Download - (Edit)anton azwar a j1 f109003
TUGAS METODE PENILITIAN
ESTIMASI PELANGGAN DAN KEBUTUHAN DAYA LISTRIK KALIMANTAN
SELATAN KATEGORI RUMAH TANGGA
Oleh
Anton Azwar Ardywinata
NIM J1F109003
PROGRAM STUDI S-1 ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS LAMBUNG MANGKURAT
BANJARBARU
2013
ESTIMASI PELANGGAN DAN KEBUTUHAN DAYA LISTRIK KALIMANTAN
SELATAN KATEGORI RUMAH TANGGA
I. Identifikasi Masalah
Kemajuan teknologi di segala bidang meningkat dengan begitu cepat, kemajuan ini
membawa konsekuensi peningkatan kebutuhan akan daya listrik. Listrik merupakan salah
bentuk energi yang banyak dibutuhkan, ini dimungkinkan karena energi listrik mudah dalam
penyaluran dan dapat dengan mudah dirubah ke bentuk energi lain.
Untuk memenuhi kebutuhan daya listrik yang ada sekarang, pembangunan dan
pengembangan sistem kelistrikan yang dikelolah oleh PLN perlu dikembangkan.
Pertambahan penduduk yang semakin pesat dan diiringi pertumbuhan ekonomi yang tinggi
menyebabkan kebutuhan akan tenaga listrik semakin meningkat, sehingga dibutuhkan
penyediaan dan penyaluran tenaga listrik yang memadai, baik dari segi teknis maupun
ekonomisnnya. Penggunaan tenaga listrik sekarang ini merupakan salah satu kebutuhan
penting dalam kehidupan masyarakat dan sering kali dianggap sebagai salah satu tolok ukur
taraf kemajuan rakyat sejalan dengan perkembangan teknologi.
Makin banyaknya industri yang berskala menengah maupun besar serta pertumbuhan
pelanggan yang meningkat setiap tahunnya akan membutuhkan pelayanan dan penyaluran
energy listrik secara kontinyu dengan kualitas layanan yang lebih baik. Kegiatan
perdagangan, perekonomian dan industri tumbuh pesat akhir-akhir ini. Oleh karena itu
permintaan akan tenaga listrik melonjak saat ini dan pertumbuhan yang cepat ini diperkirakan
akan berlangsung terus untuk tahuntahun yang akan datang. Untuk memenuhi kebutuhan
pelanggan akan energi listrik, maka pihak penyuplai energi listrik dalam hal ini PLN
berusaha untuk melayani dan memenuhi kebutuhan pelanggan yang semakin meningkat,
sehingga PLN harus menyediakan pembangkit listrik yang baru.
Propinsi Kalimantan Selatan sebagai salah satu propinsi di Indonesia tentunya
memerlukan banyak sarana untuk pembangunan. Salah satu sarana utama yang penting dan
sangat menentukan ialah tenaga listrik sebagai salah satu roda penggerak perekonomian.
Bertolak dari kenyataan di atas maka dianggap perlu untuk mengkaji kebutuhan daya listrik
Kalimantan Selatan dimasa yang akan datang. Estimasi ketersediaan daya listrik ialah suatu
perkiraan jangka panjang tentang besarnnya kebutuhan daya listrik untuk suatu daerah
tertentu dengan menggunakan suatu metode analisis.Dalam sistem kelistrikan estimasi sangat
dibutuhkan untuk memperkirakan dengan tepat seberapa besar daya listrik yang dibutuhkan
untuk melayani beban dan kebutuhan energi dalam distribusi energi listrik dimasa yang akan
datang. Selain faktor teknis, faktor ekonomi juga merupakan faktor terpenting yang perlu
diperhitungkan. Bila perkiraan tidak tepat akan menyebabkan tidak cukupnnya kapasitas daya
yang disalurkan guna memenuhi kebutuhan beban, sebaliknnya jika perkiraan beban terlalu
besar maka akan menyebabkan kelebihan kapasitas pembangkit sehingga menyebabkan
kerugian. Ada beberapa faktor yang saling mempengarui dan mendorong melonjaknnya
kebutuhan tenaga listrik tersebut antara lain:
a. Industri tumbuh dengan pesat.
b. Kegiatan ekonomi meningkat dengan mantap.
c. Tingkat kehidupan yang lebih baik, standar hidup yang lebih tinggi, pendapatan perkapita
yang terus meningkat memerlukan energi listrik yang lebih banyak.
d. Kemampuan penyediaan pembangkitan dengan kapasitas yang lambat laun bertambah.
e. Kualitas penyediaan daya listrik yang semakin membaik.
