4.26 - -
2011 4.34 0,08 1.88%
2012 4.41 0,07 1.61%
2013 4.80 0,39 8.84%
2014 5.50 0,70 14.58%
2015 5.80 0,30 5.45%
2016 6.30 0,50 8.62%
2017 6.88 0,58 9.21%
2018 7.20 0,32 4.65%
2019 7.64 0,44 6.11%
2020 7.91 0,27 3.53%
Rata-rata 0,37 6.45%

32
daya tersambung sektor penerangan jalan umum sebesar 0.37
MVA per tahun, dengan presentase peningkatan per tahun
sebesar 6.45%.
4.1.4 Perkembangan Jumlah Energi Terjual

jumlah pelanggan yang terjadi dari tahun 2010 s/d 2020.
Berikut perkembangan jumlah energi terjual per jenis pelanggan di
Tabel 4.18 Perkembangan jumlah energi terjual per jenis

Perubahan
Tahun Rumah Tangga
Rumah Tangga (%)
2010 248,01 - -
2011 293,33 45,32 18,27%
2012 356,87 63,54 21,66%
2013 421,44 64,57 18,09%
2014 457,44 36,00 8,54%
2015 480,61 23,17 5,07%
2016 545,68 65,07 13,54%
2017 575,66 29,98 5,49%
2018 605,59 29,93 5,20%
2019 644,18 38,59 6,37%
2020 714,64 70,46 10,94%
Rata-rata 46,66 11,32%
Dari data tabel diatas diketahui bahwa jumlah energi terjual di

energi terjual sektor rumah tangga sebesar 46,66 GWh per
33
b. Sektor Industri

Perubahan
Tahun Industri
Industri (%)
2010 21,48 - -
2011 24,56 3,08 14,34%
2012 24,74 0,18 0,73%
2013 24,99 0,25 1,01%
2014 26,82 1,83 7,32%
2015 27,93 1,11 4,14%
2016 32,92 4,99 17,87%
2017 36,59 3,67 11,15%
2018 45,76 9,17 25,06%
2019 47,08 1,32 2,88%
2020 53,80 6,72 14,27%

energi terjual sektor industri sebesar 3,23 GWh Per tahun,
dengan presentase peningkatan per tahun sebesar 9,88%
c. Sektor Bisnis

pada sektor bisnis
Perubahan
Tahun Bisnis
Bisnis (%)
2010 76,72 - -
2011 81,37 4,65 6,06%
2012 100,49 19,12 23,50%
2013 121,84 21,35 21,25%
2014 128,85 7,01 5,75%
34
2015 132,71 3,86 3,00%
2016 151,36 18,65 14,05%
2017 161,83 10,47 6,92%
2018 174,56 12,73 7,87%
2019 200,26 25,70 14,72%
2020 194,12 6,14 3,07%
Rata-rata 12,97 10,62%

energi terjual sektor bisnis sebesar 11,74 GWh per tahun,
d. Sektor Sosial

pada sektor sosial
Perubahan
Tahun Sosial
Sosial (%)
2010 10,12 - -
2011 11,70 1,58 15,61%
2012 13,81 2,11 18,03%
2013 17,48 3,67 26,57%
2014 18,91 1,43 8,18%
2015 20,55 1,64 8,67%
2016 25,43 4,88 23,75%
2017 27,42 1,99 7,83%
2018 32,50 5,08 18,53%
2019 38,18 5,68 17,48%
2020 40,51 2,33 6,10%
Rata-rata 3,04 15,08%

energi terjual sektor sosial sebesar 3,04 GWh per tahun, dengan
presentase peningkatan per tahun sebesar 15,08%.
35

pada sektor gedung pemerintah
Perubahan
Gedung
Tahun Gedung
Pemerintah (%)
Pemerintah
2010 16,25 - -
2011 17,78 1.53 9,42%
2012 19,87 2.09 11,75%
2013 22,95 3.08 15,50%
2014 24,69 1.74 7,58%
2015 27,03 2.34 9,48%
2016 30,69 3.66 13,54%
2017 32,55 1.86 6,06%
2018 35,60 3.05 9,37%
2019 39,02 3.42 9,61%
2020 40,78 1.76 4,51%

energi terjual sektor gedung pemerintah sebesar 2,45 GWh per

Perubahan
Penerangan
Tahun Penerangan
Jalan Umum (%)
Jalan Umum
2010 12,14 - -
2011 12,34 0.20 1,65%
2012 12,64 0.30 2,43%
2013 12,94 0.30 2,37%
36
2014 14,00 1.06 8,19%
2015 14,76 0.76 5,43%
2016 15,51 0.75 5,08%
2017 16,65 1.14 7,35%
2018 17,72 1.07 6,43%
2019 18,17 0.45 2,54%
2020 19,67 1.50 8,26%

energi terjual sektor penerangan jalan umum sebesar 0,75 GWh
per tahun, dengan presentase peningkatan per tahun sebesar
4,97%.
4.2 Perhitungan Koefisien Metode Quadratic
4.2.1 Perhitungan Koefisien Metode Quadratic Jumlah Pelangan
Langkah pertama dalam menghitung peramalan jumlah pelanggan

untuk tahun 2021 s/d 2040 adalah membuat tabel Koefisien Quadratic
dari data yang tertera pada tabel 4.2 dan ditunjukan pada tabel
dibawah ini:
Tabel 4.24 Tabel Koefisien jumlah pelanggan pada sektor rumah

tangga
Jumlah
Tahun Pelangggan 𝑡 𝑡. 𝑦 𝑡2 𝑡 2. 𝑦 𝑡4
(𝑦)
2010 197.424 -5 -987.120 25 4.935.600 625
2011 238.932 -4 -955.728 16 3.822.912 256
2012 270.100 -3 -810.300 9 2.430.900 81
2013 307.103 -2 -614.206 4 1.228.412 16
2014 330.262 -1 -330.262 1 330.262 1
2015 349.560 0 0 0 0 0
37
2016 386.021 1 386.021 1 386.021 1
2017 441.133 2 882.266 4 1.764.532 16
2018 505.123 3 1.515.369 9 4.546.107 81
2019 556.736 4 2.226.944 16 8.907.776 256
2020 603.632 5 3.018.160 25 15.090.800 625
Jumlah 4.186.026 0 4.331.144 110 43.443.322 1.958
Setelah membuat tabel koefisiesn diatas selanjutnya, dapat

dihitung koefisien-koefisien persamaan Quadratic dengan
menggunakan persamaan (2.5), (2.6), dan (2.7) sebagai berikut:
4.186.026 − (1845.06 𝑥 110)
𝑎= = 362.097
11
4.331.144
𝑏= = 39.374
1102
(11 𝑥 43.443.322) − (110 𝑥 4.186.026)
𝑐= = 1.845
(11 𝑥 1.958) − 1102
Hasil diatas selanjutnya dimasukkan kedalam persamaan
Quadratic (2.4), maka diperoleh:
𝑌𝑡 = 362.097 + 39.374 𝑡 + 1.845 𝑡 2 (4.1)
b. Sektor Industri
Tabel 4.25 Tabel Koefisien jumlah pelanggan pada sektor

industri
Jumlah
(𝑦)
2010 116 -5 -580 25 2.900 625
2011 122 -4 -488 16 1.952 256
2012 123 -3 -369 9 1.107 81
2013 133 -2 -266 4 532 16
2014 144 -1 -144 1 144 1
2015 160 0 0 0 0 0
2016 192 1 192 1 192 1
2017 269 2 538 4 1.076 16
2018 329 3 987 9 2.961 81
38
2019 400 4 1.600 16 6.400 256
2020 498 5 2.490 25 12.450 625
Jumlah 2.486 0 3.960 110 29.714 1.958

2.486 − (5.66 𝑥 110)
𝑎= = 169,43
11
3.960
𝑏= = 36,00
1102
(11 𝑥 29.714) − (110 𝑥 2.486)
𝑐= = 5,66
(11 𝑥 1.958) − 1102
𝑌𝑡 = 169,43 + 36,00 𝑡 + 5,66 𝑡 2 (4.2)
c. Sektor Bisnis
Tabel 4.26 Tabel Koefisien jumlah pelanggan pada sektor bisnis

Jumlah
(𝑦)
2010 10.375 -5 -51.875 25 259.375 625
2011 11.889 -4 -47.556 16 190.224 256
2012 13.259 -3 -39.777 9 119.331 81
2013 15.493 -2 -30.986 4 61.972 16
2014 16.783 -1 -16.783 1 16.783 1
2015 17.720 0 0 0 0 0
2016 19.711 1 19.711 1 19.711 1
2017 22.163 2 44.326 4 88.652 16
2018 23.969 3 71.907 9 215.721 81
2019 26.234 4 104.936 16 419.744 256
2020 28.548 5 142.740 25 713.700 625
Jumlah 206.144 0 196.643 110 2.105.213 1.958
39
206.144 − (51.02 𝑥 110)
𝑎= = 18.230,19
11
196.643
𝑏= = 1.787,66
1102
(11 𝑥 2.105.213) − (110 𝑥 206.144)
𝑐= = 51,06
(11 𝑥 1.958) − 1102
𝑌𝑡 = 18.230,19 + 1.787,66 𝑡 + 51,06 𝑡 2 (4.3)
d. Sektor Sosial
Tabel 4.27 Tabel Koefisien jumlah pelanggan pada sektor sosial

Jumlah
(𝑦)
2010 4.159 -5 -20.795 25 103.975 625
2011 4.616 -4 -18.464 16 73.856 256
2012 5.415 -3 -16.245 9 48.735 81
2013 6.066 -2 -12.132 4 24.264 16
2014 6.585 -1 -6.585 1 6.585 1
2015 7.035 0 0 0 0 0
2016 7.895 1 7.895 1 7.895 1
2017 9.062 2 18.124 4 36.248 16
2018 10.716 3 32.148 9 96.444 81
2019 12.215 4 48.860 16 195.440 256
2020 13.712 5 68.560 25 342.800 625
Jumlah 87.476 0 101.366 110 936.242 1.958

40
87.476 − (71.66 𝑥 110)
𝑎= = 7.235,79
11
101.366
𝑏= = 921,51
1102
(11 𝑥 936.242) − (110 𝑥 87.476)
𝑐= = 71,66
(11 𝑥 1.958) − 1102
𝑌𝑡 = 169,43 + 36,00 𝑡 + 5,66 𝑡 2 (4.4)
e. Sektor Gedung Pemerintahan

gedung pemerintahan
Jumlah
(𝑦)
2010 1.817 -5 -9.085 25 45.425 625
2011 1.974 -4 -7.896 16 31.584 256
2012 2.362 -3 -7.086 9 21.258 81
2013 2.653 -2 -5.306 4 10.612 16
2014 2.858 -1 -2.858 1 2.858 1
2015 3.071 0 0 0 0 0
2016 3.549 1 3.549 1 3.549 1
2017 4.099 2 8.198 4 16.396 16
2018 4.551 3 13.653 9 40.959 81
2019 5.179 4 20.716 16 82.864 256
2020 5.575 5 27.875 25 139.375 625
Jumlah 37.688 0 41.760 110 394.880 1.958

37.688 − (20,98 𝑥 110)
𝑎= = 3.216,39
11
41
41.760
𝑏= = 379,64
1102
(11 𝑥 394.880) − (110 𝑥 37.688)
𝑐= = 20,98
(11 𝑥 1.958) − 1102
𝑌𝑡 = 3.216,39 + 379,64 𝑡 + 20,98 𝑡 2 (4.5)

Jumlah
(𝑦)
2010 397 -5 -1.985 25 9.925 625
2011 405 -4 -1.620 16 6.480 256
2012 422 -3 -1.266 9 3.798 81
2013 465 -2 -930 4 1.860 16
2014 526 -1 -526 1 526 1
2015 591 0 0 0 0 0
2016 654 1 654 1 654 1
2017 750 2 1.500 4 3.000 16
2018 835 3 2.505 9 7.515 81
2019 895 4 3.580 16 14.320 256
2020 1.009 5 5.045 25 25.225 625
Jumlah 6.949 0 6.957 110 73.303 1.958

6.949 − (4,44 𝑥 110)
𝑎= = 587,29
11
6.957
𝑏= = 63,25
1102
42
(11 𝑥 73.303) − (110 𝑥 6.949)
𝑐= = 4,44
(11 𝑥 1.958) − 1102
𝑌𝑡 = 587,29 + 63,25 𝑡 + 4,44 𝑡 2 (4.6)
4.2.2 Perhitungan Koefisien Metode Quadratic Daya Tersambung
Langkah pertama dalam menghitung peramalan daya

tersambung untuk tahun 2021 s/d 2040 adalah membuat tabel
koefisien Quadratic pada setiap sektor dari data yang tertera di tabel
4.3 dan ditunjukkan oleh tabel dibawah ini:
Tabel 4.30 Tabel Koefisien jumlah daya tersambung pada sektor

rumah tangga
Jumlah Daya
Tahun Tersambung 𝑡 𝑡. 𝑦 𝑡2 𝑡 2. 𝑦 𝑡4
(𝑦)
2010 158,16 -5 -790,80 25 3.954,00 625
2011 217,34 -4 -869,36 16 3.477,44 256
2012 254,14 -3 -762,42 9 2.287,26 81
2013 297,46 -2 -594,92 4 1.189,84 16
2014 322,58 -1 -322,58 1 322,58 1
2015 340,40 0 0 0 0 0
2016 385,73 1 385,73 1 385,73 1
2017 445,80 2 891,60 4 1.783,20 16
2018 513,89 3 1.541,67 9 4.625,01 81
2019 569,91 4 2.279,64 16 9.118,56 256
2020 630,09 5 3.150,45 25 15.752,25 625
Jumlah 4.135,50 0 4.909,01 110 42.895,87 1,958

43
4.135,50 − (1,80 𝑥 110)
𝑎= = 358,00
11
4.909,01
𝑏= = 44,63
1102
(11 𝑥 42.895,87) − (110 𝑥 24.135,50)
𝑐= = 1,80
(11 𝑥 1.958) − 1102
𝑌𝑡 = 358,00 + 44,63 𝑡 + 1,80 𝑡 2 (4.7)
b. Sektor Industri

industri
Jumlah Daya
(𝑦)
2010 9,67 -5 -48,35 25 241,75 625
2011 10,96 -4 -43,84 16 175,36 256
2012 10,68 -3 -32,04 9 96,12 81
2013 12,21 -2 -24,42 4 48,84 16
2014 15,02 -1 -15,02 1 15,02 1
2015 16,60 0 0 0 0 0
2016 21,92 1 21,92 1 21,92 1
2017 28,05 2 56,10 4 112,20 16
2018 38,15 3 114,45 9 343,35 81
2019 46,82 4 187,28 16 749,12 256
2020 57,45 5 287,25 25 1.436,25 625
Jumlah 267,53 0 503,33 110 3.239,93 1,958

267,53 − (0,66 𝑥 110)
𝑎= = 17,74
11
44
503,33
𝑏= = 4,58
1102
(11 𝑥 3.239,93) − (110 𝑥 267,53)
𝑐= = 0,66
(11 𝑥 1.958) − 1102
𝑌𝑡 = 17,74 + 4,58 𝑡 + 0,66 𝑡 2 (4.8)
c. Sektor Bisnis

bisnis
Jumlah Daya
(𝑦)
2010 34,89 -5 -174,45 25 872,25 625
2011 47,98 -4 -191,92 16 767,68 256
2012 59,23 -3 -177,69 9 533,07 81
2013 75,22 -2 -150,44 4 300,88 16
2014 83,55 -1 -83,55 1 83,55 1
2015 92,52 0 0 0 0 0
2016 99,92 1 99,92 1 99,92 1
2017 109,13 2 218,26 4 436,52 16
2018 120,46 3 361,38 9 1.084,14 81
2019 133,82 4 535,28 16 2.141,12 256
2020 142,67 5 713,35 25 3.566,75 625
Jumlah 999,39 0 1.150,14 110 9.885,88 1.958

999,39 – ((− 0,13) 𝑥 110)
𝑎= = 92,11
11
1.150,14
𝑏= = 10,46
1102
45
(11 𝑥 9.885,88) − (110 𝑥 999,39)
𝑐= = − 0,13
(11 𝑥 1.958) − 1102
𝑌𝑡 = 92,11 + 10,46 𝑡 − 0,13 𝑡 2 (4.9)
d. Sektor Sosial

sosial
Jumlah Daya
(𝑦)
2010 7,64 -5 -38,20 25 191,00 625
2011 9,38 -4 -37,52 16 150,08 256
2012 11,82 -3 -35,46 9 106,38 81
2013 13,83 -2 -27,66 4 55,32 16
2014 15,07 -1 -15,07 1 15,07 1
2015 16,52 0 0 0 0 0
2016 20,33 1 20,33 1 20,33 1
2017 23,40 2 46,80 4 93,60 16
2018 31,19 3 93,57 9 280,71 81
2019 35,61 4 142,44 16 569,76 256
2020 41,27 5 206,35 25 1.031,75 625
Jumlah 226,06 0 355,58 110 2.514,00 1.958

226,06 – (0,30 𝑥 110)
𝑎= = 17,60
11
355,58
𝑏= = 3,23
1102
(11 𝑥 2.514,00) − (110 𝑥 226,06)
𝑐= = 0,30
(11 𝑥 1.958) − 1102
46
𝑌𝑡 = 17,60 + 3,23 𝑡 + 0,30 𝑡 2 (4.10)

gedung pemerintahan
Jumlah Daya
(𝑦)
2010 11,94 -5 -59,70 25 298,50 625
2011 12,94 -4 -51,76 16 207,04 256
2012 14,44 -3 -43,32 9 129,96 81
2013 16,87 -2 -33,74 4 67,48 16
2014 18,26 -1 -18,26 1 18,26 1
2015 19,98 0 0 0 0 0
2016 23,37 1 23,37 1 23,37 1
2017 26,64 2 53,28 4 106,56 16
2018 29,72 3 89,16 9 267,48 81
2019 31,74 4 126,96 16 507,84 256
2020 35,24 5 176,20 25 881,00 625
Jumlah 241,14 0 262,19 110 2.507,49 1.958

241,14 – (0,11 𝑥 110)
𝑎= = 20,80
11
262,12
𝑏= = 2,38
1102
(11 𝑥 2.507,49) − (110 𝑥 241,14)
𝑐= = 0,11
(11 𝑥 1.958) − 1102
𝑌𝑡 = 20,80 + 2,38 𝑡 + 0,11 𝑡 2 (4.11)
47

Jumlah Daya
(𝑦)
2010 4,26 -5 -21,30 25 106,50 625
2011 4,34 -4 -17,36 16 69,44 256
2012 4,41 -3 -13,23 9 39,69 81
2013 4,80 -2 -9,60 4 19,20 16
2014 5,50 -1 -5,50 1 5,50 1
2015 5,80 0 0 0 0 0
2016 6,30 1 6,30 1 6,30 1
2017 6,88 2 13,76 4 27,52 16
2018 7,20 3 21,60 9 64,80 81
2019 7,64 4 30,56 16 122,24 256
2020 7,91 5 39,55 25 197,75 625
Jumlah 65,04 0 44,78 110 658,94 1.958

65,04 – (0,01 𝑥 110)
𝑎= = 5,81
11
44,78
𝑏= = 0,41
1102
(11 𝑥 658,94) − (110 𝑥 65,04)
𝑐= = 0,01
(11 𝑥 1.958) − 1102
𝑌𝑡 = 5,81 + 0,41 𝑡 + 0,01 𝑡 2 (4.12)
48
4.2.3 Perhitungan Koefisien Metode Quadratic Energi Terjual
Langkah pertama dalam menghitung peramalan energi terjual

untuk tahun 2021 s/d 2040 adalah membuat tabel koefisien Quadratic
dari data yang tertera di tabel 4.4 dan ditunjukkan oleh tabel dibawah
ini:
Tabel 4.36 Tabel Koefisien jumlah energi terjual pada sektor

rumah tangga
Jumlah
Tahun Energi 𝑡 𝑡. 𝑦 𝑡2 𝑡 2. 𝑦 𝑡4
Terjual (𝑦)
2010 248,01 -5 -1.240,05 25 6.200,25 625
2011 293,33 -4 -1.173,32 16 4.693,28 256
2012 356,87 -3 -1.070,61 9 3.211,83 81
2013 421,44 -2 -842,88 4 1.685,76 16
2014 457,44 -1 -457,44 1 457,44 1
2015 480,61 0 0 0 0 0
2016 545,68 1 545,68 1 545,68 1
2017 575,66 2 1.151,32 4 2.302,64 16
2018 605,59 3 1.816,77 9 5.450,31 81
2019 644,18 4 2.576,72 16 10.306,88 256
2020 714,64 5 3.573,20 25 17.866,00 625
Jumlah 5.343,45 0 4.879,39 110 52.720,07 1.958

5.343,45 – ((− 0,83) 𝑥 110)
𝑎= = 494,09
11
4.879,39
𝑏= = 44,36
1102
(11 𝑥 52.720,07) − (110 𝑥 5.343,45)
𝑐= = − 0,83
(11 𝑥 1.958) − 1102
49
𝑌𝑡 = 494,09 + 44,36 𝑡 − 0,83 𝑡 2 (4.13)
b. Sektor Industri

industri
Jumlah
Terjual (𝑦)
2010 21,48 -5 -107,4 25 537,00 625
2011 24,56 -4 -98,24 16 392,96 256
2012 24,74 -3 -74,22 9 222,66 81
2013 24,99 -2 -49,98 4 99,96 16
2014 26,82 -1 -26,82 1 26,82 1
2015 27,93 0 0 0 0 0
2016 32,92 1 32,92 1 32,92 1
2017 36,59 2 73,18 4 146,36 16
2018 45,76 3 137,28 9 411,84 81
2019 47,08 4 188,32 16 753,28 256
2020 53,80 5 269,00 25 1.345,00 625
Jumlah 366,67 0 344,04 110 3968,80 1.958

