SKRIPSI PREDIKSI BEBAN LISTRIK JANGKA MENENGAH MENGGUNAKAN MOVING AVERAGE, SINGLE EKSPONENTIAL SMOOTHING DAN AUTOREGRESSIVE MOVING AVERAGE DI YOGYAKARTA

Lona, Derdi Kabeku Ibi (2021) SKRIPSI PREDIKSI BEBAN LISTRIK JANGKA MENENGAH MENGGUNAKAN MOVING AVERAGE, SINGLE EKSPONENTIAL SMOOTHING DAN AUTOREGRESSIVE MOVING AVERAGE DI YOGYAKARTA. Sarjana thesis, INSTITUT SAINS & TEKNOLOGI AKPRIND YOGYAKARTA.

Text LAPORAN SKRIPSI.pdf - Accepted Version Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Prediksi beban listrik jangka menengah merupakan faktor yang sangat penting dalam perencanaan dan pengoperasian sistem tenaga listrik. Tujuan dari prediksi beban listrik yaitu agar permintaan dan penyediaan listrik dapat seimbang. Pola konsumsi beban listrik yang berbeda tiap selang waktu tertentu, membuat masalah variansi beban listrik tidak homogen. Banyak sekali metode yang digunakan untuk menghasilkan prediksi beban listrik yang akurat dan presisi. Dengan harapan daya yang disalurkan tepat dan sesuai kebutuhan konsumen. Pada penelitian ini membahas tentang prediksi beban listrik dalam rangka untuk mestabilkan kebutuhan beban listrik bagi konsumen. Metode Moving Average (MA), Eksponential Smoothing (UES), dan Autoregressive Moving Average (ARMA) yang digunakan dalam perbandingan metode ini dimana, metode yang memiliki nilai error/ MSE dan MAPE yang paling kecil akan sangat bagus digunakan untuk menghasilkan peramalan yang akurat dan presisi. Perhitungan pada penelitian ini menggunakan data historis beban listrik pada PT PLN (Persero) Kota Yogyakarta pada bulan Januari-Desember 2020. Hasil penelitian menunjukkan bahwa metode Moving Average memiliki nilai MSE sebesar 8670,27 dan MAPE sebesar 53,49% pada prediksi mingu 5. Dalam hal ini, metode Moving Average pada mingu ke 5 lebih baik digunakan untuk peramalan beban dari pada metode Eksponential Smoothing (ES) dan Autoregressive Moving Average (ARMA).

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Prediksi Beban Listrik MA, ES dan ARMA
Subjects:	H Social Sciences > HA Statistics
Divisions:	Fakultas Sains Terapan > Statistika (S1)
Depositing User:	Unnamed user with email [email protected]
Date Deposited:	05 Jan 2024 03:04
Last Modified:	05 Jan 2024 03:04
URI:	http://eprints.akprind.ac.id/id/eprint/2588

Actions (login required)

View Item