II. Perumusan Masalah
Berapa jumlah pelanggan dan jumlah daya listrik yang tersambung pada PLN wilayah
Kalimantan Selatan pada tahun ke depan untuk jenis pelanggan rumah tangga?
III. Tinjauan Pustaka
Metode Estimasi
3.1 Data Mining
Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat
maka dibutuhkan metode analisis data yang tepat. Data mining merupakan teknik
yang menggabungkan teknik analisis datatradisional dengan algoritma untuk
pemrosesan data dalam jumlah yang besar. Data mining dapat digunakan untuk
melakukan analisis data dan menemukan pola-pola penting pada data. Secara
sederhana, data mining atau penambangan data dapat didefinisikan sebagai
proses seleksi, eksplorasi, dan pemodelan dari sejumlah besar data untuk
menemukan pola atau kecenderungan yang biasanya tidak disadari keberadaannya.
Data mining dapat dikatakan sebagai proses mengekstrak pengetahuan dari
sejumlah besar data yang tersedia. Pengetahuan yang dihasilkan dari proses data
mining harus baru, mudah dimengerti, dan bermanfaat. Dalam data mining, data
disimpan secara elektronik dan diproses secara otomatis oleh komputer mengunakan
teknik dan perhitungan tertentu.
Alasan-alasan utama dalam penggunaan data mining adalah :
1. Banyaknya jumlah data yang ada dan akan terus meningkatnya jumlah data.
2. Kebutuhan untuk menginterpretasikan data.
Data mining tidak hanya berhubungan dengan masalah basis data, tetapi merupakan
suatu “titik temu” dari berbagai macam ilmu pengetahuan yang dapat digunakan
untuk membangun suatu informasi dalam memperoleh pengetahuan yang baru ataupun
penting. Disiplin ilmu tersebut dapat meliputi basis data, statistik, probabilistik,
jaringan saraf tiruan, data visual, dan sebagainya.
3.2 Estimasi
Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi
dengan memakai nilai sampel. Estimasi biasanya diperlukan untuk mendukung keputusan
yg baik, menjadwalkan pekerjaan, menentukan berapa lama proyek perlu dilakukan dan
berapa biayanya, menentukan apakah proyek layak dikerjakan, mengembangkan kebutuhan
arus kas, menentukan seberapa baik kemajuan proyek, menyusun anggaran time phased dan
menetapkan baseline proyek.
Faktor-faktor yg mempengaruhi kualitas estimasi
1. Horizon Perencanaan
2. Durasi proyek
3. Orang
4. Struktur dan organisasi proyek
5. Menaikkan estimasi
6. Budaya organisasi
7. Faktor lain
Panduan estimasi waktu, biaya dan sumber daya
1. Tanggung jawab
2. Menggunakan beberapa orang untuk mengestimasi
3. Kondisi normal
4. Unit waktu
5. Independensi
6. Ketidakpastian (contingency)
7. Menambahkan penilaian risiko pada estimasi membantu menghindari kejutan pada
stakeholder
3.3 Koefisien Determinasi
Koefisien determinasi dilambangkan dengan r2, merupakan kuadrat dari koefisien korelasi.
Koefisien ini dapat digunakan untuk menganalisis apakah variabel yang diduga / diramal (Y)
dipengaruhi oleh variabel (X) atau seberapa variabel independen ( bebas ) mempengaruhi
variabel dependen ( tak bebas ).
3.4 Kesalahan Standar Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan dengan mengukur besar
kecilnya kesalahan standar estimasi. Semakin kecil nilai kesalahan standar estimasi maka
semakin tinggi ketepatan persamaan estimasi dihasilkan untuk menjelaskan nilai variabel
yang sesungguhnya. Dan sebaliknya, semakin besar nilai kesalahan standar estimasi maka
semakin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai
variabel dependen yang sesungguhnya. Kesalahan standar estimasi diberi simbol Se yang
dapat ditentukan dengan rumus berikut :
√
IV Perancangan Penelitian
1. Tujuan Penelitian
Tujuan dari penelitian ini adalah Dapat menghasilkan pengetahuan jumlah pelanggan dan
jumlah daya listrik yang tersambung dari hasil estimasi data pelanggan PLN untuk jenis
pelanggan rumah tangga ketahun kedepan nya.