366,67 – (0,35 𝑥 110)
𝑎= = 291,81
11
344,04
𝑏= = 3,13
1102
(11 𝑥 3968,80) − (110 𝑥 366,67)
𝑐= = 0,35
(11 𝑥 1.958) − 1102
𝑌𝑡 = 291,81 + 3,13 𝑡 + 0,35 𝑡 2 (4.14)
50
c. Sektor Bisnis

bisnis
Jumlah
Terjual (𝑦)
2010 76,72 -5 -383,60 25 1.918,00 625
2011 81,37 -4 -325,48 16 1.301,92 256
2012 100,49 -3 -301,47 9 904,41 81
2013 121,84 -2 -243,68 4 487,36 16
2014 128,85 -1 -128,85 1 128,85 1
2015 132,71 0 0 0 0 0
2016 151,36 1 151,36 1 151,36 1
2017 161,83 2 323,66 4 647,32 16
2018 174,56 3 523,68 9 1.571,04 81
2019 200,26 4 801,04 16 3.204,16 256
2020 194,12 5 970,60 25 4.853,00 625
Jumlah 1.524,11 0 1.387,26 110 15.167,42 1.958

menggunakan (2.5), (2.6), dan (2.7) sebagai berikut:
1.524,11 – ((−0,09) 𝑥 110)
𝑎= = 139,41
11
1.387,26
𝑏= = 12,61
1102
(11 𝑥 15.167,42) − (110 𝑥 1.524,11)
𝑐= = − 0,09
(11 𝑥 1.958) − 1102
𝑌𝑡 = 139,41 + 12,61 𝑡 − 0,09 𝑡 2 (4.15)
51
d. Sektor Sosial

sosial
Jumlah
Terjual (𝑦)
2010 10,12 -5 -50,60 25 253,00 625
2011 11,70 -4 -46,80 16 187,20 256
2012 13,81 -3 -41,43 9 124,29 81
2013 17,48 -2 -34,96 4 69,92 16
2014 18,91 -1 -18,91 1 18,91 1
2015 20,55 0 0 0 0 0
2016 25,43 1 25,43 1 25,43 1
2017 27,42 2 54,84 4 109,68 16
2018 32,50 3 97,50 9 292,50 81
2019 38,18 4 152,72 16 610,88 256
2020 40,51 5 202,55 25 1.012,75 625
Jumlah 256,61 0 340,34 110 2.704,56 1.958

256,61 – (0,16 𝑥 110)
𝑎= = 21,71
11
340,34
𝑏= = 3,09
1102
(11 𝑥 2.704,56) − (110 𝑥 256,61)
𝑐= = 0,16
(11 𝑥 1.958) − 1102
𝑌𝑡 = 21,71 + 3,09 𝑡 + 0,16 𝑡 2 (4.16)
52

gedung pemerintahan
Jumlah
Terjual (𝑦)
2010 16,25 -5 -81,25 25 406,25 625
2011 17,78 -4 -71,12 16 284,48 256
2012 19,87 -3 -59,61 9 178,83 81
2013 22,95 -2 -45,90 4 91,80 16
2014 24,69 -1 -24,69 1 24,69 1
2015 27,03 0 0 0 0 0
2016 30,69 1 30,69 1 30,69 1
2017 32,55 2 65,10 4 130,20 16
2018 35,60 3 106,80 9 320,40 81
2019 39,02 4 156,08 16 624,32 256
2020 40,78 5 203,90 25 1.019,50 625
Jumlah 307,21 0 280,00 110 3.111,16 1.958

307,21 – (0,05 𝑥 110)
𝑎= = 27,47
11
280,00
𝑏= = 2,55
1102
(11 𝑥 3.111,16) − (110 𝑥 307,21)
𝑐= = 0,05
(11 𝑥 1.958) − 1102
𝑌𝑡 = 27,47 + 2,55 𝑡 + 0,05 𝑡 2 (4.17)
53

Jumlah
Terjual (𝑦)
2010 12,14 -5 -60,70 25 303,5 625
2011 12,34 -4 -49,36 16 197,44 256
2012 12,64 -3 -37,92 9 113,76 81
2013 12,94 -2 -25,88 4 51,76 16
2014 14,00 -1 -14,00 1 14,00 1
2015 14,76 0 0 0 0 0
2016 15,51 1 15,51 1 15,51 1
2017 16,65 2 33,30 4 66,60 16
2018 17,72 3 53,16 9 159,48 81
2019 18,17 4 72,68 16 290,72 256
2020 19,67 5 98,35 25 491,75 625
Jumlah 166,54 0 85,14 110 1.704,52 1.958
Setelah membuat tabel koefisien diatas selanjutnya, dapat

166,54 – (0,05 𝑥 110)
𝑎= = 14,68
11
85,14
𝑏= = 0,77
1102
(11 𝑥 1.704,52) − (110 𝑥 166,54)
𝑐= = 0,05
(11 𝑥 1.958) − 1102
𝑌𝑡 = 14,68 + 0,77 𝑡 + 0,05 𝑡 2 (4.18)
54
4.3 Perhitungan Koefisien Metode Regresi Linear
4.3.1 Perhitungan Koefisien Regresi Linear Jumlah Pelanggan
Dalam perhitungan Regresi Linear jumlah daya tersambung

sebagai variable terikat y dan jumlah penduduk sebagai variabel bebas
x yang ditunjukkan oleh gambar 4.2 dibawah ini:
Tabel 4.42 Tabel Koefisien Regresi Linear jumlah pelanggan

Tahun 𝑦 𝑥 𝑥2 𝑥. 𝑦
2010 197.424 1 1 197.424
2011 238.932 2 4 477.864
2012 270.100 3 9 810.300
2013 307.103 4 16 1.228.412
2014 330.262 5 25 1.651.310
2015 349.560 6 36 2.097.360
2016 386.021 7 49 2.702.147
2017 441.133 8 64 3.529.064
2018 505.123 9 81 4.546.107
2019 556.736 10 100 5.567.360
2020 603.632 11 121 6.639.952
Jumlah 4.186.026 66 506 29.447.300

dihitung koefisien-koefisien persamaan Regresi Linear dengan
menggunakan persamaan (2.14) dan (2.15) sebagai berikut:
(4.186.026 𝑥 506)−(66 𝑥 29.447.300)
𝑎= = 144.304
(11 𝑥 506) − 662
(11 𝑥 29.447.300) − (66 𝑥 4.186.026)
𝑏= = 39.374
(11 𝑥 506) − 662
Regresi Linear (2.13), maka diperoleh:
𝑌 = 144.304 + 39.374 𝑥 (4.19)
55
b. Sektor Industri

2010 116 1 1 116
2011 122 2 4 244
2012 123 3 9 369
2013 133 4 16 532
2014 144 5 25 720
2015 160 6 36 960
2016 192 7 49 1.344
2017 269 8 64 2.152
2018 329 9 81 2.961
2019 400 10 100 4.000
2020 498 11 121 5.478
Jumlah 2.486 66 506 18.876

(2.486 𝑥 506)−(66 𝑥 18.876)
𝑎= = 10
(11 𝑥 506) − 662
(11 𝑥 18.876) − (66 𝑥 2.486)
𝑏= = 36
(11 𝑥 506) − 662
𝑌 = 10 + 36 𝑥 (4.20)
c. Sektor Bisnis

pada sektor penerangan bisnis
2010 10.375 1 1 10.375
2011 11.889 2 4 23.778
2012 13.259 3 9 39.777
56
2013 15.493 4 16 61.972
2014 16.783 5 25 83.915
2015 17.720 6 36 106.320
2016 19.711 7 49 137.977
2017 22.163 8 64 177.304
2018 23.969 9 81 215.721
2019 26.234 10 100 262.340
2020 28.548 11 121 314.028
Jumlah 206.144 66 506 1.433.507

(206.144 𝑥 506)−(66 𝑥 1.433.507)
𝑎= = 8.014
(11 𝑥 506) − 662
(11 𝑥 1.433.507) − (66 𝑥 206.144)
𝑏= = 1.778
(11 𝑥 506) − 662
𝑌 = 8.014 + 1.778 𝑥 (4.21)
d. Sektor Sosial

pada sektor sosial
2010 4.159 1 1 4.159
2011 4.616 2 4 9.232
2012 5.415 3 9 16.245
2013 6.066 4 16 24.264
2014 6.585 5 25 32.925
2015 7.035 6 36 42.210
2016 7.895 7 49 55.265
2017 9.062 8 64 72.496
2018 10.716 9 81 96.444
2019 12.215 10 100 122.150
2020 13.712 11 121 150.832
Jumlah 87.476 66 506 626.222
57
(87.476 𝑥 506)−(66 𝑥 626.222)
𝑎= = 2.423
(11 𝑥 506) − 662
(11 𝑥 626.222) − (66 𝑥 87.476)
𝑏= = 922
(11 𝑥 506) − 662
𝑌 = 2.423 + 922 𝑥 (4.22)
e. Sektor Gedung Perkantoran

pada sektor gedung perkantoran
2010 1.817 1 1 1.817
2011 1.974 2 4 3.948
2012 2.362 3 9 7.086
2013 2.653 4 16 10.612
2014 2.858 5 25 14.290
2015 3.071 6 36 18.426
2016 3.549 7 49 24.843
2017 4.099 8 64 32.792
2018 4.551 9 81 40.959
2019 5.179 10 100 51.790
2020 5.575 11 121 61.325
Jumlah 37.688 66 506 267.888

(37.688 𝑥 506)−(66 𝑥 267.888)
𝑎= = 1.148
(11 𝑥 506) − 662
(11 𝑥 267.888) − (66 𝑥 37.688)
𝑏= = 380
(11 𝑥 506) − 662
58
𝑌 = 1.148 + 380 𝑥 (4.23)
f. Sektor Rumah Tangga

2010 397 1 1 397
2011 405 2 4 810
2012 422 3 9 1.266
2013 465 4 16 1.860
2014 526 5 25 2.630
2015 591 6 36 3.546
2016 654 7 49 4.578
2017 750 8 64 6.000
2018 835 9 81 7.515
2019 895 10 100 8.950
2020 1.009 11 121 11.099
Jumlah 6.949 66 506 48.651

(6.949 𝑥 506)−(66 𝑥 48.651)
𝑎= = 252
(11 𝑥 506) − 662
(11 𝑥 48.651) − (66 𝑥 6.949)
𝑏= = 63
(11 𝑥 506) − 662
𝑌 = 252 + 63 𝑥 (4.24)
59
4.3.2 Perhitungan Regresi Linear Jumlah Daya Tersambung
Dalam perhitungan Regresi Linear jumlah pelanggan listrik

Tabel 4.48 Tabel Koefisien Regresi Linear jumlah daya

tersambung sektor rumah tangga
2010 158,16 1 1 158,16
2011 217,34 2 4 434,68
2012 254,14 3 9 762,42
2013 297,46 4 16 1.189,84
2014 322,58 5 25 1.612,90
2015 340,40 6 36 2.042,40
2016 385,73 7 49 2.700,11
2017 445,80 8 64 3.566,40
2018 513,89 9 81 4.625,01
2019 569,91 10 100 5.699,10
2020 630,09 11 121 6.930,99
Jumlah 4.135,50 66 506 29.722,01

(4.135,50 𝑥 506)−(66 𝑥 29.722,01)
𝑎= = 108,19
(11 𝑥 506) − 662
(11 𝑥 29.722,01) − (66 𝑥 4.135,50)
𝑏= = 44,63
(11 𝑥 506) − 662
𝑌 = 108,19 + 44,63 𝑥 (4.25)
60
b. Sektor Industri

tersambung pada sektor industri
2010 9,67 1 1 9,67
2011 10,96 2 4 21,92
2012 10,68 3 9 32,04
2013 12,21 4 16 48,84
2014 15,02 5 25 75,10
2015 16,60 6 36 99,60
2016 21,92 7 49 153,44
2017 28,05 8 64 224,40
2018 38,15 9 81 343,35
2019 46,82 10 100 468,20
2020 57,45 11 121 631,95
Jumlah 267,53 66 506 2.108,51

(267,53 𝑥 506)−(66 𝑥 2.108,51)
𝑎= = 144.304
(11 𝑥 506) − 662
(11 𝑥 2.108,51) − (66 𝑥 267,53)
𝑏= = 39.374
(11 𝑥 506) − 662
𝑌 = −3,13 + 4,58 𝑥 (4.26)
c. Sektor Bisnis

tersambung pada sektor bisnis
2010 34,89 1 1 34,89
2011 47,98 2 4 95,96
2012 59,23 3 9 177,69
61
2013 75,22 4 16 300,88
2014 83,55 5 25 417,75
2015 92,52 6 36 555,12
2016 99,92 7 49 699,44
2017 109,13 8 64 873,04
2018 120,46 9 81 1.084,14
2019 133,82 10 100 1.338,20
2020 142,67 11 121 1.569,37
Jumlah 999,39 66 506 7.146,48

(999,39 𝑥 506)−(66 𝑥 7.146,48)
𝑎= = 28,12
(11 𝑥 506) − 662
(11 𝑥 7.146,48) − (66 𝑥 999,39)
𝑏= = 10,46
(11 𝑥 506) − 662
𝑌 = 28,12 + 10,46 𝑥 (4.27)
d. Sektor sosial

tersambung pada sektor sosial
2010 7,64 1 1 7,64
2011 9,38 2 4 18,76
2012 11,82 3 9 35,46
2013 13,83 4 16 55,32
2014 15,07 5 25 75,35
2015 16,52 6 36 99,12
2016 20,33 7 49 142,31
2017 23,40 8 64 187,20
2018 31,19 9 81 280,71
2019 35,61 10 100 356,10
2020 41,27 11 121 453,97
Jumlah 226,06 66 506 1.711,94
62
(226,06 𝑥 506)−(66 𝑥 1.711,94)
𝑎= = 1.16
(11 𝑥 506) − 662
(11 𝑥 1.711,94) − (66 𝑥 226,06)
𝑏= = 3,23
(11 𝑥 506) − 662
𝑌 = 1,16 + 3,23 𝑥 (4.28)

tersambung pada sektor gedung pemerintahan
2010 11,94 1 1 11,94
2011 12,94 2 4 25,88
2012 14,44 3 9 43,32
2013 16,87 4 16 67,48
2014 18,26 5 25 91,30
2015 19,98 6 36 119,88
2016 23,37 7 49 163,59
2017 26,64 8 64 213,12
2018 29,72 9 81 267,48
2019 31,74 10 100 317,40
2020 35,24 11 121 387,64
Jumlah 241,14 66 506 1.709,03

(241,14 𝑥 506)−(66 𝑥 1.709,93)
𝑎= = 7,62
(11 𝑥 506) − 662
(11 𝑥 1.709,03) − (66 𝑥 241,14)
𝑏= = 2,38
(11 𝑥 506) − 662
63
𝑌 = 7,62 + 2,38 𝑥 (4.29)

tersambung pada sektor penerangan jalan umum
2010 4,26 1 1 4,26
2011 4,34 2 4 8,68
2012 4,41 3 9 13,23
2013 4,80 4 16 19,20
2014 5,50 5 25 27,50
2015 5,80 6 36 34,80
2016 6,30 7 49 44,10
2017 6,88 8 64 55,04
2018 7,20 9 81 64,80
2019 7,64 10 100 76,40
2020 7,91 11 121 87,01
Jumlah 65,04 66 506 435,02

(65,04 𝑥 506)−(66 𝑥 435,02)
𝑎= = 3,47
(11 𝑥 506) − 662
(11 𝑥 435,02) − (66 𝑥 65,04)
𝑏= = 0,41
(11 𝑥 506) − 662
𝑌 = 3,47 + 0,41 𝑥 (4.30)
64
4.3.3 Perhitungan Regresi Linear Energi Terjual
Dalam perhitungan Regresi Linear jumlah Energi Terjual

Tabel 4.54 Tabel Koefisien Regresi Linear jumlah energi terjual

2010 248,01 1 1 248,01
2011 293,33 2 4 586,66
2012 356,87 3 9 1.070,61
2013 421,44 4 16 1.685,76
2014 457,44 5 25 2.287,20
2015 480,61 6 36 2.883,66
2016 545,68 7 49 3.819,76
2017 575,66 8 64 4.605,28
2018 605,59 9 81 5.450,31
2019 644,18 10 100 6.441,80
2020 714,64 11 121 7.861,04
Jumlah 5.343,45 66 506 36.940,09

(5.343,45 𝑥 506)−(66 𝑥 36.940,09)
𝑎= = 219,62
(11 𝑥 506) − 662
(11 𝑥 36.940,09) − (66 𝑥 5.343,45)
𝑏= = 44,36
(11 𝑥 506) − 662
𝑌 = 219,62 + 44,36 𝑥 (4.31)
65
b. Sektor Industri

2010 21,48 1 1 21,48
2011 24,56 2 4 49,12
2012 24,74 3 9 74,22
2013 24,99 4 16 99,96
2014 26,82 5 25 134,10
2015 27,93 6 36 167,58
2016 32,92 7 49 230,44
2017 36,59 8 64 292,72
2018 45,76 9 81 411,84
2019 47,08 10 100 470,80
2020 53,80 11 121 591,80
Jumlah 366,67 66 506 2.544,06

(366,67 𝑥 506)−(66 𝑥 2.544,06)
𝑎= = 14,57
(11 𝑥 506) − 662
(11 𝑥 2.544,06) − (66 𝑥 366,67)
𝑏= = 3,13
(11 𝑥 506) − 662
𝑌 = 14,57 + 3,13 𝑥 (4.32)
c. Sektor Bisnis

pada sektor penerangan bisnis
2010 76,72 1 1 76,72
2011 81,37 2 4 162,74
2012 100,49 3 9 301,47
66
2013 121,84 4 16 487,36
2014 128,85 5 25 644,25
2015 132,71 6 36 796,26
2016 151,36 7 49 1.059,52
2017 161,83 8 64 1.294,64
2018 174,56 9 81 1.571,04
2019 200,26 10 100 2.002,60
2020 194,12 11 121 2.135,32
Jumlah 1.524,11 66 506 10.531,92

(1.524,11 𝑥 506)−(66 𝑥 10.531,92)
𝑎= = 62,89
(11 𝑥 506) − 662
(11 𝑥 10.531,92) − (66 𝑥 1.524,11)
𝑏= = 12,61
(11 𝑥 506) − 662
𝑌 = 62,89 + 12,61 𝑥 (4.33)
d. Sektor Sosial
Tabel 4.57 Tabel Koefisien Regresi Linear jumlah energi

tersambung pada sektor sosial
2010 10,12 1 1 10,12
2011 11,70 2 4 23,40
2012 13,81 3 9 41,43
2013 17,48 4 16 69,92
2014 18,91 5 25 94,55
2015 20,55 6 36 123,30
2016 25,43 7 49 178,01
2017 27,42 8 64 219,36
2018 32,50 9 81 292,50
2019 38,18 10 100 381,80
2020 40,51 11 121 445,61
67
Jumlah 256,61 66 506 1.880,00

(256,61 𝑥 506)−(66 𝑥 1.880,00)
𝑎= = 4,76
(11 𝑥 506) − 662
(11 𝑥 1.880,00) − (66 𝑥 256,61)
𝑏= = 3,09
(11 𝑥 506) − 662
𝑌 = 4,76 + 3,09 𝑥 (4.34)

pada sektor gedung pemerintahan
2010 16,25 1 1 16,25
2011 17,78 2 4 35,56
2012 19,87 3 9 59,61
2013 22,95 4 16 91,80
2014 24,69 5 25 123,45
2015 27,03 6 36 162,18
2016 30,69 7 49 214,83
2017 32,55 8 64 260,40
2018 35,60 9 81 320,40
2019 39,02 10 100 390,20
2020 40,78 11 121 448,58
Jumlah 307,21 66 506 2.123,26

(307,21 𝑥 506)−(66 𝑥 2.123,26)
𝑎= = 12,66
(11 𝑥 506) − 662
68
(11 𝑥 307,21) − (66 𝑥 2.123,26)
𝑏= = 2,55
(11 𝑥 506) − 662
Hasil diatas selanjutnya dimasukkan kedalam persamaan Q
𝑌 = 12,66 + 2,55 𝑥 (4.35)
f. Sektor Rumah Tangga

tersambung pada sektor penerangan jalan umum
2010 12,14 1 1 12,14
2011 12,34 2 4 24,68
2012 12,64 3 9 37,92
2013 12,94 4 16 51,76
2014 14,00 5 25 70,00
2015 14,76 6 36 88,56
2016 15,51 7 49 108,57
2017 16,65 8 64 133,20
2018 17,72 9 81 159,48
2019 18,17 10 100 181,70
2020 19,67 11 121 216,37
Jumlah 166,54 66 506 1.084,38

(166,54 𝑥 506)−(66 𝑥 1.084,38)
𝑎= = 10,50
(11 𝑥 506) − 662
(11 𝑥 1.084,38) − (66 𝑥 166,54)
𝑏= = 0,77
(11 𝑥 506) − 662
𝑌 = 10,50 + 0,77 𝑥 (4.36)
69
4.4 Ketepatan Metode
Menghitung besarnya error yang dihasilkan berdasarkan perhitungan

nilai MAPE (Mean Absolut Percentage Error) dari persamaan (2.17), (2.18)
untuk jumlah pelanggan, daya tersambung dan juga energi terjual yang
digunakan oleh metode Quadratic dan Analisis Regresi Linear.
4.4.1 Perhitungan MAPE Jumlah Pelanggan
a. Rumah Tangga
1. Perhitungan MAPE jumlah pelanggan dengan metode

Quadratic
197.424 − 211.354
𝑃𝐸2010 = 𝑥 100% = 7,06%
197.424
238.932 − 234.122
𝑃𝐸2011 = 𝑥 100% = 2,01%
238.932
270.100 − 260.581
𝑃𝐸2012 = 𝑥 100% = 3,52%
270.100
307.103 − 290.729
𝑃𝐸2013 = 𝑥 100% = 5,33%
307.103
330.262 − 324.568
𝑃𝐸2014 = 𝑥 100% = 1,72%
330.262
349.560 − 362.097
𝑃𝐸2015 = 𝑥 100% = 3,59%
349.560
386.021 − 403.316
𝑃𝐸2016 = 𝑥 100% = 4,48%
386.021
441.133 − 448.226
𝑃𝐸2017 = 𝑥 100% = 1,61%
441.133
505.123 − 496.825
𝑃𝐸2018 = 𝑥 100% = 1,64%
505.123
556.736 − 549.114
𝑃𝐸2019 = 𝑥 100% = 1,37%
556.736
603.632 − 605.094
𝑃𝐸2020 = 𝑥 100% = 0,24%
603.632
(7,06 + .… + 0,24)
𝑀𝐴𝑃𝐸 = = 2,96%
11
70
Tabel 4.60 Perhitungan MAPE jumlah pelanggan dengan
metode Quadratic pada sektor rumah tangga
Jumlah Pelanggan (Y)

