ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK PROVINSI ...
Transcript of ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK PROVINSI ...
ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK
PROVINSI SUMATERA UTARA MENGGUNAKAN
METODE PERAMALAN KUANTITATIF
SEKTORAL
TESIS
Oleh
SYAFRIWEL
147034003/TE
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
UNIVERSITAS SUMATERA UTARA
ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK
PROVINSI SUMATERA UTARA MENGGUNAKAN
METODE PERAMALAN KUANTITATIF
SEKTORAL
TESIS
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Magister Teknik
dalam Program Studi Magister Teknik Elektro pada Fakultas Teknik
Universitas Sumatera Utara
Oleh
SYAFRIWEL
147034003/TE
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
UNIVERSITAS SUMATERA UTARA
Judul Tesis :ANALISIS PERAMALAN KEBUTUHAN
ENERGI LISTRIK PROVINSI SUMATERA
UTARA MENGGUNAKAN METODE
PERAMALAN KUANTITATIF SEKTORAL Nama Mahasiswa : Syafriwel
Nomor Pokok : 147034003/MTE
Program Studi : Megister Teknik Elektro
Menyetujui,
Komisi Pembimbing
(Dr. Ali Hanafiah Rambe, S.T., M.T.) (Prof. Dr. Dadan Ramdan, M.Eng., M.Sc.)
Ketua Anggota
Ketua Program Studi, Dekan,
(Suherman, Ph.D.) (Ir. Seri Maulina, M.Si., Ph.D.)
Tanggal Lulus : 11 Juni 2016
UNIVERSITAS SUMATERA UTARA
Telah diuji pada
Tanggal : 11 Juni 2016
PANITIA PENGUJI TESIS
Ketua : Dr. Ali Hanafiah Rambe, S.T., M.T.
Anggota : 1. Prof. Dr. Dadan Ramdan, M.Eng., M.Sc.
2. Fahmi, S.T., M.Sc., Ph.D.
3. Emerson P. Sinulingga, S.T., M.Sc., Ph.D.
UNIVERSITAS SUMATERA UTARA
PERNYATAAN
Judul Tesis
“ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK
PROVINSI SUMATERA UTARA MENGGUNAKAN
METODE PERAMALAN KUANTITATIF
SEKTORAL”
Dengan ini menyatakan bahwa tesis ini disusun sebagai syarat untuk
memperoleh gelar Magister Teknik pada Progran Studi Magister Teknik Elektro
Fakultas Teknik Universitas Sumatera Utara adalah benar merupakan hasil karya
penulis sendiri.
Adapun pengutipan-pengutipan yang penulis lakukan pada bagian-bagian
tertentu dari hasil karya orang lain dalam penulisan tesis ini, telah penulis cantumkan
sumbernya secara jelas sesuai norma, kaidah, dan etika penulisan ilmiah.
Apabila di kemudian hari ternyata ditemukan seluruh atau sebagian tesis ini
bukan hasil karya penulis sendiri atau adanya plagiat dalam bagian-bagian tertentu,
penulis bersedia menerima sanksi pencabutan gelar akademik yang penulis sandang
dan sanksi-sanksi lainnya sesuai dengan peraturan perundangan yang berlaku.
Medan, 11 Juni 2016
Penulis,
Syafriwel
UNIVERSITAS SUMATERA UTARA
i
ANALISIS PERAMALAN KEBUTUHAN ENERGI LISTRIK
PROVINSI SUMATERA UTARA MENGGUNAKAN
METODE PERAMALAN KUANTITATIF
SEKTORAL
ABSTRAK
Seiring waktu kebutuhan dan permintaan listrik oleh masyarakat terus mengalami
peningkatan. Agar persediaan listrik dapat tercukupi dan terhindar dari defisit energi
maka perlu dilakukan suatu perencanaan. Langkah awal yang perlu dilakukan adalah
melakukan peramalan kebutuhan energi listrik yang akan terjadi dimasa yang akan
datang. Dalam peramalan penelitian ini telah dilakukan peramalan beberapa tahun
kedepan dengan data aktual yang sudah terjadi untuk melihat keakuratan metode
peramalan yang digunakan. Hasil dari peramalan telah dibandingkan dengan data
aktual yang dicatat PLN. Data yang digunakan adalah data historis berupa data
pelanggan, daya tersambung, Kebutuhan energi dan rasio elektrifikasi tahun 2007
sampai tahun 2014. Data historis tahun 2007 sampai tahun 2012 digunakan sebagai
data untuk melakukan peramalan kebutuhan energi listrik pada tahun 2013 dan 2014.
Data aktual tahun 2013 dan 2014 dibandingkan dengan data hasil peramalan tahun
2013 dan 2014. Selanjutnya data hasil peramalan tahun 2013 dan 2014 juga
dibandingkan dengan data Proyeksi RUPTL PLN. Berdasarkan hasil dari peramalan
untuk tahun 2013 dan 2014 dapat diketahui error jumlah pelanggan 0,04% dan
1,91%, Daya tersambung 3,44% dan 2.3%, dan kebutuhan energi 5,31% dan 7,71%.
Jika dibandingkan dengan proyeksi dari RUPTL, hasil peramalan penelitian diperoleh
hasil yang lebih baik karena error lebih kecil dibandingkan dengan RUPTL untuk
tahun 2013 dari 6,41% sampai 13,2% sedangkan tahun 2014 mencapai error 10%
sampai 17,55%. Dikarenakan hasil peramalan penelitian lebih mendekati data aktual
maka dengan cara yang sama dapat direkomendasikan peramalan energi untuk 10
tahun kedepan.
Kata kunci: Peramalan, data aktual, perbandingan, RUPTL PLN, hasil error
UNIVERSITAS SUMATERA UTARA
ii
ANALYSIS OF ELECTRICITY POWER UTILITY PREDICTION IN
PROVINCE OF SUMATERA UTARA BY USING
SECTORS QUANTITATIVE FORECASTING
METHOD
ABSTRACT
The electricity demands that needed by society keep increasing over the time. So that
electrical supply would be sufficient and far from power deficit, so it is needed to
make a plan. As the first steps, this should be made a prediction of electrical power
needs for future. In this study, it has already been predicted for some predictions by
actual data to search the accuracy prediction method used into the next years. The
result of prediction had been compared to actual data belongs to State Electricity
Company (PLN). The data usage refers to history data of customers, power
connection, power demands and electrification ratio in 2007 untill 2014. The history
data 2007 to 2012 is used as prediction data of electricity power needsin 2013 and
2014. Actual data of 2013 and 2014 were compared with prediction data results in
2013 and 2014. Then the prediction data results of 2013 and 2014 will be compared
with projection data RUPTL PLN. By having the outcome of prediction in 2013 and
2014 is obtained that error numbers of customer 0,04% and 1,91%. Power
connection 3,44% and 2,3% and power demands 5,31% and 7,71%. If it is compared
with projection of RUPTL, The outcome prediction of study resulted to be better and
the error to be smaller than RUPTL for 6,41% to 13,2% over 2013, but in 2014
reaches 10% errors to 17,55%. By reason of the prediction outcome, is close to
actual data. Therefore, it is recommended that power prediction uses similar ways for
the next 10 years.
Keyword: Prediction, Data Actual, Comparison, RUPTL PLN, Error results
UNIVERSITAS SUMATERA UTARA
iii
KATA PENGANTAR
Penulis mengucapakn puji dan syukur kehadirat Allah SWT yang telah
memberikan berkah-Nya kepada penulis sehingga penulis dapat menyelesaikan
penyusunan penelitian ini
Selama melakukan penulisan tesis ini, penulis banyak memperoleh bantuan
moril dan material dari berbagai pihak. Oleh karena itu, pada kesempatan ini penulis
menyampaikan ucapan terima kasih yang tulus kepada :
1. Bapak Dr. Ali Hanafiah Rambe, S.T., M.T. selaku Pembimbing.
2. Bapak Prof. Dr. Dadan Ramdan, M.Eng., M.Sc. selaku Co-Pembimbing.
3. Bapak Suherman, S.T., M.Comp, Ph.D, selaku Ketua Program Studi Magister
Teknik Elektro Fakultas Teknik Universitas Sumatera Utara.
4. Bapak Dr. Ir. Taslim, M.Si, selaku Dosen Metodologi Penelitian yang telah
membimbing dan mengarahkan penulis dalam penulisan proposal penelitian
sebelum menyusun tesis ini.
5. Bapak Ir. Zulkanain Pane, M.T. atas konsultasi dan dosen pengampu mata kuliah
Perencanaan Sistem Tenaga Listrik sehingga muncul ide penulis untuk
membahas judul tesis ini
6. Bapak Rahmad Fauzi, S.T., M.T. atas konsultasi komputasi kecerdasan buatan
dalam mendukung kesempurnaan tesis ini.
7. Seluruh Staf dan Adm di Fakultas Teknik dan Program Studi Magister Teknik
Elektro atas bantuan pelayanan administrasi.
Penulis menyadari tesis ini masih banyak memiliki kekurangan dan jauh dari
sempurna. Namun harapan penulis semoga laporan tesis ini bermanfaat bagi seluruh
pembaca. Semoga kiranya Tuhan yang Maha Esa meridhoi kita semua. Amin ya
robbal „alamin.
Medan, 11 Juni 2016
Penulis,
Syafriwel
UNIVERSITAS SUMATERA UTARA
iv
DAFTAR ISI
Halaman
ABSTRAK ............................................................................................................. i
ABSTRACT ........................................................................................................... ii
KATA PENGANTAR .......................................................................................... iii
DAFTAR ISI ......................................................................................................... iv
DAFTAR TABEL ................................................................................................. vi
DAFTAR GAMBAR ............................................................................................ viii
DAFTAR LAMPIRAN ........................................................................................ ix
DAFTAR SINGKATAN ...................................................................................... x
BAB I PENDAHULUAN .............................................................................. 1
1.1. Latar Belakang ............................................................................. 1
1.2. Perumusan Masalah ..................................................................... 6
1.3. Tujuan Penelitian ......................................................................... 7
1.4. Manfaat Penelitian ....................................................................... 7
1.5. Lingkup Penelitian ....................................................................... 8
BAB II TINJAUAN PUSTAKA .................................................................... 9
2.1. Peramalan Energi Listrik .............................................................. 9
2.2. Faktor-Faktor yang Mempengaruhi Ramalan Listrik .................... 10
2.2.1. Penduduk/Populasi .............................................................. 10
2.2.2. Pendapatan PDB/PDRB ...................................................... 10
2.2.3. Kebijakan Pemerintah ........................................................ 14
2.2.4. Cara Perhitungan Matematis .............................................. 15
2.2.5. Geografis ............................................................................ 16
2.3. Proses Peramalan .......................................................................... 17
BAB III METODE PENELITIAN ................................................................. 28
3.1. Waktu dan Tempat Penelitian ....................................................... 28
3.2 Jenis Penelitian ............................................................................. 28
3.3 Metode Pengumpulan Data .......................................................... 28
3.4 Sumber Data ................................................................................. 29
3.5 Populasi, Sampel dan Metode yang digunakan ............................ 29
3.6 Instrumen Penelitian ..................................................................... 31
3.7 Diagram Alir Penelitian dan Tahapan-tahapan Penelitan ............ 31
BAB IV HASIL DAN PEMBAHASAN ......................................................... 38
4.1. Observasi/ Survei Lapangan.......................................................... 38
4.2 Studi Literatur dan Perpustakaan .................................................. 38
4.3 Pengumpulan Data ....................................................................... 39
UNIVERSITAS SUMATERA UTARA
v
4.3.1. Data dari BPS Sumatera Utara ............................................ 39
4.3.2. Data dari Statistik PLN ....................................................... 40
4.3.3. Data PDRB dari BPS Sumatera Utara ................................ 43
4.3.4. Data Dirjen Ketenagalistrikan Kementerian ESDM .......... 44
4.3.5. Data Proyeksi Kebutuhan Listrik dari RUPTL PLN .......... 47
4.4 Pengolahan Data ........................................................................... 49
4.5 Analisis Hasil Peramalan ............................................................. 55
BAB V KESIMPULAN DAN SARAN ......................................................... 65
5.1. Kesimpulan.................................................................................... 65
5.2 Saran .............................................................................................. 66
DAFTAR PUSTAKA ........................................................................................... 67
LAMPIRAN .......................................................................................................... 72
UNIVERSITAS SUMATERA UTARA
vi
DAFTAR TABEL
No. Judul Halaman
1.1. Penelitian Terdahulu .................................................................................. 2
3.1. Jadwal Penelitian ........................................................................................ 28
3.2. Data-Data yang Dibutuhkan dari Metode Peramalan ................................. 30
4.1. Data Penduduk Sumatera Utara dan Jumlah Rumah Tangga ..................... 39
4.2. Data Penduduk Sumatera Utara, Jumlah Rumah Tangga dan Rasio
Elektrifikasi ................................................................................................ 40
4.3. Jumlah Pelanggan PLN Sumatera Utara Berdasarkan Data dari PLN ....... 40
4.4. Daya Tersambung Per kelompok Pelanggan (MVA) Data dari PLN ........ 41
4.5. Energi Listrik Terjual Per Kelompok Pelanggan (GWh) Data dari PLN ... 42
4.6. Produk Domestik Regional Bruto Propinsi Sumatera Utara 2010-2014 .... 43
4.7 Persentase Pertumbuhan Ekonomi Sumatera Utara dari tahun 2004-2012 . 43
4.8. Data Pelanggan Berdasarkan Dirjen Ketenagalistrikan Kementerian ESDM 45
4.9. Daya Tersambung Dirjen Ketenagalistrikan Kementerian ESDM ............ 45
4.10. Energi Terjual Berdasarkan Dirjen Ketenagalistrikan Kementerian ESDM 46
4.11. Perbandingan Rasio Elektrifikasi data PLN dan Kementerian ESDM ...... 46
4.12 Data RE dan Data Proyeksi Kebutuhan Energi Listrik (GWh) RUPTL .... 49
4.13. Perbandingan Data Aktual, Hasil Peramalan dan RUPTL untuk Jumlah
Pelanggan, Daya Tersambung (MVA) dan Kebutuhan Energi Listrik
Tahun 2013 ................................................................................................. 56
4.14. Perbandingan Data Aktual, Hasil Peramalan dan RUPTL untuk Jumlah
Pelanggan, Daya Tersambung (MVA) dan Kebutuhan Energi Listrik
Tahun 2014 .................................................................................................. 56
UNIVERSITAS SUMATERA UTARA
vii
DAFTAR TABEL
No. Judul Halaman
4.15. Data Hasil Peramalan Jumlah Pelanggan, Daya Tersambung (MVA) dan
Kebutuhan Energi Listrik (GWh) 10 tahun ke depan dari tahun 2015
sampai dengan tahun 2014 .......................................................................... 61
UNIVERSITAS SUMATERA UTARA
viii
DAFTAR GAMBAR
No. Judul Halaman
2.1. Grafik Rasio Elektrifikasi Nasional ........................................................... 15
2.2. Peta Geografis dan Kelistrikan Sumatera Utara ......................................... 17
3.1. Diagram Alir Penelitian ............................................................................. 31
4.1. Grafik pertumbuhan Ekonomi Sumatera Utara Tahun 2004-2012 ............ 44
4.2. Grafik Perbandingan Rasio Elektrifikasi PLN dan Kementerian ESDM ... 47
4.3. Grafik Perbandingan Jumlah Pelanggan Tahun 2013 dan 2014 untuk Data
aktual dengan Hasil Peramalan dan Data dan Data RUPTL ...................... 57
4.4. Grafik Persentase Perbandingan Jumlah Pelanggan Tahun 2013 dan 2014
untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL .................. 58
4.5. Grafik Perbandingan Daya Tersambung (MVA) Tahun 2013 dan 2014
untuk Data Aktual terhadap Hasil Peramalan dan Data RUPTL ............... 59
4.6. Grafik Persentase Perbandingan Daya Tersambung Tahun 2013 dan 2014
Hasil untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL ........ 59
4.7. Grafik Perbandingan Kebutuhan Energi Listrik (GWh) Tahun 2013 dan
Tahun 2014 untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL 60
4.8. Grafik Persentase Perbandingan Kebutuhan Energi Listrik Tahun 2013 dan
2014 Hasil untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL 61
4.9. Grafik Pertumbuhan Jumlah Pelanggan dari Tahun 2008 s.d 2024
Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL .................. 62
4.10. Grafik Pertumbuhan Daya Tersambung (MVA) dari Tahun 2008 s.d 2024
Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL .................. 63
4.11. Grafik Pertumbuhan Kebutuhan Energi Listrik (GWh) dari Tahun 2008 s.d
2024 Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL ......... 64
UNIVERSITAS SUMATERA UTARA
ix
DAFTAR LAMPIRAN
No. Judul Halaman
1.1 Data BPS Penduduk Sumatera Utara dari Tahun 2004 s.d 2012 ................ 72
1.2 Perhitungan Pertumbuhan Rasio Elektrifikasi ........................................... 73
1.3 Data PLN Propinsi Sumatera Utara tahun 2008 s.d 2012 .......................... 74
1.4 Rata-rata persentase Pertumbuhan Kebutuhan Listrik sampai Tahun 2012 75
1.5 Prakiraan Jumlah Penduduk ....................................................................... 76
1.6 Perhitungan Jumlah Rumah Tangga ........................................................... 77
1.7 Elastisitas .................................................................................................... 78
1.8 Rata-rata Daya tersambung (VA) ............................................................... 79
1.9 Daya Listrik Terpasang yang disediakan PLN ........................................... 80
1.10 Perhitungan Peramalan ............................................................................... 81
1.11 Peramalan Kebutuhan Energi Listrik Tahun 2013 dan 2014 ..................... 82
1.12 Persentase error hasil peramalan ............................................................... 83
UNIVERSITAS SUMATERA UTARA
x
DAFTAR SINGKATAN
AC = Air Condisioner/Penyejuk Ruangan
AI = Artificial Intelligence
APBN = Anggaran Pendapatan dan Belanja Negara
ANFIS = Adaptive Neuro Fuzzy Inference System
ANN = Artificial Neural Network
BPS = Badan Pusat Statistik
DR = Delivery Respone
ESDM = Energi Sumber Daya Mineral
FL = Fuzzy Logic
FWNN = Fuzzy Wavelet Neural Network
GWh = Giga Watt hour
HP = Hand Phone
JST = Jaringan Syaraf Tiruan
KB = Keluarga Berencana
MAPE = Mean Absolute Present Error
NN = Neural Network
PCA-FFNN = Principal Component Analysis-
Fuzzy Feed Forward Neural Network
PDB = Pendapatan Domestik Bruto
PDRB = Pendapatan Domestik Regional Bruto
PLN = Perusahaan Listrik Negara
PN = Pendapatan Nasional
RE = Rasio Elektrifikasi
RAB = Rencana Anggaran Biaya
RBFFN = Radial Basis Function Neural Networks
RUPTL = Rencana Usaha Penyediaan Tenaga Listrik
RUKN = Rencana Usaha Ketenagalistrikan Nasional
SNN = Simulated Neural Network
SVM = Support Vector Machine
TV = Televisi
VA = Volt Ampere
VR = Voltase Rumah tangga (daya pada pelanggan rumah tangga)
UNIVERSITAS SUMATERA UTARA
1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Energi listrik sangat dibutuhkan oleh segala macam sektor terutama sektor
industri, penerangan, maupun kebutuhan masing-masing individu. Seiring
berjalannya waktu kebutuhan dan permintaan listrik terus mengalami peningkatan.