2. Manfaat Penelitian
Manfaat dari penelitian ini adalah membantu PLN dan Pemerintah agar dapat memperhatikan
peningkatan jumlah daya listrik tersambung untuk masa yang akan datang dan
memperhatikan karakteristik beban dimasa lampau, karena dengan mengetahui karakteristik
beban dimasa lampau maka pengoperasian sistem tenaga listrik dapat diatur sedemikian rupa
sehingga diharapkan suatu operasi sistem tenaga listrik dapat berjalan lebih optimal.
.
3. Batasan masalah
Observasi dilakukan secara langsung ke PLN Banjarmasin dimana sasaran adalah data
pemakaian jenis pelanggaan rumah tangga untuk wilayah kalimantan selatan dengan batasan
masalah pada jumlah pelanggan serta jumlah pemakaian listrik yang tersambung pada PLN
wilayah Kalimantan selatan.
V. Pengumpulan Data
Metode Penelitian
1 Jenis Penelitian
Penelitian ini merupakan jenis penelitian ex post facto. Dengan demikian data yang diteliti
tidak dikendalikan atau dimanipulasi oleh peneliti, tetapi fakta yang diungkapkan berdasarkan
data yang ada pada PT. PLN Wilayah Kalsel.
2. Defenisi Operasional Variabel
Defenisi Operasional yang akan diteliti dapat dikemukakan sebagai berikut:
a. Tahun pengamatan ialah tahun kejadian dimana data yang diambil di PT. PLN Wilayah
Kalsel yakni tahun 2003-2013
b. Jumlah daya listrik ialah besar nya daya listrik yang tersambung setiap tahun yang
disediakan oleh PT. PLN Wilayah Kalsel
3. Teknik Analisis Data.
Analisis data yang digunakan dalam penelitian ini adalah:
a. Analis Deskriptif
Analisis deskriptif digunakan untuk mengestimasi data-data yang diperoleh dalam
bentuk tabel tahunan dari jumlah pelanggan dan jumlah daya tersambung yang diperoleh
pada PT PLN Wilayah Kalsel
b. Analisis Estimasi
1. Estimasi untuk data pelanggan dengan rumusan :
Rata-rata sampel = jumlah pelanggan ( xi) /jumlah tahun
Varians sampel = (xi-xrata-rata)^2
Standar Deviasi = sqrt (akar dari varians sampel)
2. Estimasi untuk data jumlah daya yang tersambung dengan rumusan :
Rata-rata sampel = jumlah daya ( xi) /jumlah tahun
Varians sampel = (xi-xrata-rata)^2
Standar Deviasi = sqrt (akar dari varians sampel)
Prosedur Penelitian
Prosedur penelitian yang di pakai pada kesempatan ini adalah model KDD Prosess :
3.2.1 Data
Data adalah informasi keseluruhan yang tersedia di PLN Banjarmasin.
5.1 Target Data
Target data adalah proses menganalisa informasi yang dibutuhkan untuk
penelitian. dari data yang tersedia di PLN Banjarmasin seperti jumlah pelanggan
dan jumlah daya yang tersambung untuk kategori rumah tangga.
5.2 Proses Data
Proses Data dialakukan untuk pengambilan data dengan menyesuaikan target
data yang di perlukan, seperti jumlah pelanggan, jumlah daya yang tersambung
dengan kategori pelanggan rumah tangga PLN Banjarmasin.
Data
Target Data
Proses Data
Transformasi data
Pola
Pengetahuan
5.3 Transformasi data
Transformasi data merupakan tahapan untuk mengolah data menjadi
kumpulan variabel – variabel seperti jumlah rata-rata pelanggan dan jumlah
rata-rata daya yang tersambung.
5.4 Pola
Pola merupakan proses estimasi dengan titik estimasi pelanggan dan jumlah
daya listrik.
5.5 Pengetahuan
Pengetahuan adalah hasil atau fakta yang di dapat dari analisis yang telah
teruji kebenarannya.