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 197.424 211.354 7,06%
2011 238.932 234.122 2,01%
2012 270.100 260.581 3,52%
2013 307.103 290.729 5,33%
2014 330.262 324.568 1,72%
2015 349.560 362.097 3,59%
2016 386.021 403.316 4,48%
2017 441.133 448.226 1,61%
2018 505.123 496.825 1,64%
2019 556.736 549.114 1,37%
2020 603.632 605.094 0,24%
MAPE 2,96%

Regresi Linear
197.424 − 183.678
𝑃𝐸2010 = 𝑥 100% = 6,96%
197.424
238.932 − 223.052
𝑃𝐸2011 = 𝑥 100% = 6,65%
238.932
270.100 − 262.426
𝑃𝐸2012 = 𝑥 100% = 2,84%
270.100
307.103 − 301.800
𝑃𝐸2013 = 𝑥 100% = 1,73%
307.103
330.262 − 341.174
𝑃𝐸2014 = 𝑥 100% = 3,30%
330.262
349.560 − 380.548
𝑃𝐸2015 = 𝑥 100% = 8,68%
349.560
386.021 − 419.922
𝑃𝐸2016 = 𝑥 100% = 8,78%
386.021
441.133 − 459.296
𝑃𝐸2017 = 𝑥 100% = 4,12%
441.133
505.123 − 498.670
𝑃𝐸2018 = 𝑥 100% = 1,28%
505.123
71
556.736 − 538.044
𝑃𝐸2019 = 𝑥 100% = 3,36%
556.736
603.632 − 577.418
𝑃𝐸2020 = 𝑥 100% = 4,34%
603.632
(6,96+ .… + 4,34)
𝑀𝐴𝑃𝐸 = = 4,75%
11
Regresi Linear pada sektor rumah tangga

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 197.424 183.678 6,96%
2011 238.932 223.052 6,65%
2012 270.100 262.426 2,84%
2013 307.103 301.800 1,73%
2014 330.262 341.174 3,30%
2015 349.560 380.548 8,86%
2016 386.021 419.922 8,78%
2017 441.133 459.296 4,12%
2018 505.123 498.670 1,28%
2019 556.736 538.044 3,36%
2020 603.632 577.418 4,34%
MAPE 4,75%
Pada tabel 4.60 dapat dilihat nilai MAPE yang dihasilkan

oleh metode analisis Time Series dengan proyeksi Tren
Quadratic sebesar 2,96% dan tabel 4.61 yang
menunjukkan perhitungan MAPE untuk metode analisis
Regresi dengan Regresi Linear sebesar 4,75%.
b. Industri

Quadratic
116 − 131
𝑃𝐸2010 = 𝑥 100% = 12,81%
116
122 − 116
𝑃𝐸2011 = 𝑥 100% = 4,96%
122
72
123 − 112
𝑃𝐸2012 = 𝑥 100% = 8,66%
123
133 − 120
𝑃𝐸2013 = 𝑥 100% = 9,73%
133
144 − 139
𝑃𝐸2014 = 𝑥 100% = 3,41%
144
160 − 169
𝑃𝐸2015 = 𝑥 100% = 5,89%
160
192 − 211
𝑃𝐸2016 = 𝑥 100% = 9,94%
192
269 − 264
𝑃𝐸2017 = 𝑥 100% = 1,84%
269
329 − 328
𝑃𝐸2018 = 𝑥 100% = 0,20%
329
400− 404
𝑃𝐸2019 = 𝑥 100% = 0,99%
400
498 − 491
𝑃𝐸2020 = 𝑥 100% = 1,43%
498
(12,81+ .… + 1,43)
𝑀𝐴𝑃𝐸 = = 5,44%
11
metode Quadratic pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 116 131 12,81%
2011 122 116 4,96%
2012 123 112 8,66%
2013 133 120 9,73%
2014 144 139 3,41%
2015 160 169 5,89%
2016 192 211 9,94%
2017 269 264 1,84%
2018 329 328 0,20%
2019 400 404 0,99%
2020 498 491 1,43%
MAPE 5,44%
73
Regresi Linear
116 − 46
𝑃𝐸2010 = 𝑥 100% = 60,34%
116
122 − 82
𝑃𝐸2011 = 𝑥 100% = 32,79%
122
123 − 118
𝑃𝐸2012 = 𝑥 100% = 4,07%
123
133 − 154
𝑃𝐸2013 = 𝑥 100% = 15,79%
133
144 − 190
𝑃𝐸2014 = 𝑥 100% = 31,94%
144
160 − 226
𝑃𝐸2015 = 𝑥 100% = 41,25%
160
192 − 262
𝑃𝐸2016 = 𝑥 100% = 36,46%
192
269 − 298
𝑃𝐸2017 = 𝑥 100% = 10,78%
269
329 − 334
𝑃𝐸2018 = 𝑥 100% = 1,52%
329
400− 370
𝑃𝐸2019 = 𝑥 100% = 7,50%
400
498 − 406
𝑃𝐸2020 = 𝑥 100% = 18,47%
498
(60,34+ .… + 18,47)
𝑀𝐴𝑃𝐸 = = 23,72%
11
Regresi Linear pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 116 46 60,34%
2011 122 82 32,79%
2012 123 118 4,07%
2013 133 154 15,79%
2014 144 190 31,94%
2015 160 226 41,25%
2016 192 262 36,46%
2017 269 298 10,78%
74
2018 329 334 1,52%
2019 400 370 7,50%
2020 498 406 18,47%
MAPE 23,72%

c. Bisnis

Quadratic
10.375 − 10.576
𝑃𝐸2010 = 𝑥 100% = 1,85%
10.375
11.889 − 11.896
𝑃𝐸2011 = 𝑥 100% = 0,06%
11.889
13.326 − 13.326
𝑃𝐸2012 = 𝑥 100% = 0,51%
13.259
15.493 − 14,859
𝑃𝐸2013 = 𝑥 100% = 4,09%
15.493
16.783 − 16.494
𝑃𝐸2014 = 𝑥 100% = 1,72%
16.783
17.720 − 18.230
𝑃𝐸2015 = 𝑥 100% = 2,88%
17.720
19.711 − 20.069
𝑃𝐸2016 = 𝑥 100% = 1,82%
19.711
22.163 − 22.010
𝑃𝐸2017 = 𝑥 100% = 0,69%
22.163
23.969 − 24.052
𝑃𝐸2018 = 𝑥 100% = 0,35%
23.969
26.234 − 26.197
𝑃𝐸2019 = 𝑥 100% = 0,14%
26.234
28.548 − 28.444
𝑃𝐸2020 = 𝑥 100% = 0,36%
28.548
(1,85+ .… + 0,36)
𝑀𝐴𝑃𝐸 = = 1,32%
11
75
metode Quadratic pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 10.375 10.567 1,85%
2011 11.889 11.896 0,06%
2012 13.259 13.326 0,51%
2013 15.493 14.859 4,09%
2014 16.783 16.494 1,72%
2015 17.720 18.230 2,88%
2016 19.711 20.069 1,82%
2017 22.163 22.010 0,69%
2018 23.969 24.052 0,35%
2019 26.234 26.197 0,14%
2020 28.548 28.444 0,36%
MAPE 1,32%

Regresi Linear
10.375 − 9.802
𝑃𝐸2010 = 𝑥 100% = 5,52%
10.375
11.889 − 11.590
𝑃𝐸2011 = 𝑥 100% = 2,52%
11.889
13.326 − 13.377
𝑃𝐸2012 = 𝑥 100% = 0,89%
13.259
15.493 − 15.165
𝑃𝐸2013 = 𝑥 100% = 2,12%
15.493
16.783 − 16.953
𝑃𝐸2014 = 𝑥 100% = 1,01%
16.783
17.720 − 18.740
𝑃𝐸2015 = 𝑥 100% = 5,76%
17.720
19.711 − 20.528
𝑃𝐸2016 = 𝑥 100% = 4,15%
19.711
22.163 − 22.316
𝑃𝐸2017 = 𝑥 100% = 0,69%
22.163
23.969 − 24.103
𝑃𝐸2018 = 𝑥 100% = 0,56%
23.969
76
26.234 − 25.891
𝑃𝐸2019 = 𝑥 100% = 1,31%
26.234
28.548 − 27.679
𝑃𝐸2020 = 𝑥 100% = 3,05%
28.548
(5,52 + .… + 3,05)
𝑀𝐴𝑃𝐸 = = 2,51%
11
Regresi Linear pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 10.375 9.802 5,52%
2011 11.889 11.590 2,52%
2012 13.259 13.377 0,89%
2013 15.493 15.165 2,12%
2014 16.783 16.953 1,01%
2015 17.720 18.740 5,76%
2016 19.711 20.528 4,15%
2017 22.163 22.316 0,69%
2018 23.969 24.103 0,56%
2019 26.234 25.891 1,31%
2020 28.548 27.679 3,05%
MAPE 2,51%

d. Sosial

Quadratic
4.159 − 4.420
𝑃𝐸2010 = = 0,06,27%
4.159
4.616 − 4.696
𝑃𝐸2011 = = 0,01,74%
4.416
77
5.415 − 5.116
𝑃𝐸2012 = 𝑥 100% = 5,52%
5.415
6.066 − 5.679
𝑃𝐸2013 = 𝑥 100% = 6,37%
6.066
6.585 − 6.386
𝑃𝐸2014 = 𝑥 100% = 3,02%
6.585
7.035 − 7.236
𝑃𝐸2015 = 𝑥 100% = 2,85%
7.035
7.895 − 8.229
𝑃𝐸2016 = 𝑥 100% = 4,23%
7.895
9.062 − 9.365
𝑃𝐸2017 = 𝑥 100% = 3,35%
9.062
10.716 − 10.645
𝑃𝐸2018 = 𝑥 100% = 0,66%
10.716
12.215 − 12.068
𝑃𝐸2019 = 𝑥 100% = 1,20%
12.215
13.712 − 13.635
𝑃𝐸2020 = 𝑥 100% = 0,56%
13.712
(6,27 + .… + 0,56)
𝑀𝐴𝑃𝐸 = = 3,25%
11
metode Quadratic pada sektor sosial

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 4.159 4.420 6,27%
2011 4.616 4.696 1,74%
2012 5.415 5.116 5,52%
2013 6.066 5.679 6,37%
2014 6.585 6.386 3,02%
2015 7.035 7.236 2,85%
2016 7.895 8.229 4,23%
2017 9.062 9.365 3,35%
2018 10.716 10.645 0,66%
2019 12.215 12.068 1,20%
2020 13.712 13.635 0,56%
MAPE 3,25%
78
Regresi Linear
4.159 − 3.345
𝑃𝐸2010 = 𝑥 100% = 19,58%
4.159
4.616 − 4.266
𝑃𝐸2011 = 𝑥 100% = 7,58%
4.416
5.415 − 5.188
𝑃𝐸2012 = 𝑥 100% = 4,20%
5.415
6.066 − 6.109
𝑃𝐸2013 = 𝑥 100% = 0,71%
6.066
6.585 − 7.031
𝑃𝐸2014 = 𝑥 100% = 6,77%
6.585
7.035 − 7.952
𝑃𝐸2015 = 𝑥 100% = 13,04%
7.035
7.895 − 8.874
𝑃𝐸2016 = 𝑥 100% = 12,40%
7.895
9.062 − 9.795
𝑃𝐸2017 = 𝑥 100% = 8,09%
9.062
10.716 − 10.717
𝑃𝐸2018 = 𝑥 100% = 0,01%
10.716
12.215 − 11.638
𝑃𝐸2019 = 𝑥 100% = 4,72%
12.215
13.712 − 12.560
𝑃𝐸2020 = 𝑥 100% = 8,40%
13.712
(19,58 + .… + 8,40)
𝑀𝐴𝑃𝐸 = = 7,77%
11
Regresi Linear pada sektor sosial

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 4.159 3.345 19,58%
2011 4.616 4.266 7,58%
2012 5.415 5.188 4,20%
2013 6.066 6.109 0,71%
2014 6.585 7.031 6,77%
2015 7.035 7.952 13,04%
2016 7.895 8.874 12,40%
2017 9.062 9.795 8,09%
79
2018 10.716 10.717 0,01%
2019 12.215 11.638 4,72%
2020 13.712 12.560 8,40%
MAPE 7,77%

Quadratic sebesar 3,25% dan tabel 4.4.8 yang
e. Gedung Pemerintahan

Quadratic
1.817 − 1.843
𝑃𝐸2010 = 𝑥 100% = 1,41%
1.817
1.974 − 2.034
𝑃𝐸2011 = 𝑥 100% = 3,01%
1.974
2.362 − 2.266
𝑃𝐸2012 = 𝑥 100% = 4,05%
2.362
2.653 − 2.541
𝑃𝐸2013 = 𝑥 100% = 4,22%
2.653
2.858 − 2.858
𝑃𝐸2014 = 𝑥 100% = 0,01%
2.858
3.071 − 3.216
𝑃𝐸2015 = 𝑥 100% = 4,73%
3.071
3.549 − 3.617
𝑃𝐸2016 = 𝑥 100% = 1,92%
3.549
4.099 − 4.060
𝑃𝐸2017 = 𝑥 100% = 0,96%
4.099
4.551 − 4.544
𝑃𝐸2018 = 𝑥 100% = 0,15%
4.551
5.179 − 5.071
𝑃𝐸2019 = 𝑥 100% = 2,09%
5.179
5.575 − 5.639
𝑃𝐸2020 = 𝑥 100% = 1,15%
5.575
(1,41 + .… + 1,15)
𝑀𝐴𝑃𝐸 = = 2,16%
11
80
metode Quadratic pada sektor gedung pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 1.817 1.843 1,41%
2011 1.974 2.034 3,01%
2012 2.362 2.266 4,05%
2013 2.653 2.541 4,22%
2014 2.858 2.858 0,01%
2015 3.071 3.216 4,73%
2016 3.549 3.617 1,92%
2017 4.099 4.060 0,96%
2018 4.551 4.544 0,15%
2019 5.179 5.071 2,09%
2020 5.575 5.639 1,15%
MAPE 2,16%

Regresi Linear
1.817 − 1.528
𝑃𝐸2010 = 𝑥 100% = 15,91%
1.817
1.974 − 1.908
𝑃𝐸2011 = 𝑥 100% = 3,36%
1.974
2.362 − 2.287
𝑃𝐸2012 = 𝑥 100% = 3,16%
2.362
2.653 − 2.667
𝑃𝐸2013 = 𝑥 100% = 0,52%
2.653
2.858 − 3.047
𝑃𝐸2014 = 𝑥 100% = 6,60%
2.858
3.071 − 3.426
𝑃𝐸2015 = 𝑥 100% = 11,57%
3.071
3.549 − 3.806
𝑃𝐸2016 = 𝑥 100% = 7,24%
3.549
4.099 − 4.185
𝑃𝐸2017 = 𝑥 100% = 2,11%
4.099
4.551 − 4.565
𝑃𝐸2018 = 𝑥 100% = 0,31%
4.551
81
5.179 − 4.945
𝑃𝐸2019 = 𝑥 100% = 4,52%
5.179
5.575 − 5.324
𝑃𝐸2020 = 𝑥 100% = 4,50%
5.575
(15,91+ .… + 4,50)
𝑀𝐴𝑃𝐸 = = 5,44%
11
Regresi Linear pada sektor gedung pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 1.817 1.528 15,91%
2011 1.974 1.908 3,36%
2012 2.362 2.287 3,16%
2013 2.653 2.667 0,52%
2014 2.858 3.047 6,60%
2015 3.071 3.426 11,57%
2016 3.549 3.806 7,24%
2017 4.099 4.185 2,11%
2018 4.551 4.565 0,31%
2019 5.179 4.945 4,52%
2020 5.575 5.324 4,50%
MAPE 5,44%

f. Penerangan Jalan Umum

Quadratic
397 − 382
𝑃𝐸2010 = 𝑥 100% = 3,74%
397
405 − 405
𝑃𝐸2011 = 𝑥 100% = 0,10%
405
82
422 − 438
𝑃𝐸2012 = 𝑥 100% = 3,68%
422
465 − 479
𝑃𝐸2013 = 𝑥 100% = 2,92%
465
526 − 528
𝑃𝐸2014 = 𝑥 100% = 0,47%
526
591 − 587
𝑃𝐸2015 = 𝑥 100% = 0,63%
591
654 − 655
𝑃𝐸2016 = 𝑥 100% = 0,15%
654
750 − 732
𝑃𝐸2017 = 𝑥 100% = 2,46%
750
835 − 817
𝑃𝐸2018 = 𝑥 100% = 2,15%
835
895 − 911
𝑃𝐸2019 = 𝑥 100% = 1,83%
895
1.009 − 1.015
𝑃𝐸2020 = 𝑥 100% = 0,56%
1.009
(3,74+ .… + 0,56)
𝑀𝐴𝑃𝐸 = = 1,70%
11
metode Quadratic pada sektor penerangan jalan umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 397 382 3,74%
2011 405 405 0,10%
2012 422 438 3,68%
2013 465 479 2,92%
2014 526 528 0,47%
2015 591 587 0,63%
2016 654 655 0,15%
2017 750 732 2,46%
2018 835 817 2,15%
2019 895 911 1,83%
2020 1.009 1.015 0,56%
MAPE 1,70%
83
Regresi Linear
397 − 316
𝑃𝐸2010 = 𝑥 100% = 20,53%
397
405 − 379
𝑃𝐸2011 = 𝑥 100% = 6,48%
405
422 − 442
𝑃𝐸2012 = 𝑥 100% = 4,74%
422
465 − 505
𝑃𝐸2013 = 𝑥 100% = 8,65%
465
526 − 568
𝑃𝐸2014 = 𝑥 100% = 8,08%
526
591 − 632
𝑃𝐸2015 = 𝑥 100% = 6,89%
591
654 − 695
𝑃𝐸2016 = 𝑥 100% = 6,26%
654
750 − 758
𝑃𝐸2017 = 𝑥 100% = 1,10%
750
835 − 821
𝑃𝐸2018 = 𝑥 100% = 1,62%
835
895 − 885
𝑃𝐸2019 = 𝑥 100% = 1,15%
895
1.009 − 948
𝑃𝐸2020 = 𝑥 100% = 6,05%
1.009
(20,53+ .… + 6,05)
𝑀𝐴𝑃𝐸 = = 6,50%
11
Regresi Linear pada sektor penerangan jalan umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 397 316 20,53%
2011 405 379 6,48%
2012 422 442 4,74%
2013 465 505 8,65%
2014 526 568 8,08%
2015 591 632 6,89%
2016 654 695 6,26%
2017 750 758 1,10%
84
2018 835 821 1,62%
2019 895 885 1,15%
2020 1.009 948 6,05%
MAPE 6,50%

4.4.2 Perhitungan MAPE Jumlah Daya Tersambung
a. Rumah Tangga
1. Perhitungan MAPE jumlah daya tersambung dengan

metode Quadratic
158,16 − 179,76
𝑃𝐸2010 = 𝑥 100% = 13,65%
158,16
217,34 − 208,22
𝑃𝐸2011 = 𝑥 100% = 4,20%
217,34
254,14 − 240,28
𝑃𝐸2012 = 𝑥 100% = 5,46%
254,14
297,46 − 275,92
𝑃𝐸2013 = 𝑥 100% = 7,24%
297,46
322,58 − 315,16
𝑃𝐸2014 = 𝑥 100% = 2,30%
322,58
340,40 − 358,00
𝑃𝐸2015 = 𝑥 100% = 5,17%
340,40
385,73 − 404,42
𝑃𝐸2016 = 𝑥 100% = 4,85%
385,73
445,80 − 454,43
𝑃𝐸2017 = 𝑥 100% = 1,94%
445,80
513,89 − 508,04
𝑃𝐸2018 = 𝑥 100% = 1,14%
513,89
569,91 − 565,24
𝑃𝐸2019 = 𝑥 100% = 0,82%
569,91
630,09 − 626,03
𝑃𝐸2020 = 𝑥 100% = 0,64%
630,09
85
(13,65 + .… + 0,64)
𝑀𝐴𝑃𝐸 = = 4,31%
11
Tabel 4.72 Perhitungan MAPE jumlah daya tersambung
dengan metode Quadratic pada sektor rumah tangga
Jumlah Daya Tersambung (Y)

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 158,16 179,76 13,65%
2011 217,34 208,22 4,20%
2012 254,14 240,28 5,46%
2013 297,46 275,92 7,24%
2014 322,58 315,16 2,30%
2015 340,40 358,00 5,17%
2016 385,73 404,42 4,85%
2017 445,80 454,43 1,94%
2018 513,89 508,04 1,14%
2019 569,91 565,24 0,82%
2020 630,09 626,03 0,64%
MAPE 4,31%

metode Regresi Linear
158,16 − 152,82
𝑃𝐸2010 = 𝑥 100% = 3,38%
158,16
217,34 − 197,45
𝑃𝐸2011 = 𝑥 100% = 9,15%
217,34
254,14 − 242,07
𝑃𝐸2012 = 𝑥 100% = 4,75%
254,14
297,46 − 286,70
𝑃𝐸2013 = 𝑥 100% = 3,62%
297,46
322,58 − 331,33
𝑃𝐸2014 = 𝑥 100% = 2,71%
322,58
340,40 − 375,95
𝑃𝐸2015 = 𝑥 100% = 10,44%
340,40
385,73 − 420,58
𝑃𝐸2016 = 𝑥 100% = 9,04%
385,73
445,80 − 465,21
𝑃𝐸2017 = 𝑥 100% = 4,35%
445,80
86
513,89 − 509,84
𝑃𝐸2018 = 𝑥 100% = 0,79%
513,89
569,91 − 554,46
𝑃𝐸2019 = 𝑥 100% = 2,71%
569,91
630,09 − 599,09
𝑃𝐸2020 = 𝑥 100% = 4,92%
630,09
(3,38 + .… + 4,92)
𝑀𝐴𝑃𝐸 = = 5,08%
11
dengan Regresi Linear pada sektor rumah tangga