Dengan peningkatan energi dan juga diproduksinya berbagai macam peralatan-
peralatan yang menggunakan tenaga listrik disetiap rumah tangga, industri maupun
sektor lainnya tentu kebutuhan energi listrik akan mengalami peningkatan. Agar
kebutuhan akan listrik dapat tercukupi maka perlu dilakukan penyambungan
persediaan energi listrik berdasarkan peramalan kebutuhan dan beban listrik (demand
and load forecasting) yang terjadi dimasa yang akan datang. Oleh karena itu
peramalan kebutuhan sangat perlu dilakukan jauh hari sebelum dilaksanakan
perencanaan sistem tenaga listrik. Dengan perencanaan yang akurat melalui hasil
peramalan kredibel maka dimasa yang akan datang akan terhindar dari krisis energi
listrik. Hasil peramalan bisa digunakan untuk perencanaan pembangkit, transmisi dan
distribusi serta ritel [1]. Aplikasi lainnya dari peramalan adalah untuk perencanaan
pembangkit, transimisi, distribusi, manajemen permintaan, operasi dan
pemeliharaan/maintenance, perencanaan keuangan, desain, efesiensi dan lain-lain.
Untuk mendapatkan kualitas dan ketelitian, hasil ramalan selalu dilakukan evaluasi
agar kualitas dan kredibilatas hasil peramalan dapat dipertanggungjawabkan secara
ilmiah. Banyak metode dan cara yang dilakukan peneliti sebelumnya untuk
UNIVERSITAS SUMATERA UTARA
2
menghitung peramalan kebutuhan dan beban energi listrik diantaranya seperti tertera
di Tabel 1.1 berikut:
Tabel 1.1 Penelitian Terdahulu
No Judul Metode Hasil
1 Long Term Load
Forecasting Using
Fuzzy Logic
Methodology [2]
Fuzzy logic dengan
berdasarkan faktor
demografi populasi, suhu,
kelembaban dan lain-lain
Dengan populasi
masa lalu
dirumuskan dengan
aturan dasar logika
fuzzy data yang
tersedia peramalan
dapat dilakukan
dengan marjin
tertentu.
2 Comparative Study of
Load Forecasting
Methodologies in
Electrical Power System
[3]
Pendekatan regresi
berdasarkan waktu analisis
series dan menggunakan
beberapa komputasi ANN,
sistem pakar, fuzzy logic,
Support vector machines dan
hybrid
Meramal dengan
perbandingan
pendekatan
3 Times Series Long Term
Forecasting Model
Based on Information
Granules and Fuzzy
Clustering [4]
Model peramalan
menggabungkan fuzzy c- dan
informasi granulasi
memecahkan
masalah times series
prediksi jangka
panjang
4 Fuzzy Forecasting
Based on Automatic and
Axiomatic Fuzzy Set
Classification [5]
Times series fuzzy digunakan
untuk peramalan bukan saja
peramalan listrik tetapi juga
bisa berbagai macam domain
tergantung data historis yang
tidak lengkap
Bisa melihat tren
yang berlaku dalam
times series
5 Forecasting of the
Electricity Demand in
Libya Using Time Series
Stochastic Method for
Long Term from 2011-
2022 [6]
Peramalan kebutuhan listrik
jangka panjang dilakukan
berdasarkan peramalan
kuantitatif waktu seri
stokastik dan menggunakan
software SPSS dan analisis
Eviews7 Windows
Menggunakan
software SPSS
mendapatkan hasil
lebih tinggi dari
Eviews7 Windows
UNIVERSITAS SUMATERA UTARA
3
Tabel 1.1 Penelitian Terdahulu (Lanjutan 1)
No Judul Metode Hasil
6 An Overview of
Electrical Demand
Forecasting Techniques
[7]
Menggabungkan teknik
peramalan tradisional,
modifikasi teknik dan
komputasi algoritma
genetika dan fuzzy logic
dengan menggunakan dua
input membandingkan output
pertama dan kedua
Metode soft
computing lebih
efektif dan
membedakan
peramalan yang
lebih efesien
7 Dynamic Stochastic
Model to Forecast Non
Stationary Electricity
Demand [8]
Model Bayesian dan
stokastik yang dinamis
Model bayesin bisa
menyesuiakan
perubahan seperti
urbanisasi,
kebijakan
pemerintah atau
bencana alam
8 Up to 30 Years Peak
Load Forecasting of
Jordanian Power Grid
Using Radial Basis
Function Neural
Networks [9]
Meramalkan kebutuhan
listrik peneliti juga
meramalkan beban puncak
yang dipengaruhi suhu
dengan algoritma RBFNN
(Radial Basis Function
Neural Networks) dengan
sektor yang berbeda
Algoritma RBFNN
bisa meramalkan
beban puncak
listrik
9 A New Method for
Electric Comsumption
Forecasting in A
Semiconductor Plant
[10]
Metode Baru untuk
peramalan komsumsi listrik
dengan perbandingan waktu
seri pada pabrik semi
konduktor untuk
memperoleh hasil terbaik
dengan memperhatikan
mesin berjalan dan yang mati
dan tingkat utilities dan data
historis
Nilai MAPE
hampir sama
dengan metode
Baru
10 A Novel Approach for
Hourly Forecasting of
Long Term Electric
Energy Demand [11]
Membuat ramalan jangka
panjang dengan akurasi jam
yang biasanya dipakai untuk
peramalan jangka pendek
Beberapa model
matematika untuk
mendapatkan
kesalahan
peramalan yang
kecil/minim
UNIVERSITAS SUMATERA UTARA
4
Tabel 1.1 Penelitian Terdahulu (Lanjutan 2)
No Judul Metode Hasil
11 Long Term Electric
Load Forecasting Using
Neural Networks and
Support Vector
Machines [12]
Menggunakan metode ANN,
SVM untuk memprediksi
beban listrik. Hasil yang
diperoleh dibandingkan
dengan kinerja SVM
Model SVM lebih
baik
12 Wind Energi Forecast in
Complex Sites With A
Hybryd Neural Network
and CFD Based Method
[13]
Metode Hybrid dengan
berdasarkan data cuaca untuk
melihat statistik analisis
angin
Melihat potensi
angin
13 Global Energi
Forecasting Competition
2012 [14]
Peramalan beban hirakis dan
peramalan beban tenaga
angin
Peramalan melihat
tenaga angin dalam
kebutuhan listrik
14 Application of Artificial
Neural Networks and
Fuzzy Logic Method for
Short Term Load
Forecasting [15]
Menggabungan JST dan FL
dengan data 24 jam
Hasil simulasi
melihat hasil ANN
lebih baik
15 Fuzzy Wavelet Neural
Networks for City
Elelctric Energi
Comsumption
Forecasting [16]
Memperhatikan musim
panas dengan peningkatan
penggunaan penyejuk
ruangan/AC dan pendekatan
FWNN
Peramalan
komsumsi energi
di kota cocok
menggunakan
pendekatan FWNN
16 Long Term Load
Forecasting Based on
Adaptive Neural Fuzzy
Inference System Using
Real Energy Data [17]
Metode ANFIS untuk
meramalkan kebutuhan
listrik jangka panjang dalam
pemodelan fungsi non linier
ANFIS untuk
evaluasi, memiliki
tingkat kesalahan
yang rendah/kecil
17 Energy Demand Model
Design for Forecasting
Electricity Comsumption
and Simulating Demand
Respone Scenarios in
Sweden [18]
Metode respon dari
permintaan (DR)
penggunaan energi dan
survei 5.000 pengguna listrik
dan memperhatikan prilaku
konsumen
Berdasarkan 4
strategi yaitu
waktu, permintaan
harga, tarif dan
penggunaan denda
18 Modification Method to
Deal with the
Accumulation Effects for
Summer Daily Electric
Load Forecasting [19]
Melihat pengaruh musim
panas terus menerus dengan
efek akumulasi pada musim
panas sangat berbeda dengan
musim dingin
Hasil pengujian
menunjukkan
bahwa modifikasi
suhu dapat
meningkatkan
UNIVERSITAS SUMATERA UTARA
5
Tabel 1.1 Penelitian Terdahulu (Lanjutan 3)
No Judul Metode Hasil
akurasi peramalan
beban musim
panas
19 Modeling An Aggressive
Energy Efficiency
Scenario in Long Range
Load Forecasting for
Elelctric Power
Transmission Planning
[20]
Pada modeling aggressive
dapat mengurangi
pertumbuhan beban sehingga
terjadi efesien
Ananalisis
menunjukkan
penghematan
listrik untuk sektor
perumahan,
komersil dan
industri
berdasarkan
geografis dan
utiitis
20 Long Term Load
Forecasting by A
Collarorative Fuzzy
Neural Approach [21]
Kolaboratif pendekatan
PCA--FFNN
Pada modeling
aggressive dapat
mengurangi
pertumbuhan
beban sehingga
terjadi efesien
Pada penelitian sebelumnya telah dilakukan berbagai metode peramalan
kebutuhan dan beban energi listrik sesuai lokasi dan kondisi geografis, iklim, suhu,
sosial ekonomi, dan budaya dalam penggunaan energi listrik [2,9,13,14,16,18,19].
Seperti di negara/wilayah maju persediaan energi listrik berlebihan dari kebutuhan
sehingga rasio elektrifikasinya sudah sampai 100 persen. Setiap daerah memiliki
karakteristik yang berbeda dalam kebiasaan penggunaan energi listrik, jadi tidak
semua metode sesuai untuk digunakan dalam peramalan kebutuhan dan beban energi
listrik diwilayah tertentu. Jenis pelanggan pada penelitian terdahulu juga berbeda dari
penelitian yang akan penulis lakukan yaitu dengan membagi jenis pelanggan menjadi
6 sektor. Dalam penelitian ini dilakukan peramalan kebutuhan dan beban energi
UNIVERSITAS SUMATERA UTARA
6
listrik selama 10 tahun ke depan di Provinsi Sumatera Utara. Peramalan kebutuhan
dan beban energi listrik dalam penelitian ini tidak hanya menghitung total beban
listrik saja, tetapi juga dengan meramalkan pertumbuhan penduduk, pertumbuhan
ekonomi sesuai target yang ditetapkan pemerintah, jenis pelanggan, daya listrik yang
akan terpasang pada berbagai jenis sektor pelanggan yang dibagi menjadi 6 sektor
diantara pelanggan rumah tangga, industri, bisnis, gedung pemerintahan, sosial dan
penerangan umum yang dipengaruhi pertumbuhan dan target rasio elektrifikasi. Hasil
dari peramalan tahun pertama berdasarkan data historis riil selama 5 atau 10 tahun
sebelumnya. Sementara peramalan tahun kedua berdasarkan hasil peramalan tahun
pertama dan begitu seterusnya untuk tahun berikutnya sampai tahun kesepeluh atau
10 tahun ke depan. Hasil dari perhitungan dan peramalan dibandingkan data real
untuk melihat perbedaan dan persentase eror yang dihasilkan. Dengan demikian akan
didapatkan hasil mana yang lebih mendekati dengan peramalan dengan metode
gabungan dari metode sampling statistik, ekstrapolasi, perbandingan dan metode
sektoral.
1.2. Perumusan Masalah
Pertumbuhan kebutuhan energi listrik dapat menyebabkan defisit persediaan
energi listrik dimasa yang datang. Oleh karena itu perlu dilakukan suatu perencanaan
energi yang baik. Maka dilakukan peramalan kebutuhan dan beban energi listrik
untuk memperoleh data dalam perencanaan ketersediaan energi yang cukup dan
berkesinambungan.
UNIVERSITAS SUMATERA UTARA
7
1.3. Tujuan Penelitian
Tujuan dari penelitian ini adalah:
a. Untuk mengetahui keakuratan peramalan energi listrik di Provinsi Sumatera
Utara dan peramalan kebutuhan energi listrik 10 tahun ke depan tahun 2015-
2024
b. Mencari dan melihat pertumbuhan jumlah pengguna/pelangan listrik berbagai
sektor dan pertumbuhan kebutuhan energi listrik (dalam satuan Giga Watt
hour/GWh) beberapa tahun ke depan.
c. Untuk membandingkan hasil penelitian peramalan dengan Rencana Usaha
Penyediaan Tenaga Listrik atau RUPTL PT. PLN (Persero) yang diterbitkan
PLN dan membandingkan data real atau aktual melihat margin error hasil
peramalan dari perbandingan metode tersebut.
1.4. Manfaat Penelitian
Manfaat dari penelitian adalah hasil dari ramalan kebutuhan energi listrik bisa
dijadikan acuan data untuk perencanaan sistem tenaga listrik, kelayakan, keandalan
sistem distribusi dari pembangkit ke pelanggan tergantung dari kecukupan energi
yang tersedia. Perencanaan sistem tenaga listrik berupa perencanaan pembangkit
listrik baru/new power plant, perencanaan pembangunan transmisi, sistem distribusi
dari pembangkit ke pelanggan.
Data yang diperoleh dapat juga dijadikan acuan data sekunder untuk melihat
efesiensi dalam perencanaan persediaan energi maupun supporting data untuk
budgeting/(RAB) pembangunan agar terhindar dari krisis energi dimasa yang akan
UNIVERSITAS SUMATERA UTARA
8
datang. Data hasil peramalan juga dapat digunakan pemerintah untuk penyediaan
energi listrik dalam meningkatkan pertumbuhan ekonomi pendukung kebutuhan
pertumbuhan sektor industri dan jasa.
1.5. Lingkup Penelitian
Penelitian yang dilakukan difokuskan pada perhitungan kebutuhan dan beban
energi listrik di Propinsi Sumatera Utara selama beberapa tahun ke depan. Selain itu
hasil peramalan juga melihat pertumbuhan pelanggan pada sektor rumah tangga,
industri, bisnis, gedung pemerintahan, sosial dan penerangan umum untuk
melengkapi data-data pendukung dalam perencanaan sistem tenaga listrik seperti
penambahan pembangunan pembangkit power plant baru, transmisi dan distribusi
serta dapat digunakan untuk perencanaan anggaran pembangunan.
UNIVERSITAS SUMATERA UTARA
9
BAB II
TINJAUAN PUSTAKA
2.1. Peramalan Energi Listrik
Listrik merupakan energi yang sangat dibutuhkan untuk menghidupkan
peralatan-peralatan listrik seperti lampu, motor-motor, pompa listrik, mesin cuci,
lemari es, televisi, radio, Rice Cooker, charger HP, komputer, mixer, peralatan-
peralatan kontrol listrik dalam industri, peralatan otomatisasi yang menggunakan
listrik dan lain-lain. Semakin banyak masyarakat di dunia bisnis dan dunia industri
yang menggunakan peralatan listrik maka kebutuhan energi listrik juga terus
mengalami peningkatan. Semakin besar daya peralatan listrik semakin besar juga
energi yang dibutuhkan.
Peramalan/forecasting energi listrik adalah memprediksi, memperkirakan atau
dugaan kebutuhan energi listrik yang akan datang agar kebutuhan energi bisa
terpenuhi dalam penyediaan energi sesuai hasil perhitungan ramalan yang dilakukan.
Ramalan meliputi kebutuhan energi dan beban listrik atau demand and load
forecasting hasilnya digunakan untuk membuat perencanaan, pembangunan dan
pengembangan kebutuhan energi listrik.
Peramalan sangat diperlukan dan penting salah satunya hampir setiap industri
menggunakan, ketergantungan dengan energi listrik. Banyak industri memiliki
beberapa persediaan untuk menyimpan cadangan produk dan layanan mereka, untuk
tenaga listrik industri, listrik tidak dapat disimpan secara besar-besaran menggunakan
UNIVERSITAS SUMATERA UTARA
10
teknologi saat ini. Akibatnya, listrik harus segera dihasilkan setelah dikonsumsi.
Dengan kata lain, harus menyeimbangkan penawaran dan permintaan setiap saat [1].
2.2. Faktor-Faktor yang Mempengaruhi Ramalan Listrik
Beberapa faktor yang mempengaruhi peramalan listrik diantaranya sebagai
berikut:
2.2.1. Penduduk/Populasi
Penduduk adalah jumlah dari masyarakat yang tinggal di suatu daerah
tertentu. Jumlah penduduk erat kaitannya dengan jumlah kelahiran dan kematian.
Pertumbuhan penduduk lebih besar jika tingkat kelahiran lebih tinggi dari tingkat
kematian dan jumlah pendatang/emigran lebih besar dari imigran/penduduk yang
pergi dan begitu juga sebaliknya maka pertumbuhan akan mengalami perlambatan.
Jika Pertumbuhan penduduk mengalami pertumbuhan maka kebutuhan akan energi
listrik juga akan mengalami peningkatan untuk daerah yang telah dialiri arus listrik
(elektrifikasi). Rumus menghitung pertumbuhan penduduk [22] :
p = (l – m) + (e – i) (2.1)
Dimana : p adalah Pertumbuhan Penduduk, l adalah Total Kelahiran, m adalah Total
Kematian, e adalah Total Emigran atau Pendatang dari luar daerah dan i adalah Total
Imigran atau Penduduk yang pergi ke luar daerah.
