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.