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 158,16 152.82 3,38%
2011 217,34 197.45 9,15%
2012 254,14 242.07 4,75%
2013 297,46 286.70 3,62%
2014 322,58 331.33 2,71%
2015 340,40 375.95 10,44%
2016 385,73 420.58 9,04%
2017 445,80 465.21 4,35%
2018 513,89 509.84 0,79%
2019 569,91 554.46 2,71%
2020 630,09 599.09 4,92%
MAPE 5,08%

87
b. Industri

metode Quadratic
9,67 − 11,31
𝑃𝐸2010 = 𝑥 100% = 17,00%
9,67
10,96 − 9,97
𝑃𝐸2011 = 𝑥 100% = 9,07%
10,96
10,68 − 9,94
𝑃𝐸2012 = 𝑥 100% = 6,79%
10,68
12,21 − 11,22
𝑃𝐸2013 = 𝑥 100% = 8,10%
12,21
15,02 − 13,82
𝑃𝐸2014 = 𝑥 100% = 7,97%
15,02
16,60 − 17,74
𝑃𝐸2015 = 𝑥 100% = 6,87%
16,60
21,92 − 22,97
𝑃𝐸2016 = 𝑥 100% = 4,81%
21,92
28,05 − 29,52
𝑃𝐸2017 = 𝑥 100% = 5,25%
28,05
38,15 − 37,39
𝑃𝐸2018 = 𝑥 100% = 1,99%
38,15
46,82 − 46,57
𝑃𝐸2019 = 𝑥 100% = 0,53%
46,82
57,45 − 57,07
𝑃𝐸2020 = 𝑥 100% = 0,66%
57,45
(17,00 + .… + 0,66)
𝑀𝐴𝑃𝐸 = = 6,29%
11
dengan metode Quadratic pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 9,67 11,31 17,00%
2011 10,96 9,97 9,07%
2012 10,68 9,94 6,97%
2013 12,21 11,22 8,10%
2014 15,02 13,82 7,97%
2015 16,60 17,74 6,87%
88
2016 21,92 22,97 4,81%
2017 28,05 29,52 5,25%
2018 38,15 37,39 1,99%
2019 46,82 46,57 0,53%
2020 57,45 57,07 0,66%
MAPE 6,29%

9,67 − 1,44
𝑃𝐸2010 = 𝑥 100% = 85,09%
9,67
10,96 − 6,02
𝑃𝐸2011 = 𝑥 100% = 45,09%
10,96
10,68 − 10,59
𝑃𝐸2012 = 𝑥 100% = 0,81%
10,68
12,21 − 15,17
𝑃𝐸2013 = 𝑥 100% = 24,24%
12,21
15,02 − 19,75
𝑃𝐸2014 = 𝑥 100% = 31,46%
15,02
16,60 − 24,32
𝑃𝐸2015 = 𝑥 100% = 46,51%
16,60
21,92 − 28,90
𝑃𝐸2016 = 𝑥 100% = 31,83%
21,92
28,05 − 33,47
𝑃𝐸2017 = 𝑥 100% = 19,33%
28,05
38,15 − 38,05
𝑃𝐸2018 = 𝑥 100% = 0,27%
38,15
46,82 − 42,62
𝑃𝐸2019 = 𝑥 100% = 8,96%
46,82
57,45 − 47,20
𝑃𝐸2020 = 𝑥 100% = 17,84%
57,45
(85,09+ .… + 17,84)
𝑀𝐴𝑃𝐸 = = 28,31%
11
dengan Regresi Linear pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 9,67 1,44 85,09%
89
2011 10,96 6,02 45,09%
2012 10,68 10,59 0,81%
2013 12,21 15,17 24,24%
2014 15,02 19,75 31,46%
2015 16,60 24,32 46,51%
2016 21,92 28,90 31,83%
2017 28,05 33,47 19,33%
2018 38,15 38,05 0,27%
2019 46,82 42,62 8,96%
2020 57,45 47,20 17,84%
MAPE 28,31%

c. Bisnis

metode Quadratic
34,89 − 36,69
𝑃𝐸2010 = 𝑥 100% = 5,15%
34,89
47,98 − 48,27
𝑃𝐸2011 = 𝑥 100% = 0,61%
47,98
59,23 − 59,61
𝑃𝐸2012 = 𝑥 100% = 0,65%
59,23
75,22 − 70,70
𝑃𝐸2013 = 𝑥 100% = 6,01%
75,22
83,55 − 81,53
𝑃𝐸2014 = 𝑥 100% = 2,42%
83,55
92,52 − 92,11
𝑃𝐸2015 = 𝑥 100% = 0,44%
92,52
99,92 − 102,44
𝑃𝐸2016 = 𝑥 100% = 2,52%
99,92
109,13 − 112,52
𝑃𝐸2017 = 𝑥 100% = 3,11%
109,13
90
120,46 − 122,35
𝑃𝐸2018 = 𝑥 100% = 1,57%
120,46
133,82 − 131,92
𝑃𝐸2019 = 𝑥 100% = 1,42%
133,82
142,67 − 141,24
𝑃𝐸2020 = 𝑥 100% = 1,00%
142,67
(5,15 + .… + 1,00)
𝑀𝐴𝑃𝐸 = = 2,26%
11
dengan metode Quadratic pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 34,89 36,69 5,15%
2011 47,98 48,27 0,61%
2012 59,23 59,61 0,65%
2013 75,22 70,70 6,01%
2014 83,55 81,53 2,42%
2015 92,52 92,11 0,44%
2016 99,92 102,44 2,52%
2017 109,13 112,52 3,11%
2018 120,46 122,35 1,57%
2019 133,82 131,92 1,42%
2020 142,67 141,24 1,00%
MAPE 2,26%

34,89 − 38,57
𝑃𝐸2010 = 𝑥 100% = 10,56%
34,89
47,98 − 49,03
𝑃𝐸2011 = 𝑥 100% = 2,19%
47,98
59,23 − 59,49
𝑃𝐸2012 = 𝑥 100% = 0,43%
59,23
75,22 − 69,94
𝑃𝐸2013 = 𝑥 100% = 7,02%
75,22
83,55 − 80,40
𝑃𝐸2014 = 𝑥 100% = 3,77%
83,55
91
92,52 − 90,85
𝑃𝐸2015 = 𝑥 100% = 1,80%
92,52
99,92 − 101,31
𝑃𝐸2016 = 𝑥 100% = 1,39%
99,92
109,13 − 111,77
𝑃𝐸2017 = 𝑥 100% = 2,41%
109,13
120,46 − 122,22
𝑃𝐸2018 = 𝑥 100% = 1,46%
120,46
133,82 − 132,68
𝑃𝐸2019 = 𝑥 100% = 0,85%
133,82
142,67 − 143,13
𝑃𝐸2020 = 𝑥 100% = 0,32%
142,67
(10,56 + .… + 0,32)
𝑀𝐴𝑃𝐸 = = 2,93%
11
dengan Regresi Linear pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 34,89 38,57 10,56%
2011 47,98 49,03 2,19%
2012 59,23 59,49 0,43%
2013 75,22 69,94 7,02%
2014 83,55 80,40 3,77%
2015 92,52 90,85 1,80%
2016 99,92 101,31 1,39%
2017 109,13 111,77 2,41%
2018 120,46 122,22 1,46%
2019 133,82 132,68 0,85%
2020 142,67 143,13 0,32%
MAPE 2,93%

92
d. Sosial

metode Quadratic
7,64 − 8,82
𝑃𝐸2010 = 𝑥 100% = 15,42%
7,64
9,38 − 9,39
𝑃𝐸2011 = 𝑥 100% = 0,14%
9,38
11,82 − 10,56
𝑃𝐸2012 = 𝑥 100% = 10,68%
11,82
13,83 − 12,31
𝑃𝐸2013 = 𝑥 100% = 10,96%
13,83
15,07 − 14,66
𝑃𝐸2014 = 𝑥 100% = 2,72%
15,07
16,52 − 17,60
𝑃𝐸2015 = 𝑥 100% = 6,52%
16,52
20,33 − 21,13
𝑃𝐸2016 = 𝑥 100% = 3,91%
20,33
23,40 − 25,24
𝑃𝐸2017 = 𝑥 100% = 7,88%
23,40
31,19 − 29,95
𝑃𝐸2018 = 𝑥 100% = 3,97%
31,19
35,61 − 35,25
𝑃𝐸2019 = 𝑥 100% = 1,00%
35,61
41,27 − 41,14
𝑃𝐸2020 = 𝑥 100% = 0,31%
41,27
(15,42 + .… + 0,31)
𝑀𝐴𝑃𝐸 = = 5,77%
11
dengan metode Quadratic pada sektor sosial

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 7,64 8,82 15,42%
2011 9,38 9,39 0,14%
2012 11,82 10,56 10,68%
2013 13,83 12,31 10,96%
2014 15,07 14,66 2,72%
2015 16,52 17,60 6,52%
93
2016 20,33 21,13 3,91%
2017 23,40 25,24 7,88%
2018 31,19 29,95 3,97%
2019 35,61 35,25 1,00%
2020 41,27 41,14 0,31%
MAPE 5,77%

7,64 − 4,39
𝑃𝐸2010 = 𝑥 100% = 42,56%
7,64
9,38 − 7,62
𝑃𝐸2011 = 𝑥 100% = 18,76%
9,38
11,82 − 10,85
𝑃𝐸2012 = 𝑥 100% = 8,18%
11,82
13,83 − 14,09
𝑃𝐸2013 = 𝑥 100% = 1,85%
13,83
15,07 − 17,32
𝑃𝐸2014 = 𝑥 100% = 14,92%
15,07
16,52 − 20,55
𝑃𝐸2015 = 𝑥 100% = 24,40%
16,52
20,33 − 23,78
𝑃𝐸2016 = 𝑥 100% = 16,99%
20,33
23,40 − 27,02
𝑃𝐸2017 = 𝑥 100% = 15,45%
23,40
31,19 − 30,25
𝑃𝐸2018 = 𝑥 100% = 3,02%
31,19
35,61 − 33,48
𝑃𝐸2019 = 𝑥 100% = 5,98%
35,61
41,27 − 36,71
𝑃𝐸2020 = 𝑥 100% = 11,04%
41,27
(42,56 + .… + 11,04)
𝑀𝐴𝑃𝐸 = = 14,83%
11
dengan Regresi Linear pada sektor social

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 7,64 4,39 42,56%
94
2011 9,38 7,62 18,76%
2012 11,82 10,85 8,18%
2013 13,83 14,09 1,85%
2014 15,07 17,32 14,92%
2015 16,52 20,55 24,40%
2016 20,33 23,78 16,99%
2017 23,40 27,02 15,45%
2018 31,19 30,25 3,02%
2019 35,61 33,48 5,98%
2020 41,27 36,71 11,04%
MAPE 14,83%


metode Quadratic
11,94 − 11,68
𝑃𝐸2010 = 𝑥 100% = 2,14%
11,94
12,94 − 13,06
𝑃𝐸2011 = 𝑥 100% = 0,92%
12,94
14,44 − 14,66
𝑃𝐸2012 = 𝑥 100% = 1,52%
14,44
16,87 − 16,48
𝑃𝐸2013 = 𝑥 100% = 2,30%
16,87
18,26 − 18,53
𝑃𝐸2014 = 𝑥 100% = 1,48%
18,26
19,98 − 20,80
𝑃𝐸2015 = 𝑥 100% = 4,11%
19,98
23,37 − 23,30
𝑃𝐸2016 = 𝑥 100% = 0,31%
23,37
26,64 −26,02
𝑃𝐸2017 = 𝑥 100% = 2,34%
26,64
95
29,72 − 28,96
𝑃𝐸2018 = 𝑥 100% = 2,56%
29,72
31,74 − 32,13
𝑃𝐸2019 = 𝑥 100% = 1,22%
31,74
35,24 − 35,52
𝑃𝐸2020 = 𝑥 100% = 0,79%
35,24
(2,14 + .… + 0,79)
𝑀𝐴𝑃𝐸 = = 1,79%
11
dengan metode Quadratic pada sektor gedung
pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 11,94 11,68 2,14%
2011 12,94 13,06 0,92%
2012 14,44 14,66 1,52%
2013 16,87 16,48 2,30%
2014 18,26 18,53 1,48%
2015 19,98 20,80 4,11%
2016 23,37 23,30 0,31%
2017 26,64 26,02 2,34%
2018 29,72 28,96 2,56%
2019 31,74 32,13 1,22%
2020 35,24 35,52 0,79%
MAPE 1,79%

11,94 − 10,00
𝑃𝐸2010 = 𝑥 100% = 16,21%
11,94
12,94 − 12,39
𝑃𝐸2011 = 𝑥 100% = 4,27%
12,94
14,44 − 14,77
𝑃𝐸2012 = 𝑥 100% = 2,29%
14,44
16,87 − 17,15
𝑃𝐸2013 = 𝑥 100% = 1,69%
16,87
96
18,26 − 19,54
𝑃𝐸2014 = 𝑥 100% = 7,00%
18,26
19,98 − 21,92
𝑃𝐸2015 = 𝑥 100% = 9,72%
19,98
23,37 − 24,31
𝑃𝐸2016 = 𝑥 100% = 4,00%
23,37
26,64 −26,69
𝑃𝐸2017 = 𝑥 100% = 0,18%
26,64
29,72 − 29,07
𝑃𝐸2018 = 𝑥 100% = 2,18%
29,72
31,74 − 31,46
𝑃𝐸2019 = 𝑥 100% = 0,89%
31,74
35,24 − 33,84
𝑃𝐸2020 = 𝑥 100% = 3,97%
35,24
(16,21 + .… + 3,97)
𝑀𝐴𝑃𝐸 = = 4,77%
11
dengan Regresi Linear pada sektor gedung pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 11,94 10,00 16,21%
2011 12,94 12,39 4,27%
2012 14,44 14,77 2,29%
2013 16,87 17,15 1,69%
2014 18,26 19,54 7,00%
2015 19,98 21,92 9,72%
2016 23,37 24,31 4,00%
2017 26,64 26,69 0,18%
2018 29,72 29,07 2,18%
2019 31,74 31,46 0,89%
2020 35,24 33,84 3,97%
MAPE 4,77%

97

metode Quadratic
4,26 − 4,03
𝑃𝐸2010 = 𝑥 100% = 5,48%
4,26
4,34 − 4,34
𝑃𝐸2011 = 𝑥 100% = 0,09%
4,34
4,41 − 4,68
𝑃𝐸2012 = 𝑥 100% = 6,16%
4,41
4,80 − 5,04
𝑃𝐸2013 = 𝑥 100% = 4,98%
4,80
5,50 − 5,42
𝑃𝐸2014 = 𝑥 100% = 1,53%
5,50
5,80 − 5,81
𝑃𝐸2015 = 𝑥 100% = 0,23%
5,80
6,30 − 6,23
𝑃𝐸2016 = 𝑥 100% = 1,11%
6,30
6,88 − 6,67
𝑃𝐸2017 = 𝑥 100% = 3,09%
6,88
7,20 − 7,12
𝑃𝐸2018 = 𝑥 100% = 1,05%
7,20
7,64 − 7,60
𝑃𝐸2019 = 𝑥 100% = 0,51%
7,64
7,91 − 8,10
𝑃𝐸2020 = 𝑥 100% = 2,37%
7,91
(5,48 + .… + 2,37)
𝑀𝐴𝑃𝐸 = = 2,42%
11
dengan metode Quadratic pada sektor penerangan jalan
umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 4,26 4,03 5,48%
98
2011 4,34 4,34 0,09%
2012 4,41 4,68 6,16%
2013 4,80 5,04 4,98%
2014 5,50 5,42 1,53%
2015 5,80 5,81 0,23%
2016 6,30 6,23 1,11%
2017 6,88 6,67 3,09%
2018 7,20 7,12 1,05%
2019 7,64 7,60 0,51%
2020 7,91 8,10 2,37%
MAPE 2,42%

4,26 − 3,88
𝑃𝐸2010 = 𝑥 100% = 8,98%
4,26
4,34 − 4,28
𝑃𝐸2011 = 𝑥 100% = 1,28%
4,34
4,41 − 4,69
𝑃𝐸2012 = 𝑥 100% = 6,38%
4,41
4,80 − 5,10
𝑃𝐸2013 = 𝑥 100% = 6,22%
4,80
5,50 − 5,51
𝑃𝐸2014 = 𝑥 100% = 0,10%
5,50
5,80 − 5,91
𝑃𝐸2015 = 𝑥 100% = 1,94%
5,80
6,30 − 6,32
𝑃𝐸2016 = 𝑥 100% = 0,31%
6,30
6,88 − 6,73
𝑃𝐸2017 = 𝑥 100% = 2,23%
6,88
7,20 − 7,13
𝑃𝐸2018 = 𝑥 100% = 0,92%
7,20
7,64 − 7,54
𝑃𝐸2019 = 𝑥 100% = 1,29%
7,64
7,91 − 7,95
𝑃𝐸2020 = 𝑥 100% = 0,48%
7,91
(8,98 + .… + 0,48)
𝑀𝐴𝑃𝐸 = = 2,74
11
99
dengan Regresi Linear pada sektor penerangan jalan
umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 4,26 3,88 8,98%
2011 4,34 4,28 1,28%
2012 4,41 4,69 6,38%
2013 4,80 5,10 6,22%
2014 5,50 5,51 0,10%
2015 5,80 5,91 1,94%
2016 6,30 6,32 0,31%
2017 6,88 6,73 2,23%
2018 7,20 7,13 0,92%
2019 7,64 7,54 1,29%
2020 7,91 7,95 0,48%
MAPE 2,74%

4.4.3 Perhitungan MAPE Jumlah Energi Terjual
a. Rumah Tangga
1. Perhitungan MAPE jumlah energi terjual dengan metode

Quadratic
248,01 − 251,49
𝑃𝐸2010 = 𝑥 100% = 1,40%
248,01
293,33 − 303,34
𝑃𝐸2011 = 𝑥 100% = 3,41%
293,33
356,87 − 353,53
𝑃𝐸2012 = 𝑥 100% = 0,94%
356,87
100
421,44 − 402,05
𝑃𝐸2013 = 𝑥 100% = 4,60%
421,44
457,44 − 448,90
𝑃𝐸2014 = 𝑥 100% = 1,87%
457,44
480,61 − 494,09
𝑃𝐸2015 = 𝑥 100% = 2,81%
480,61
545,68 − 537,62
𝑃𝐸2016 = 𝑥 100% = 1,48%
545,68
575,66 − 579,48
𝑃𝐸2017 = 𝑥 100% = 0,66%
575,66
605,59 − 619,68
𝑃𝐸2018 = 𝑥 100% = 2,33%
605,59
644,18 − 658,20
𝑃𝐸2019 = 𝑥 100% = 2,18%
644,18
714,64 − 695,07
𝑃𝐸2020 = 𝑥 100% = 2,74%
714,64
(1,40 + .… + 2,74)
𝑀𝐴𝑃𝐸 = = 2,22%
11
Tabel 4.84 Perhitungan MAPE jumlah energi terjual
dengan metode Quadratic pada sektor rumah tangga

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 248,01 251,49 1,40%
2011 293,33 303,34 3,41%
2012 356,87 353,53 0,94%
2013 421,44 402,05 4,60%
2014 457,44 448,90 1,87%
2015 480,61 494,09 2,81%
2016 545,68 537,62 1,48%
2017 575,66 579,48 0,66%
2018 605,59 619,68 2,33%
2019 644,18 658,20 2,18%
2020 714,64 695,07 2,74%
MAPE 2,22%
101
Regresi Linear
248,01 − 263,98
𝑃𝐸2010 = 𝑥 100% = 6,44%
248,01
293,33 − 308,34
𝑃𝐸2011 = 𝑥 100% = 5,12%
293,33
356,87 − 352,69
𝑃𝐸2012 = 𝑥 100% = 1,17%
356,87
421,44 − 397,05
𝑃𝐸2013 = 𝑥 100% = 5,79%
421,44
457,44 − 441,41
𝑃𝐸2014 = 𝑥 100% = 3,50%
457,44
480,61 − 485,77
𝑃𝐸2015 = 𝑥 100% = 1,07%
480,61
545,68 − 530,13
𝑃𝐸2016 = 𝑥 100% = 2,85%
545,68
575,66 − 574,48
𝑃𝐸2017 = 𝑥 100% = 0,20%
575,66
605,59 − 618,84
𝑃𝐸2018 = 𝑥 100% = 2,19%
605,59
644,18 − 663,20
𝑃𝐸2019 = 𝑥 100% = 2,95%
644,18
714,64 − 707,56
𝑃𝐸2020 = 𝑥 100% = 0,99%
714,64
(6,44 + .… + 0,99)
𝑀𝐴𝑃𝐸 = = 2,93%
11
dengan Regresi Linear pada sektor rumah tangga

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 248,01 263,98 6,44%
2011 293,33 308,34 5,12%
2012 356,87 352,69 1,17%
2013 421,44 397,05 5,79%
2014 457,44 441,41 3,50%
2015 480,61 485,77 1,07%
2016 545,68 530,13 2,85%
102
2017 575,66 574,48 0,20%
2018 605,59 618,84 2,19%
2019 644,18 663,20 2,95%
2020 714,64 707,56 0,99%
MAPE 2,93%