2.2.2. Pendapatan PDB/PDRB
PDB (Pendapatan Domestik Bruto) merupakan salah satu metode untuk
menghitung Pendapatan Nasional yaitu nilai pasar total semua barang dan jasa yang
diproduksi dalam waktu tertentu. Sedangkan PDRB (Pendapatan Domestik Regional
UNIVERSITAS SUMATERA UTARA
11
Bruto) adalah salah satu indikator penting untuk mengetahui kondisi ekonomi di
suatu daerah dalam suatu periode tertentu ditunjukkan oleh data Produk Domestik
Regional Bruto (PDRB), baik atas dasar harga yang berlaku atau atas dasar harga
konstan. PDRB didefinisikan sebagai jumlah nilai tambah yang dihasilkan oleh
seluruh unit usaha dalam satu daerah tertentu, atau merupakan jumlah seluruh nilai
barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi di suatu daerah.
PDRB atas dasar harga berlaku menggambarkan nilai tambah barang dan jasa yang
dihitung menggunakan harga yang berlaku pada setiap tahun, sedangkan PDRB atas
harga konstan menunjukan nilai tambah barang dan jasa tersebut yang dihitung
menggunakan harga yang berlaku pada satu waktu tertentu sebagai harga dasar [22].
Pendapatan sangat berpengaruh terhadap kebutuhan energi listrik semakin banyak
barang dan jasa yang diproduksi maka kebutuhan akan energi listrik juga pasti akan
meningkat karena untuk meningkatkan PDRB salah satunya pasti tumbuh industri-
industri yang membutuhkan energi listrik sebagai bagian dari pendukung operasional
produksi. Hasil data PDRB digunakan untuk melihat pendapatan perkapita dan
petumbuhan ekonomi Provinsi Sumatera Utara.
a. Menghitung Pendapatan Per Kapita
Pendapatan perkapita merupakan pendapatan yang didapat dari keseluruhan
rata-rata penduduk suatu negara pada suatu periode tertentu. Biasa pengukuran suatu
pendapatan perkapita dilakukan per periode atau satu tahun. Pendapatan perkapita
diperoleh dari pendapatan nasional pada tahun tertentu dibagi dengan jumlah
penduduk suatu negara. Untuk meningkatkan per kapita, maka laju perekonomian
UNIVERSITAS SUMATERA UTARA
12
haruslah meningkat, sebaliknya laju pertumbuhan penduduk haruslah dapat
dikendalikan secara menyeluruh. Karena pada dasarnya pertumbuhan penduduk
memang relatif cepat dan tentu saja akan mempengaruhi perkembangan pendapatan
regional. Semakin tinggi laju pertumbuhan penduduk maka semakin rendah
pendapatan regionalnya dan sebaliknya semakin rendah laju pertumbuhan penduduk
maka semakin tinggi pendapatan regionalnya dengan asumsi laju pertumbuhan
ekonominya tetap. Oleh sebab itu pengendalian penduduk guna meningkatkan
pendapatan regional harus dipikirkan baik oleh pemerintah maupun masyarakat [22].
𝑃𝐷𝐵 𝑝𝑒𝑟 𝑘𝑎𝑝𝑖𝑡𝑎 =𝑃𝐷𝐵 𝑡𝑎ℎ𝑢𝑛 𝑘𝑒 𝑡
𝐽𝑢𝑚𝑙𝑎 ℎ 𝑝𝑒𝑛𝑑𝑢𝑑𝑢𝑘 𝑝𝑎𝑑𝑎 𝑡𝑎ℎ𝑢𝑛 𝑘𝑒 𝑡 (2.2)
Ada dua cara untuk menghitung pendapatan per kapita, yaitu berdasarkan
harga yang sedang berlaku dan berdasarkan harga tetap (konstan). Jika kita
menghitung berdasarkan harga yang berlaku maka hasilnya disebut pendapatan per
kapita nominal, sedangkan jika dihitung berdasarkan harga tetap (konstan), hasilnya
disebut pendapatan per kapita riil. Pendapatan per kapita nominal adalah pendapatan
per kapita yang tidak memperhitungkan tingkat kenaikan harga atau inflasi.
Sedangkan pendapatan per kapita riil adalah pendapatan per kapita yang sudah
memperhitungkan tingkat kenaikan harga atau inflasi.
b. Menghitung Pertumbuhan Ekonomi
Perhitungan pendapatan nasional secara ini memungkinkan tingkat
pertumbuhan ekonomi secara langsung dihitung dari data pendapatan nasional rill
UNIVERSITAS SUMATERA UTARA
13
yang tersedia. Formula yang akan digunakan untuk menentukan tingkat pertumbuhan
ekonomi ialah [22] :
g = (PN rill1 – PN rill 0)/(PN rill 0 ) (2.3)
Keterangan dari rumus g adalah tingkat pertumbuhan ekonomi, PN riil 1 adalah
pendapatan nasional untuk tahun dimana tingkat pertumbuhan ekonominya dihitung.
PN riil 0 adalah pendapatan nasional pada tahun berikutnya untuk menentukan
tingkat pertumbuhan ekonomi perhitungan harus dilakukan dengan dua cara yaitu :
PN rill a = 100 / IH a x PN masa ini. dengan : IH a adalah indeks harga atau
pendeflasi pendapatan nasional (GNP deflator ), PN adalah pendapatan nasional
2.2.3. Kebijakan Pemerintah
Pemerintah pasti memiliki target untuk peningkatan ekonomi nasional
ataupun daerah. Kebijakan pemerintah yang bisa mempengaruhi hasil peramalan
kebutuhan energi listrik adalah:
1. Target Pertumbuhan Ekonomi
Setiap tahun pemerintah memiliki target pertumbuhan ekonomi. Besaran target
pertumbuhan bisa dijadikan patokan dalam penambahan data untuk pertumbuhan
PDRB baik secara statis ataupun dinamis.
2. Program pembatasan/percepatan laju pertumbuhan penduduk
Salah satu program pemerintah dalam pembatasan laju pertumbuhan adalah
program KB. Dengan program KB maka laju pertumbuhan penduduk bisa
dibendung dan perencanaan pembangunan juga berhasil lebih baik. Untuk
percepatan pertumbuhan penduduk adalah dengan melakukan program
UNIVERSITAS SUMATERA UTARA
14
Transmigrasi yang sudah dicanangkan oleh pemerintah semenjak zaman orde baru.
Dengan program tersebut banyak yang wilayah mengalami pertumbuhan
penduduk maupun tingkat pertumbuhan perekonomian.
3. Percepatan Kawasan Ekonomi dan Industri Khusus
Pembangunan kawasan industri bertujuan untuk meningkatkan kamakmuran dan
kesejahteraan, membuka kesempatan kerja yang lebih luas, kesempatan berusaha,
dan tentu bisa meningkatkan penerimaan devisa, menunjang stabilitas ekonomi
kawasan tersebut.
4. Pembukaan Kawasan Industri/ Perumahan Baru
Jika pemerintah membuat kebijakan pembukaan kawasan baru tentu dilakukan
pembangunan fasilitas umum dan Penerangan dan Instalasi Listrik atau pelanggan
baru seperti penerangan jalan, gedung baru, rumah penduduk, termasuk juga
gedung pemerintahan daerah dan lain-lain.
5. Pemekaran Daerah/Wilayah
Biasanya setiap daerah yang mengalami pemekaran akan terjadi pembangunan
seperti fasilitas umum baru, gedung pemerintah dan juga kawasan ekonomi.
6. Target Rasio Elektrifikasi
Rasio elektrifikasi adalah perbandingan jumlah rumah tangga yang sudah berlistrik
dengan jumlah rumah tangga yang sudah ada di wilayah tersebut. Karena letak
geografis Indonesia yang terpisah memang terdapat kesulitan dalam mencapai
target rasio ini. Rasio elektrifikasi di gunakan dalam satuan persen. Pada Gambar
2.1. tertera nilai persentase rasio elektrifikasi secara nasional 2005-2014
UNIVERSITAS SUMATERA UTARA
15
berdasarkan data yang diumumkan di pusat data pada Direktorat Ketenagalistrikan
Kementerian Energi Sumber Daya Daya Mineral [29]. Dari grafik terlihat jelas
bahwa rasio elektrifikasi secara nasional terus mengalami pertumbuhan seiring
dengan target pemerintah dalam pelayanan memenuhi energi nasional. Untuk
wilayah Sumatera Utara hanya Pulau Nias yang terpisah dari daratan propinsi.
Gambar 2.1 Grafik Rasio Elektrifikasi Nasional [29]
2.2.4. Cara Sistem Perhitungan Matematis
Berdasarkan perhitungan statis yaitu melihat pertumbuhan rata-rata dan
dianggap sama setiap tahunnya. Seperti pertumbuhan ekonomi, penduduk, kebutuhan
dan lain-lain. Cara seperti ini tentu kurang akurat karena biasanya pertumbuhan selalu
fluktuatif dan terus mengalami tren peningkatan pertumbuhan lebih besar dari tahun
55
60
65
70
75
80
85
Per
senta
se r
asio
Tahun
Rasio Elektrifikasi Nasional
Rasio Elektrifikasi
UNIVERSITAS SUMATERA UTARA
16
sebelumnya walaupun tidak mutlak 100 persen. Berdasarkan perhitungan dinamis
yaitu melihat pertumbuhan yang berbeda setiap tahunnya melihat pertumbuhan yang
terus mengalami peningkatan artinya pertumbuhan tahun saat ini lebih besar dari
tahun sebelumnya. Berdasarkan sistem stokastik yaitu sistem randon/acak untuk
mendapatkan sampling data yang mendekati dan hampir tepat.
2.2.5. Geografis
Secara Geografis Provinsi Sumatera Utara terletak pada 1° - 4° Lintang Utara
dan 98° - 100° Bujur Timur, Luas daratan Provinsi Sumatera Utara 72.981,23 km².
Sumatera Utara pada dasarnya dapat dibagi atas Pesisir Timur, Pegunungan Bukit
Barisan, Pesisir Barat, Kepulauan Nias. Sebelah Utara perbatasan dengan Provinsi
Nanggroe Aceh Darussalam (NAD), sebelah Timur dengan Negara Malaysia di Selat
Malaka, sebelah Selatan berbatasan dengan Provinsi Riau dan Sumatera Barat, dan di
sebelah Barat berbatasan dengan Samudera Hindia. Luas daratan Provinsi Sumatera
Utara adalah 71.680,68 km2. Pulau-pulau Batu, serta beberapa pulau kecil baik
dibagian barat maupun bagian timur pantai Pulau Sumatera. Berdasarkan luas daerah
menurut kabupaten/kota di Sumatera Utara, luas daerah terbesar adalah Kabupaten
Mandailing Natal dengan luas 6.620,70 km2 atau sekitar 9,24% dari total luas
Sumatera Utara. Kebutuhan Energi Listrik Sumatera Utara 60% berada dikota Medan
[23]. Secara nasional Sumatera Utara hanya mengkonsumsi listrik 4 persen dari
seluruh pelanggan di wilayah Indonesia. Untuk wilayah Pulau Nias dilakukan sistem
isolated Nias disebabkan letak geografis yang jauh dari Pulau Sumatera tepatnya
sebelah Barat. Daerahnya yang rawan gempa dan longsor. Peramalan beban listrik
UNIVERSITAS SUMATERA UTARA
17
bisa berpengaruh terhadap geografis wilayah karena daerah yang sulit dijangkau akan
menyebakan pertumbuhan pelanggan tidak signifikan dan pembangunan transmisi
memerlukan cost yang lebih tinggi sehingga target pembangunan bisa berjalan
lambat. Selain itu untuk daerah yang jauh dari pembangkit bisa menyebabkan susut
daya yang tinggi.
Gambar 2.2 Peta Geografis dan Kelistrikan Sumatera Utara [23]
2.3. Proses Peramalan
Secara garis besar proses perhitungan peramalan dapat dibagi atas beberapa
tahap [24], yakni:
1. Pengumpulan dan penyiapan data historis
2. Pengolahan dan analisis data, dan
3. Penentuan metoda dan pembuatan model
UNIVERSITAS SUMATERA UTARA
18
Data yang dikumpulkan dapat berupa data sampling, survey lapangan,
pelanggan, hasil pengukuran data ataupun data resmi dari Statistik PLN seperti
jumlah data pelanggan, daya tersambung dan jumlah energi yang terjual. Untuk data
penduduk dan PDRB didapat dari sumber BPS Sumatera Utara dari tahun 2010
sampai dengan tahun 2015.
Pengolahan dan analisis data bisa dibedakan dari jenis pelanggan biasanya
pelanggan rumah tangga tingkat konsumsi pada jam-jam tertentu terutama jam 18.00
s.d 22.00 WIB mengalami beban yang cukup tinggi. Berbeda dengan pelanggan
industri besar yang selalu stabil sepanjang waktu dikarenakan operasi industri 24 jam
penuh. Pengolahan data tadi dihitung secara matematis dan hasil dari bantuan/tool
komputasi.
Berdasarkan jenis waktunya peramalan beban listrik dapat dibagi dalam 3
(tiga) kategori yaitu:
a. Peramalan jangka pendek dengan mengambil data pemakaian perjam selama 24
jam selama 1 bulan. Biasanya digunakan untuk melihat dan mengatur efesiensi
pemakaian listrik [15].
b. Peramalan jangka menengah dengan mengambil perhitungan data perminggu
perbulan selama setahun. Biasanya digunakan untuk optimasi bahan bakar
pembangkit dan efesiensi.
c. Peramalan jangka panjang dengan mengambil data pemakaian selama setahun
dengan peramalan kebutuhan beban beberapa tahun yang akan datang. Biasanya
digunakan untuk perencanaan pembangunan pembangkit baru jika pembangkit
UNIVERSITAS SUMATERA UTARA
19
yang ada sudah tidak mencukupi untuk memenuhi kebutuhan konsumen/pemakai
listrik.
Metode gabungan adalah gabungan dari metode sampling statistik, metode
ekstrapolasi, metode perbandingan dan metode sektoral. Metode sampling statistik
adalah untuk daerah yang pemakaian listriknya merata sehingga mudah diambil
sampling untuk mempermudah pengambilan data. Metode ekstrapolasi bersandar
pada data masa lampau yang akan sama terjadi dimasa yang akan datang. Sehingga
data bersifat statis. Metode Perbandingan biasanya untuk peramalan jangka pendek
karena data diukur langsung dari pemakaian listrik. Jadi tidak tergantung pengaruh
ekonomi, iklim, dan teknologi. Metode Sektoral yaitu memilah pertumbuhan listrik
berdasarkan sektoral pelanggan karena masing-masing sektor memiliki karakteristik
pemakain yang berbeda dan metode ini lebih akurat untuk mendapatkan hasil data
untuk peramalan [24].
Pada referensi-referensi yang ada [24], model yang digunakan yaitu membagi
jenis pelanggan menjadi 4 sektor yaitu rumah tangga, industri, bisnis dan umum.
Untuk menghitung pada penelitian ini model peramalan yang akan dilakukan dengan
membagi jenis pelanggan menjadi 6 sektor yaitu sektor rumah tangga, industri, bisnis,
gedung pemerintah, sosial dan penerangan Umum dapat dilakukan dengan
mengunakan rumus sebagai berikut:
UNIVERSITAS SUMATERA UTARA
20
1. Sektor Rumah Tangga (R)
a. Menghitung pertambahan penduduk berdasarkan pertumbuhan penduduk
[24].
Pt = Pt-1 (1 + i)t (2.4)
Dimana Pt adalah Penduduk pada tahun yang akan dihitung ke t, Pt-1 adalah
Penduduk tahun sebelumnya, i yaitu persentase pertumbuhan penduduk
dan t adalah waktu/tahun selama pertumbuhan
b. Jumlah Rumah Tangga, sebelumnya dicari rata-rata penghuni rumah tangga
tahun sebelumnya [24]
Qt = Pt-1/ Ht-1 (2.5)
Ht = Pt / Qt (2.6)
Dimana Ht-1 adalah Jumlah rumah tangga tahun sebelumnya, Pt-1 adalah
Penduduk yang tahun sebelumnya, Ht adalah Jumlah rumah tangga tahun
ke t, Pt adalah Penduduk yang pada tahun ke t dan Qt adalah Jumlah rata-
rata penghuni rumah tangga [24].
c. Pelanggan Rumah Tangga
Pelanggan rumah tangga adalah pelanggan untuk pemakaian perumahan
penduduk, rumah tangga, komplek perumahan dan lain-lain [24].
Pel Rt = Ht x REt (2.7)
Dimana Pel Rt-1 adalah Pelanggan rumah tangga pada tahun ke t, Ht adalah
Jumlah rumah tangga pada tahun ke t, REt adalah Rasio Elektrifikasi pada
UNIVERSITAS SUMATERA UTARA
21
tahun ke t. Rasio Elektrifikasi adalah perbandingan jumlah rumah tangga
yang sudah dialiri arus listrik dengan total jumlah rumah tangga yang ada.
d. Daya tersambung pada rumah tangga
VA Rt = VA Rt-1 + ∆ Pel Rt-(t-1) x VR (2.8)
Dimana VA Rt adalah daya tersambung rumah tangga pada tahun ke t, VA
Rt-1 adalah daya tersambung tahun sebelumnya, VR adalah Daya tersambung
per pelanggan rumah tangga, ∆ Pel Rt-(t-1) adalah penambahan Pelanggan
Rumah tangga pada tahun ke t [24].
e. Konsumsi energi sektor rumah tangga
Dalam prakiraan konsumsi energi dipengaruhi oleh fluktuasi pertumbuhan
ekonomi, dalam hal ini adalah pertumbuhan PDRB Propinsi Sumatera
Utara serta fluktuasi pertumbuhan pelanggan rumah tangga. Maka laju
pertumbuhan konsumsi energi dalam memprakirakan konsumsi energi
rumah tangga adalah pertumbuhan PDRB (gPDRB) dan pertumbuhan
pelanggan rumah tangga (gPel_R). Prakiraan konsumsi energi
menggunakan persamaan berikut dengan variabel konsumsi energi sektor
rumah tangga. Konsumsi Energi Rumah Tangga (GWh) didapat dengan
rumus [24]:
ERt = ERt-1 (1+ (ɛ ER x Gt/100)) (2.9)
Dimana ERt adalah Konsumsi energi rumah tangga pada tahun ke t, ERt-1
adalah konsumsi energi rumah tangga pada tahun sebelumnya, ɛ ER adalah
Elastisitas rumah tangga, Elastisitas adalah pertumbuhan kebutuhan energi
UNIVERSITAS SUMATERA UTARA
22
dibandingkan dengan pertumbuhan ekonomi dan Gt/100 adalah Persentase
pertumbuhan PDRB Perkapita pada tahun ke t
2. Sektor Industri (I)
a. Pelanggan Industri
Pelanggan industri merupakan pelanggan yang menggunakan tenaga listrik
untuk kegiatan industri pengolahan/manufacturing maupun penerangan di
industri [24].