5.6 Variabel Yang Di Pelajari
Data yang dikumpulkan berasal dari file Xls dengan variabel – variabel nilai : - Rata-
rata jumlah pelanggan listrik dan jumlah pelanggan.
- Kategori Pelanggan
- Estimasi pelanggan
- Estimasi daya listrik
VI. Pengolahan Data
1. Data Jumlah Pelanggan rumah tangga
No. tahun Jumlah pelanggan (xi) (xi-xrata2)^2
1 2003 713.513 1.887.876
2 2004 890.794 1.590.494
3 2005 971.030 1.442.809
4 2006 1.034.979 3.388.029
5 2007 1.081.751 3.328.618
6 2008 1.117.599 6.795.719
7 2009 1.138.233 8.255.278
8 2010 1.156.344 9.328.809
9 2011 1.171.302 1.026.491
10 2012 1.188.201 1.137.631
11 2013 1.214.298 1.320.486
Jumlah total 9.360.044 41.502.240
Rata – rata sampelnya adalah 9.360.044/11 = 850.913 pelanggan
Varians sampelnya adalah 41.502.240/(11-1) = 4.150.244 pelanggan2
Standar deviasinya adalah sqrt (4.150.244) = 2.037.214 pelanggan
Estimasi – Pelanggan
Menggunakan batas bawah (L) dan batas atau (U)
a. Batas bawah (L) = ẍ - Z α /2 • σẍ
b. Batas atas (U) = ẍ + Z α /2 • σẍ
Selang kepercayaan 95%, maka α = 100% - 95% = 5%
Selang kepercayaan 90% maka α = 10%
Misal kita gunakan selang kepercayaan 95%
α = 5%
Z α /2 = 5/2 = 2.5% = 0.025
Dilihat dari tabel distribusi
Nilai 0.024998 ~ 0.0250 terletak dalam baris 1.9 dan kolom 0.06 sehingga diperoleh 1.9
+ 0.06 = 1.96
Z α /2 batas bawah = -1.96 (nilai negatif)
Z α /2 batas atas = 1.96 (nilai positif)
Tinggal menghitung σẍ
σẍ = σ/sqrt(n) (standar deviasi dibagi akar banyaknya data)
σ = standar deviasi = 2.037.214
n = banyaknya data = 11 tahun
σẍ = σ/sqrt(n) = 2.037.214/sqrt(11) = 185.201
batas bawah (L) = 850.913 – 1.96(185.201) = 487.920
batas atas (U) = 850.913 + 1.96(185.201) = 1.213.906
jadi selang kepercayaan 95% berdasarkan sampel tersebut adalah (487.920 ; 1.213.906)
pelanggan
2. Data Jumlah daya listrik kategori rumah tangga
No. tahun Jumlah daya listrik (va)
rumah tangga (xi)
(xi-xrata2)^2
1 2003 420.165.220 5.234.907.484
2 2004 480.346.851 2.843.188.525
3 2005 568.410.321 648.896.318
4 2006 587.666.950 375.738.007
5 2007 642.540.100 412.719.131
6 2008 685.768.400 135.453.279
7 2009 708.360.800 352.792.972
8 2010 728.688.200 635.588.077
9 2011 743.377.050 891.374.432
10 2012 770.108.400 1.467.568.341
11 2013 803.176.350 2.378.131.874
Jumlah total 7.138.608.642 15.376.376.440
Rata – rata sampelnya adalah 7.138.608.642/11 = 648.964.422 va
Varians sampelnya adalah 15.376.376.440/(11-1) = 1.537.637.644 va2
Standar deviasinya adalah sqrt (1.537.637.644) = 39.212.722 va
Estimasi – daya listrik rumah tangga
Menggunakan batas bawah (L) dan batas atau (U)
c. Batas bawah (L) = ẍ - Z α /2 • σẍ
d. Batas atas (U) = ẍ + Z α /2 • σẍ
Selang kepercayaan 95%, maka α = 100% - 95% = 5%
Selang kepercayaan 90% maka α = 10%
Misal kita gunakan selang kepercayaan 95%
α = 5%
Z α /2 = 5/2 = 2.5% = 0.025
Dilihat dari tabel distribusi
Nilai 0.024998 ~ 0.0250 terletak dalam baris 1.9 dan kolom 0.06 sehingga diperoleh 1.9
+ 0.06 = 1.96
Z α /2 batas bawah = -1.96 (nilai negatif)
Z α /2 batas atas = 1.96 (nilai positif)