Regresi dengan Regresi linear sebesar 2,93%.
b. Industri

Quadratic
21,48 − 22,98
𝑃𝐸2010 = 𝑥 100% = 6,97%
21,48
24,56 − 22,94
𝑃𝐸2011 = 𝑥 100% = 6,61%
24,56
24,74 − 23,60
𝑃𝐸2012 = 𝑥 100% = 4,61%
24,74
24,99 − 24,97
𝑃𝐸2013 = 𝑥 100% = 0,10%
24,99
26,82 − 27,04
𝑃𝐸2014 = 𝑥 100% = 0,81%
26,82
27,93 − 29,81
𝑃𝐸2015 = 𝑥 100% = 6,74%
27,93
32,92 − 33,29
𝑃𝐸2016 = 𝑥 100% = 1,13%
32,92
36,59 − 37,48
𝑃𝐸2017 = 𝑥 100% = 2,42%
36,59
45,76 − 42,36
𝑃𝐸2018 = 𝑥 100% = 7,42%
45,76
47,08 − 47,96
𝑃𝐸2019 = 𝑥 100% = 1,86%
47,08
53,80 − 54,25
𝑃𝐸2020 = 𝑥 100% = 0,84%
53,80
103
(6,97 + .… + 0,84)
𝑀𝐴𝑃𝐸 = = 3,59%
11
dengan metode Quadratic pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 21,48 22,98 6,97%
2011 24,56 22,94 6,61%
2012 24,74 23,60 4,61%
2013 24,99 24,97 0,10%
2014 26,82 27,04 0,81%
2015 27,93 29,81 6,74%
2016 32,92 33,29 1,13%
2017 36,59 37,48 2,42%
2018 45,76 42,36 7,42%
2019 47,08 47,96 1,86%
2020 53,80 54,25 0,84%
MAPE 3,59%

Regresi Linear
21,48 − 17,70
𝑃𝐸2010 = 𝑥 100% = 17,62%
21,48
24,56 − 20,82
𝑃𝐸2011 = 𝑥 100% = 15,22%
24,56
24,74 − 23,95
𝑃𝐸2012 = 𝑥 100% = 3,19%
24,74
24,99 − 27,08
𝑃𝐸2013 = 𝑥 100% = 8,36%
24,99
26,82 − 30,21
𝑃𝐸2014 = 𝑥 100% = 12,62%
26,82
27,93 − 33,33
𝑃𝐸2015 = 𝑥 100% = 19,35%
27,93
32,92 − 36,46
𝑃𝐸2016 = 𝑥 100% = 10,76%
32,92
36,59 − 39,59
𝑃𝐸2017 = 𝑥 100% = 8,20%
36,59
104
45,76 − 42,72
𝑃𝐸2018 = 𝑥 100% = 6,65%
45,76
47,08 − 45,84
𝑃𝐸2019 = 𝑥 100% = 2,62%
47,08
53,80 − 48,97
𝑃𝐸2020 = 𝑥 100% = 8,97%
53,80
(17,62 + .… + 8,97)
𝑀𝐴𝑃𝐸 = = 10,32%
11
dengan Regresi Linear pada sektor industri

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 21,48 17,70 17,62%
2011 24,56 20,82 15,22%
2012 24,74 23,95 3,19%
2013 24,99 27,08 8,36%
2014 26,82 30,21 12,62%
2015 27,93 33,33 19,35%
2016 32,92 36,46 10,76%
2017 36,59 39,59 8,20%
2018 45,76 42,72 6,65%
2019 47,08 45,84 2,62%
2020 53,80 48,97 8,97%
MAPE 10,32%

105
c. Bisnis

Quadratic
76,72 − 74,21
𝑃𝐸2010 = 𝑥 100% = 3,27%
76,72
81,37 − 87,59
𝑃𝐸2011 = 𝑥 100% = 7,65%
81,37
100,49 − 100,81
𝑃𝐸2012 = 𝑥 100% = 0,32%
100,49
121,84 − 113,85
𝑃𝐸2013 = 𝑥 100% = 6,56%
121,84
128,85 − 126,72
𝑃𝐸2014 = 𝑥 100% = 1,66%
128,85
132,71 − 139,41
𝑃𝐸2015 = 𝑥 100% = 5,05%
132,71
151,36 − 151,94
𝑃𝐸2016 = 𝑥 100% = 0,38%
151,36
161,83 − 164,29
𝑃𝐸2017 = 𝑥 100% = 1,52%
161,83
174,56 − 176,48
𝑃𝐸2018 = 𝑥 100% = 1,10%
174,56
200,26 − 188,49
𝑃𝐸2019 = 𝑥 100% = 5,88%
200,26
194,12 − 200,32
𝑃𝐸2020 = 𝑥 100% = 3,20%
194,12
(3,27 + .… + 3,20)
𝑀𝐴𝑃𝐸 = = 3,33%
11
dengan metode Quadratic pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 76,72 74,21 3,27%
2011 81,37 87,59 7,65%
2012 100,49 100,81 0,32%
2013 121,84 113,85 6,56%
2014 128,85 126,72 1,66%
2015 132,71 139,41 5,05%
106
2016 151,36 151,94 0,38%
2017 161,83 164,29 1,52%
2018 174,56 176,48 1,10%
2019 200,26 188,49 5,88%
2020 194,12 200,32 3,20%
MAPE 3,33%

Regresi Linear
76,72 − 75,50
𝑃𝐸2010 = 𝑥 100% = 1,59%
76,72
81,37 − 88,11
𝑃𝐸2011 = 𝑥 100% = 8,28%
81,37
100,49 − 100,72
𝑃𝐸2012 = 𝑥 100% = 0,23%
100,49
121,84 − 113,33
𝑃𝐸2013 = 𝑥 100% = 6,98%
121,84
128,85 − 125,94
𝑃𝐸2014 = 𝑥 100% = 2,26%
128,85
132,71 − 138,56
𝑃𝐸2015 = 𝑥 100% = 4,40%
132,71
151,36 − 151,17
𝑃𝐸2016 = 𝑥 100% = 0,13%
151,36
161,83 − 163,78
𝑃𝐸2017 = 𝑥 100% = 1,20%
161,83
174,56 − 176,39
𝑃𝐸2018 = 𝑥 100% = 1,05%
174,56
200,26 − 189,00
𝑃𝐸2019 = 𝑥 100% = 5,62%
200,26
194,12 − 201,61
𝑃𝐸2020 = 𝑥 100% = 3,86%
194,12
(1,59 + .… + 3,86)
𝑀𝐴𝑃𝐸 = = 3,24%
11
dengan Regresi Linear pada sektor bisnis

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 76,72 75,50 1,59%
107
2011 81,37 88,11 8,28%
2012 100,49 100,72 0,23%
2013 121,84 113,33 6,98%
2014 128,85 125,94 2,26%
2015 132,71 138,56 4,40%
2016 151,36 151,17 0,13%
2017 161,83 163,78 1,20%
2018 174,56 176,39 1,05%
2019 200,26 189,00 5,62%
2020 194,12 201,61 3,86%
MAPE 3,24%

d. Sosial

Quadratic
10,12 − 10,28
𝑃𝐸2010 = 𝑥 100% = 1,57%
10,12
11,70 − 11,92
𝑃𝐸2011 = 𝑥 100% = 1,88%
11,70
13,81 − 13,88
𝑃𝐸2012 = 𝑥 100% = 0,54%
13,81
17,48 − 16,17
𝑃𝐸2013 = 𝑥 100% = 7,48%
17,48
18,91 − 18,78
𝑃𝐸2014 = 𝑥 100% = 0,68%
18,91
20,55 − 21,71
𝑃𝐸2015 = 𝑥 100% = 5,67%
20,55
25,43 − 24,97
𝑃𝐸2016 = 𝑥 100% = 1,81%
25,43
27,42 − 28,55
𝑃𝐸2017 = 𝑥 100% = 4,11%
27,42
108
32,50 − 32,45
𝑃𝐸2018 = 𝑥 100% = 0,16%
32,50
38,18 − 36,67
𝑃𝐸2019 = 𝑥 100% = 3,95%
38,18
40,51 − 41,22
𝑃𝐸2020 = 𝑥 100% = 1,75%
40,51
(1,57 + .… + 1,75)
𝑀𝐴𝑃𝐸 = = 2,69%
11
dengan metode Quadratic pada sektor social

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 10,12 10,28 1,57%
2011 11,70 11,92 1,88%
2012 13,81 13,88 0,54%
2013 17,48 16,17 7,48%
2014 18,91 18,78 0,68%
2015 20,55 21,71 5,67%
2016 25,43 24,97 1,81%
2017 27,42 28,55 4,11%
2018 32,50 32,45 0,16%
2019 38,18 36,67 3,95%
2020 40,51 41,22 1,75%
MAPE 2,69%

Regresi Linear
10,12 − 7,86
𝑃𝐸2010 = 𝑥 100% = 22,35%
10,12
11,70 − 10,95
𝑃𝐸2011 = 𝑥 100% = 6,39%
11,70
13,81 − 14,05
𝑃𝐸2012 = 𝑥 100% = 1,71%
13,81
17,48 − 17,14
𝑃𝐸2013 = 𝑥 100% = 1,94%
17,48
18,91 − 20,23
𝑃𝐸2014 = 𝑥 100% = 7,00%
18,91
109
20,55 − 23,33
𝑃𝐸2015 = 𝑥 100% = 13,52%
20,55
25,43 − 26,42
𝑃𝐸2016 = 𝑥 100% = 3,90%
25,43
27,42 − 29,52
𝑃𝐸2017 = 𝑥 100% = 7,64%
27,42
32,50 − 32,61
𝑃𝐸2018 = 𝑥 100% = 0,34%
32,50
38,18 − 35,70
𝑃𝐸2019 = 𝑥 100% = 6,48%
38,18
40,51 − 38,80
𝑃𝐸2020 = 𝑥 100% = 4,23%
40,51
(22,35 + .… + 4,23)
𝑀𝐴𝑃𝐸 = = 6,86%
11
dengan Regresi Linear pada sektor sosial

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 10,12 7,86 22,35%
2011 11,70 10,95 6,39%
2012 13,81 14,05 1,71%
2013 17,48 17,14 1,94%
2014 18,91 20,23 7,00%
2015 20,55 23,33 13,52%
2016 25,43 26,42 3,90%
2017 27,42 29,52 7,64%
2018 32,50 32,61 0,34%
2019 38,18 35,70 6,48%
2020 40,51 38,80 4,23%
MAPE 6,86%

110

Quadratic
16,25 − 15,88
𝑃𝐸2010 = 𝑥 100% = 2,25%
16,25
17,78 − 18,02
𝑃𝐸2011 = 𝑥 100% = 1,35%
17,78
19,87 − 20,25
𝑃𝐸2012 = 𝑥 100% = 1,89%
19,87
22,95 − 22,56
𝑃𝐸2013 = 𝑥 100% = 1,68%
22,95
24,69 − 24,97
𝑃𝐸2014 = 𝑥 100% = 1,15%
24,69
27,03 − 27,47
𝑃𝐸2015 = 𝑥 100% = 1,64%
27,03
30,69 − 30,06
𝑃𝐸2016 = 𝑥 100% = 2,04%
30,69
32,55 − 32,75
𝑃𝐸2017 = 𝑥 100% = 0,60%
32,55
35,60 − 35,52
𝑃𝐸2018 = 𝑥 100% = 0,23%
35,60
39,02 − 38,38
𝑃𝐸2019 = 𝑥 100% = 1,63%
39,02
40,78 − 41,34
𝑃𝐸2020 = 𝑥 100% = 1,37%
40,78
(2,25 + .… + 1,37)
𝑀𝐴𝑃𝐸 = = 1,44%
11
dengan metode Quadratic pada sektor gedung
pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 16,25 15,88 2,25%
2011 17,78 18,02 1,35%
2012 19,87 20,25 1,89%
2013 22,95 22,56 1,68%
111
2014 24,69 24,97 1,15%
2015 27,03 27,47 1,64%
2016 30,69 30,06 2,04%
2017 32,55 32,75 0,60%
2018 35,60 35,52 0,23%
2019 39,02 38,38 1,63%
2020 40,78 41,34 1,37%
MAPE 1,44%

Regresi Linear
16,25 − 15,20
𝑃𝐸2010 = 𝑥 100% = 6,46%
16,25
17,78 − 17,75
𝑃𝐸2011 = 𝑥 100% = 0,19%
17,78
19,87 − 20,29
𝑃𝐸2012 = 𝑥 100% = 2,12%
19,87
22,95 − 22,84
𝑃𝐸2013 = 𝑥 100% = 0,49%
22,95
24,69 − 25,38
𝑃𝐸2014 = 𝑥 100% = 2,81%
24,69
27,03 − 27,93
𝑃𝐸2015 = 𝑥 100% = 3,32%
27,03
30,69 − 30,47
𝑃𝐸2016 = 𝑥 100% = 0,70%
30,69
32,55 − 33,02
𝑃𝐸2017 = 𝑥 100% = 1,44%
32,55
35,60 − 35,56
𝑃𝐸2018 = 𝑥 100% = 0,10%
35,60
39,02 − 38,11
𝑃𝐸2019 = 𝑥 100% = 2,33%
39,02
40,78 − 40,66
𝑃𝐸2020 = 𝑥 100% = 0,31%
40,78
(6,46 + .… + 0,31)
𝑀𝐴𝑃𝐸 = = 1,84%
11
112
dengan Regresi Linear pada sektor gedung pemerintahan

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 16,25 15,20 6,46%
2011 17,78 17,75 0,19%
2012 19,87 20,29 2,12%
2013 22,95 22,84 0,49%
2014 24,69 25,38 2,81%
2015 27,03 27,93 3.32%
2016 30,69 30,47 0,70%
2017 32,55 33,02 1,44%
2018 35,60 35,56 0,10%
2019 39,02 38,11 2,33%
2020 40,78 40,66 0,31%
MAPE 1,84%


Quadratic
12,14 − 11,95
𝑃𝐸2010 = 𝑥 100% = 1,53%
12,14
12,34 − 12,32
𝑃𝐸2011 = 𝑥 100% = 0,18%
12,34
12,64 − 12,77
𝑃𝐸2012 = 𝑥 100% = 1,05%
12,64
12,94 − 13,32
𝑃𝐸2013 = 𝑥 100% = 2,92%
12,94
113
14,00 − 13,96
𝑃𝐸2014 = 𝑥 100% = 0,32%
14,00
14,76 − 14,68
𝑃𝐸2015 = 𝑥 100% = 0,51%
14,76
15,51 − 15,50
𝑃𝐸2016 = 𝑥 100% = 0,04%
15,51
16,65 − 16,41
𝑃𝐸2017 = 𝑥 100% = 1,41%
16,65
17,72 − 17,42
𝑃𝐸2018 = 𝑥 100% = 1,71%
17,72
18,17 − 18,51
𝑃𝐸2019 = 𝑥 100% = 1,87%
18,17
19,67 − 19,69
𝑃𝐸2020 = 𝑥 100% = 0,12%
19,67
(1,53 + .… + 0,12)
𝑀𝐴𝑃𝐸 = = 1,06%
11
dengan metode Quadratic pada sektor penerangan jalan
umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 12,14 11,95 1,53%
2011 12,34 12,32 0,18%
2012 12,64 12,77 1,05%
2013 12,94 13,32 2,92%
2014 14,00 13,96 0,32%
2015 14,76 14,68 0,51%
2016 15,51 15,50 0,04%
2017 16,65 16,41 1,41%
2018 17,72 17,42 1,71%
2019 18,17 18,51 1,87%
2020 19,67 19,69 0,12%
MAPE 1,06%

Regresi Linear
114
12,14 − 11,27
𝑃𝐸2010 = 𝑥 100% = 7,17%
12,14
12,34 − 12,04
𝑃𝐸2011 = 𝑥 100% = 2,40%
12,34
12,64 − 12,82
𝑃𝐸2012 = 𝑥 100% = 1,41%
12,64
12,94 − 13,59
𝑃𝐸2013 = 𝑥 100% = 5,04%
12,94
14,00 − 14,37
𝑃𝐸2014 = 𝑥 100% = 2,61%
14,00
14,76 − 15,14
𝑃𝐸2015 = 𝑥 100% = 2,57%
14,76
15,51 − 15,91
𝑃𝐸2016 = 𝑥 100% = 2,60%
15,51
16,65 − 16,69
𝑃𝐸2017 = 𝑥 100% = 0,23%
16,65
17,72 − 17,46
𝑃𝐸2018 = 𝑥 100% = 1,46%
17,72
18,17 − 18,24
𝑃𝐸2019 = 𝑥 100% = 0,36%
18,17
19,67 − 19,01
𝑃𝐸2020 = 𝑥 100% = 3,36%
19,67
(7,17 + .… + 3,36)
𝑀𝐴𝑃𝐸 = = 2,66%
11
dengan Regresi Linear pada sektor penerangan jalan
umum

Tahun Nilai Error
Nilai Aktual
Peramalan
2010 12,14 11,27 7,17%
2011 12,34 12,04 2,40%
2012 12,64 12,82 1,41%
2013 12,94 13,59 5,04%
2014 14,00 14,37 2,61%
2015 14,76 15,14 2,57%
2016 15,51 15,91 2,60%
2017 16,65 16,69 0,23%
2018 17,72 17,46 1,46%
115
2019 18,17 18,24 0,36%
2020 19,67 19,01 3,36%
MAPE 2,66%

4.5 Perbandingan Antara Metode Quadratic Dan Metode Analisis Regresi
4.5.1 Perbandingan Antara Metode Quadratic Dan Metode Analisis

Regresi Jumlah Pelanggan Listrik
Tabel 4.96 Perbandingan antara metode Quadratic dan metode

analisis Regresi Linear jumlah pelanggan listrik pada setiap sektor
MAPE
Jumlah Pelanggan Listrik
Quadratic Regresi Linear
Rumah Tangga 2,96% 4,75%
Industri 5,44% 23,72%
Bisnis 1,32% 2,51%
Sosial 3,25% 7,77%
Gedung Pemerintahan 2,16% 5,44%
Penerangan Jalan Umum 1,70% 6,50%
Rata-Rata 2,80% 8,45%
Pada tabel 4.96 dapat dilihat perbandingan antara metode Quadratic

dan metode analisis Regresi Linear jumlah pelanggan listrik pada
setiap sektor dengan nilai rata-rata MAPE metode Quadratic sebesar
2,80% dan rata-rata MAPE metode Regresi Linear sebesar 8,45%.
Sehingga dapat disimpulkan bahwa metode analisis Time Series
dengan proyeksi Tren Quadratic merupakan metode yang tepat untuk
digunakan pada peramalan jumlah pelanggan karena memilik error
yang lebih kecil.
116
Regresi Jumlah Daya Tersambung

analisis Regresi jumlah daya tersambung pada setiap sektor
Jumlah Daya MAPE

Tersambung (MVA) Quadratic Regresi Linear
Rumah Tangga 4.31% 5.08%
Industri 6.29% 28.31%
Bisnis 2.26% 2.93%
Sosial 5.77% 14.83%
Gedung Pemerintahan 1.79% 4.77%
Penerangan Jalan Umum 2.42% 2.74%
Rata-Rata 3.81% 9.78%

dan metode analisis Regresi Linear jumlah daya tersambung pada
setiap sektor dengan nilai rata-rata MAPE metode Quadratic sebesar
3,81% dan rata-rata MAPE metode Regresi Linear sebesar 9,78%.
Sehingga dapat disimpulkan bahwa metode analisis Time Series
dengan proyeksi Tren Quadratic merupakan metode yang tepat untuk
digunakan pada peramalan daya tersambung karena memilik error
yang lebih kecil.