Pel It = Pel It-1 (1 + ɛPel I x G It /100) (2.10)
Dimana Pel It adalah Pelanggan industri pada tahun ke t, Pel It-1 adalah
Pelanggan industri pada tahun sebelumnya. ɛPel I adalah Elastisitas
pelanggan industri, dan G It /100 adalah Persentase pertumbuhan PDRB
perkapita industri.
b. Daya tersambung pada industri.
VA It = VA It-1 + ∆ Pel It-(t-1) x VI (2.11)
Dimana VA It adalah Daya tersambung pada industri ditahun ke t, VA It-1
adalah Daya tesambung pada industri tahun sebelumnya, ∆ Pel It-(t-1) adalah
Jumlah penambahan pelanggan pada tahun ke t, dan VI adalah Daya
tersambung perpelanggan industri [24].
c. Konsumsi energi listrik pada industri
E It = E It-1 (1+ (ɛ EI x Gt/100)) (2.12)
Dimana E It adalah Konsumsi energi industri pada tahun ke t, EIt-1 adalah
Konsumsi energi industri pada tahun sebelumnya, ɛ EI adalah Elastisitas
UNIVERSITAS SUMATERA UTARA
23
industri, dan Gt/100 adalah Persentase pertumbuhan PDRB perkapita pada
tahun ke t [24].
3. Sektor Bisnis (B)
a. Pelanggan sektor bisnis
Pelanggan bisnis merupakan pelanggan yang ruang lingkupnya komersial,
misalnya pertokoan, pusat perbelanjaan, pusat hiburan, perhotelan,
perbankan, reklame dan lain-lain. Parameter yang digunakan untuk laju
pertumbuhan pelanggan bisnis adalah pertumbuhan pelanggan rumah
tangga pada tahun ke t [24].
Pel Bt = Pel Bt-1.(1 + ɛPel B (∆ Pel Rt(t-1)/Pel Rt-1)) (2.13)
Dimana Pel Bt adalah Pelanggan bisnis pada tahun ke t, Pel Bt-1 adalah
Pelanggan bisnis pada tahun sebelumnya, ɛPel B adalah Elastisitas pelanggan
bisnis, ∆ Pel Rt(t-1)/Pel Rt-1 adalah Pertumbuhan pelanggan rumah tangga
pada tahun ke t dan tahun sebelumnya.
b. Daya tersambung pada sektor bisnis
VA Bt = VA Bt-1 + ∆ Pel Bt-(t-1) x VB (2.14)
Dimana VA Bt adalah Daya tersambung pada bisnis ditahun ke t, VA Bt-1
adalah Daya tersambung bisnis pada tahun sebelumnya, ∆ Pel Bt-(t-1) adalah
Jumlah penambahan pelanggan pada tahun ke t, , dan VB adalah Daya
tersambung perpelanggan bisnis/komersial [24].
c. Konsumsi energi listrik pada sektor bisnis
E Bt = E Bt-1 (1+ (ɛ EB x Gt/100)) (2.15)
UNIVERSITAS SUMATERA UTARA
24
Dimana E Bt adalah Konsumsi energi bisnis pada tahun ke t, E Bt-1 adalah
Konsumsi energi bisnis pada tahun sebelumnya, ɛ EB adalah Elastisitas
bisnis, dan Gt/100 adalah Persentase pertumbuhan PDRB perkapita pada
tahun ke t [24].
4. Sektor Gedung Pemerintahan (G)
a. Jenis Pelanggan pada Gedung Pemerintahan
Pelanggan gedung pemerintahan meliputi pelanggan yang ruang
lingkupnya pelayanan masyarakat, misalnya kantor pemerintahan, gedung
MPR/DPR/DPRD, kantor kementrian, kantor bupati/walikota, kantor
dinas, kantor kelurahan, kantor kecamatan, dan lain-lain.
Pel Gt = Pel Gt-1.(1 + ɛPel G. (∆ Pel Rt(t-1)/Pel Rt-1)) (2.16)
Dimana Pel Gt adalah Pelanggan gedung pemerintahan pada tahun ke t, Pel
Gt-1 adalah Pelanggan gedung pemerintahan pada tahun sebelumnya, ɛPel G
adalah Elastisitas pelanggan gedung pemerintahan, dan ∆ Pel Rt(t-1)/Pel Rt-1
adalah Pertumbuhan pelanggan rumah tangga pada tahun ke t dan tahun
sebelumnya [24].
b. Daya tersambung pada pelanggan gedung pemerintahan
VA Gt = VA Gt-1 + ∆ Pel Gt-(t-1) x VG (2.17)
Dimana VA Gt adalah Daya tersambung pada gedung pemerintahan ditahun
ke t, ∆ Pel Gt-(t-1) adalah Jumlah penambahan pelanggan pada tahun ke t, VA
Gt-1 adalah Daya tersambung gedung pemerintahan pada tahun sebelumnya,
dan VG adalah Daya tersambung perpelanggan gedung pemerintahan [24].
UNIVERSITAS SUMATERA UTARA
25
c. Konsumsi energi pada gedung pemerintahan
E Gt = E Gt-1 (1+ (ɛ EG x Gt/100)) (2.18)
Dimana E Gt adalah Konsumsi energi gedung pemerintahan pada tahun ke t,
E Gt-1 adalah Konsumsi energi gedung pemerintahan pada tahun sebelumnya,
ɛ EG adalah Elastisitas gedung pemerintahan, dan Gt/100 adalah Persentase
pertumbuhan PDRB perkapita pada tahun ke t [24].
5. Sektor Sosial (S)
a. Pelanggan Sosial
Pelanggan sosial meliputi tempat ibadah, gedung serba guna dan gedung
untuk kegiatan LSM atau masyarakat atau adat setempat.
Pel St = Pel St-1 ( 1 + ɛPel S (∆ Pel Rt(t-1)/Pel Rt-1)) (2.19)
Dimana Pel St adalah Pelanggan sosial pada tahun ke t, Pel St-1 adalah
Pelanggan sosial pada tahun sebelumnya, ɛPel S adalah Elastisitas pelanggan
sosial, ∆ Pel Rt(t-1)/Pel Rt-1 adalah Pertumbuhan pelanggan rumah tangga
pada tahun ke t dan tahun sebelumnya.
b. Daya tersambung pada pelanggan sosial
VA St = VA St-1 + ∆ Pel St-(t-1) x VS (2.20)
Dimana VA St adalah Daya tersambung pada pelanggan sosial ditahun ke t,
∆ Pel St-(t-1) adalah Jumlah penambahan pelanggan pada tahun ke t, VA St-1
adalah Daya tersambung pelanggan sosial pada tahun sebelumnya, VS adalah
Daya tersambung perpelanggan sosial.
UNIVERSITAS SUMATERA UTARA
26
c. Konsumsi energi pada pelanggan sosial
E St = E St-1 (1+ (ɛ ES x Gt/100)) (2.21)
Dimana E St adalah Konsumsi energi pelanggan sosial pada tahun ke t, E St-1
adalah Konsumsi energi pelanggan sosial pada tahun sebelumnya, ɛ ES =
Elastisitas pelanggan sosial, dan Gt/100 adalah Persentase pertumbuhan
PDRB perkapita pada tahun ke t
6. Penerangan Umum (U)
a. Jenis pelanggan pada Penerangan Umum
Pelanggan Penerangan Umum meliputi pelanggan yang ruang lingkupnya
pelayanan masyarakat, misalnya penerangan jalan raya, penerangan jalan
protokol, penerangan komplek perumahan, penerangan jalan pusat
perbelanjaan, traffic light dan lain-lain.
Pel Ut = Pel Ut-1 (1 + ɛPel U (∆ Pel Rt(t-1)/Pel Rt-1)) (2.22)
Dimana Pel Ut adalah Pelanggan penerangan umum pada tahun ke t, Pel Ut-1
adalah Pelanggan penerangan umum pada tahun sebelumnya, ɛPel U adalah
Elastisitas pelanggan penerangan umum, ∆ Pel Rt(t-1)/Pel Rt-1 adalah
Pertumbuhan pelanggan rumah tangga pada tahun ke t dan tahun
sebelumnya.
b. Daya tersambung pada pelanggan penerangan umum
VA Ut = VA Ut-1 + ∆ Pel Ut-(t-1) x VU (2.23)
Dimana VA Ut adalah Daya tersambung pada penerangan umum ditahun ke t,
∆ Pel Ut-(t-1) adalah Jumlah penambahan pelanggan pada tahun ke t, VA Ut-1
UNIVERSITAS SUMATERA UTARA
27
adalah Daya tersambung penerangan umum pada tahun sebelumnya, dan VU
adalah Daya tersambung perpelanggan penerangan umum.
c. Konsumsi energi pada penerangan umum
E Ut = E Ut-1 (1+ (ɛ EU x Gt/100)) (2.24)
Dimana E Ut adalah Konsumsi energi penerangan umum pada tahun ke t, E
Ut-1 adalah Konsumsi energi penerangan umum pada tahun sebelumnya, ɛ EU
adalah Elastisitas penerangan umum, dan Gt/100 adalah Persentase
pertumbuhan PDRB perkapita pada tahun ke t.
7. Total Kebutuhan Konsumsi Energi
Prakiraan total kebutuhan konsumsi energi diperoleh dengan menjumlahkan
konsumsi energi sektor rumah tangga, industri, bisnis, gedung pemerintahan, sosial
dan penerangan umum dengan rumus sebagai berikut [24] :
E Tt = E Rt + E It + E Bt + E Gt + E St + E Ut (2.25)
Dimana E Tt adalah Total Kebutuhan Konsumsi Energi pada tahun ke t, E Rt
adalah Konsumsi energi sektor Rumah Tangga pada tahun ke t, E It adalah Konsumsi
energi sektor Industri pada tahun ke t, E Bt adalah Konsumsi energi sektor Bisnis
pada tahun ke t, E Gt adalah Konsumsi energi sektor Gedung pemerintahan pada
tahun ke t, E St adalah Konsumsi energi sektor Sosial pada tahun ke t, dan E Ut adalah
Konsumsi energi sektor Penerangan Umum pada tahun ke t.
UNIVERSITAS SUMATERA UTARA
28
BAB III
METODE PENELITIAN
3.1. Waktu dan Tempat Penelitian
Supaya pelaksanaan penelitian bisa berjalan dengan baik dan selesai tepat
waktu atau dan sesuai rencana maka dibuat jadwal penelitian. Jadwal yang
direncanakan dilakukan selama lebih kurang 5 bulan dimulai dari pertengahan Januari
2016 sampai dengan Mei 2016.
Tempat penelitian dilakukan di PT. PLN (Persero) Regional Sumbagut, Studi
laboratorium dan perpustakaan dalam pengambilan data, referensi dan dalam
pengolahan data.
3.2 Jenis Penelitian
Jenis penelitian ini adalah dengan memprakirakan kejadian yang akan datang
dengan melakukan peramalan berupa perhitungan dari data historis. Penelitian
dilakukan dengan observasi ke perusahaan/instansi untuk mendapatkan data-data
historis berupa jumlah penduduk, pertumbuhan ekonomi, jenis pelanggan listrik,
energi yang terjual, kapasitas pembangkit, beban puncak dan pemakaian energi
selama 5 atau 10 tahun yang lalu. Data yang didapat diolah sesuai teori dan metode
yang dipilih lalu dibantu dengan perhitungan menggunakan Ms Excel lalu
dibandingkan dengan data real tahun 2013 dan 2014.
3.3. Metode Pengumpulan Data
Data dikumpulkan dengan meminta kepada pihak instansi/perusahaan PT.
PLN (Persero) Regional Sumbagut berupa Statistik PLN. Selain itu juga dibutuhkan
UNIVERSITAS SUMATERA UTARA
29
data dari BPS Sumatera Utara seperti jumlah penduduk dan pertumbuhan ekonomi
Propinsi Sumatera Utara. Tahapan lainnya yaitu observasi ke lapangan melihat dan
mencari gambaran teknik peramalan yang dilakukan oleh pihak PLN.
3.4. Sumber Data
Sumber data berasal dari PT. PLN (Persero) dan BPS Sumatera Utara dan
beberapa sumber lainnya seperti Direktorat Ketenagalistrikan Kementerian Energi
Sumber Daya Mineral (ESDM) berupa data statistik maupun hasil pengukuran dan
perhitungan pengolahan secara matematis oleh instansi/perusahaan tersebut. Selain
itu data juga dapat diperoleh dari data sekunder dari Statistik maupun data primer
langsung yang diukur oleh pihak PLN.
3.5. Populasi, Sampel dan Metode yang digunakan
Populasi yang digunakan adalah jenis pelanggan yang ada dengan
karakteristik pemakaian beban yang berbeda, pelanggan dibedakan menjadi 6 sektor
yaitu rumah tangga dengan pemakaian beban lebih kecil dan konstan, industri, bisnis,
sosial, gedung pemerintahan dan penerangan umum. Sampel yang diambil dengan
melihat rata-rata jumlah rumah tangga untuk mengetahui jumlah pelanggan rumah
tangga. Sampel rata-rata pemakaian daya masing-masing sektor berdasarkan
konsumsi yang telah digunakan dengan total jumlah pelanggan yang tercatat.
Kemudian juga menghitung elastisitas pelanggan dan konsumsi energi. Data dan
metode yang akan digunakan dapat dilihat pada uraian Tabel 3.2. Sehingga gabungan
dari metode dijadikan satu metode menjadi metode Peramalan Kuantitatif Sektoral
(PKS)
UNIVERSITAS SUMATERA UTARA
30
Tabel 3.2 Data-data yang dibutuhkan dari Metode Peramalan
No Metode Uraian Jenis data
1 Sampling Statistik
[18,24]
Untuk pemakaian
listrik merata di suatu
daerah
Energi dan Daya listrik
terpakai diambil sampel
untuk mewakili keseluruhan
2 Ekstrapolasi [24] Data masa lampau
akan terjadi tren sama
di masa akan datang
(bersifat statis)
Dari Energi terpakai tahun
sebelumnya akan terpakai
dimasa yang akan datang
dengan pertumbuhan yang
sama
3 Perbandingan/pro
yeksi/kecendrung
an [24]
Berdasarkan
hubungan data masa
lampau tanpa
memperhatikan
pengaruh ekonomi,
iklim, teknologi dan
lain-lain
Biasanya dipakai pada
peramalan jangka pendek
karena energi listrik
pemakaian diukur langsung
dari beban yang terpakai
4 Metode Sektoral
[1]
Mengamati
pertumbuhan beban
pada tiap-tiap sektor
Pemakaian beban pada sektor
rumah tangga, bisnis, industri
dan umum
5 Gabungan dari
keempat metode
diatas atau dengan
penamaan baru
yaitu Metode
Peramalan
Kuantitatif
Sektoral (PKS)
Diambil data
sampling statistik,
menggunakan tren
ekstrapolasi,
perbandingan dengan
menghitung pengaruh
ekonomi,
pertumbuhan
penduduk, rasio
elektrifikasi, dan
membagi jenis
pelanggan menjadi 6
sektor jenis
pelanggan
Data penduduk,
pertumbuhan penduduk,
rasio elektrifikasi,
pertumbuhan ekonomi,
persentase pertumbuhan
ekonomi, jenis pelanggan
dibagi menjadi 6 sektor yaitu
pelanggan rumah tangga,
pelanggan industri,
pelanggan bisnis, pelanggan
gedung pemerintahan,
pelanggan sosial dan
pelanggan penerangan
umum. Dari 6 sektor
pelanggan data yang
dibutuhkan yaitu jumlah
pelanggan, konsumsi energi,
daya yang terpasang dari
masing-masing sektor )*
)* Data dari PT. PLN (Persero), Kementerian ESDM dan BPS Sumatera Utara
UNIVERSITAS SUMATERA UTARA
31
3.6. Instrumen Penelitian
Data yang telah diperoleh dihitung secara matematis menggunakan rumus-
rumas pada Persamaan 2.4 sampai dengan Persamaan 2.25 yang tecantum pada BAB
II dan juga secara statisik. Data juga diolah dengan bantuan perhitungan Ms Excel
untuk mempermudah dan mempercepat perhitungan.
3.7. Diagram Alir Penelitian dan Tahapan-tahapan Penelitian
Pelaksanaan penelitian dimulai dengan survei lapangan untuk pengumpulan
data-data yang mendukung bahan penelitian. Selanjutnya dilakukan perancangan
model peramalan sesuai metode. Setelah selesai dilakukan analisis peramalan, hasil
dari analisis disusun dalam bentuk laporan tesis dan karya ilmiah. Hal tersebut dapat
dilihat pada diagram alir pada Gambar 3.1
Gambar 3.1 Diagram Alir Penelitian
Observasi/survei lapangan
Pengumpulan data
Perancangan model peramalan sesuai metode
Penyusunan laporan dan karya ilmiah
Mulai
Analisis hasil peramalan
Selesai
UNIVERSITAS SUMATERA UTARA
32
Sesuai dengan jadwal dan tempat penelitian serta susunan diagram alir
penelitian maka dapat dituliskan tahapan-tahapan yang perlu dilakukan dalam
penelitian ini adalah sebagai berikut:
1. Penelitian dimulai dengan pengajuan judul dan penyusunan laporan proposal
penelitian dari bab 1 sampai dengan bab 3
2. Observasi lapangan dari tempat penelitian dan juga pengukuran pemakaian
beban listrik secara berkala.