Tinggal menghitung σẍ
σẍ = σ/sqrt(n) (standar deviasi dibagi akar banyaknya data)
σ = standar deviasi = 39.212.722
n = banyaknya data = 11 tahun
σẍ = σ/sqrt(n) = 39.212.722/sqrt(11) = 3.564.792
batas bawah (L) = 648.964.422 – 1.96(3.564.792) = 641.977.430
batas atas (U) = 648.964.422 + 1.96(3.564.792) = 655.951.414
jadi selang kepercayaan 95% berdasarkan sampel tersebut adalah (641.977.430 ;
655.951.414) va
VII. Penyimpulan Data Hasil dan Saran
Berdasarkan uraian estimasi dan pembahasan hasil penelitian maka dapat ditarik beberapa
kesimpulan, yaitu:
1. Jumlah daya listrik yang tersambung pada PT PLN Wilayah Kalsel untuk kategori pelanggan
rumah tangga mengalami peningkatan setiap tahun dan dari hasil estimasi daya listrik
tersambung untuk jenis pelanggan Rumah tangga ini diperoleh bahwa jumlah daya listrik
tersambung tahun 2014 atau tahun selanjutnya adalah berkisar antara 641.977.430 va ;
655.951.414 va dengan selang kepercayaan 95%.
2. Jumlah pelanggan yang tersambung pada PT PLN Wilayah Kalsel untuk kategori pelanggan
rumah tangga untuk tahun 2014 atau tahun selanjutnya adalah berkisar antara 487.920
pelanggan ; 1.213.906 pelanggan dengan selang kepercayaan 95%.
Berdasarkan simpulan di atas, maka disarankan:
1. Pihak PT PLN (Persero) Wilayah Kalsel agar dapat memperhatikan peningkatan
jumlah daya listrik tersambung untuk masa yang akan datang dan memperhatikan
karakteristik beban di masa lampau, karena dengan mengetahui karakteristik beban
masa lampau maka pengoperasian sistem tenaga listrik dapat diatur sedemikian
rupa sehingga diharapkan suatu operasi sistem tenaga listrik yang dapat berjalan
lebih optimal
2. Untuk peneliti dimasa mendatang disarankan agar perumusan model penelitian
melibatkan berbagai variabel lain seperti pengembangan suatu daerah, keadaan
suatu daerah yang menyebabkan meningkatnnya pemakaian energi listrik pada
daerah tersebut
DAFTAR PUSTAKA
B.M Weddy. 1978. Sistem Tenaga Listrik. Jakarta: Aksara Persada Indonesia.
Hasan, Iqbal . M. 2002. Pokok Pokok Materi Statistik. Jakarta: Bumi Aksara.
Isma, Amrullah. Dkk. 1985. Studi Pengembangan Sistem Kelistrikan Kota Watampone
dan sekitarnnya. Makassar: Skripsi
Fakultas Teknik UNM.
Yusuf, M dan Harifuddin. 1996. Studi Pengembangan Kelistrikan Kabupaten
Luwu. Makassar: Skripsi Fakultas Teknik UNHAS.
Kadir, Abdul. 1995. Energi. Jakarta : Universitas Indonesia.
Kamaruddin. dkk. 1997. Kamus Istilah Karya Tulis: Bumi Aksara.
Pabla. AS. 1986. Sistem Distribusi Tenaga Listrik. Cetakan ketiga. Terjemahan Ir. Abdul Hadi.
Jakarta: Erlangga.
Sembiring RK. 1995. Analisis Regresi. Bandung : ITB.
Sugiyono. 1994. Metode Penelitian Administrasi.
http://www.metris-community.com/pengertian-data-mining-konsep-pdf
Diakses tanggal 22 september 2013
http://Algoritma.K-means.clustering.com/2012/04/GAIBlog.html
Diakses tanggal 22 september 2013
http://seminar.nasional.aplikasi.teknologi.informasi.html/aplikasi.k-
means.untuk.pengelompokan.mahasiswa-pdf
Diakses tanggal 22 september 2013