Regresi Jumlah Energi Terjual

analisis Regresi jumlah energi terjual pada setiap sektor
Jumlah Energi Terjual MAPE

(GWh) Quadratic Regresi Linear
Rumah Tangga 2.22% 2.93%
Industri 3.59% 10.32%
Bisnis 3.33% 3.24%
117
Sosial 3.25% 7.77%
Gedung Pemerintahan 2.69% 6.86%
Penerangan Jalan Umum 1.06% 2.66%
Rata-Rata 2.69% 5.63%

dan metode analisis Regresi Linear jumlah energi terjual pada setiap
sektor dengan nilai rata-rata MAPE metode Quadratic sebesar 2,69%
dan rata-rata MAPE metode Regresi Linear sebesar 5,63%. Sehingga
dapat disimpulkan bahwa metode analisis Time Series dengan
proyeksi Tren Quadratic merupakan metode yang tepat untuk
digunakan pada peramalan jumlah energi terjual karena memiliki
error yang lebih kecil.
4.6 Hasil Peramalan
4.6.1 Hasil Peramalan Jumlah Pelanggan Untuk Tahun 2021 – 2040
a. Rumah Tangga
Perhitungan peramalan jumlah pelanggan dengan

persamaan Quadratic pada persamaan 4.1.
𝑌𝑡 = 362.097 + 39.374 𝑡 + 1.845 𝑡 2
𝑌2021 = 362.097 + 39.374 (6) + 1.845 (6)2 = 664.764
𝑌2022 = 362.097 + 39.374 (7) + 1.845 (7)2 = 728.123
𝑌2023 = 362.097 + 39.374 (8) + 1.845 (8)2 = 795.173
𝑌2024 = 362.097 + 39.374 (9) + 1.845 (9)2 = 865.193
𝑌2025 = 362.097 + 39.374 (10) + 1.845 (10) 2 = 940.344
𝑌2026 = 362.097 + 39.374 (11) + 1.845 (11) 2 = 1.018.464
𝑌2027 = 362.097 + 39.374 (12) + 1.845 (12) 2 = 1.100.274
𝑌2028 = 362.097 + 39.374 (13) + 1.845 (13) 2 = 1.185.775
𝑌2029 = 362.097 + 39.374 (14) + 1.845 (14)2 = 1.274.966
𝑌2030 = 362.097 + 39.374 (15) + 1.845 (15) 2 = 1.367.846
𝑌2031 = 362.097 + 39.374 (16) + 1.845 (16) 2 = 1.464.417
118
𝑌2032 = 362.097 + 39.374 (17) + 1.845 (17) 2 = 1.564.678
𝑌2033 = 362.097 + 39.374 (18) + 1.845 (18) 2 = 1.668.630
𝑌2034 = 362.097 + 39.374 (19) + 1.845 (19) 2 = 1.776.271
𝑌2035 = 362.097 + 39.374 (20) + 1.845 (20) 2 = 1.887.602
𝑌2036 = 362.097 + 39.374 (21) + 1.845 (21) 2 = 2.002.624
𝑌2037 = 362.097 + 39.374 (22) + 1.845 (22) 2 = 2.121.335
𝑌2038 = 362.097 + 39.374 (23) + 1.845 (23) 2 = 2.243.737
𝑌2039 = 362.097 + 39.374 (24) + 1.845 (24)2 = 2.369.829
𝑌2040 = 362.097 + 39.374 (25) + 1.845 (25) 2 = 2.499.611
Tabel 4.99 Hasil peramalan jumlah pelanggan tahun 2021 s/d
2040 pada sektor rumah tangga
Periode Perubahan
Tahun
(𝑡) Jumlah Pelanggan Perkembangan
2021 6 664.764 61.132
2022 7 728.123 63.360
2023 8 795.173 67.050
2024 9 865.913 70.740
2025 10 940.344 74.430
2026 11 1.018.464 78.120
2027 12 1.100.274 81.810
2028 13 1.185.775 85.501
2029 14 1.274.966 89.191
2030 15 1.367.846 92.881
2031 16 1.464.417 96.571
2032 17 1.564.678 100.261
2033 18 1.668.630 103.951
2034 19 1.776.271 107.641
2035 20 1.887.602 111.331
2036 21 2.002.624 115.022
2037 22 2.121.335 118.712
2038 23 2.243.737 122.402
2039 24 2.369.829 126.092
2040 25 2.499.611 129.782
Rata-rata 1.477.019 94.799
119
Dari tabel hasil perhitungan peramalan diatas dapat diketahui
akan terjadi peningkatan jumlah pelanggan setiap tahunnya
hingga tahun 2040. Hasil perhitungan peramalan jumlah
pelanggan pada sektor rumah tangga untuk tahun 2021 s/d 2040
yang telah dilakukan digabungkan dengan data jumlah
pelanggan dari tahun 2010 s/d 2020 dapat ditunjukkan pada
gambar 4.1.
Gambar 4.1 Grafik peramalan jumlah pelanggan tahun 2010 s/d

b. Industri

𝑌𝑡 = 169,43 + 36,00 𝑡 + 5,66 𝑡 2
𝑌2021 = 169,43 + 36,00 (6) + 5,66 (6)2 = 589
𝑌2022 = 169,43 + 36,00 (7) + 5,66 (7)2 = 699
𝑌2023 = 169,43 + 36,00 (8) + 5,66 (8)2 = 819
𝑌2024 = 169,43 + 36,00 (9) + 5,66 (9)2 = 952
𝑌2025 = 169,43 + 36,00 (10) + 5,66 (10) 2 = 1.095
120
𝑌2026 = 169,43 + 36,00 (11) + 5,66 (11) 2 = 1.250
𝑌2027 = 169,43 + 36,00 (12) + 5,66 (12) 2 = 1.416
𝑌2028 = 169,43 + 36,00 (13) + 5,66 (13) 2 = 1.594
𝑌2029 = 169,43 + 36,00 (14) + 5,66 (14) 2 = 1.782
𝑌2030 = 169,43 + 36,00 (15) + 5,66 (15) 2 = 1.982
𝑌2031 = 169,43 + 36,00 (16) + 5,66 (16) 2 = 2.194
𝑌2032 = 169,43 + 36,00 (17) + 5,66 (17) 2 = 2.416
𝑌2033 = 169,43 + 36,00 (18) + 5,66 (18) 2 = 2.650
𝑌2034 = 169,43 + 36,00 (19) + 5,66 (19) 2 = 2.896
𝑌2035 = 169,43 + 36,00 (20) + 5,66 (20) 2 = 3.152
𝑌2036 = 169,43 + 36,00 (21) + 5,66 (21) 2 = 3.420
𝑌2037 = 169,43 + 36,00 (22) + 5,66 (22) 2 = 3.700
𝑌2038 = 169,43 + 36,00 (23) + 5,66 (23) 2 = 3.990
𝑌2039 = 169,43 + 36,00 (24) + 5,66 (24) 2 = 4.292
𝑌2040 = 169,43 + 36,00 (25) + 5,66 (25) 2 = 4.605
2040 pada sektor industri
Periode Perubahan
Tahun
2021 6 589 91
2022 7 699 110
2023 8 819 121
2024 9 952 132
2025 10 1.095 143
2026 11 1.250 155
2027 12 1.416 166
2028 13 1.594 177
2029 14 1.782 189
2030 15 1.982 200
2031 16 2.194 211
2032 17 2.416 223
2033 18 2.650 234
2034 19 2.896 245
121
2035 20 3.152 257
2036 21 3.420 268
2037 22 3.700 279
2038 23 3.990 291
2039 24 4.292 302
2040 25 4.605 313
Rata-rata 2.275 205

pelanggan pada sektor industri untuk tahun 2021 s/d 2040 yang
telah dilakukan digabungkan dengan data jumlah pelanggan dari
tahun 2010 s/d 2020 dapat ditunjukkan pada gambar 4.2.

c. Bisnis

𝑌𝑡 = 18.230,19 + 1.787,66 𝑡 + 51,06 𝑡 2
122
𝑌2021 = 18.230,19 + 1.787,66 (6) + 51,06 (6)2 = 30.793
𝑌2022 = 18.230,19 + 1.787,66 (7) + 51,06 (7)2 = 33.244
𝑌2023 = 18.230,19 + 1.787,66 (8) + 51,06 (8)2 = 35.797
𝑌2024 = 18.230,19 + 1.787,66 (9) + 51,06 (9)2 = 38.452
𝑌2025 = 18.230,19 + 1.787,66 (10) + 51,06 (10) 2 = 41.209
𝑌2026 = 18.230,19 + 1.787,66 (11) + 51,06 (11) 2 = 44.068
𝑌2027 = 18.230,19 + 1.787,66 (12) + 51,06 (12) 2 = 47.029
𝑌2028 = 18.230,19 + 1.787,66 (13) + 51,06 (13) 2 = 50.092
𝑌2029 = 18.230,19 + 1.787,66 (14) + 51,06 (14) 2 = 53.257
𝑌2030 = 18.230,19 + 1.787,66 (15) + 51,06 (15) 2 = 56.524
𝑌2031 = 18.230,19 + 1.787,66 (16) + 51,06 (16) 2 = 59.893
𝑌2032 = 18.230,19 + 1.787,66 (17) + 51,06 (17) 2 = 63.365
𝑌2033 = 18.230,19 + 1.787,66 (18) + 51,06 (18) 2 = 66.938
𝑌2034 = 18.230,19 + 1.787,66 (19) + 51,06 (19) 2 = 70.613
𝑌2035 = 18.230,19 + 1.787,66 (20) + 51,06 (20) 2 = 74.390
𝑌2036 = 18.230,19 + 1.787,66 (21) + 51,06 (21) 2 = 78.270
𝑌2037 = 18.230,19 + 1.787,66 (22) + 51,06 (22) 2 = 82.251
𝑌2038 = 18.230,19 + 1.787,66 (23) + 51,06 (23) 2 = 86.335
𝑌2039 = 18.230,19 + 1.787,66 (24) + 51,06 (24) 2 = 90.520
𝑌2040 = 18.230,19 + 1.787,66 (25) + 51,06 (25) 2 = 94.808
2040 pada sektor bisnis
Periode Perubahan
Tahun
2021 6 30.793 2.245
2022 7 33.244 2.451
2023 8 35.797 2.553
2024 9 38.452 2.655
2025 10 41.209 2.757
2026 11 44.068 2.859
2027 12 47.029 2.961
2028 13 50.092 3.063
123
2029 14 53.257 3.165
2030 15 56.524 3.267
2031 16 59.893 3.369
2032 17 63.365 3.471
2033 18 66.938 3.573
2034 19 70.613 3.675
2035 20 74.390 3.777
2036 21 78.270 3.879
2037 22 82.251 3.981
2038 23 86.335 4.083
2039 24 90.520 4.185
2040 25 94.808 4.288
Rata-rata 59.892 3.313

pelanggan pada sektor bisnis untuk tahun 2021 s/d 2040 yang

124
d. Sosial

𝑌𝑡 = 169,43 + 36,00 𝑡 + 5,66 𝑡 2
𝑌2021 = 169,43 + 36,00 (6) + 5,66 (6)2 = 15.345
𝑌2022 = 169,43 + 36,00 (7) + 5,66 (7)2 = 17.198
𝑌2023 = 169,43 + 36,00 (8) + 5,66 (8)2 = 19.194
𝑌2024 = 169,43 + 36,00 (9) + 5,66 (9)2 = 21.334
𝑌2025 = 169,43 + 36,00 (10) + 5,66 (10) 2 = 23.617
𝑌2026 = 169,43 + 36,00 (11) + 5,66 (11) 2 = 26.043
𝑌2027 = 169,43 + 36,00 (12) + 5,66 (12) 2 = 28.613
𝑌2028 = 169,43 + 36,00 (13) + 5,66 (13) 2 = 31.325
𝑌2029 = 169,43 + 36,00 (14) + 5,66 (14) 2 = 34.182
𝑌2030 = 169,43 + 36,00 (15) + 5,66 (15) 2 = 37.181
𝑌2031 = 169,43 + 36,00 (16) + 5,66 (16) 2 = 40.324
𝑌2032 = 169,43 + 36,00 (17) + 5,66 (17) 2 = 43.610
𝑌2033 = 169,43 + 36,00 (18) + 5,66 (18) 2 = 47.040
𝑌2034 = 169,43 + 36,00 (19) + 5,66 (19) 2 = 50.613
𝑌2035 = 169,43 + 36,00 (20) + 5,66 (20) 2 = 54.329
𝑌2036 = 169,43 + 36,00 (21) + 5,66 (21) 2 = 58.188
𝑌2037 = 169,43 + 36,00 (22) + 5,66 (22) 2 = 62.191
𝑌2038 = 169,43 + 36,00 (23) + 5,66 (23) 2 = 66.337
𝑌2039 = 169,43 + 36,00 (24) + 5,66 (24) 2 = 70.627
𝑌2040 = 169,43 + 36,00 (25) + 5,66 (25) 2 = 75.059
2040 pada sektor sosial
Periode Perubahan
Tahun
2021 6 15.345 1.633
2022 7 17.198 1.853
125
2023 8 19.194 1.996
2024 9 21.334 2.140
2025 10 23.617 2.283
2026 11 26.043 2.426
2027 12 28.613 2.570
2028 13 31.325 2.713
2029 14 34.182 2.856
2030 15 37.181 3.000
2031 16 40.324 3.143
2032 17 43.610 3.286
2033 18 47.040 3.430
2034 19 50.613 3.573
2035 20 54.329 3.716
2036 21 58.188 3.859
2037 22 62.191 4.003
2038 23 66.337 4.146
2039 24 70.627 4.289
2040 25 75.059 4.433
Rata-rata 41.117 3.067

pelanggan pada sektor sosial untuk tahun 2021 s/d 2040 yang
126

𝑌𝑡 = 3.216,39 + 379,64 𝑡 + 20,98 𝑡 2
𝑌2021 = 3.216,39 + 379,64 (6) + 20,98 (6)2 = 6.249
𝑌2022 = 3.216,39 + 379,64 (7) + 20,98 (7)2 = 6.902
𝑌2023 = 3.216,39 + 379,64 (8) + 20,98 (8)2 = 7.596
𝑌2024 = 3.216,39 + 379,64 (9) + 20,98 (9)2 = 8.332
𝑌2025 = 3.216,39 + 379,64 (10) + 20,98 (10) 2 = 9.111
𝑌2026 = 3.216,39 + 379,64 (11) + 20,98 (11) 2 = 9.931
𝑌2027 = 3.216,39 + 379,64 (12) + 20,98 (12) 2 = 10.793
𝑌2028 = 3.216,39 + 379,64 (13) + 20,98 (13) 2 = 11.697
𝑌2029 = 3.216,39 + 379,64 (14) + 20,98 (14)2 = 12.643
𝑌2030 = 3.216,39 + 379,64 (15) + 20,98 (15) 2 = 13.631
𝑌2031 = 3.216,39 + 379,64 (16) + 20,98 (16) 2 = 14.661
𝑌2032 = 3.216,39 + 379,64 (17) + 20,98 (17) 2 = 15.733
127
𝑌2033 = 3.216,39 + 379,64 (18) + 20,98 (18) 2 = 16.847
𝑌2034 = 3.216,39 + 379,64 (19) + 20,98 (19) 2 = 18.003
𝑌2035 = 3.216,39 + 379,64 (20) + 20,98 (20) 2 = 19.201
𝑌2036 = 3.216,39 + 379,64 (21) + 20,98 (21) 2 = 20.441
𝑌2037 = 3.216,39 + 379,64 (22) + 20,98 (22) 2 = 21.722
𝑌2038 = 3.216,39 + 379,64 (23) + 20,98 (23) 2 = 23.046
𝑌2039 = 3.216,39 + 379,64 (24) + 20,98 (24)2 = 24.412
𝑌2040 = 3.216,39 + 379,64 (25) + 20,98 (25) 2 = 25.819
2040 pada sektor gedung pemerintahan
Periode Perubahan
Tahun
2021 6 6.249 674
2022 7 6.902 652
2023 8 7.596 694
2024 9 8.332 736
2025 10 9.111 778
2026 11 9.931 820
2027 12 10.793 862
2028 13 11.697 904
2029 14 12.643 946
2030 15 13.631 988
2031 16 14.661 1.030
2032 17 15.733 1.072
2033 18 16.847 1.114
2034 19 18.003 1.156
2035 20 19.201 1.198
2036 21 20.441 1.240
2037 22 21.722 1.282
2038 23 23.046 1.324
2039 24 24.412 1.366
2040 25 25.819 1.408
Rata-rata 14.839 1.012
128
pelanggan pada sektor gedung pemerintahan untuk tahun 2021
s/d 2040 yang telah dilakukan digabungkan dengan data jumlah
pelanggan dari tahun 2010 s/d 2020 dapat ditunjukkan pada
gambar 4.5.


𝑌𝑡 = 587,29 + 63,25 𝑡 + 4,44 𝑡 2
𝑌2021 = 587,29 + 63,25 (6) + 4,44 (6)2 = 1.127
𝑌2022 = 587,29 + 63,25 (7) + 4,44 (7)2 = 1.248
𝑌2023 = 587,29 + 63,25 (8) + 4,44 (8)2 = 1.378
𝑌2024 = 587,29 + 63,25 (9) + 4,44 (9)2 = 1.516
𝑌2025 = 587,29 + 63,25 (10) + 4,44 (10) 2 = 1.664
129
𝑌2026 = 587,29 + 63,25 (11) + 4,44 (11) 2 = 1.821
𝑌2027 = 587,29 + 63,25 (12) + 4,44 (12) 2 = 1.986
𝑌2028 = 587,29 + 63,25 (13) + 4,44 (13) 2 = 2.161
𝑌2029 = 587,29 + 63,25 (14) + 4,44 (14) 2 = 2.344
𝑌2030 = 587,29 + 63,25 (15) + 4,44 (15) 2 = 2.536
𝑌2031 = 587,29 + 63,25 (16) + 4,44 (16) 2 = 2.737
𝑌2032 = 587,29 + 63,25 (17) + 4,44 (17) 2 = 2.947
𝑌2033 = 587,29 + 63,25 (18) + 4,44 (18) 2 = 3.166
𝑌2034 = 587,29 + 63,25 (19) + 4,44 (19) 2 = 3.393
𝑌2035 = 587,29 + 63,25 (20) + 4,44 (20) 2 = 3.630
𝑌2036 = 587,29 + 63,25 (21) + 4,44 (21) 2 = 3.875
𝑌2037 = 587,29 + 63,25 (22) + 4,44 (22) 2 = 4.130
𝑌2038 = 587,29 + 63,25 (23) + 4,44 (23) 2 = 4.393
𝑌2039 = 587,29 + 63,25 (24) + 4,44 (24) 2 = 3.875
𝑌2040 = 587,29 + 63,25 (25) + 4,44 (25) 2 = 4.946
2040 pada sektor penerangan jalan umum
Periode Perubahan
Tahun
2021 6 1.127 118
2022 7 1.248 121
2023 8 1.378 130
2024 9 1.516 139
2025 10 1.664 148
2026 11 1.821 157
2027 12 1.986 165
2028 13 2.161 174
2029 14 2.344 183
2030 15 2.536 192
2031 16 2.737 201
2032 17 2.947 210
2033 18 3.166 219
2034 19 3.393 228
130
2035 20 3.630 237
2036 21 3.875 245
2037 22 4.130 254
2038 23 4.393 263
2039 24 4.665 272
2040 25 4.946 281
Rata-rata 2.783 197

pelanggan pada sektor penerangan jalan umum untuk tahun
2021 s/d 2040 yang telah dilakukan digabungkan dengan data
jumlah pelanggan dari tahun 2010 s/d 2020 dapat ditunjukkan
pada gambar 4.6.

131
4.6.2 Hasil Peramalan Jumlah Daya Tersambung Untuk Tahun 2021 -
2040
a. Rumah Tangga
Perhitungan peramalan jumlah daya tersambung dengan

𝑌𝑡 = 358,00 + 44,63 𝑡 + 1,80 𝑡 2
𝑌2021 = 358,00 + 44,63 (6) + 1,80 (6)2 = 690,41
𝑌2022 = 358,00 + 44,63 (7) + 1,80(7)2 = 758,39
𝑌2023 = 358,00 + 44,63 (8) + 1,80 (8)2 = 829,95
𝑌2024 = 358,00 + 44,63 (9) + 1,80 (9)2 = 905,11
𝑌2025 = 358,00 + 44,63 (10) + 1,80 (10) 2 = 983,86
𝑌2026 = 358,00 + 44,63 (11) + 1,80 (11) 2 = 1.066,20
𝑌2027 = 358,00 + 44,63 (12) + 1,80 (12) 2 = 1.152,13
𝑌2028 = 358,00 + 44,63 (13) + 1,80 (13) 2 = 1.241,66
𝑌2029 = 358,00 + 44,63 (14) + 1,80 (14) 2 = 1.334,77
𝑌2030 = 358,00 + 44,63 (15) + 1,80 (15) 2 = 1.431,48
𝑌2031 = 358,00 + 44,63 (16) + 1,80 (16) 2 = 1.531,78
𝑌2032 = 358,00 + 44,63 (17) + 1,80 (17) 2 = 1.635,67
𝑌2033 = 358,00 + 44,63 (18) + 1,80 (18) 2 = 1.743,16
𝑌2034 = 358,00 + 44,63 (19) + 1,80 (19) 2 = 1.854,23
𝑌2035 = 358,00 + 44,63 (20) + 1,80 (20) 2 = 1.968,90
𝑌2036 = 358,00 + 44,63 (21) + 1,80 (21) 2 = 2.087,16
𝑌2037 = 358,00 + 44,63 (22) + 1,80 (22) 2 = 2.209,01
𝑌2038 = 358,00 + 44,63 (23) + 1,80 (23) 2 = 2.334,45
𝑌2039 = 358,00 + 44,63 (24) + 1,80 (24) 2 = 2.463,48
𝑌2040 = 358,00 + 44,63 (25) + 1,80(25)2 = 2.596,89
132
Tabel 4.105 Hasil peramalan jumlah daya tersambung tahun
2021 s/d 2040 pada sektor rumah tangga
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 690,41 60,32
2022 7 758,39 67,97
2023 8 829,95 71,57
2024 9 905,11 75,16
2025 10 983,86 78,75
2026 11 1.066,20 82,34
2027 12 1.152,13 85,93
2028 13 1.241,66 89,52
2029 14 1.334,77 93,12
2030 15 1.431,48 96,71
2031 16 1.531,78 100,30
2032 17 1.635,67 103,89
2033 18 1.743,16 107,48
2034 19 1.854,23 111,08
2035 20 1.968,90 114,67
2036 21 2.087,16 118,26
2037 22 2.209,01 121,85
2038 23 2.334,45 125,44
2039 24 2.463,48 129,03
2040 25 2.596,11 132,63
Rata-rata 1.540,89 98,30

akan terjadi peningkatan jumlah daya tersambung setiap
tahunnya hingga tahun 2040. Hasil perhitungan peramalan
jumlah daya tersambung pada sektor rumah tangga untuk tahun
2021 s/d 2040 yang telah dilakukan digabungkan dengan data
jumlah daya tersambung dari tahun 2010 s/d 2020 dapat
ditunjukkan pada gambar 4.7.
133
Gambar 4.7 Grafik peramalan daya tersambung tahun 2010 s/d
b. Industri

𝑌𝑡 = 17,74 + 4,58 𝑡 + 0,66 𝑡 2
𝑌2021 = 17,74 + 4,58 (6) + 0,66 (6)2 = 68,89
𝑌2022 = 17,74 + 4,58 (7) + 0,66 (7)2 = 82,02
𝑌2023 = 17,74 + 4,58 (8) + 0,66 (8)2 = 96,46
𝑌2024 = 17,74 + 4,58 (9) + 0,66 (9)2 = 112,23
𝑌2025 = 17,74 + 4,58 (10) + 0,66 (10) 2 = 129,31
𝑌2026 = 17,74 + 4,58 (11) + 0,66 (11) 2 = 147,70
𝑌2027 = 17,74 + 4,58 (12) + 0,66 (12) 2 = 167,41
𝑌2028 = 17,74 + 4,58 (13) + 0,66 (13) 2 = 188,44
𝑌2029 = 17,74 + 4,58 (14) + 0,66 (14) 2 = 210,78
𝑌2030 = 17,74 + 4,58 (15) + 0,66 (15) 2 = 234,44
𝑌2031 = 17,74 + 4,58 (16) + 0,66 (16) 2 = 259,42
𝑌2032 = 17,74 + 4,58 (17) + 0,66 (17) 2 = 285,71
134
𝑌2033 = 17,74 + 4,58 (18) + 0,66 (18) 2 = 313,32
𝑌2034 = 17,74 + 4,58 (19) + 0,66 (19) 2 = 342,24
𝑌2035 = 17,74 + 4,58 (20) + 0,66 (20) 2 = 372,49
𝑌2036 = 17,74 + 4,58 (21) + 0,66 (21) 2 = 404,04
𝑌2037 = 17,74 + 4,58 (22) + 0,66 (22) 2 = 436,92
𝑌2038 = 17,74 + 4,58 (23) + 0,66 (23) 2 = 471,10
𝑌2039 = 17,74 + 4,58 (24) + 0,66 (24) 2 = 506,61
𝑌2040 = 17,74 + 4,58 (25) + 0,66 (25) 2 = 543,43
2021 s/d 2040 pada sektor industri
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 68,89 11,44
2022 7 82,02 13,13
2023 8 96,46 14,45
2024 9 112,23 15,76
2025 10 129,31 17,08
2026 11 147,70 18,40
2027 12 167,41 19,71
2028 13 188,44 21,03
2029 14 210,78 22,34
2030 15 234,44 23,66
2031 16 259,42 24,98
2032 17 285,71 26,29
2033 18 313,32 27,61
2034 19 342,24 28,92
2035 20 372,49 30,24
2036 21 404,04 31,56
2037 22 436,92 32,87
2038 23 471,10 34,19
2039 24 506,61 35,51
2040 25 543,43 36,82
Rata-rata 268,65 24,30
135
jumlah daya tersambung pada sektor industri untuk tahun 2021
s/d 2040 yang telah dilakukan digabungkan dengan data jumlah
daya tersambung dari tahun 2010 s/d 2020 dapat ditunjukkan
pada gambar 4.8.