3. Studi literatur dan perpustakaan.
4. Pengumpulan data.
a. Data yang diperlukan adalah jumlah penduduk Propinsi Sumatera Utara
dari tahun 2004 sampai dengan tahun 2015 dari BPS Sumatera Utara.
b. Pertumbuhan ekonomi, PDRB Propinsi Sumatera Utara dari BPS
Sumatera Utara dari tahun 2007 sampai dengan 2014.
c. Jumlah rumah tangga di Propinsi Sumatera Utara pertahun dari tahun
2010 sampai dengan tahun 2014
d. Geografis, iklim, sosial ekonomi dan pertumbuhan industri Sumatera
Utara.
e. Data jumlah pelanggan PLN di Propinsi Sumatera Utara dari tahun 2007
sampai dengan tahun 2014 data diperoleh dari PT. PLN (Persero)
Regional Sumbagut ataupun PT. PLN (Persero) Pusat Jakarta
f. Konsumsi energi listrik di Propinsi Sumatera Utara dalam Watt hour (Wh)
selama 5 tahun yang lalu dari tahun 2007 sampai dengan 2014
UNIVERSITAS SUMATERA UTARA
33
g. Kapasitas daya terpasang masing-masing sektor pelanggan listrik di
Sumatera Utara
h. Kapasitas pembangkit dan daya jual energi listrik PLN ke pelanggan
5. Data yang telah dikumpulkan diolah dengan perhitungan pada rumus-rumas
Persamaan 2.2 sampai dengan Persamaan 2.25 yang tercantum pada bab 2,
tahapan pengolahan data dilakukan perhitungan dan analisis sebagai berikut:
a. Berdasarkan data penduduk maka dilihat tren persentase pertumbuhan
berdasarkan data yang telah ada. Selanjutnya diprakirakan penambahan
jumlah pertumbuhan penduduk pada tahun berikutnya sampai 10 tahun
kedepan dengan menggunakan Persamaan 2.5 dan tahun berikutnya
dengan rumus yang sama bisa dihitung hingga tahun 2024 dengan tren
yang sama tetapi dengan angka pertumbuhan yang berbeda.
b. Setelah mengetahui jumlah pertumbuhan penduduk dan total penduduk
tahun berikutnya lalu dihitung jumlah rumah tangga pada Persamaan 2.4
dan 2.5 dan juga melihat tren pertumbuhan pelanggan rumah tangga.
c. Berdasarkan prakiraan penduduk dan jumlah rumah tangga maka didapat
jumlah pelanggan rumah tangga pada tahun ke t berdasarkan data
pelanggan rumah tangga sebelumnya dan pertumbuhan penduduk dan
jumlah rumah tangga yang ada. Pelanggan rumah tangga pada tahun ke t
dapat dihitung dengan Persamaan 2.7 untuk memasukan data rasio
elektrifikasi sudah dihitung oleh PLN seperti rumus/persamaan 3.1
sebagai berikut [23]:
UNIVERSITAS SUMATERA UTARA
34
𝑅𝐸 =𝑃𝑒𝑙 𝑅𝑡
𝐻𝑡 𝑥 100% (3.1)
Dimana RE adalah Persentase Rasio Elektrifikasi, Pel Rt adalah Pelanggan
rumah tangga pada tahun ke t, dan Ht adalah jumlah rumah tangga yang
ada pada tahun ke t [23].
d. Daya tersambung pada rumah tangga digunakan Persamaan 2.8 untuk
daya tersambung rumah tangga biasanya 900 VA walaupun banyak rumah
tangga menggunakan daya lebih tetapi rumah tangga sederhana lebih
banyak pelanggannya maka bisa dijadikan sampel perhitungan untuk daya
tersambung perpelanggan rumah tangga (VR) atau juga bisa digunakan
data historis berdasarkan energi yang terpakai dibagi jumlah pelanggan
pada data tahun yang sama bisa ditulis dalam Persamaan 3.2 berikut:
𝑉𝑅 =𝑉𝐴 𝑅
𝑃𝑒𝑙 𝑅 (3.2)
Dimana VR adalah rata-rata daya tersambung perpelanggan rumah tangga,
VA R adalah total daya tersambung pada rumah tangga (MVA), Pel R
adalah total pelanggan rumah tangga.
e. Memprakirakan konsumsi energi pelanggan rumah tangga dengan
menggunakan Persamaan 2.9 dan melihat pertumbuhan ekonomi pada
Persamaan 2.2 dan elastisitas rumah tangga.
f. Untuk pelangggan industri dihitung dengan Persamaan 2.10 yang
dipengaruhi persentase pertumbuhan industri.
UNIVERSITAS SUMATERA UTARA
35
g. Daya tersambung pada industri dihitung dengan Persamaan 2.11
sementara untuk menghitung daya perpelanggan industri (VI) bisa
digunakan Persamaan 3.2 tetapi dengan mengganti data pelanggan industri
dan energi industri yang terpakai.
h. Konsumsi energi industri digunakan Persamaan 2.12 dengan persentase
pertumbuhan sektor industri.
i. Selanjutnya menghitung pelanggan bisnis dengan dengan Persaman 2.13
dan dimasukkan perbandingan pelanggan rumah tangga pada tahun ke t
dan tahun sebelumnya jadi pelanggan bisnis juga dipengaruhi oleh
pertumbuhan pelanggan rumah tangga.
j. Untuk daya tersambung pelanggan bisnis menggunakan Persamaan 2.14
dan Persamaan 3.2 sama seperti Persamaan 2.11
k. Konsumsi energi pelanggan bisnis dihitung dengan Persamaan 2.15
l. Untuk menghitung pelanggan gedung pemerintahan dihitung dengan
menggunakan Persamaan 2.16
m. Lalu menghitung daya tersambung pada pelanggan gedung pemerintahan
dengan menggunakan Persamaan 2.17 dan untuk menghitung daya
perpelanggan menggunakan Persaman 3.2 dengan data pelanggan gedung
pemerintahan
n. Konsumsi energi gedung pemerintahan menggunakan Persamaan 2.18
o. Lalu dihitung pelanggan Sosial dengan Persamaan 2.19
p. Daya tersambung pada pelanggan sosial digunakan Persamaan 2.20
UNIVERSITAS SUMATERA UTARA
36
q. Konsumsi energi listrik untuk pelanggan digunakan Persamaan 2.21
r. Terakhir dihitung pelanggan Penerangan umum dengan Persamaan 2.22
walaupun sebenarnya penerangan umum tidak ada rekening khusus seperti
pelanggan tetapi data untuk penerangan bisa dicatat dan diukur
berdasarkan pemakaian beban listrik
s. Untuk daya tersambung digunakan Persamaan 2.23 dan daya tersambung
perpelanggan sama dengan sektor lainnya dengan menggunakan Persaman
3.2
t. Konsumsi energi penerangan umum digunakan Persamaan 2.24 untuk
mengetahui pemakaian energi pada tahun ke t
u. Total konsumsi energi semua pelanggan dengan menjumlahkan hasil
perhitungan pada Persamaan 2.9, Persamaan 2.12, Persamaan 2.15,
Persamaan 2.18, Persamaan 2.21 dan Persamaan 2.24 sehingga didapat
Persamaan 2.25. Persamaan 2.25 ini adalah total keseluruhan penggunaan
energi pada wilayah Propinsi Sumatera Utara pada 1 tahun yang akan
datang.
v. Untuk menghitung 9 tahun berikutnya bisa dilakukan dengan metode
pengolahan data yang sama tetapi dengan pertumbuhan data yang berbeda
karena data yang digunakan untuk menghitung tahun kedua kedepan
tergantung hasil perhitungan peramalan tahun pertama.
UNIVERSITAS SUMATERA UTARA
37
6. Analisis data
Hasil pengolahan data pada point 5) akan di analisis lalu dibandingkan dengan
data real/actual dengan hasil perhitungan peramalan diantaranya:
a. Membuat data sheet hasil perhitungan Ms Excel
b. Membandingkan besaran error data aktual dengan data peramalan
c. Membandingkan data peramalan dengan data yang dibuat dalam RUPTL
PLN dengan melihat besaran errornya
d. Menganalisis penyebab selisih/besaran error jumlah pelanggan, daya
tersambung dan kebutuhan energi listrik.
e. Melihat pertumbuhan hasil pengolahan data.
7. Hasil peramalan akan dibandingkan dengan perhitungan data real tahun 2013
dan tahun 2014 untuk melihat margin error nya untuk mengetahui selisihnya
terlalu jauh atau hanya sedikit atau kecil sekali. Semakin kecil eror yang
didapat aplikasi perhitungan peramalan semakin baik.
UNIVERSITAS SUMATERA UTARA
38
BAB IV
HASIL DAN PEMBAHASAN
4.1. Observasi/Survei Lapangan
Observasi dilakukan untuk mendapatkan data primer maupun sekunder yang
dibutuhkan dalam mendukung kebutuhan penelitian peramalan. Data yang diambil
berupa data aktual/real yang telah tercatat yang dipakai atau energi terjual kepada
konsumen pelanggan listrik pada tahun-tahun sebelumnya. Survei dilakukan pada PT.
PLN (Persero) Regional Sumbagut. Output yang didapat adalah data-data Statistik
yang dikeluarkan oleh PLN dalam bentuk Laporan Tahunan yang telah
dipublikasikan.
Dengan melakukan survei lapangan dapat diketahui teknik atau metode apa
yang biasa digunakan pihak PLN dalam melakukan peramalan kebutuhan energi
listrik. Salah satu cara PLN melakukan peramalan yaitu dengan menggunakan
software DKL 3.01 atau DKL 3.2
4.2. Studi Literatur dan Perpustakaan
Untuk mendapatkan gambaran dan data dalam melakukan penelitian maka di
cari dan dibahas tinjauan pustaka yang berkaitan dengan judul yang dilakukan. Untuk
mendapatkan referensi-referensi dilakukan dengan mencari jurnal-jurnal nasional
maupun Internasional yang berkaitan dengan judul peramalan kebutuhan beban
energi listrik. Hasil jurnal dibahas dan dibedah untuk mencari ide baru dalam
melakukan penelitian.
UNIVERSITAS SUMATERA UTARA
39
4.3. Pengumpulan Data
Pengumpulan data perlu dilakukan untuk menghitung dan melihat hasil dari
peramalan yang terjadi dimasa yang akan datang. Data diperoleh dari PT. PLN
diantaranya data rasio elektrifikasi, jumlah pelanggan, daya tersambung ke pelanggan
dan kebutuhan energi listrik/energi terjual pada tahun 2009 sampai dengan 2014.
Kemudian data juga diperoleh dari BPS Sumatera Utara untuk melihat jumlah
penduduk Sumatera Utara pada tahun sebelumnya selain itu juga didapat PDRB
Sumatera Utara dari tahun 2008 sampai dengan 2014.
4.3.1. Data dari BPS Sumatera Utara
Data yang diperoleh dari BPS yaitu jumlah Penduduk, Jumlah Rumah Tangga
dan rata-rata penghuni per rumah tangga, seperti terdapat pada Tabel 4.1
Tabel 4.1 Data Penduduk Sumatera Utara dan Jumlah Rumah Tangga
No Tahun Penduduk
(jiwa)
Jumlah
Rumah
Tangga
(rumah)
Rata-rata
Rumah
Tangga
(rumah)
Sumber
1 2004 12.123.360 x x [27]
2 2005 12.326.678 x x [27,28]
3 2006 12.643.494 x x [27,28,29]
4 2007 12.834.371 2.911.674 4.41 [27,28,29]
5 2008 13.042.317 2.980.434 4.38 [28,29]
6 2009 13.248.386 3.027.500 4.38 [29]
7 2010 12.982.204 3.037.716 4.3 [30,32]
8 2011 13.103.596 x x [25]
(2011) - 3.134.400 4.18 [36]
9 2012 13.215.000 3.132.000 4.22 [33]
10 2013 13.326.307 3.168.566 4.21 [31,33]
11 2014 13.766.851 3.220.756 4.27 [32,33]
Keterangan: (x) adalah data tidak diperoleh/tidak didapatkan dari sumber data.
UNIVERSITAS SUMATERA UTARA
40
4.3.2. Data dari Statistik PLN
Selain data penduduk yang diperoleh dari BPS Sumatera Utara data Penduduk
juga tercatat di Statistik PLN. Berikut ini terlihat pada Tabel 4.2 Jumlah Penduduk
Sumatera Utara dari tahun 2009 sampai dengan tahun 2014. Berdasarkan data yang
diperoleh ada sedikit perbedaan atau selisih jumlah penduduk berdasarkan BPS dan
Statistik PLN. Dari Tabel 4.2 juga dimasukkan data Rasio Elektrifikasi (RE) dari
tahun 2009 sampai dengan 2014.
Tabel 4.2. Data Penduduk Sumatera Utara, Jumlah Rumah Tangga dan Rasio
Elektrifikasi
No Tahun
Jumlah Rumah
Tangga
(rumah)
Pelanggan
Rumah Tangga
(pelanggan)
RE
(%) Sumber
1 2009 2.981.900 2.290.474 76.81 [34]
2 2010 3.074.400 2.391.177 77.78 [35]
3 2011 3.134.400 2.511.003 80.11 [36]
4 2012 3.112.500 2.633.590 84.61 [37]
5 2013 3.147.500 2.749.091 87.34 [38]
6 2014 3.184.900 2.863.592 89.91 [39]
Untuk menghitung besarnya daya yang terpakai tentu tergantung seberapa
banyak jumlah pelanggan yang sudah ada. Jumlah Pelanggan PLN sampai tahun 2014
tercantum pada Tabel 4.3.
Tabel 4.3 Jumlah Pelanggan PLN Sumatera Utara Berdasarkan data dari PLN
No Tahun Jumlah
Pelanggan
Pelanggan
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2007 2.283.674 2.144.746 3.518 78.693 4.952 41.173 10.592
2 2008 2.366.892 2.220.259 3.513 83.092 5.228 43.288 11.512
3 2009 2.433.684 2.290.474 3.494 86.695 5.462 45.412 12.147
UNIVERSITAS SUMATERA UTARA
41
Tabel 4.3 Jumlah Pelanggan PLN Sumatera Utara Berdasarkan data dari PLN
(Lanjutan)
No Tahun Jumlah
Pelanggan
Pelanggan
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
4 2010 2.551.932 2.391.177 3.492 90.981 5.689 47.981 12.612
5 2011 2.678.501 2.511.003 3.555 95.042 5.975 50.011 12.915
6 2012 2.808.280 2.633.590 3.628 99.245 6.337 52.117 13.363
7 2013 2.930.584 2.749.091 3.691 102.982 6.726 53.993 14.101
8 2014 3.051.822 2.863.592 3.698 106.876 7.437 55.721 14.498
Sumber : [34,35,36,37,38,39,40]
Setelah data pelanggan selanjutnya yang diperlukan adalah data daya listrik
yang tersambung per jenis/kelompok pelanggan. Daya tersambung diukur dalam
satuan Mega Volt Ampere (MVA). Nilai tersambung ditulis pada Tabel 4.4 berikut:
Tabel 4.4 Daya Tersambung Per Kelompok Pelanggan (MVA) Data dari PLN
No Tahun
Jumlah
Daya
Tersambung
(MVA)
Daya tersambung persektor pelanggan (MVA)
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2009 3.065,11 1.642,26 686,62 510,21 43,97 106,05 76,00
2 2010 3.219,33 1.748,59 688,75 540,63 48,71 112,70 79,93
3 2011 3.478,35 1.917,26 729,48 575,67 51,50 122,96 81,48
4 2012 3.754,63 2.071,67 780,39 626,41 58,13 135,59 82,44
5 2013 4.038,28 2.224,00 822,65 692,61 62,33 150,72 85,97
6 2014 4.202,54 2.356,08 817,26 717,65 64,68 158,81 88,06
Sumber : [34,35,36,37,38,39]
Data pelanggan dan data daya tersambung telah diperoleh seperti tertera pada
Tabel 4.3 dan 4.4 diatas. Berikutnya data yang dibutuhkan yaitu data Energi Listrik
yang telah didistribusikan ke pelanggan atau bisa juga disebut dengan Energi Listrik
UNIVERSITAS SUMATERA UTARA
42
yang terjual per kelompok pelanggan. Energi Listrik terjual dihitung dalam satuan
Giga Watt hour (GWh). Data dapat dilihat pada Tabel 4.5
Tabel 4.5 Energi Listrik Terjual Per Kelompok Pelanggan (GWh) Data dari PLN
No Tahun
Jumlah
Energi
Terjual
(GWh)
Energi terjual persektor pelanggan (GWh)
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2007 5.163,43 2.196,17 1.823,13 694,83 51,92 122,29 275,09
2 2008 5.757,85 2.458,19 1.902,34 895,22 56,52 138,18 307,40
3 2009 6.096,90 2.678,80 1.786,31 1.047,54 71,33 151,86 361,06
4 2010 6.697,29 3.073,58 1.845,32 1.162,23 82,53 178,78 354,85
5 2011 7.194,03 3.365,60 2.016,23 1.170,38 78,34 195,82 367,66
6 2012 7.809,32 3.814,02 2.134,96 1.155,84 88,29 229,03 387,18
7 2013 7.917,24 3.870,87 2.134,05 1.195,41 91,19 235,56 390,16
8 2014 8.271,01 4.177,31 2.094,13 1.251,62 96,54 255,27 396,15
Sumber : [34,35,36,37,38,39,40]
Berdasarkan data yang diperoleh dari PLN dan BPS pada Tabel 4.1 sampai
Tabel 4.5 dapat dilihat hubungan dengan pertumbuhan penduduk terhadap kebutuhan
beban energi listrik.
4.3.3. Pertumbuhan Ekonomi dan Data PDRB dari BPS Sumatera Utara
Pertumbuhan ekonomi bisa mempengaruhi tingkat kebutuhan energi listrik
karena semakin baik perekonomian suatu wilayah maka kebutuhan dan konsumsi
pelanggan terhadap kebutuhan listrik pasti semakin meningkat. Pada Tabel 4.6
dijelaskan PDRB Propinsi Sumatera Utara sampai tahun 2014. Berdasarkan data
pertumbuhan PDRB Sumaera Utara maka didapat rata-rata pertumbuhan PDRB
Perkapita Sumatera Utara adalah 4.6 %.
