10. bab 1 pendahuluan - repository.uisi.ac.id
TRANSCRIPT
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Proses pencatatan listrik PLN adalah kegiatan yang sangat penting. Petugas
yang mencatat kWh listrik pelanggan PLN akan menghitung jumlah penggunaan
listrik per bulan pada masing-masing pelanggan. Hal ini dilakukan satu kali setiap
bulan. PT. PLN (Persero) Rayon Lamongan Area Bojonegoro Distribusi Jawa
Timur merupakan salah satu cabang PLN yang mempunyai tugas mendistribusikan
energi listrik dari gardu induk ke pelanggan melalui jaringan tegangan menengah
dan tegangan rendah. Terdapat dua macam meteran listrik yang digunakan oleh
PLN yaitu, prabayar dan pascabayar.
Proses pencatatan listrik PLN adalah kegiatan yang sangat penting. Petugas
yang mencatat kWh listrik pelanggan PLN akan menghitung jumlah penggunaan
listrik per bulan pada masing-masing pelanggan. Hal ini dilakukan satu kali setiap
bulan. PT. PLN (Persero) Rayon Lamongan Area Bojonegoro Distribusi Jawa
Timur merupakan salah satu cabang PLN yang mempunyai tugas mendistribusikan
energi listrik dari gardu induk ke pelanggan melalui jaringan tegangan menengah
dan tegangan rendah. Terdapat dua macam meteran listrik yang digunakan oleh
PLN yaitu, prabayar dan pascabayar.
Diperlukan suatu metode yang dapat membantu dalam menentukan
pemakaian kWh listrik pelanggan kedepannya berdasarkan data pemakaian kWh
listrik beberapa bulan sebelumnya. Memprediksi penggunaan kWh listrik
pelanggan diharapkan dapat membantu petugas dalam menentukan penggunaan
kWh listrik pelanggan yang ksosong. Selain untuk petugas, sistem yang akan dibuat
juga diharapkan dapat membantu pelanggan PLN Lamongan untuk mengetahui
penggunaan kWh listrik rumahnya pada periode selanjutnya. Sehingga dengan hasil
prediksi pemakaian kWh listrik, pelanggan juga dapat mengatur penggunaan listrik
rumahnya dengan bijak. “Sistem prediksi penggunaan listrik pelanggan di PT. PLN
(Persero) Rayon Lamongan Area Bojonegoro dengan metode Tripel Exponential
Smothing” sebelumnya pernah diusulkan oleh maslucha. Dimana pada penelitian
tersebut pola data bergantung dengan alfa 0,1 sampai 0,9 maka kesalahan error
atau peramalan yang dihasilkan semakin tinggi. Dari hasil tersebut dapat
disimpulkan bahwa dari metode Tripel Exponential Smothing bergantung pada
ketentuan alfa 0,1 sampai 0,9 sehingga untuk mengatasi hal tersebut dilakukan
penelitian serupa dengan menggunakan metode yang lain, yaitu metode ARIMA
(Autoregressive Integrated Moving Average). Metode ARIMA juga pernah
diterapkan dalam penelitian lain, yaitu dari Alexander Setiawan, Adi Wibowo, dan
Sutisno Wijaya dalam jurnalnya yang berjudul “Aplikasi Peramalan Penjualan
Kosmetik dengan Metode ARIMA” pada tahun 2015 di Jurusan Teknik Informatika,
Fakultas Teknologi Industri, Universitas Kristen Petra. Dalam penelitian tersebut
peneliti menyebutkan dari hasil peramalan tersebut telah ditemukan bahwa metode
AR lebih sering menghasilkan Mean Squared Error (MSE) yang paling rendah
dibandingkan dengan MA dan ARMA. Namun hasil peramalan menggunakan
metode ARIMA juga memiliki MSE yang paling kecil yang berarti hasil peramalan
tersebut mendekati kebenaran (Alexander Setiawan, 2015).
Pengembangan sistem peramalan yang akan dilakukan pada penelitian ini,
menggunakan metode ARIMA (Autoregressive Integrated Moving Average).
Metode ARIMA merupakan metode peramalan dengan menggunakan serangkaian
data masa lalu yang digunakan untuk mengamati terhadap suatu kejadian,
peristiwa, atau suatu variable pada data tersebut. Metode ini pertama kali dibuat
oleh George Box dan Gwilym Jenkins untuk analisis deret berkala. Arima terbentuk
dari tiga metode yaitu AR (Autoregressive), MA (Moving Average), dan ARMA
(Autoregressive dan Moving Average). Metode ARIMA ini sangat tepat digunakan
dalam penelitian ini dengan mengambil nilai pengamatan yaitu data pemakaian
kWh listrik pelanggan dalam kehidupan sehari-hari pada bulan sebelumnya. Maka
dari itu, penulis melakukan penelitian yang berjudul “Peramalan Penggunaan
Listrik Pascabayar Pelanggan PT. PLN (Persero) Rayon Lamongan Area
Bojonegoro dengan Metode ARIMA (Autoregressive Integrated Moving
Average)”.
1.2 Rumusan Masalah
Berdasarkan latar belakang di atas maka permasalahan yang akan di bahas
adalah bagaimana memprediksi jumlah pemakaian listrik di periode selanjutnya
dengan menggunakan metode ARIMA (Autoregressive Integrated Moving
Average) di PT. PLN (Persero) Rayon Lamongan Area Bojonegoro.
1.3 Tujuan Penelitian
Tujuan dalam penilitian ini adalah untuk mengetahui jumlah pemakaian
kWh listrik pelanggan pada bulan selanjutnya di PT. PLN (Persero) Rayon
Lamongan Area Bojonegoro dengan menggunakan metode ARIMA
(Autoregressive Integrated Moving Average).
1.4 Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini yaitu:
1. Bagi Pelanggan
a. Membantu mengurangi kesalahan dalam menentukan atau memprediksi
penggunaan listrik pelanggan dengan menggunakan kWh yang
dilakukan pada bulan dan tahun berikutnya dan juga menerapkan
penghematan pada setiap pelanggan.
b. Sebagai pengetahuan pelanggan di bidang kelistrikan khususnya dalam
hal mengestimasi permintaan listrik di masa yang akan datang.
2. Bagi PT. PLN (Persero)
Memberikan PT. PLN (Persero) Area Gresik pada petugas pencatat
meteran dapat membantu proses prediksi jumlah penggunaan kWh listrik
pelanggan pada periode yang akan datang secara optimal.
1.5 Batasan Masalah
Batasan masalah yang di bahas pada penelitian ini hanya difokuskan pada:
1. Data yang digunakan sebagai bahan analisis di peroleh dari PT. PLN
(persero) Rayon Lamongan Area Bojonegoro Distribusi Jawa Timur
2. Sistem ini dibuat berdasarkan penggunaan listrik dari kategori per orang
dengan daya 900 Volt bersubsidi.
3. Perhitungan data penggunaan energi listrik untuk pembuatan sistem
merupakan data perbulan dari bulan Januari 2013 sampai Desember 2017.
4. Sistem prediksi ini menggunakan metode ARIMA
5. Output yang dihasilkan adalah hasil prediksi jumlah pemakaian kWh listrik
pelanggan pada periode selanjunya.