c. Bisnis

𝑌𝑡 = 92,11 + 10,46 𝑡 − 0,13 𝑡 2
𝑌2021 = 92,11 + 10,46 (6) − 0,13 (6)2 = 150,32
𝑌2022 = 92,11 + 10,46 (7) − 0,13(7)2 = 159,13
𝑌2023 = 92,11 + 10,46 (8) − 0,13 (8)2 = 167,70
𝑌2024 = 92,11 + 10,46 (9) − 0,13 (9)2 = 176,02
𝑌2025 = 92,11 + 10,46 (10) − 0,13 (10)2 = 184,08
136
𝑌2026 = 92,11 + 10,46 (11) − 0,13 (11)2 = 191,89
𝑌2027 = 92,11 + 10,46 (12) − 0,13 (12)2 = 199,45
𝑌2028 = 92,11 + 10,46 (13) − 0,13 (13)2 = 206,76
𝑌2029 = 92,11 + 10,46 (14) − 0,13 (14)2 = 213,82
𝑌2030 = 92,11 + 10,46 (15) − 0,13 (15)2 = 220,62
𝑌2031 = 92,11 + 10,46 (16) − 0,13 (16)2 = 227,18
𝑌2032 = 92,11 + 10,46 (17) − 0,13 (17)2 = 233,48
𝑌2033 = 92,11 + 10,46 (18) − 0,13 (18)2 = 239,53
𝑌2034 = 92,11 + 10,46 (19) − 0,13 (19)2 = 245,32
𝑌2035 = 92,11 + 10,46 (20) − 0,13 (20)2 = 250,87
𝑌2036 = 92,11 + 10,46 (21) − 0,13 (21)2 = 256,16
𝑌2037 = 92,11 + 10,46 (22) − 0,13 (22)2 = 261,21
𝑌2038 = 92,11 + 10,46 (23) − 0,13 (23)2 = 266,00
𝑌2039 = 92,11 + 10,46 (24) − 0,13 (24)2 = 270,54
𝑌2040 = 92,11 + 10,46 (25) − 0,13 (25)2 = 274,82
2021 s/d 2040 pada sektor bisnis
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 150,32 7,65
2022 7 159,13 8,82
2023 8 167,70 8,57
2024 9 176,02 8,32
2025 10 184,08 8,06
2026 11 191,89 7,81
2027 12 199,45 7,56
2028 13 206,76 7,31
2029 14 213,82 7,06
2030 15 220,62 6,80
2031 16 227,18 6,55
2032 17 233,48 6,30
2033 18 239,53 6,05
137
2034 19 245,32 5,80
2035 20 250,87 5,55
2036 21 256,16 5,29
2037 22 261,21 5,04
2038 23 266,00 4,79
2039 24 270,54 4,54
2040 25 274,82 4,29
Rata-rata 219,74 6,61

jumlah daya tersambung pada sektor bisnis untuk tahun 2021 s/d
2040 yang telah dilakukan digabungkan dengan data jumlah
pada gambar 4.9.

138
d. Sosial

𝑌𝑡 = 17,60 + 3,23 𝑡 + 0,30 𝑡 2
𝑌2021 = 17,60 + 3,23 (6) + 0,30 (6)2 = 47,62
𝑌2022 = 17,60 + 3,23 (7) + 0,30 (7)2 = 54,70
𝑌2023 = 17,60 + 3,23 (8) + 0,30 (8)2 = 62,36
𝑌2024 = 17,60 + 3,23 (9) + 0,30 (9)2 = 70,61
𝑌2025 = 17,60 + 3,23 (10) + 0,30 (10) 2 = 79,46
𝑌2026 = 17,60 + 3,23 (11) + 0,30 (11) 2 = 88,89
𝑌2027 = 17,60 + 3,23 (12) + 0,30 (12) 2 = 98,92
𝑌2028 = 17,60 + 3,23 (13) + 0,30 (13) 2 = 109,53
𝑌2029 = 17,60 + 3,23 (14) + 0,30 (14) 2 = 120,74
𝑌2030 = 17,60 + 3,23 (15) + 0,30 (15) 2 = 132,54
𝑌2031 = 17,60 + 3,23 (16) + 0,30 (16) 2 = 144,92
𝑌2032 = 17,60 + 3,23 (17) + 0,30 (17) 2 = 157,90
𝑌2033 = 17,60 + 3,23 (18) + 0,30 (18) 2 = 171,47
𝑌2034 = 17,60 + 3,23 (19) + 0,30 (19) 2 = 185,63
𝑌2035 = 17,60 + 3,23 (20) + 0,30 (20) 2 = 200,38
𝑌2036 = 17,60 + 3,23 (21) + 0,30 (21) 2 = 215,73
𝑌2037 = 17,60 + 3,23 (22) + 0,30 (22) 2 = 231,66
𝑌2038 = 17,60 + 3,23 (23) + 0,30 (23) 2 = 248,18
𝑌2039 = 17,60 + 3,23 (24) + 0,30 (24) 2 = 265,29
𝑌2040 = 17,60 + 3,23 (25) + 0,30 (25) 2 = 283,00
2021 s/d 2040 pada sektor sosial
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 47,62 6,35
2022 7 54,70 7,07
139
2023 8 62,36 7,66
2024 9 70,61 8,25
2025 10 79,46 8,84
2026 11 88,89 9,43
2027 12 98,92 10,03
2028 13 109,53 10,62
2029 14 120,74 11,21
2030 15 132,54 11,80
2031 16 144,92 12,39
2032 17 157,90 12,98
2033 18 171,47 13,57
2034 19 185,63 14,16
2035 20 200,38 14,75
2036 21 215,73 15,34
2037 22 231,66 15,93
2038 23 248,18 16,52
2039 24 265,29 17,11
2040 25 283,00 17,70
Rata-rata 148,48 12,09

jumlah daya tersambung pada sektor sosial untuk tahun 2021 s/d
pada gambar 4.10.
140

𝑌𝑡 = 20,80 + 2,38 𝑡 + 0,11 𝑡 2
𝑌2021 = 20,80 + 2,38 (6) + 0,11 (6)2 = 39,13
𝑌2022 = 20,80 + 2,38 (7) + 0,11 (7)2 = 42,97
𝑌2023 = 20,80 + 2,38 (8) + 0,11 (8)2 = 47,04
𝑌2024 = 20,80 + 2,38 (9) + 0,11 (9)2 = 51,33
𝑌2025 = 20,80 + 2,38 (10) + 0,11 (10) 2 = 55,84
𝑌2026 = 20,80 + 2,38 (11) + 0,11 (11) 2 = 60,57
𝑌2027 = 20,80 + 2,38 (12) + 0,11 (12) 2 = 65,53
𝑌2028 = 20,80 + 2,38 (13) + 0,11 (13) 2 = 70,71
𝑌2029 = 20,80 + 2,38 (14) + 0,11(14) 2 = 76,12
𝑌2030 = 20,80 + 2,38 (15) + 0,11 (15) 2 = 81,75
𝑌2031 = 20,80 + 2,38 (16) + 0,11 (16) 2 = 87,61
141
𝑌2032 = 20,80 + 2,38 (17) + 0,11 (17) 2 = 93,69
𝑌2033 = 20,80 + 2,38 (18) + 0,11 (18) 2 = 99,99
𝑌2034 = 20,80 + 2,38 (19) + 0,11 (19) 2 = 106,52
𝑌2035 = 20,80 + 2,38 (20) + 0,11 (20) 2 = 113,27
𝑌2036 = 20,80 + 2,38 (21) + 0,11 (21) 2 = 120,25
𝑌2037 = 20,80 + 2,38 (22) + 0,11 (22) 2 = 127,44
𝑌2038 = 20,80 + 2,38 (23) + 0,11 (23) 2 = 134,87
𝑌2039 = 20,80 + 2,38 (24) + 0,11 (24) 2 = 142,51
𝑌2040 = 20,80 + 2,38 (25) + 0,11 (25) 2 = 150,39
Tabel 4.109 Hasil Peramalan jumlah daya tersambung tahun
2021 s/d 2040 pada sektor gedung pemerintahan
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 39,13 3,89
2022 7 42,97 3,84
2023 8 47,04 4,06
2024 9 51,33 4,29
2025 10 55,84 4,51
2026 11 60,57 4,74
2027 12 65,53 4,96
2028 13 70,71 5,18
2029 14 76,12 5,41
2030 15 81,75 5,63
2031 16 87,61 5,86
2032 17 93,69 6,08
2033 18 99,99 6,30
2034 19 106,52 6,53
2035 20 113,27 6,75
2036 21 120,25 6,98
2037 22 127,44 7,20
2038 23 134,87 7,42
2039 24 142,51 7,65
2040 25 150,39 7,87
142
Rata-rata 88,38 5,76

jumlah daya tersambung pada sektor gedung pemerintahan
untuk tahun 2021 s/d 2040 yang telah dilakukan digabungkan
dengan data jumlah daya tersambung dari tahun 2010 s/d 2020
dapat ditunjukkan pada gambar 4.11.


𝑌𝑡 = 5,81 + 0,41 𝑡 + 0,01 𝑡 2
𝑌2021 = 5,81 + 0,41 (6) + 0,01 (6)2 = 8,61
𝑌2022 = 5,81 + 0,41 (7) + 0,01 (7)2 = 9,15
143
𝑌2023 = 5,81 + 0,41 (8) + 0,01 (8)2 = 9,71
𝑌2024 = 5,81 + 0,41 (9) + 0,01 (9)2 = 10,28
𝑌2025 = 5,81 + 0,41 (10) + 0,01 (10)2 = 10,88
𝑌2026 = 5,81 + 0,41 (11) + 0,01 (11)2 = 11,50
𝑌2027 = 5,81 + 0,41 (12) + 0,01 (12)2 = 12,13
𝑌2028 = 5,81 + 0,41 (13) + 0,01 (13)2 = 12,79
𝑌2029 = 5,81 + 0,41 (14) + 0,01 (14) 2 = 13,46
𝑌2030 = 5,81 + 0,41 (15) + 0,01 (15)2 = 14,16
𝑌2031 = 5,81 + 0,41 (16) + 0,01 (16)2 = 14,87
𝑌2032 = 5,81 + 0,41 (17) + 0,01 (17)2 = 15,61
𝑌2033 = 5,81 + 0,41 (18) + 0,01 (18)2 = 16,37
𝑌2034 = 5,81 + 0,41 (19) + 0,01 (19)2 = 17,14
𝑌2035 = 5,81 + 0,41 (20) + 0,01 (20)2 = 17,94
𝑌2036 = 5,81 + 0,41 (21) + 0,01 (21)2 = 18,75
𝑌2037 = 5,81 + 0,41 (22) + 0,01 (22)2 = 19,59
𝑌2038 = 5,81 + 0,41 (23) + 0,01 (23)2 = 20,44
𝑌2039 = 5,81 + 0,41 (24) + 0,01 (24) 2 = 21,32
𝑌2040 = 5,81 + 0,41 (25) + 0,01(25) 2 = 22,21
2021 s/d 2040 pada sektor penerangan jalan umum
Perubahan
Periode
Tahun Jumlah Daya
(𝑡) Perkembangan
Tersambung (MVA)
2021 6 8,61 0,70
2022 7 9,15 0,54
2023 8 9,71 0,56
2024 9 10,28 0,58
2025 10 10,88 0,60
2026 11 11,50 0,62
2027 12 12,13 0,64
2028 13 12,79 0,66
2029 14 13,46 0,68
144
2030 15 14,16 0,70
2031 16 14,87 0,72
2032 17 15,61 0,74
2033 18 16,37 0,76
2034 19 17,14 0,78
2035 20 17,94 0,80
2036 21 18,75 0,82
2037 22 19,59 0,84
2038 23 20,44 0,85
2039 24 21,32 0,87
2040 25 22,21 0,89

jumlah daya tersambung pada sektor penerangan jalan umum
untuk tahun 2021 s/d 2040 yang telah dilakukan digabungkan
dengan data jumlah daya tersambung dari tahun 2010 s/d 2020
dapat ditunjukkan pada gambar 4.12.

145
4.6.3 Hasil Peramalan Jumlah Energi Terjual Untuk Tahun 2021 –
2040
a. Rumah Tangga
Perhitungan peramalan jumlah energi terjual dengan

𝑌𝑡 = 494,09 + 44,36 𝑡 + 0,83 𝑡 2
𝑌2021 = 494,09 + 44,36 (6) + 0,83 (6)2 = 730,27
𝑌2022 = 494,09 + 44,36 (7) + 0,83 (7)2 = 763,80
𝑌2023 = 494,09 + 44,36 (8) + 0,83 (8)2 = 795,67
𝑌2024 = 494,09 + 44,36 (9) + 0,83 (9)2 = 825,87
𝑌2025 = 494,09 + 44,36 (10) + 0,83 (10) 2 = 854,41
𝑌2026 = 494,09 + 44,36 (11) + 0,83 (11) 2 = 881,28
𝑌2027 = 494,09 + 44,36 (12) + 0,83 (12) 2 = 906,49
𝑌2028 = 494,09 + 44,36 (13) + 0,83 (13) 2 = 930,03
𝑌2029 = 494,09 + 44,36 (14) + 0,83 (14) 2 = 951,91
𝑌2030 = 494,09 + 44,36 (15) + 0,83 (15) 2 = 972,12
𝑌2031 = 494,09 + 44,36 (16) + 0,83 (16) 2 = 990,66
𝑌2032 = 494,09 + 44,36 (17) + 0,83 (17) 2 = 1.007,54
𝑌2033 = 494,09 + 44,36 (18) + 0,83 (18) 2 = 1.022,76
𝑌2034 = 494,09 + 44,36 (19) + 0,83 (19) 2 = 1.036,31
𝑌2035 = 494,09 + 44,36 (20) + 0,83 (20) 2 = 1.048,19
𝑌2036 = 494,09 + 44,36 (21) + 0,83 (21) 2 = 1.058,41
𝑌2037 = 494,09 + 44,36 (22) + 0,83 (22) 2 = 1.066,96
𝑌2038 = 494,09 + 44,36 (23) + 0,83 (23) 2 = 1.073,85
𝑌2039 = 494,09 + 44,36 (24) + 0,83 (24) 2 = 1.079,07
𝑌2040 = 494,09 + 44,36 (25) + 0,83 (25) 2 = 1.082,63
146
Tabel 4.111 Hasil peramalan jumlah energi terjual tahun 2021
s/d 2040 pada sektor rumah tangga
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 730,27 15,63
2022 7 763,80 33,53
2023 8 795,67 31,87
2024 9 825,87 30,20
2025 10 854,41 28,54
2026 11 881,28 26,87
2027 12 906,49 25,21
2028 13 930,03 23,54
2029 14 951,91 21,88
2030 15 972,12 20,21
2031 16 990,66 18,55
2032 17 1.007,54 16,88
2033 18 1.022,76 15,21
2034 19 1.036,31 13,55
2035 20 1.048,19 11,88
2036 21 1.058,41 10,22
2037 22 1.066,96 8,55
2038 23 1.073,85 6,89
2039 24 1.079,07 5,22
2040 25 1.082,63 3,56
Rata-rata 953,91 18,40

akan terjadi peningkatan jumlah energi terjual setiap tahunnya
hingga tahun 2040. Hasil perhitungan peramalan jumlah energi
terjual pada sektor rumah tangga untuk tahun 2021 s/d 2040
yang telah dilakukan digabungkan dengan data jumlah energi
terjual dari tahun 2010 s/d 2020 dapat ditunjukkan pada gambar
4.13.
147
Gambar 4.13 Grafik peramalan energi terjual tahun 2010 s/d
b. Industri

𝑌𝑡 = 291,81 + 3,13 𝑡 + 0,35 𝑡 2
𝑌2021 = 291,81 + 3,13 (6) + 0,35 (6)2 = 61,25
𝑌2022 = 291,81 + 3,13 (7) + 0,35 (7)2 = 68,96
𝑌2023 = 291,81 + 3,13 (8) + 0,35 (8)2 = 77,37
𝑌2024 = 291,81 + 3,13 (9) + 0,35 (9)2 = 86,48
𝑌2025 = 291,81 + 3,13 (10) + 0,35 (10)2 = 96,30
𝑌2026 = 291,81 + 3,13 (11) + 0,35 (11)2 = 106,82
𝑌2027 = 291,81 + 3,13 (12) + 0,35 (12)2 = 118,05
𝑌2028 = 291,81 + 3,13 (13) + 0,35 (13)2 = 129,98
𝑌2029 = 291,81 + 3,13 (14) + 0,35 (14)2 = 142,61
𝑌2030 = 291,81 + 3,13 (15) + 0,35 (15)2 = 155,95
𝑌2031 = 291,81 + 3,13 (16) + 0,35 (16)2 = 169,99
148
𝑌2032 = 291,81 + 3,13 (17) + 0,35 (17)2 = 184,74
𝑌2033 = 291,81 + 3,13 (18) + 0,35 (18)2 = 200,19
𝑌2034 = 291,81 + 3,13 (19) + 0,35 (19)2 = 216,35
𝑌2035 = 291,81 + 3,13 (20) + 0,35 (20)2 = 233,20
𝑌2036 = 291,81 + 3,13 (21) + 0,35 (21)2 = 250,77
𝑌2037 = 291,81 + 3,13 (22) + 0,35 (22)2 = 269,04
𝑌2038 = 291,81 + 3,13 (23) + 0,35 (23)2 = 288,01
𝑌2039 = 291,81 + 3,13 (24) + 0,35 (24)2 = 307,68
𝑌2040 = 291,81 + 3,13 (25) + 0,35(25) 2 = 328,06
s/d 2040 pada sektor industri
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 61,25 7,45
2022 7 68,96 7,70
2023 8 77,37 8,41
2024 9 86,48 9,11
2025 10 96,30 9,82
2026 11 106,82 10,52
2027 12 118,05 11,23
2028 13 129,98 11,93
2029 14 142,61 12,63
2030 15 155,95 13,34
2031 16 169,99 14,04
2032 17 184,74 14,75
2033 18 200,19 15,45
2034 19 216,35 16,16
2035 20 233,20 16,86
2036 21 250,77 17,56
2037 22 269,04 18,27
2038 23 288,01 18,97
2039 24 307,68 19,68
2040 25 328,06 20,38
149
Rata-rata 174,59 13,71

terjual pada sektor industri untuk tahun 2021 s/d 2040 yang
telah dilakukan digabungkan dengan data jumlah energi terjual
dari tahun 2010 s/d 2020 dapat ditunjukkan pada gambar 4.14.

c. Bisnis

𝑌𝑡 = 139,41 + 12,61 𝑡 − 0,09 𝑡 2
𝑌2021 = 139,41 + 12,61 (6) − 0,09 (6)2 = 211,99
𝑌2022 = 139,41 + 12,61 (7) − 0,09 (7)2 = 223,49
𝑌2023 = 139,41 + 12,61 (8) − 0,09 (8)2 = 234,81
𝑌2024 = 139,41 + 12,61 (9) − 0,09 (9)2 = 245,96
𝑌2025 = 139,41 + 12,61 (10) − 0,09 (10) 2 = 256,94
150
𝑌2026 = 139,41 + 12,61 (11) − 0,09 (11) 2 = 267,75
𝑌2027 = 139,41 + 12,61 (12) − 0,09 (12) 2 = 278,39
𝑌2028 = 139,41 + 12,61 (13) − 0,09 (13) 2 = 288,85
𝑌2029 = 139,41 + 12,61 (14) − 0,09 (14) 2 = 299,14
𝑌2030 = 139,41 + 12,61 (15) − 0,09 (15) 2 = 309,26
𝑌2031 = 139,41 + 12,61 (16) − 0,09 (16) 2 = 319,21
𝑌2032 = 139,41 + 12,61 (17) − 0,09 (17) 2 = 328,99
𝑌2033 = 139,41 + 12,61 (18) − 0,09 (18) 2 = 338,60
𝑌2034 = 139,41 + 12,61 (19) − 0,09 (19) 2 = 348,03
𝑌2035 = 139,41 + 12,61 (20) − 0,09 (20) 2 = 357,29
𝑌2036 = 139,41 + 12,61 (21) − 0,09 (21) 2 = 366,38
𝑌2037 = 139,41 + 12,61 (22) − 0,09 (22) 2 = 375,30
𝑌2038 = 139,41 + 12,61 (23) − 0,09 (23) 2 = 384,05
𝑌2039 = 139,41 + 12,61 (24) − 0,09 (24) 2 = 392,63
𝑌2040 = 139,41 + 12,61 (25) − 0,09 (25) 2 = 401,03
s/d 2040 pada sektor bisnis
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 211,99 17,87
2022 7 223,49 11,50
2023 8 234,81 11,32
2024 9 245,96 11,15
2025 10 256,94 10,98
2026 11 267,75 10,81
2027 12 278,39 10,64
2028 13 288,85 10,46
2029 14 299,14 10,29
2030 15 309,26 10,12
2031 16 319,21 9,95
2032 17 328,99 9,78
2033 18 338,60 9,61
151
2034 19 348,03 9,43
2035 20 357,29 9,26
2036 21 366,38 9,09
2037 22 375,30 8,92
2038 23 384,05 8,75
2039 24 392,63 8,58
2040 25 401,03 8,40
Rata-rata 311,41 10,35

dimana peningkatan yang terjadi cenderung bertambah dari
tahun ke tahun hingga tahun 2040. Hasil perhitungan peramalan
jumlah energi terjual pada sektor bisnis untuk tahun 2021 s/d
energi terjual dari tahun 2010 s/d 2020 dapat ditunjukkan pada
gambar 4.15.