UNIVERSITAS SUMATERA UTARA
43
Tabel 4.6 Produk Domestik Regional Bruto Propinsi Sumatera Utara 2010-2014
No Tahun
Nilai PDRB
ADHK 2010
(Milyar Rp)
Pertum
buhan
PDRB
(%)
PDRB Perkapita
ADHK 2010
(Ribu Rupiah)
Asumsi
Jumlah
Penduduk
(x 000 orang)
Pertumbuhan
PDRB
Perkapita
ADHK (%)
1 2010 331.085,24 6,38 25.412,07 13.029 -
2 2011 353.147,59 6,66 26.711,24 13.221 5,11
3 2012 375.924,14 6,45 28.036,88 13.408 4,96
4 2013 398.779,25 6,08 29.343,04 13.590 4,66
5 2014 419.649,28 5,23 30.482,59 13.767 3,88
Rata-rata Pertumbuhn PDRB perkapita 4.6 %
Sumber: [25,41,42]
Dari data Profil Pembangunan Propinsi Sumatera Utara didapat bahwa
pertumbuhan ekonomi Sumatera Utara mengalami percepatan [25]. Pertumbuhan
ekonomi dapat dilihat pada Gambar 4.1. Dari hasil data pertumbuhan ekonomi tahun
2004 sampai tahun 2012 pertumbuhan ekonomi Sumatera Utara. Dari data di Gambar
4.1 juga dapat dilihat rata-rata pertumbuhan ekonomi Sumatera Utara menjadi 6,14
persen. Hal ini dijadikan acuan data dalam perhitungan peramalan kebutuhan beban
energi listrik di Sumatera Utara.
Tabel 4.7 Persentase (%) Pertumbuhan Ekonomi Sumatera Utara dari Tahun 2004 s.d
Tahun 2012
Tahun Rata-rata
pertumbuhan
ekonomi (%) 2004 2005 2006 2007 2008 2009 2010 2011 2012
Persentase Besaran
Pertumbuhan
Ekonomi (%)
5,74 5,48 6,20 6,90 6,39 5,07 6,38 6,66 6,45 6,14
UNIVERSITAS SUMATERA UTARA
44
Gambar 4.1 Grafik Pertumbuhan Ekonomi Sumatera Utara Tahun 2004-2012
4.3.4. Data Dirjen Ketenagalistrikan Kementerian ESDM
Data-data kelistrikan sebenarnya telah disusun dan telah dibuat dalam bentuk
statistik oleh PLN. Namun karena PLN berada dibawah Kementerian ESDM maka
Kementerian ESDM memiliki Laporan Statistik yang diterbitkan oleh Dirjen
Ketenagalistrikan Kementerian ESDM. Data yang diterbitkan oleh PLN dan
Kementerian ESDM terdapat sedikit perbedaan atau selisih angka perhitungan hal ini
dapat disebabkan banyak hal. Data-data pelanggan, daya tersambung, energi terjual
dan Rasio Elektrifikasi tertera juga tertera didalam Laporan Statistik tahunan Dirjen
Kementerian Energi Sumber Daya Mineral seperti yang tertea pada Tabel 4.8 sampai
dengan Tabel 4.11.
5,74
5,48
6,20
6,90
6,39
5,07
6,38
6,66
6,45
5
5,2
5,4
5,6
5,8
6
6,2
6,4
6,6
6,8
7
Per
sen
tase
(%
) P
ertu
mb
uh
an
Ek
on
om
i
Su
mate
ra U
tara
Tahun
Pertumbuhan Ekonomi Sumatera Utara 2004-2012
Sumatera Utara
UNIVERSITAS SUMATERA UTARA
45
Tabel 4.8 Data Pelanggan Berdasarkan Dirjen Ketenagalistrikan Kementerian ESDM.
No Tahun Jumlah
Pelanggan
Pelanggan
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2008 2.366.892 2.220.259 3.513 83.092 5.228 43.288 11.512
2 2009 x 2.290.474 3.494 86.695 x x x
3 2010 - - - - - - -
4 2011 2.678.497 2.511.003 3.555 95.038 5.975 50.011 12.915
5 2012 2.808.280 2.633.590 3.628 99.245 6.337 52.117 13.363
6 2013 2.930.584 2.749.091 3.691 102.982 6.726 53.993 14.101
7 2014 3.051.822 2.863.592 3.698 106.876 7.437 55.721 14.498
Sumber : [43,44,45,46,47,48]
Keterangan : (x) Data yang diinput Kementerian ESDM salah/salah input
(-) Laporan tidak terbit
Terdapat perbedaan data dengan data Statistik PLN
Untuk data daya tersambung dari Statistik PLN tidak tercantum data jumlah
daya terpasang tahun 2008. Sementara data tahun 2010 Kementerian ESDM tidak
menerbitkan Laporan Statistik. Jumlah daya tersambung dapat dilihat pada Tabel 4.8
Tabel 4.9 Daya Tersambung Dirjen Ketenagalistrikan Kementerian ESDM
No Tahun
Jumlah
Daya
Tersambung
(MVA)
Daya tersambung persektor Pelanggan (MVA)
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2008 2.936,26 1.562,76 682,28 482,58 39,31 97,26 72,08
2 2009 3.065,11 1.642,26 686,62 510,21 43,97 106,05 76,00
3 2010 - - - - - - -
4 2011 3.478,35 1.917,26 729,48 575,67 51,50 122,96 81,48
5 2012 3.754,63 2.071,67 780,39 626,41 58,13 135,59 82,44
6 2013 4.038,28 2.224,00 822,65 692,61 62,33 150,72 85,97
7 2014 4.202,54 2.356,08 817,26 717,65 64,68 158,81 88,06
Sumber : [43,44,45,46,47,48]
UNIVERSITAS SUMATERA UTARA
46
Pada data kementerian ESDM terdapat perbedaan data yang sangat signifikan
untuk energi terjual pada tahun 2014 dan perbedaan jenis pelanggan pada Tabel 4.9.
Tabel 4.10 Energi Terjual Berdasarkan Dirjen Ketenagalistrikan Kementerian ESDM
No Tahun
Jumlah
Energi
Terjual
(GWh)
Energi terjual persektor pelanggan (GWh)
Rumah
Tangga Industri Bisnis
Gedung
Pemerin
tahan
Sosial
Penera
ngan
Umum
1 2008 5.757,85 2.458,19 1.902,34 895,22 56,52 138,18 307,40
2 2009 6.096,90 2.678,80 1.786,31 1.047,54 71,33 151,86 361,06
3 2010 - - - - - - -
4 2011 7.194,03 3.365,60 2.016,23 1.170,38 78,34 195,82 367,66
5 2012 7.809,32 3.814,02 2.134,96 1.155,84 88,29 229,03 387,18
6 2013 7.917,24 3.870,87 2.134,05 1.195,41 91,19 235,56 390,16
7 2014 12.149 4.243 5.906 1.252 748 Pelanggan Publik
Sumber : [43,44,45,46,47,48]
Selanjutnya data Rasio Elektrifikasi juga berbeda dari data pada Statistik PLN
hal ini disebabkan Kementerian ESDM memasukkan data Keluarga Berlistrik Non
PLN kedalan perhitungan Rasio Elektrifikasi. Seperti dijelaskan pada Tabel 4.10
Tabel 4.11 Perbandingan Rasio Elektrifikasi data PLN dan Kementerian ESDM
No Tahun
Keluarga
Berlistrik
(Pel. RT)
Keluarga
Berlistrik
Non PLN
(Pel. RT)
Jumlah
Keluarga
(Jlh RT)
Rasio
Elektrifikasi
PLN (%)
Rasio
Elektrifikasi
ESDM (%)
(a) (b) (c) (a/c) x 100% (a+b)/c x 100%
1 2008 2.220.259 44.644 3.141.956,20 70,66 72,09
2 2009 2.290.474 47.678 2.981.900 76.81 78,41
3 2010 - - - 77.78 -
4 2011 2.499.924 78.873 3.070.716 80.11 83,98
5 2012 2.633.591 78.873 3.128.492,03 84.61 86,70
6 2013 2.749.091 8.674 3.147.545 87.34 87,62
7 2014 2.863.592 68.405 3.220.894 89.91 91,03
Sumber : [34,35,36,37,38,39,43,44,45,46,47,48]
UNIVERSITAS SUMATERA UTARA
47
Pada Gambar 4.2 Menunjukkan perbandingan bahwa Rasio Elektrifikasi data
dari Kementerian ESDM lebih besar daripada data Statistik PLN Karena Kementerian
ESDM memasukkan Rumah Tangga berkeluarga Non Listrik PLN kedalam
perhitungan Rasio Elektrifikasi.
Gambar 4.2 Grafik Perbandingan Rasio Elektrifikasi PLN dan Kementerian ESDM
4.3.5. Data Proyeksi Kebutuhan Listrik dari RUPTL PLN
Pada dasarnya pihak PLN telah melakukan peramalan berbagai komponen dan
hal yang berkaitan dengan penyediaan listrik untuk kebutuhan yang akan datang. Hal
ini telah tertuang dalam Rencana Umum Ketenagalistrikan Nasional pada tahun 2008.
Pada tahun 2009 diubah oleh PLN menjadi Rencana Usaha Penyediaan Tenaga
Listrik atau disingkat RUPTL yang diterbitkan setiap tahun oleh PLN. Adapun tujuan
dan sasaran dari penerbitan buku RUPTL adalah untuk memberikan pedoman dan
acuan pengembangan sarana kelistrikan PT PLN (Persero) dalam memenuhi
65
70
75
80
85
90
95
2008 2009 2010 2011 2012 2013 2014
Per
sen
tase
(%
) R
asi
o E
lek
trif
ika
si
Tahun
Rasio Elektrifikasi
Statistik PLN
Rasio Elektrifikasi
Statistik Kementrian
ESDM
UNIVERSITAS SUMATERA UTARA
48
kebutuhan tenaga listrik di wilayah usahanya secara lebih efisien dan lebih baik,
sehingga dapat dihindari ketidak-efisienan perusahaan sejak tahap perencanaan.
Sasaran RUPTL yang ingin dicapai sepuluh tahun ke depan secara nasional adalah
pemenuhan kebutuhan kapasitas dan energi listrik, peningkatan efisiensi dan kinerja
sistem kelistrikan, mulai dari tahap perencanaan yang meliputi [50]:
a. Tercapainya pemenuhan kebutuhan kapasitas dan energi listrik setiap tahun
dengan tingkat keandalan (reserve margin) yang diinginkan.
b. Tercapainya bauran bahan bakar (fuel-mix) yang lebih baik, dicerminkan oleh
pengurangan penggunaan bahan bakar minyak hingga kontribusi produksi
pembangkit berbahan bakar minyak menjadi 2 persen terhadap total produksi
energi listrik pada tahun 2018.
c. Mengatasi krisis kelistrikan yang terjadi di beberapa daerah.
d. Tercapainya angka rugi jaringan transmisi dan distribusi lebih kecil dari
10 persen.
e. Tercapainya tara kalor (heat rate) yang membaik sehingga dapat dicapai biaya
pokok produksi (BPP) yang lebih baik dan rasional.
f. Tercapainya kualitas listrik yang makin membaik.
Dalam buku RUPTL tercantum data proyeksi Kebutuhan Energi Listrik untuk
10 Tahun kedepan. Data dikutip dari empat buku RUPTL yang diterbitan oleh PLN
setiap tahun. Hasil proyeksi terus mengalami perbedaan sesuai dengan hasil evaluasi
target dan data aktual PLN. Data total energi yang akan terpakai 10 tahun kedepan
berdasarkan perhitungan PLN dapat kita lihat di Tabel 4.12
UNIVERSITAS SUMATERA UTARA
49
Tabel 4.12 Data Rasio Elektrifikasi dan Data Proyeksi Kebutuhan Energi Listrik
(GWh) pada RUPTL
No Tahun
Rasio
Elektrifikasi
(%)
Proyeksi Energi RUPTL (GWh) Data
Aktual
[Tabel 4.5]
Error
(%) 2009-2018
[50]
2012-2021
[53]
2013-2022
[54]
2015-2024
[23]
1 2008 78,2 5.714,0 - - - 5.757,85 - 0,76
2 2009 80,9 6.246,0 - - - 6.096,90 2,45
3 2010 83,4 6.826,0 - - - 6.697,29 1,92
4 2011 85,7 7.470,2 - - - 7.194,03 3,83
5 2012 87,8 8.180,3 7.749 - - 7.809,32 4,7-(-0,7)
6 2013 89,4 8.963,9 8.530 8.425 - 7.917,24 13,2- 6,4
7 2014 90,9 9.822,3 9.393 9.120 - 8.271,01 18,7-10,2
8 2015 92,3 10.772,9 10.329 9.882 9.293 x x
9 2016 93,5 11.760,9 11.374 10.694 10.374 x x
10 2017 94,5 12.849,0 12.540 11.574 11.597 x x
11 2018 95,5 14.041,9 13.828 12.528 13.002 x x
12 2019 - - 15.268 13.563 14.623 x x
13 2020 - - 16.879 14.684 16.445 x x
14 2021 - - 18.635 15.903 18.674 x x
15 2022 - - - 17.224 21.321 x x
16 2023 - - - - 24.432 x x
17 2024 - - - - 28.090 x x
Dari tabel diatas terlihat bahwa hasil proyeksi kebutuhan tenaga listrik pada
tahun 2013 dan 2014 terdapat error yang sangat besar yaitu di atas 10 persen. Tentu
hasil seperti itu kurang baik jika perlu selisih proyeksi dibawah 5 persen agar
perhitungan peramalan lebih akurat.
4.4. Pengolahan Data
Sebelum data diolah dengan Persamaan 2.4 sampai dengan Persamaan 2.25
berdasarkan data tren 5 tahun sebelumnya atau lebih yaitu 2008 sampai dengan 2012
maka harus dicari terlebih dahulu data-data sebagai berikut:
a. Rata-rata pertumbuhan penduduk (Lampiran 1.1).
UNIVERSITAS SUMATERA UTARA
50
b. Rata-rata jumlah penghuni rumah tangga (Lampiran 1.1).
c. Pertumbuhan Rasio Elektrifikasi (Lampiran 1.2).
d. Rata-rata Pertumbuhan Ekonomi (Gambar 4.1).
e. Dari data Pelanggan, Daya tersambung dan Energi terjual (Lampiran 1.3).
dihitung nilai pertumbuhan pertahun untuk mendapatkan rata-rata
pertumbuhan kebutuhan listrik sampai tahun 2012 (Lampiran 1.4).
f. Dari Lampiran 1.1 didapat persentase pertumbuhan penduduk maka dihitung
pertumbuhan penduduk tahun berikutnya (Lampiran 1.5).
g. Dari Lampiran 1.1 dan 1.5 didapat perhitungan jumlah rumah tangga tahun
berikutnya (Lampiran 1.6).
h. Dari Point d) dan Point e) maka didapat elastisitas pelanggan dan elastisitas
kebutuhan energi listrik (Lampiran 1.7).
i. Kemudian untuk melihat rata-rata daya tersambung perpelanggan dihitung
dengan membagi total daya tersambung dengan total pelanggan (sumber
Lampiran 1.3) maka didapat rata-rata daya tersambung perpelanggan
(Lampiran 1.8). Untuk perhitungan daya tersambung digunakan nilai
pemasangan daya yang disediakan PLN. Contoh jika daya tersambungnya
700 VA maka digunakan daya 900 VA diatas dari 700 VA dan nilai yang
terdekat karena PLN tidak menyediakan daya 700 VA tetapi 900 VA
(Lampiran 1.8).
j. Setelah semua data tersedia selanjutnya dilakukan peramalan kebutuhan
energi listrik dengan menggunakan Persamaan 2.4 sampai dengan
UNIVERSITAS SUMATERA UTARA
51
Persamaan 2.25. Hasilnya bisa dilihat pada (Lampiran 1.10) dihitung dengan
menggunakan bantuan Ms Excel.
Uraian perhitungan manual peramalan kebutuhan beban energi listrik adalah
sebagai berikut:
1. Sektor Rumah Tangga
a. Pelanggan Rumah Tangga
Sebelumnya dicari terlebih dahulu jumlah penduduk tahun 2013 dengan
Persamaan 2.4
Pt = Pt-1 (1 + i)t
P2013 = P2012 (1 + 1.1 %)2102
P2013 = 13.215.000 (1 + 1.1 %)2102
P2013 = 13.215.000 x 1,011
P2013 = 13.360.365 jiwa
Selanjutnya hitung jumlah rumah tangga tahun 2013 dengan Persamaan 2.6
Ht = Pt / Qt
H2013 = P2013 / Q2014
H2013 = 13.360.365 / 4.3
H2013 = 3.107.062 rumah tangga (termasuk yang tidak berlistrik)
Setelah jumlah penduduk dan rumah tangga diperoleh selanjutnya dihitung
Jumlah pelanggan Rumah Tangga dengan Persamaan 2.7
Pel Rt = Ht x REt
Pel R2013 = H2013 x RE2013
Pel R2013 = 3.107.062 x (88.54 %)
Pel R2013 = 2.750.992 pelanggan
Nilai RE2013 didapat dari Lampiran 1.2 yaitu Pertumbuhan Rasio Elektrifikasi
dan Nilai Rasio Elektrifikasi.
