Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 1

Studi Peramalan (Forecasting) Kurva Beban Harian Listrik Jangka Pendek Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA)

Jurnal Nasional Teknik Elektro · Vol. 2 No. 1 (2013) · hlm. 65–73

DOI
10.20449/jnte.v2i1.100
ISSN
2302-2949, 2407-7267
Terbit
2013-03-01
Penerbit
Andalas University
Bahasa
en
Lisensi
creativecommons.org/licenses/by-nc-sa/4.0/

Abstrak

Prakiraan kebutuhan energi listrik merupakan langkah mula yang penting dalam perencanaan dan pengembangan penyediaan tenaga elektrik setiap saat secara cukup, baik dan terus menerus. Oleh karena itu, diperlukan suatu metode permalan beban yang akurat dan mudah di implementasikan berdasarkan ketersediaan data yang ada.Metode ARIMA (Box-Jenkins) merupakan metode yang cocok digunakan untuk menjembatanipermasalahan tersebut, karena terbukti akurat untuk peramalan beban jangka pendek. Penentuan model untuk peramalanARIMA terdiri dari beberapa tahap yaitu: pengecekan pola data, identifikasimodel yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya. Data yang digunakan dalam penelitian ini adalah data time series beban harian listrik per-jam (24jam) dari tanggal 1 Juli-31Oktober 2012. Hasil penelitian memperlihatkan model terbaik yang diperoleh adalah (0,1,0)(0,1,1)24 dengan MAPE terkecil yaitu 2,975% untuk pengujian pertama dan MAPE kedua sebesar 3,08% Kata kunci: Peramalan beban, ARIMA, data time series, stasioneritas, penentuan model, dan MAPE

Kata kunci

Jaringan kolaborasi para penulis

13 penulis · 19 tautan kepenulisan bersama · 9 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Andalas University
  • Universitas Bung Hatta
  • Bandung Institute of Technology
  • Universitas Negeri Padang
  • Universitas Ekasakti
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Akbar AbadiAndalas University1
ErliwatiAndalas University1
Muhammad NurdinBandung Institute of Technology1
AsrizalAfiliasi tidak diketahui1
Syukri YunusAndalas University1
CahayahatiUniversitas Bung Hatta1
Ija DarmanaUniversitas Bung Hatta1
ZulwisliUniversitas Negeri Padang1
Ricky MaulanaAndalas University1
Heru Dibyo LaksonoAndalas University1
Aidil DanasUniversitas Ekasakti1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OpenAlex API (jurnal SINTA, ADR 0048) https://openalex.org/S4210175326, pertama di-harvest 20 Nov 2026, terakhir terlihat 20 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title xml:lang="en">Studi Peramalan (Forecasting) Kurva Beban Harian Listrik Jangka Pendek Menggunakan Metode Autoregressive Integrated Moving Average (ARIMA)</dc:title><dc:creator>Syafi’i</dc:creator><dc:creator>Edyan Noveri</dc:creator><dc:subject>short-term load forecasting</dc:subject><dc:subject>ARIMA model</dc:subject><dc:subject>Box-Jenkins</dc:subject><dc:subject>time series</dc:subject><dc:subject>stationarity testing</dc:subject><dc:subject>model selection</dc:subject><dc:subject>MAPE accuracy</dc:subject><dc:subject>hourly load data</dc:subject><dc:description xml:lang="en">Prakiraan kebutuhan energi listrik merupakan langkah mula yang penting dalam perencanaan dan pengembangan penyediaan tenaga elektrik setiap saat secara cukup, baik dan terus menerus. Oleh karena itu, diperlukan suatu metode permalan beban yang akurat dan mudah di implementasikan berdasarkan ketersediaan data yang ada.Metode ARIMA (Box-Jenkins) merupakan metode yang cocok digunakan untuk menjembatanipermasalahan tersebut, karena terbukti akurat untuk peramalan beban jangka pendek. Penentuan model untuk peramalanARIMA terdiri dari beberapa tahap yaitu : pengecekan pola data, identifikasimodel yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya. Data yang digunakan dalam penelitian ini adalah data time series beban harian listrik per-jam (24jam) dari tanggal 1 Juli-31Oktober 2012. Hasil penelitian memperlihatkan model terbaik yang diperoleh adalah (0,1,0)(0,1,1)24 dengan MAPE terkecil yaitu 2,975% untuk pengujian pertama dan MAPE kedua sebesar 3,08% Kata kunci : Peramalan beban, ARIMA, data time series, stasioneritas, penentuan model, dan MAPE</dc:description><dc:publisher>Andalas University</dc:publisher><dc:date>2013-03-01</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:identifier>https://doi.org/10.20449/jnte.v2i1.100</dc:identifier><dc:identifier>10.20449/jnte.v2i1.100</dc:identifier><dc:source>Jurnal Nasional Teknik Elektro; Vol 2 No 1 (2013); 65-73</dc:source><dc:source>2302-2949</dc:source><dc:source>2407-7267</dc:source><dc:language>en</dc:language><dc:rights>https://creativecommons.org/licenses/by-nc-sa/4.0/</dc:rights></oai_dc:dc>