152
d. Sosial

𝑌𝑡 = 21,71 + 3,09 𝑡 + 0,16 𝑡 2
𝑌2021 = 21,71 + 3,09 (6) + 0,16 (6)2 = 46,09
𝑌2022 = 21,71 + 3,09 (7) + 0,16 (7)2 = 51,28
𝑌2023 = 21,71 + 3,09 (8) + 0,16 (8)2 = 56,79
𝑌2024 = 21,71 + 3,09 (9) + 0,16 (9)2 = 62,63
𝑌2025 = 21,71 + 3,09 (10) + 0,16 (10) 2 = 68,79
𝑌2026 = 21,71 + 3,09 (11) + 0,16 (11) 2 = 75,27
𝑌2027 = 21,71 + 3,09 (12) + 0,16 (12) 2 = 82,08
𝑌2028 = 21,71 + 3,09 (13) + 0,16 (13) 2 = 89,21
𝑌2029 = 21,71 + 3,09 (14) + 0,16 (14) 2 = 96,66
𝑌2030 = 21,71 + 3,09 (15) + 0,16 (15) 2 = 104,43
𝑌2031 = 21,71 + 3,09 (16) + 0,16 (16) 2 = 112,53
𝑌2032 = 21,71 + 3,09 (17) + 0,16 (17) 2 = 120,95
𝑌2033 = 21,71 + 3,09 (18) + 0,16 (18) 2 = 129,69
𝑌2034 = 21,71 + 3,09 (19) + 0,16 (19) 2 = 138,76
𝑌2035 = 21,71 + 3,09 (20) + 0,16 (20) 2 = 148,14
𝑌2036 = 21,71 + 3,09 (21) + 0,16 (21) 2 = 157,85
𝑌2037 = 21,71 + 3,09 (22) + 0,16 (22) 2 = 167,89
𝑌2038 = 21,71 + 3,09 (23) + 0,16 (23) 2 = 178,24
𝑌2039 = 21,71 + 3,09 (24) + 0,16 (24) 2 = 188,92
𝑌2040 = 21,71 + 3,09 (25) + 0,16 (25) 2 = 199,92
s/d 2040 pada sektor sosial
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 46,09 5,58
2022 7 51,28 5,19
153
2023 8 56,79 5,51
2024 9 62,63 5,84
2025 10 68,79 6,16
2026 11 75,27 6,48
2027 12 82,08 6,81
2028 13 89,21 7,13
2029 14 96,66 7,45
2030 15 104,43 7,77
2031 16 112,53 8,10
2032 17 120,95 8,42
2033 18 129,69 8,74
2034 19 138,76 9,06
2035 20 148,14 9,39
2036 21 157,85 9,71
2037 22 167,89 10,03
2038 23 178,24 10,36
2039 24 188,92 10,68
2040 25 199,92 11,00
Rata-rata 113,81 7,97

terjual pada sektor sosial untuk tahun 2021 s/d 2040 yang telah
dilakukan digabungkan dengan data jumlah energi terjual dari
154

𝑌𝑡 = 27,47 + 2,55 𝑡 + 0,05 𝑡 2
𝑌2021 = 27,47 + 2,55 (6) + 0,05 (6)2 = 44,38
𝑌2022 = 27,47 + 2,55 (7) + 0,05 (7)2 = 47,52
𝑌2023 = 27,47 + 2,55 (8) + 0,05 (8)2 = 50,75
𝑌2024 = 27,47 + 2,55 (9) + 0,05 (9)2 = 54,07
𝑌2025 = 27,47 + 2,55 (10) + 0,05 (10) 2 = 57,48
𝑌2026 = 27,47 + 2,55 (11) + 0,05 (11) 2 = 60,98
𝑌2027 = 27,47 + 2,55 (12) + 0,05 (12) 2 = 64,57
𝑌2028 = 27,47 + 2,55 (13) + 0,05 (13) 2 = 68,26
𝑌2029 = 27,47 + 2,55 (14) + 0,05 (14) 2 = 72,03
𝑌2030 = 27,47 + 2,55 (15) + 0,05 (15) 2 = 75,90
𝑌2031 = 27,47 + 2,55 (16) + 0,05 (16) 2 = 79,85
155
𝑌2032 = 27,47 + 2,55 (17) + 0,05 (17) 2 = 83,90
𝑌2033 = 27,47 + 2,55 (18) + 0,05 (18) 2 = 88,04
𝑌2034 = 27,47 + 2,55 (19) + 0,05 (19) 2 = 92,27
𝑌2035 = 27,47 + 2,55 (20) + 0,05 (20) 2 = 96,59
𝑌2036 = 27,47 + 2,55 (21) + 0,05 (21) 2 = 101,00
𝑌2037 = 27,47 + 2,55 (22) + 0,05 (22) 2 = 105,51
𝑌2038 = 27,47 + 2,55 (23) + 0,05 (23) 2 = 110,10
𝑌2039 = 27,47 + 2,55 (24) + 0,05 (24) 2 = 114,79
𝑌2040 = 27,47 + 2,55 (25) + 0,05 (25) 2 = 119,56
Tabel 4.115 Hasil peramalan jumlah energi Terjual tahun 2021
s/d 2040 pada sektor gedung pemerintahan
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 44,38 3,60
2022 7 47,52 3,14
2023 8 50,75 3,23
2024 9 54,07 3,32
2025 10 57,48 3,41
2026 11 60,98 3,50
2027 12 64,57 3,59
2028 13 68,26 3,68
2029 14 72,03 3,77
2030 15 75,90 3,87
2031 16 79,85 3,96
2032 17 83,90 4,05
2033 18 88,04 4,14
2034 19 92,27 4,23
2035 20 96,59 4,32
2036 21 101,00 4,41
2037 22 105,51 4,50
2038 23 110,10 4,59
2039 24 114,79 4,69
2040 25 119,56 4,78
156

terjual pada sektor gedung pemerintahan untuk tahun 2021 s/d
energi terjual dari tahun 2010 s/d 2020 dapat ditunjukkan pada
gambar 4.17.

2040 pada sektor gedung pemerintahaan

𝑌𝑡 = 14,68 + 0,77 𝑡 + 0,05 𝑡 2
𝑌2021 = 14,68 + 0,77 (6) + 0,05 (6)2 = 20,97
𝑌2022 = 14,68 + 0,77 (7) + 0,05 (7)2 = 22,34
𝑌2023 = 14,68 + 0,77 (8) + 0,05 (8)2 = 23,79
157
𝑌2024 = 14,68 + 0,77 (9) + 0,05 (9)2 = 25,34
𝑌2025 = 14,68 + 0,77 (10) + 0,05 (10) 2 = 26,98
𝑌2026 = 14,68 + 0,77 (11) + 0,05 (11) 2 = 28,71
𝑌2027 = 14,68 + 0,77 (12) + 0,05 (12) 2 = 30,54
𝑌2028 = 14,68 + 0,77 (13) + 0,05 (13) 2 = 32,45
𝑌2029 = 14,68 + 0,77 (14) + 0,05 (14) 2 = 34,46
𝑌2030 = 14,68 + 0,77 (15) + 0,05 (15) 2 = 36,55
𝑌2031 = 14,68 + 0,77 (16) + 0,05 (16) 2 = 38,74
𝑌2032 = 14,68 + 0,77 (17) + 0,05 (17) 2 = 41,02
𝑌2033 = 14,68 + 0,77 (18) + 0,05 (18) 2 = 43,39
𝑌2034 = 14,68 + 0,77 (19) + 0,05 (19) 2 = 45,85
𝑌2035 = 14,68 + 0,77 (20) + 0,05 (20) 2 = 48,40
𝑌2036 = 14,68 + 0,77 (21) + 0,05 (21) 2 = 51,05
𝑌2037 = 14,68 + 0,77 (22) + 0,05 (22) 2 = 53,78
𝑌2038 = 14,68 + 0,77 (23) + 0,05 (23) 2 = 56,61
𝑌2039 = 14,68 + 0,77 (24) + 0,05 (24) 2 = 59,52
𝑌2040 = 14,68 + 0,77 (25) + 0,05(25)2 = 62,53
s/d 2040 pada sektor penerangan jalan umum
Perubahan
Periode
Tahun Jumlah Energi
(𝑡) Perkembangan
Terjual (GWh)
2021 6 20,97 1,30
2022 7 22,34 1,37
2023 8 23,79 1,46
2024 9 25,34 1,55
2025 10 26,98 1,64
2026 11 28,71 1,73
2027 12 30,54 1,82
2028 13 32,45 1,91
2029 14 34,46 2,01
2030 15 36,55 2,10
2031 16 38,74 2,19
158
2032 17 41,02 2,28
2033 18 43,39 2,37
2034 19 45,85 2,46
2035 20 48,40 2,55
2036 21 51,05 2,64
2037 22 53,78 2,73
2038 23 56,61 2,83
2039 24 59,52 2,92
2040 25 62,53 3,01

dimana peningkatan yang terjadi cenderung bertambah dari
tahun ke tahun hingga tahun 2040. Hasil perhitungan peramalan
jumlah energi terjual pada sektor penerangan jalan umum untuk
tahun 2021 s/d 2040 yang telah dilakukan digabungkan dengan
data jumlah energi terjual dari tahun 2010 s/d 2020 dapat
ditunjukkan pada gambar 4.18.

159
4.7 Hasil Peramalan Kebutuhan Energi Listrik Tahun 2040
Tabel 4.117 Hasil kebutuhan energi listrik tahun 2040 pada setiap sektor
Jumlah Daya
Kebutuhan Energi Jumlah Pelanggan Jumlah Energi
Tersambung
Listrik Listrik Terjual (GWh)
(MVA)
Rumah Tangga 2.499.611 2.596,11 1.082,63
Industri 4.605 543,43 328,06
Bisnis 94.808 274,82 401,03
Sosial 75.059 283,00 199,92
Gedung
25.819 150,39 119,56
Pemerintahan
Penerangan Jalan
4.946 22,21 62,53
Umum
Jumlah 2.704.848 3.869,96 2.193,74
Dari tabel hasil perhitungan peramalan diatas dapat diketahui jumlah

kebutuhan energi listrik pada tahun 2040 adalah jumlah kebutuhan
pelanggan listrik sebesar 2.704.848 pelanggan, jumlah kebutuhan daya
tersambung sebesar 3.869,96 MVA dan jumlah kebutuhan energi terjual
sebesar 2.193,74 GWh.
160
BAB V
PENUTUP
5.1 Kesimpulan
Dari hasil analisis yang dilakukan dalam peramalan kebutuhan energi

listrik Provinsi Sulawesi Tenggara, maka dapat diambil kesimpulan:
1. Perbandingan antara peramalan dengan menggunakan metode analisis
Time Series proyeksi Tren Quadratic dan metode analisis Regresi
pada peramalan jumlah pelanggan listrik diperoleh nilai MAPE
menggunakan metode Quadratic sebesar 2,80% dan analisis Regresi
Linear sebesar 8,45%. Jumlah daya tersambung diperoleh nilai MAPE
menggunakan metode Quadratic sebesar 2,69% dan metode analisis
Regresi Linear sebesar 5,63%. Dan jumlah energi terjual diperoleh
nilai MAPE menggunakan metode Quadratic sebesar 3,81% dan
metode analisis Regresi Linear sebesar 9,78%. Perbandingan antara
peramalan dengan menggunakan metode analisis Time Series proyeksi
Tren Quadratic dan metode analisis Regresi adalah pada metode
analisis Time Series proyeksi Tren Quadratic nilai MAPE yang
diperoleh lebih kecil, sedangkan jika dibandingkan dengan metode
analisis Regresi memiliki nilai MAPE yang sangat besar. Pada suatu
peramalan semakin kecil nilai eror atau mendekati nilai nol, maka
hasil peramalan akan semakin mendekati nilai aktual.
2. Berdasarkan hasil perhitunggan peramalan jumlah kebutuhan energi
listrik yang di peroleh dari perhitungan jumlah pelanggan listrik, daya
tersambung dan energi terjual Provinsi Sulawesi Tenggara untuk 20
tahun yang akan datang yaitu pada tahun 2040 adalah jumlah
kebutuhan pelanggan listrik sebesar 2.704.848 pelanggan, jumlah
kebutuhan daya tersambung sebesar 3.869,96 MVA dan jumlah
kebutuhan energi terjual sebesar 2.193,74 GWh.
161
5.2 Saran
Metode yang digunakan dalam penelitian ini adalah metode analisis

Time Series Proyeksi Tren dan metode analisis Regresi. Saran untuk
penelitian selanjutnya menggunakan metode jaringan saraf tiruan dan
metode algoritma genetik dalam peramalan beban jangka panjang.
162
DAFTAR PUSTAKA
[1] H. Wibowo, Y. Mulyadi, and A. G. Abdullah, “Peramalan Beban Listrik

Jangka Pendek Terklasifikasi Berbasis Metode Autoregressive Integrated
Moving Average,” ELECTRANS, vol. 11, no. 2, pp. 44–50, 2012.
[2] N. Lorenza, “Penggunaan Metode Regresi Linear Dan Regresi Linear
Berganda Untuk Penentuan Beban Listrik Di Penyulang Simpang Tiga
Gardu Induk Keramasan,” Skripsi : Universitas Muhammadiyah Palembang,
2019.
[3] V. N. A. Aji, S. Martha, and N. Imro’ah, “Model Peramalan Beban Listrik
Di Kalimantan Barat Dengan Metode Fuzzy Linear Regression,” vol. 8, no.
1, pp. 91–96, 2019.
[4] I. A. M. C. Dewi, I. M. A. Nrartha, and I. M. B. Suksmadana, “Peramalan
Beban Listrik Jangka Pendek Pada Sistem Kelistrikan Lombok Dengan
Fuzzy Time Series (FTS),” Dielektrika, vol. 3, no. 1, pp. 45–52, 2016.
[5] Muslimin, “Peramalan beban listrik jangka menengah pada sistem
kelistrikan kota samarinda,” Jurnal Ilmu Teknik Indonesia, vol. 14, no. 2,
pp. 113–121, 2015.
[6] S. M. Bahtiar, “Time Series Untuk Kebutuhan Tenaga Listrik Di Gardu
Induk Sungai Raya,” 2014.
[7] A. J. Kastanja and J. Tupalessy, “Peramalan Beban Listrik Kota Ambon
Tahun 20016-2022,” Jurnal SIMETRIK, vol. 7, no. 1, pp. 41–46, 2017.
[8] S. Sesa, H. Suyono, and R. N. Hasanah, “Peramalan Beban Listrik Jangka
Menengah Menggunakan Jaringan Syaraf Tiruan Pada Sistem Kelistrikan
Kota Ambon,” eJAEI, pp. 19–25, 2013.
[9] F. H. Rumawan and I. B. , Muslimin, “Peramalan Kebutuhan Daya Listrik
Jangka Menengah (2019-2022) Kota Samarinda Dengan Metode Regresi
Linear,” pp. 202–210, Prosiding Seminar Nasional Teknologi V Samarinda
2019.
1
[10] R. A. Pratama and Dr. A. Lilik S.T., M.T “Peramalan Beban Listrik Jangka
Panjang Provinsi D. I. Yogyakarta Menggunakan Neural Network
Backpropagation,” Jurnal Teknik Elektro, vol. 5, no. 3, pp. 37–47, 2015.
[11] A. D. Yuanti, “Perbandingan Model Time Series Seasonal ARIMA
(SARIMA) Dan Seasonal AFRIMA (SAFRIMA) Pada Data Beban
Konsumsi Listrik Jangka Pendek Di Jawa Timur,” Universitas Airlangga,
2016.
[12] A. Hasibuan and W. V. Siregar, “Prakiraan Kebutuhan Energi Listrik Kota
Subulussalam Sampai Tahun 2020 Menggunakan Metode Analisis Regresi,”
Jurnal Teknik Elektro : RELE, vol. 1, no. 2, pp. 57–61, 2019.
[13] M. Ibrahim, “Peramalan Kebutuhan Energi Listrik Dan Beban Listrik Sektor
Rumah Tangga Di Sumatera Selatan Dengan Metode Analisis Time Series :
Proyeksi Tren Dan Analisis Regresi,” Universitas Islam Indonesia
Yogyakarta, 2018.
[14] V. Yuliana, “Model Peramalan Rata-Rata Beban Pemakaian Listrik Kota
Pekanbaru Menggunakan Metode BOX-JENKINS,” Universitas Islam
Negeri Sultan Syarif Kasim Riau, 2011.
[15] M. Ibrahim, “Peramalan Kebutuhan Energi Listrik Dan Beban Listrik Sektor
Rumah Tangga Di Sumatera Selatan Dengan Metode Analisis Time Series :
Proyeksi Tren Dan Analisis Regresi,” Universitas Islam Indonesia
Yogyakarta, 2018.
[16] Nurmahaludin, “Perbandingan Algoritma Particle Swarm Optimization Dan
Regresi Pada Peramalan,” Jurnal POROS Teknik, vol. 6, no. 2, pp. 55–61,
2014.
[17] H. Z. Harahap, “Prakiraan Kebutuhan Energi Listrik Dengan Metode
Simple Econometric Expanded Studi Kasus Di PT Inalum (Persero),”
Universitas Sumatera Utara Medan, 2019.
[18] W. Ikhsanudin, “Prakiraan Kebutuhan Listrik Pada Tahun 2017-2026 Di
Kabupaten Klaten,” Skripsi : Universitas Muhammadiyah Surakarta, 2017.
2
[19] Marwan, “Analisis Prakiraan Beban Listrik Rumah Tangga dengan
Menggunakan Metode Regresi,” INTEK Jurnal Penelitian, vol. 6, no. 2, pp.
155–159, 2019.
[20] G. Pinayungan. “Peramalan Energi Listrik UP3 Sidoarjo Tahun 2019-2029
Menggunakan Metode Time Series : Quadratic,” Universitas 17 Agustus
1945, 2018.

Hasil Dan Pembahasan

Diunggah oleh

Informasi Dokumen

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

Hasil Dan Pembahasan

Diunggah oleh

Hak Cipta:

Format Tersedia

PERAMALAN KEBUTUHAN ENERGI LISTRIK PROVINSI SULAWESI

TENGGARA TAHUN 2040

JURUSAN TEKNIK ELEKTRO

1.1 Latar Belakang

Kebutuhan energi listrik semakin hari cenderung berubah-ubah,

Rumusan masalah yang diambil berdasarkan latar belakang adalah

Tujuan penelitian tugas akhir ini adalah untuk:

1.4 Batasan Masalah

Batasan masalah pada penelitian tugas akhir ini adalah sebagai

1.6 Sistematika Penulisan

Sistematika penulisan penelitian tugas akhir ini adalah adalah sebagai

Bab ini berisikan penjelasan latar belakang, rumusan masalah, batasan

Bab II Tinjauan Pustaka

Bab II menguraikan tentang referensi jurnal/riset terdahulu yang

Bab III Metode Penelitian

Bab ini berisikan tempat dan waktu penelitian, metodologi penelitian

Bab IV Analisa Dan Pembahasan

Bab ini berisi hasil penelitian dan analisa pembahasan.

2.1 Penelitian Terdahulu

Arnold J. Kastanja dan Johanis Tupalessy (2017) melakukan

2.2 Peramalan (Forecasting)

Peramalan (forecasting) merupakan proses untuk memperkirakan

Merupakan peramalan yang memperkirakan keadaan dalam

2. Peramalan Jangka Menengah (Mid-Term Forecasting)

Merupakan peramalan dalam jangka waktu bulanan atau

3. Peramalan Jangka Pendek (Short-Term Forecasting)

Merupakan peramalan dalam jangka waktu harian hingga setiap

2.3 Peran dan Kegunaan Peramalan

Kegunaan peramalan yaitu untuk pengambilan keputusan. Dalam

2.4 Beban Listrik

Tenaga listrik yang didistribusikan kepelanggan (konsumen)

2.5 Analisis Time Series proyeksi Tren

Analisis Time Series merupakan metode peramalan yang dilakukan

1. Pola Data Horizontal

Pola data horizontal terjadi saat data pengamatan berfluktuasi

Gambar 2.1 Plot data horizontal

2. Pola Data Tren

Gambar 2.2 Plot data tren

3. Pola Data Seasonal (Musiman)

Pola data seasonal terjadi saat data Time Series dipengaruhi

4. Pola Data Cyclical (siklis)

Gambar 2.4 Plot data Cyclical (siklis)

2.6 Pola Data Tren

Gambar 2.6 Grafik data Tren Quadratic

Gambar 2.7 Grafik data Tren Exponential

Apabila data time series cenderung membentuk kurva S.

Gambar 2.8 Grafik data Tren S-Curve

2.7 Analisis Regresi

Analisis regresi adalah teknik statistik untuk pemodelan dan

b. Analisis Regresi Linear Berganda

Ketepatan peramalan dalam menganalisis data sangat diperlukan

3.1 Tempat dan Waktu Penelitian

Penelitian ini dilakukan di Universitas Halu Oleo, Jalan H.E.A.

3.2 Metodologi Penelitian

Metodologi atau langkah-langkah yang akan dilakukan dalam

3.2.1 Studi Literatur

Studi literatur dimaksudkan untuk mempelajari buku-buku,

3.2.2 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data jumlah

Data yang didapatkan diolah ke dalam perhitungan dengan

3.2.4 Analisa Data

Pada tahap ini dilakukan analisa terhadap nilai-nilai hasil

3.3 Diagram Alir Penelitian

Berikut ini tahapan-tahapan kegiatan penelitian yang akan dilakukan