UNIVERSITAS SUMATERA UTARA
52
b. Daya Tersambung dalam satuan Mega Volt Ampere (MVA) pada Pelanggan
Rumah Tangga dengan menggunakan Persaman 2.8
VA Rt = VA Rt-1 + ∆ Pel Rt-(t-1) x VR
VA R2013 = VA R2012 + ∆ Pel R2013-(2012) x VR
VA R2013 = VA R2012 + Pel R2013 - Pel R2012 x VR
VA R2013 = 2.071,67 MVA + ((2.750.992 – 2.633.290) x 900 VA)
VA R2013 = 2.177,33 MVA
c. Konsumsi Energi Listrik dalam satuan Giga Watt hour (GWh) Sektor Rumah
Tangga dengan Persamaan 2.9
ERt = ERt-1 (1+ (ɛ ER x Gt/100))
ER2013 = ER2012 (1+ (ɛ ER x Gt/100))
ER2013 = 3.814,02 GWh x (1+ (1.9 x 4.6/100))
ER2013 = 4.147,37 GWh
2. Sektor Industri
a. Pelanggan Industri dengan Persamaan 2.10
Pel It = Pel It-1 ( 1 + ɛPel I x G It /100)
Pel I2013 = Pel I2012 ( 1 + ɛPel I x G I2012 /100)
Pel I2013 = 3628 x ( 1 + (0.1 x 4.6 /100))
Pel I2013 = 3645 pelanggan
b. Daya tersambung pada pelanggan Industri menggunakan Persamaan 2.11
VA It = VA It-1 + ∆ Pel It-(t-1) x VI
VA I2013 = VA I2012 + ∆ Pel I2013-(2012) x VI
VA I2013 = 780,39 MVA + (17 x 270000 VA)
VA I2013 = 784,90 MVA
c. Konsumsi Energi Listrik Sektor Industri dengan Persamaan 2.12
EIt = EIt-1 (1+ (ɛ EI x Gt/100))
EI2013 = EI2012 (1+ (ɛ EI x Gt/100))
EI2013 = 2.134,96 GWh x (1+ (0.5 x 4.6/100))
EI2013 = 2.184,06 GWh
UNIVERSITAS SUMATERA UTARA
53
3. Sektor Bisnis
a. Pelanggan Bisnis dengan Persamaan 2.13
Pel Bt = Pel Bt-1 ( 1 + ɛPel B (∆ Pel Rt(t-1)/Pel Rt-1))
Pel B2013 = Pel B2012 ( 1 + ɛPel B (∆ Pel R2013(2012)/Pel R2012))
Pel B2013 = 99.245 x ( 1 + (0.8 x 0.04))
Pel B2013 = 102.784 pelanggan
b. Daya tersambung pada pelanggan Bisnis menggunakan Persamaan 2.14
VA Bt = VA Bt-1 + ∆ Pel Bt-(t-1) x VB
VA B2013 = VA B2012 + ∆ Pel B2013-(2012) x VB
VA B2013 = 626,41 MVA + (3.539 x 6.750 VA)
VA B2013 = 650,30 MVA
c. Konsumsi Energi Listrik Sektor Bisnis dengan Persamaan 2.15
EBt = EBt-1 (1+ (ɛ EB x Gt/100))
EB2013 = EB2012 (1+ (ɛ EB x Gt/100))
EB2013 = 1.155,84 GWh x (1+ (1.8 x 4.6/100))
EB2013 = 1.251,54 GWh
4. Sektor Gedung Pemerintah
a. Pelanggan Gedung Pemerintah dengan Persamaan 2.16
Pel Gt = Pel Gt-1 ( 1 + ɛPel G (∆ Pel Rt(t-1)/Pel Rt-1))
Pel G2013 = Pel G2012 ( 1 + ɛPel G (∆ Pel R2013(2012)/Pel R2012))
Pel G2013 = 6.337 x ( 1 + (0.8 x 0.04))
Pel G2013 = 6.563 pelanggan
b. Daya tersambung pada pelanggan Gedung Pemerintah menggunakan
Persamaan 2.17
VA Gt = VA Gt-1 + ∆ Pel Gt-(t-1) x VG
VA G2013 = VA G2012 + ∆ Pel G2013-(2012) x VG
VA G2013 = 58,13 MVA + (226 x 10.800 VA)
VA G2013 = 60,57 MVA
UNIVERSITAS SUMATERA UTARA
54
c. Konsumsi Energi Listrik Sektor Gedung Pemerintah dengan Persamaan 2.18
EGt = EGt-1 (1+ (ɛ EG x Gt/100))
EG2013 = EG2012 (1+ (ɛ EG x Gt/100))
EG2013 = 88,29 GWh x (1+ (1.9 x 4.6/100))
EG2013 = 96,01 GWh
5. Sektor Sosial
a. Pelanggan Sosial dengan Persamaan 2.19
Pel St = Pel St-1 ( 1 + ɛPel S (∆ Pel Rt(t-1)/Pel Rt-1))
Pel S2013 = Pel S2012 ( 1 + ɛPel S (∆ Pel R2013(2012)/Pel R2012))
Pel S2013 = 52.117 x ( 1 + (0.8 x 0.04))
Pel S2013 = 53.976 pelanggan
b. Daya tersambung pada pelanggan Sosial menggunakan Persamaan 2.20
VA St = VA St-1 + ∆ Pel St-(t-1) x VS
VA S2013 = VA S2012 + ∆ Pel S2013-(2012) x VS
VA S2013 = 135,59 MVA + (1.859 x 2.700 VA)
VA S2013 = 140,61 MVA
c. Konsumsi Energi Listrik Sektor Sosial dengan Persamaan 2.21
ESt = ESt-1 (1+ (ɛ ES x Gt/100))
ES2013 = ES2012 (1+ (ɛ ES x Gt/100))
ES2013 = 229,03 GWh x (1+ (2.2 x 4.6/100))
ES2013 = 252,21 GWh
6. Sektor Penerangan Umum
a. Pelanggan Penerangan Umum dengan Persamaan 2.22
Pel Ut = Pel Ut-1 ( 1 + ɛPel U (∆ Pel Rt(t-1)/Pel Rt-1))
Pel U2013 = Pel U2012 ( 1 + ɛPel U (∆ Pel R2013(2012)/Pel R2012))
Pel U2013 = 13.363 x ( 1 + (0.8 x 0.04))
Pel U2013 = 13.840 pelanggan
b. Daya tersambung pada pelanggan Penerangan Umum menggunakan
Persamaan 2.23
UNIVERSITAS SUMATERA UTARA
55
VA Ut = VA Ut-1 + ∆ Pel Ut-(t-1) x VU
VA U2013 = VA U2012 + ∆ Pel U2013-(2012) x VU
VA U2013 = 82,44 MVA + (477 x 6.750 VA)
VA U2013 = 85,66 MVA
c. Konsumsi Energi Listrik Sektor Penerangan Umum dengan Persamaan 2.24
EUt = EUt-1 (1+ (ɛ EU x Gt/100))
EU2013 = EU2012 (1+ (ɛ EU x Gt/100))
EU2013 = 387,18 GWh x (1+ (1.1 x 4.6/100))
EU2013 = 406,77 GWh
7. Total Kebutuhan Konsumsi Energi Listrik
Total Kebutuhan energi listrik pada tahun 2013 adalah dengan menjumlah
konsumsi enenrgi listrik pada sektor pelanggan rumag tangga, industri, bisnis, gedung
pemerintah, sosial dan penerangan umum yaitu seperti Persamaan 2.25
E Tt = E Rt + E It + E Bt + E Gt + E St + E Ut
E T2013 = E R2013 + E I2013 + E B2013 + E G2013 + E S2013 + E U2013
E T2013 = 4.147,37 + 2.184,06 + 1.251,54 + 96,01 + 252,21 + 406,77
E T2013 = 8.337,96 GWh
Selanjutnya untuk menghitung peramalan tahun 2014 sampai 2024 dihitung
dengan cara yang sama seperti perhitungan tahun 2013 menggunakan Persamaan 2.4
sampai dengan Persamaan 2.25.
4.5. Analisis Hasil Peramalan
Hasil perhitungan peramalan dalam pengolahan data dapat dilihat pada
Lampiran 1.10. berdasarkan hasil peramalan dapat diketahui bahwa untuk tahun 2013
dan 2014 didapat kebutuhan energi listrik sebesar 8.337,96 GWh dan 8.908,80 GWh.
Untuk daya tersambung sebesar 3.899,37 MVA untuk tahun 2013 dan 4.105,71 MVA
untuk tahun 2014. Sementara total jumlah pelanggan 2.931.800 pelanggan untuk
UNIVERSITAS SUMATERA UTARA
56
tahun 2013 dan 3.109.863 pelanggan pada tahun 2014. Adapun hasil dari Peramalan
dapat dilihat pada Tabel 4.13 dan Tabel 4.14
Tabel 4.13 Perbandingan Data Aktual, Hasil Peramalan dan RUPTL untuk Jumlah
Pelanggan, Daya Tersambung (MVA) dan Kebutuhan Energi Listrik Tahun 2013
No Jenis Data Jumlah Pelanggan
(Pelanggan)
Daya Tersambung
(MVA)
Kebutuhan Energi
(GWh)
1 Data Aktual 2.930.584 4.038,28 7.917,24
2 RUPTL 2.944.294 )* 3.830,8 )** 8.425 )*
3 Hasil Peramalan 2.931.800 3.899,37 8.337,96
Sumber: [39]
Keterangan:
)* RUPTL terbitan tahun 2013, )** RUPTL 2009 untuk daya tersambung tidak
terdapat data pada RUPTL 2013
Tabel 4.14 Perbandingan Data Aktual, Hasil Peramalan dan RUPTL untuk Jumlah
Pelanggan, Daya Tersambung (MVA) dan Kebutuhan Energi Listrik Tahun 2014
No Jenis Data Jumlah Pelanggan
(Pelanggan)
Daya Tersambung
(MVA)
Kebutuhan Energi
(GWh)
1 Data Aktual 3.051.822 4.202,54 8.271,01
2 RUPTL 3.064.386 )* 4.021,8 )** 9.120 )*
3 Hasil Peramalan 3.109.863 4.105,71 8.908,80
Sumber: [39]
Keterangan:
)* RUPTL terbitan tahun 2013, )** RUPTL 2009 untuk daya tersambung tidak
terdapat data pada RUPTL 2013
Dari Tabel 4.13 dan Tabel 4.14 dapat terlihat bahwa hasil peramalan dengan
data Aktual tidak berbeda jauh untuk jumlah pelanggan hanya error sebesar 0,04
persen pada tahun 2013 dan 1,90 persen pada tahun 2014. Sementara daya
tersambung error sebesar 3.44 persen dan 2,3 persen untuk tahun 2013 dan 2014.
Kemudian kebutuhan energi listrik untuk tahun 2013 error sebesar 5,31 persen dan
UNIVERSITAS SUMATERA UTARA
57
tahun 2014 sebesar 7.71 persen. Data Perhitungan lebih detil dapat dilihat pada
Lampiran 1.11. Selanjutnya setelah membandingkan dengan data aktual, data hasil
peramalan akan dibandingkan dengan peramalan/proyeksi PT.PLN (Persero) yang
tertuang dalam RUPTL tahunan PLN atau dapat dilihat pada Tabel 4.12.
1) Perbandingan Jumlah Pelanggan
Data hasil peramalan pada tahun 2013 adalah 2.913.800 pelanggan atau hanya
selisih 0.04 persen terhadap data aktual 2.930.054 pelanggan. Pada Gambar 4.3 dapat
dilihat Grafik perbandingan jumlah pelanggan untuk data aktual/real dengan hasil
peramalan dan RUPTL pada tahun 2013. Selanjutnya untuk tahun 2014 dapat dilihat
perbandingan jumlah pelanggan data aktual sebesar 3.051.822 pelanggan dengan
hasil peramalan sebesar 3.109.863 pelanggan atau selisih 1,90 persen dan RUPTL
sebesar 3.064.386 pelanggan
Gambar 4.3 Grafik Perbandingan Jumlah Pelanggan Tahun 2013 dan 2014 untuk
Data Aktual dengan Hasil Peramalan dan Data RUPTL
292E+04
296E+04
300E+04
304E+04
308E+04
2013 2014
2.930.584
3.051.822
2.931.800
3.109.863
2.944.294
3.064.386
Ju
mla
h P
elan
ggan
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
58
Hasil perbandingan data aktual dengan data hasil peramalan pada tahun 2013
dan 2014 dapat dilihat besaran selisihnya yaitu hanya sekitar 0,04 persen untuk tahun
2013 dan 1,90 persen untuk tahun 2014.
Gambar 4.4 Grafik Persentase Perbandingan Jumlah Pelanggan Tahun 2013 dan 2014
untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL
2) Perbandingan Daya Tersambung (MVA)
Daya tersambung data aktual untuk tahun 2013 dan 2014 masing-masing
4.038,28 MVA dan 4.202,54 MVA. Sementara hasil peramalan tahun 2013 dan 2014
adalah masing-masing 3.899,37 MVA dan 4.105,71 MVA. Jika dibandingkan dengan
proyeksi PLN dalam RUPTL 2009 hasil daya tersambung pada tahun 2013 adalah
3.830,8 MVA dan untuk tahun 2014 adalah 4.021,8 MVA. Perbandingan daya
tersambung data aktual dan hasil peramalan dijelaskan pada Gambar 4.5 dan juga
seperti dijelaskan pada Tabel 4.13
0
0,2
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
2013 2014
0,04
1,9
0,470,41
Gra
fik
Per
sen
tase
Err
or
(%)
Ju
mla
h
Pel
an
gg
an
D
ata
Ak
tual
den
ga
n H
asi
l
Per
am
ala
n d
an
RU
PT
L
Tahun
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
59
Gambar 4.5 Grafik Perbandingan Daya Tersambung (MVA) Tahun 2013 dan 2014
untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL
Persentase hasil perbandingan data aktual dengan data hasil peramalan pada
tahun 2013 dan 2014 terdapat pada Gambar 4.6
Gambar 4.6 Grafik Persentase Perbandingan Daya Tersambung Tahun 2013 dan 2014
untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL
3800
3850
3900
3950
4000
4050
4100
4150
4200
2013 2014
4038,28
4202,54
3899,36
4105,71
3830,8
4021,8
Daya T
ersa
mb
un
g (
MV
A)
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2009
0
1
2
3
4
5
6
2013 2014
3,44
2,30
5,14
4,30
Per
sen
tase
Ero
rr(%
) D
aya
Ter
sam
bu
ng
(MV
A)
data
Ak
tual
den
ga
n h
asi
l
Per
am
ala
n d
an
RU
PT
L
Tahun
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
60
3) Perbandingan Kebutuhan Energi Listrik (GWh)
Hasil peramalan kebutuhan energi listrik (dalam satuan GWh) dengan data
aktual/real dan RUPTL dapat dipastikan bahwa hasil peramalan lebih mendekati nilai
data aktual yang ada pada tahun 2013 dan 2014 daripada data dari RUPTL terbitan
tahun 2013 seperti tertera pada Tabel 4.13 dan Tabel 4.14 dan dijelaskan pada
Gambar 4.7. Pada tahun 2013 kebutuhan energi listrik pada data aktual sebesar
7.917,24 GWh, sedangkan hasil peramalan tahun 2013 adalah sebesar 8.337,96 GWh.
Untuk hasil dari RUPTL terbitan 2013 adalah 8.425 GWh untuk kebutuhan energi
tahun 2013. Hasil Peramalan tahun 2014 adalah 8.908,80 GWh, untuk data aktual
8.271,01 GWh dan RUPTL adalah 9.120 GWh.
Gambar 4.7 Grafik Perbandingan Kebutuhan Energi Listrik (GWh) Tahun 2013 dan
Tahun 2014 untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL
7800
8000
8200
8400
8600
8800
9000
9200
2013 2014
7917,24
8271,018337,96
8908,80
8425
9120
Keb
utu
han
En
enrg
i L
istr
ik/E
ner
gi
Ter
jual
(GW
h)
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
61
Persentase error hasil perbandingan kebutuhan energi listrik pada data aktual
dengan data hasil peramalan dan RUPTL pada tahun 2013 dan 2014 terdapat pada
Gambar 4.8
Gambar 4.8 Grafik Persentase Perbandingan Kebutuhan Energi Listrik Tahun 2013
dan 2014 untuk Data Aktual dengan Hasil Peramalan dan Data RUPTL
4) Hasil Peramalan 10 Tahun kedepan dari tahun 2015 s.d tahun 2024
Dengan menggunakan cara perhitungan yang sama maka didapat hasil
peramalan 10 tahun kedepan dari tahun 2015 sampai dengan 2024 dengan data pada
Tabel 4.15
Tabel 4.15 Data Hasil Peramalan Jumlah Pelanggan, Daya Tersambung (MVA) dan
Kebutuhan Energi Listrik (GWh) 10 tahun ke depan
dari tahun 2015 sampai dengan tahun 2024
No Tahun Jumlah Pelanggan
(Pelanggan)
Daya Tersambung
(MVA)
Kebutuhan Energi
Listrik (GWh)
1 2015 3.298.779 4.323,89 9.525,41
2 2016 3.415.031 4.459,62 10.191,68
3 2017 3.452.131 4.506,00 10.911,83
4 2018 3.489.636 4.552,83 11.690,44
0
2
4
6
8
10
12
2013 2014
5,31
7,71
6,41
10,26
Per
sen
tase
Err
or
(%)
Keb
utu
han
En
ergi
Lis
trik
den
gan
hasi
l P
eram
ala
n
dan
RU
PT
L
Tahun
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
62
Tabel 4.15 Data Hasil Peramalan Jumlah Pelanggan, Daya Tersambung (MVA) dan
Kebutuhan Energi Listrik (GWh) 10 tahun ke depan dari
tahun 2015 sampai dengan tahun 2024 (Lanjutan)
No Tahun Jumlah Pelanggan
(Pelanggan)
Daya Tersambung
(MVA)
Kebutuhan Energi
Listrik (GWh)
5 2019 3.527.549 4.600,14 12.532,50
6 2020 3.565.875 4.647,90 13.443,43
7 2021 3.604.618 4.696,15 14.429,10
8 2022 3.643.784 4.744,87 15.495,92
9 2023 3.683.376 4.794,07 16.650,83
10 2024 3.723.399 4.843,76 17.901,40
a) Jumlah pelanggan data aktual dari tahun 2008-2014 dengan data hasil
peramalan 2013-2024 dan data RUPTL dari tahun 2013-2024 tertera pada
Gambar 4.9
Gambar 4.9 Grafik Pertumbuhan Jumlah Pelanggan dari Tahun 2008 s.d 2024
Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL
225
245
265
285
305
325
345
365
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
Ju
mla
h P
elan
gg
an
x 1
0000
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2013
UNIVERSITAS SUMATERA UTARA
63
b) Daya tersambung (MVA) data aktual dari tahun 2008-2014 dengan data hasil
peramalan 2013-2024 dan RUPTL dari tahun 2013 sampai dengan tahun 2024
pada Gambar 4.10 berdasarkan gambar pada grafik dapat dilihat pada tahun
2016 sampai dengan tahun 2024 mengalami nilai tren pertumbuhan yang
hampir sama. Karena berdasarkan perhitungan rasio elektrifikasi sudah
mencapai 100 persen sehingga pertumbuhan mengalami pertumbuhan tren yang
sama.
Gambar 4.10 Grafik Pertumbuhan Daya Tersambung (MVA) dari Tahun 2008
s.d 2024 Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL
c) Kebutuhan Energi Listrik (GWh) data aktual dari tahun 2008-2014 dengan data
hasil peramalan 2013-2024 dan RUPTL dari tahun 2013 sampai dengan tahun
2024 pada Gambar 4.11. Berdasarkan data yang diperoleh dapat diketahui
2800
3300
3800
4300
4800
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
Daya T
ersa
mb
un
g (
MV
A)
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2009
UNIVERSITAS SUMATERA UTARA
64
kebutuhan energi listrik di Propinsi Sumatera Utara terus mengalami
peningkatan seiring dengan pertumbuhan penduduk di Propinsi Sumatera Utara.
Hingga tahun 2024 berdasarkan hasil peramalan diperkirakan kebutuhan energi
listrik mencapai 17.901,4 Gwh atau meningkat hampir 50 persen lebih. Untuk
mengatasinya maka sejak awal perlu dilakukan perencanaan penambahan unit
pembangkit listrik/power plant yang baru untuk menghindari krisis energi
listrik.
Gambar 4.11 Grafik Pertumbuhan Kebutuhan Energi Listrik (GWh) dari Tahun
2008 s.d 2024 Berdasarkan Data Aktual, Hasil Peramalan dan Data RUPTL
5000
10000
15000
20000
25000
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
2024
Keb
utu
han
En
ergi
Lis
trik
(G
Wh
)
Tahun
Data Aktual
Hasil Peramalan
RUPTL 2015
UNIVERSITAS SUMATERA UTARA
65
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Setelah mendapatkan hasil peramalan dan analisis penelitian dapat diambil
kesimpulan diantaranya yaitu:
a. Hasil perhitungan peramalan memiliki nilai error yang lebih kecil. Untuk
hasil peramalan kebutuhan energi listrik tahun 2013 dan 2014 hanya terjadi
error pehitungan 5,31% sampai 7,71% terhadap data real/actual dan metode
ini dapat digunakan untuk peramalan kebutuhan energi listrik 10 tahun ke
depan dari tahun 2015 sampai dengan tahun 2024 dengan cara dan
perhitungan yang sama.
b. Pertumbuhan kebutuhan listrik beberapa tahun ke depan akan mengalami tren
yang hampir sama sesuai dengan karakteristik data historis sebelumnya.
Kebutuhan energi listrik dari tahun 2015-2024 sektor rumah tangga dan
gedung pemerintahan 112,57%, sektor industri 22,71%, sektor bisnis
104,61%, Sektor sosial 138,12% dan penerangan umum 55,93%.
c. Hasil perbandingan dari peramalan dalam penelitian ini lebih mendekati data
aktual karena mempunyai nilai error yang lebih kecil daripada hasil Proyeksi
buku RUPTL. Perbandingan data real dengan RUPTL dari 6,41% sampai
17,55%. Sehingga diperoleh hasil persentase error RUPTL lebih tinggi dari
pada hasil peramalan metode PKS.
UNIVERSITAS SUMATERA UTARA
66
5.2. Saran
Untuk mendapatkan hasil peramalan yang lebih akurat dan lebih mudah dalam
perhitungan maka pada penelitian selanjutnya dapat dilakukan hal-hal saran berikut:
a. Menggunakan data historis yang lebih banyak maka akan dapat melihat tren
pertumbuhan yang lebih baik minimal 5 tahun terakhr.
b. Untuk memudahkan dalam memasukkan data dan perhitungan dapat
digunakan bantuan kalkulasi/komputasi sehingga dapat dilakukan meng-input
data historis. Kemudian mengeluarkan hasil dari peramalan melalui output.
c. Untuk penelitian selanjutnya dapat digunakan data dari wilayah/daerah
lainnya (selain Propinsi Sumatera Utara).
UNIVERSITAS SUMATERA UTARA
67
DAFTAR PUSTAKA
[1] Hong, Tao., M. Shahidehpour., “Load Forecasting Case Study”. EISPC.
University of North Carolina at Charlotte and Illionis Institute of
Technology.,(2015): USA
[2] Sonika, Dogra., S. Darshan, K. Daljeet, “Long Term Forecasting Using Fuzzy
Logic Methodology”. IJAREEIE. Vol 4., 10.15662/ijareeie.2015.0406047., Juni
2015: hal 5578-5585
[3] Chauhan, Swapnendra Singh., P. Bansal, N. Agrawal, “Comparative Study of
Load Forecasting Methodologies in Electrical Power System”. IJSPR. Vol 12
No. 03., 2015: Hal 129-134
[4] Wang, Waina., X. Liu, W. Pedrycz. “Times Series Long Term Forecasting
Model Based on Information Granules and Fuzzy Clustering”. Elsevier. No.
41., 2015: hal 17-24
[5] Wang, Waina., X. Liu. “Fuzzy Forecasting Based on Automatic and Axiomatic
Fuzzy Set Classification” Elsevier. No.17., 2014
[6] Saleh, S.H.E., A.N. Mansur, N. A Ali, M. Nizam, M. Anwar. “Forecasting of
the Electricity Demand in Libya Using Time Series Stochastic Method for Long
Term from 2011-2022” IJAREEIE. Vol 5., Issue 5., May 2014: hal 12529-
12536
[7] Singh, Arunesh Kumar, Ibraheem, S. Khatoon, Md. Muazzam., “ An Overview
of Electrical Demand Forecasting Techniques” IISTE. Vol 3 No.3., 2013
[8] Rahman, M. Anwar., “Dynamic Stochastic Model to Forecast Non Stationary
Electricity Demand” IJEAT. Vol. 2, Issue 6., 2013: hal 272-276
[9] Almaita, E, Aulimat, B., “Up to 30 Years Peak Load Forecasting of Jordanian
Power Grid Using Radial Basis Function Neural Networks” IJEECS Vol 15,
Issue 2., 2013
[10] Boonkham, Prayad., S. Surapatpichai., “A New Method for Electric
Comsumption Forecasting in A Semiconductor Plant” IJARCCE Vol 2, issue
10 2013: hal 4085-4090
UNIVERSITAS SUMATERA UTARA
68
[11] Filik, Ummuhan Basaran., O.N Gerek, M. Kurban, “A Novel Approach for
Hourly Forecasting of Long Term Electric Energy Demand”. Elsevier. 52.,
2011: hal 199-211
[12] Achanta, Renuka., “Long Term Electric Load Forecasting Using Neural
Networks and Support Vector Machines” IJCST Vol 3 Issue 1., 2012 hal 266-
269
[13] Castellani, Francesco., M. Burlando, S. Taqhizadeh, D. Astolfi., “Wind Energi
Forecast in Complex Sites With A Hybryd Neural Network and CFD Based
Method” Elsevier. No 45.,2014 :hal 188-199
[14] Hong, Tao., P. Pinson, S. Fun., “Global Energi Forecasting Competition 2012”
ELSEVIER No. 30. 2014: hal 357-363
[15] Bdri, A., A. Ameli, A. Motie Birjandi., “ Application of Artificial Neural
Networks and Fuzzy Logic Method for Short Term Load Forecasting” Elsevier.
No 14. 2012: hal 1883-1888
[16] Zhang, Ping., Wang, H., “Fuzzy Wavelet Neural Networks for City Elelctric
Energi Comsumption Forecasting” No 17., 2012: hal 1332-1338
[17] Akdemir, Bayram., N. Centinkaya., “Long Term Load Forecasting Based on
Adaptive Neural Fuzzy Inference System Using Real Energy Data” Elsevier. No
14 ., 2012: hal 794-799
[18] Campillo, Javier., F. Wallin, D. Torstensson, I. Vassileva.,”Energy Demand
Model Design for Forecasting Electricity Comsumption and Simulating
Demand Respone Scenarios in Sweden” ICAE. No.ICAE2012-A10599. 2012
[19] Li, Yang., Y.Q. Bao, B. Yang, C. Chen, W. Ruan., “ Modification Method to
Deal with the Accumulation Effects for Summer Daily Electric Load
Forecasting” ELSEVIER. No.73. 2015 : hal 913-198
[20] Sanstad, A.H., S McMenamin, A. Sukenik, G.L. Barbose, C.A. Goldman.,
“Modeling An Aggressive Energy Efficiency Scenario in Long Range Load
Forecasting for Elelctric Power Transmission Planning” Elsevier. No 128.
2014: hal 265-276
[21] Chen, Toly., Y.C. Wang., “ Long Term Load Forecasting by A Collarorative
Fuzzy Neural Approach” Elsevier. No. 43. 2012 :hal 454-464
UNIVERSITAS SUMATERA UTARA
69
[22] Raharjo, M., “Teori Ekonomi Makro” Surakarta: (2011), UNS
[23] PLN., “Rencana Usaha Penyediaan Tenaga Listrik RUPTL PT. PLN Persero
2015-2024” Jakarta: (2015). PT PLN Persero
[24] Suswanto, Daman., “Sistem Distribusi Tenaga Listrik” Padang: 2010
[25] BPS Sumatera Utara.,”Profil Pembangunan Sumatera Utara” Medan: BPS
Propinsi Sumatera Utara
[26] Kementerian ESDM.,”Direktorat Ketenagalistrikan Kementerian ESDM”.,
http://kip.esdm.go.id/pusdatin/index.php/data-informasi/data-
energi/ketenagalistrikan/rasio-elektrifikasi [15 Februari 2016]
[27] BPS Propinsi Sumatera Utara., (2008). “ Sumatera Utara Dalam Angka 2008
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[28] BPS Propinsi Sumatera Utara., (2009). “ Sumatera Utara Dalam Angka 2009
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[29] BPS Propinsi Sumatera Utara., (2010). “ Sumatera Utara Dalam Angka 2010
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[30] BPS Propinsi Sumatera Utara., (2011). “ Sumatera Utara Dalam Angka 2011
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[31] BPS Propinsi Sumatera Utara., (2014). “ Sumatera Utara Dalam Angka 2014
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[32] BPS Propinsi Sumatera Utara., (2015). “ Sumatera Utara Dalam Angka 2015
Sumatera Utara in Figures” Medan: BPS Propinsi Sumatera Utara
[33] Surhayadi, Elly. Dkk (2015). ”Statistik Daerah Propinsi Sumatera Utara 2015”,
Medan; BPS Propinsi Sumatera Utara
[34] Sekretariatan Perusahaan PT. PLN (Persero)., “Statistik PLN 2009” Jakarta,
(2010) PT. PLN (Persero)
[35] Sekretariatan Perusahaan PT. PLN (Persero)., “Statistik PLN 2010” Jakarta,
(2011) PT. PLN (Persero)
[36] Sekretariatan Perusahaan PT. PLN (Persero)., “Statistik PLN 2011” Jakarta,
(2012) PT. PLN (Persero)
UNIVERSITAS SUMATERA UTARA
70
[37] Sekretariatan Perusahaan PT. PLN(Persero)., “Statistik PLN 2012” Jakarta,
(2013) PT. PLN (Persero)
[38] Sekretariatan Perusahaan PT. PLN (Persero)., “Statistik PLN 2013” Jakarta,
(2014) PT. PLN (Persero)
[39] Sekretariatan Perusahaan PT. PLN (Persero)., “Statistik PLN 2014” Jakarta,
(2015) PT. PLN (Persero)
[40] Harsanto, Samudin, “Statistik Listrik 2007-2011”. Jakarta (2012). BPS Statistik
Indonesia.
[41] Reswita, Susanty., “PDRB Menurut Lapangan Usaha Propinsi Sumatera Utara
2010-2014”. Medan (2015): BPS Sumatera Utara.
[42] Juliana, Sri., “PDRB Menurut Pengeluaran Propinsi Sumatera Utara 2010-
2014”. Medan (2015): BPS Sumatera Utara.
[43] Kementerian ESDM., “Statistik Ketenagalistrikan dan Energi Tahun 2008”,
Jakarta (2008). Dirjen Listrik dan Pemanfaatan Energi Kementerian ESDM
[44] Kementerian ESDM., “Statistik Ketenagalistrikan dan Energi Tahun 2009”,
Jakarta (2010). Dirjen Listrik dan Pemanfaatan Energi Kementerian ESDM
[45] Kementerian ESDM., “Statistik Ketenagalistrikan Tahun 2011”, Jakarta (2012).
Dirjen Ketenagalistrikan ESDM.
[46] Kementerian ESDM., “Statistik Ketenagalistrikan 2013”, Jakarta (2013). Dirjen
Ketenagalistrikan ESDM.
[47] Kementerian ESDM., “Statistik Ketenagalistrikan 2014”, Jakarta (2014). Dirjen
Ketenagalistrikan ESDM.
[48] Kementerian ESDM., “Statistik Ketenagalistrikan 2014 Edisi No.28”., Jakarta
(2015). Dirjen Ketenagalistrikan ESDM.
[49] Departemen Enenrgi Sumber Daya Mineral.,”Rencana Usaha Ketenagalistrikan
Nasional” Jakarta: (2008). Departemen ESDM
[50] PT. PLN (Persero).,” Rencana Usaha Penyediaan Tenaga Listrik PT. PLN
(Persero) 2009-2018”. Jakarta: (2008). PT. PLN (Persero)
UNIVERSITAS SUMATERA UTARA
71
[51] PT. PLN (Persero).,” Rencana Usaha Penyediaan Tenaga Listrik PT. PLN
(Persero) 2010-2019”. Jakarta: (2010). PT. PLN (Persero)
[52] PT. PLN (Persero).,” Rencana Usaha Penyediaan Tenaga Listrik PT. PLN
(Persero) 2011-2020”. Jakarta: (2011). PT. PLN (Persero)
[53] PT. PLN (Persero).,” Rencana Usaha Penyediaan Tenaga Listrik PT. PLN
(Persero) 2012-2021”. Jakarta: (2012). PT. PLN (Persero)
[54] PT. PLN (Persero).,” Rencana Usaha Penyediaan Tenaga Listrik PT. PLN
(Persero) 2013-2022”. Jakarta: (2013). PT. PLN (Persero)
UNIVERSITAS SUMATERA UTARA
72
Medan, 11 Juni 2016
BIODATA PENULIS
Nama : Syafriwel, S.T., M.T.
TTL : Selatpanjang/24 Desember 1983
Istri : Winanda
Putra/Putri : 1. Haziq Winandar (3 tahun 2 bulan)
2. Nazifa Azkayra Syafriwel (1 tahun 6 bulan)
Hobby : Membaca, berenang dan travelling
Pendidikan Formal
1. SD Negeri 010 Selatpanjang RIAU (1990 s.d 1996)
2. SLTP Negeri 1 Selatpanjang RIAU (1996 s.d 1999)
3. SMK Negeri 1 Bukittinggi SUMBAR (2000 s.d 2003)
4. Sarjana (S1) Universitas Medan Area, Medan SUMUT (2006 s.d 2010)
5. Magister (S2) Universitas Sumatera Utara, Medan SUMUT (2014 s.d 2016)
Pendidikan Non Formal
1. Himpunan Seni Silat Indonesia (HIMSSI) Selatpanjang 1998
2. Cakrawala Komputer Dasar Selatpanjang 1999
3. Alfin English Course Bahasa Inggris Selatpanjang 1999
4. Modern Method Course Bahasa Inggris Bukittinggi 2000
5. Bukittinggi Computer College Conversation Bukittinggi 2001
6. Pusat Komputer UMA Diklat Komputer Medan 2007
7. Pusat Komputer UMA Aplikasi Komputer Medan 2009
Pelatihan/Seminar/Workshop
1. Departemen Pendidikan dan Kebudayaan Propinsi Riau Penataran P4 di
Selatpanjang tahun 1996.
2. Praktek Kerja Industri di Andalas Elektronik Bukittinggi tahun 2002.
3. Majelis Pendidikan Kejuruan Nasional. Kompetensi Perakitan Audio Video
tahun 2003.
4. In the Workshop on “Penulisan Proposal Penelitian dan Artikel Ilmiah” di
Politeknik LP3I Medan. 22 Februari 2014.
5. Seminar Pendidikan Nasional “Profesionalisme Guru” Persatuan Guru Swasta
Nasional Kota Medan. 15 Maret 2014.
6. Workshop “Penyusunan Borang Akreditasi Institusi Perguruan Tinggi” Aptisi
Wilayah IA dan Kopertis Wilayah I Sumatera Utara. 2-3 April 2014
7. Seminar “6 Steps Dare to Succeseed” Selecta Royal Ballroom lantai 5. Tgl 10
Mei 2014.
8. Seminar “Literasi Edukasi Produk dan Jasa Perbankan Syariah” Di Polteknik
LP3I Medan. 9 Mei 2015.
UNIVERSITAS SUMATERA UTARA
73
Medan, 11 Juni 2016
9. Workshop “Penulisan Proposal Penelitian dan Pengabdian Kepada Masyarakat”
di Polteknik LP3I Medan. 12 Desember 2015.
10. Desiminasi Standar Nasional Pendidikan Tinggi Berdasarkan Peraturan Menteri
Riset, Teknologi dan Pendidikan Tinggi Republik Indonesia No 44 tahun 2015 di
Politeknik LP3I Medan tgl 15 Maret 2016.
Pengalaman Kerja/Work Experience 1. Politeknik LP3I Medan. As a Lecture. July 10, 2013 until now
2. Vanhollano Bakery Pekanbaru. As a ME Manager. June 2013
3. PT. Kawasan Wisata Pantai Cermin. As HOD / Senior Supervisor Maintenance.
January 2, 2013 until May 2013
4. PT. Smartfren Telecom, Tbk. As a Chief Engineer. Mei 28, 2012 until
November 27, 2012.
5. CV. Karya Teknik Sukses. As a Project Manager. June 2, 2011 until May 26,
2012.
6. PT. Maja Agung Latexindo in Pujimulyo Medan As an Electrical Supervisor.
October 1, 2010 until May 31, 2011.
7. PT. Megagen Mekatama. Subcon from PT. Menara Bina Diesel
Vendor/Partners of PT. Indosat, Tbk. As a Technical Support. December 19,
2003 until September 4, 2009. (+ 6 Years)
8. PT. Altona Prima Gahasta in Jakarta as a Technician Fire and Bulger Alarms.
23rd June 2003 until September 1, 2003.
Prestasi Akademik yang pernah diraih
1. Juara (I) kelas dari kelas 2 SD s.d kelas 6 SD
2. Juara Umum ketika kelas 6 di SDN 010 Selatpanjang dari 6 kelas
3. Juara (I) kelas dari kelas I s.d kelas III SLTP
4. Juara Umum III di SLTP N 1 Selatpanjang dari 24 kelas (1 kelas 40 siswa)
5. Juara (I) kelas ketika tingkat I dan Juara II ketika tingkat II dan III di SMK
6. Lulusan IPK tertinggi dari lulusan se-angkatan di Program Studi Teknik
Elektro FT UMA
7. Lulusan tercepat S2 (1 tahun 9 bulan) pada tahun 2016 dari alumni pertama
tahun 2010-2016 di Program Studi Magister Teknik Elektro FT USU
UNIVERSITAS SUMATERA UTARA