TUGAS METODE PENILITIAN

ESTIMASI PELANGGAN DAN KEBUTUHAN DAYA LISTRIK KALIMANTAN

SELATAN KATEGORI RUMAH TANGGA

Oleh

Anton Azwar Ardywinata

NIM J1F109003

PROGRAM STUDI S-1 ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS LAMBUNG MANGKURAT

BANJARBARU

2013

ESTIMASI PELANGGAN DAN KEBUTUHAN DAYA LISTRIK KALIMANTAN

SELATAN KATEGORI RUMAH TANGGA

I. Identifikasi Masalah

Kemajuan teknologi di segala bidang meningkat dengan begitu cepat, kemajuan ini

membawa konsekuensi peningkatan kebutuhan akan daya listrik. Listrik merupakan salah

bentuk energi yang banyak dibutuhkan, ini dimungkinkan karena energi listrik mudah dalam

penyaluran dan dapat dengan mudah dirubah ke bentuk energi lain.

Untuk memenuhi kebutuhan daya listrik yang ada sekarang, pembangunan dan

pengembangan sistem kelistrikan yang dikelolah oleh PLN perlu dikembangkan.

Pertambahan penduduk yang semakin pesat dan diiringi pertumbuhan ekonomi yang tinggi

menyebabkan kebutuhan akan tenaga listrik semakin meningkat, sehingga dibutuhkan

penyediaan dan penyaluran tenaga listrik yang memadai, baik dari segi teknis maupun

ekonomisnnya. Penggunaan tenaga listrik sekarang ini merupakan salah satu kebutuhan

penting dalam kehidupan masyarakat dan sering kali dianggap sebagai salah satu tolok ukur

taraf kemajuan rakyat sejalan dengan perkembangan teknologi.

Makin banyaknya industri yang berskala menengah maupun besar serta pertumbuhan

pelanggan yang meningkat setiap tahunnya akan membutuhkan pelayanan dan penyaluran

energy listrik secara kontinyu dengan kualitas layanan yang lebih baik. Kegiatan

perdagangan, perekonomian dan industri tumbuh pesat akhir-akhir ini. Oleh karena itu

permintaan akan tenaga listrik melonjak saat ini dan pertumbuhan yang cepat ini diperkirakan

akan berlangsung terus untuk tahuntahun yang akan datang. Untuk memenuhi kebutuhan

pelanggan akan energi listrik, maka pihak penyuplai energi listrik dalam hal ini PLN

berusaha untuk melayani dan memenuhi kebutuhan pelanggan yang semakin meningkat,

sehingga PLN harus menyediakan pembangkit listrik yang baru.

Propinsi Kalimantan Selatan sebagai salah satu propinsi di Indonesia tentunya

memerlukan banyak sarana untuk pembangunan. Salah satu sarana utama yang penting dan

sangat menentukan ialah tenaga listrik sebagai salah satu roda penggerak perekonomian.

Bertolak dari kenyataan di atas maka dianggap perlu untuk mengkaji kebutuhan daya listrik

Kalimantan Selatan dimasa yang akan datang. Estimasi ketersediaan daya listrik ialah suatu

perkiraan jangka panjang tentang besarnnya kebutuhan daya listrik untuk suatu daerah

tertentu dengan menggunakan suatu metode analisis.Dalam sistem kelistrikan estimasi sangat

dibutuhkan untuk memperkirakan dengan tepat seberapa besar daya listrik yang dibutuhkan

untuk melayani beban dan kebutuhan energi dalam distribusi energi listrik dimasa yang akan

datang. Selain faktor teknis, faktor ekonomi juga merupakan faktor terpenting yang perlu

diperhitungkan. Bila perkiraan tidak tepat akan menyebabkan tidak cukupnnya kapasitas daya

yang disalurkan guna memenuhi kebutuhan beban, sebaliknnya jika perkiraan beban terlalu

besar maka akan menyebabkan kelebihan kapasitas pembangkit sehingga menyebabkan

kerugian. Ada beberapa faktor yang saling mempengarui dan mendorong melonjaknnya

kebutuhan tenaga listrik tersebut antara lain:

a. Industri tumbuh dengan pesat.

b. Kegiatan ekonomi meningkat dengan mantap.

c. Tingkat kehidupan yang lebih baik, standar hidup yang lebih tinggi, pendapatan perkapita

yang terus meningkat memerlukan energi listrik yang lebih banyak.

d. Kemampuan penyediaan pembangkitan dengan kapasitas yang lambat laun bertambah.

e. Kualitas penyediaan daya listrik yang semakin membaik.

II. Perumusan Masalah

Berapa jumlah pelanggan dan jumlah daya listrik yang tersambung pada PLN wilayah

Kalimantan Selatan pada tahun ke depan untuk jenis pelanggan rumah tangga?

III. Tinjauan Pustaka

Metode Estimasi

3.1 Data Mining

Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat

maka dibutuhkan metode analisis data yang tepat. Data mining merupakan teknik

yang menggabungkan teknik analisis datatradisional dengan algoritma untuk

pemrosesan data dalam jumlah yang besar. Data mining dapat digunakan untuk

melakukan analisis data dan menemukan pola-pola penting pada data. Secara

sederhana, data mining atau penambangan data dapat didefinisikan sebagai

proses seleksi, eksplorasi, dan pemodelan dari sejumlah besar data untuk

menemukan pola atau kecenderungan yang biasanya tidak disadari keberadaannya.

Data mining dapat dikatakan sebagai proses mengekstrak pengetahuan dari

sejumlah besar data yang tersedia. Pengetahuan yang dihasilkan dari proses data

mining harus baru, mudah dimengerti, dan bermanfaat. Dalam data mining, data

disimpan secara elektronik dan diproses secara otomatis oleh komputer mengunakan

teknik dan perhitungan tertentu.

Alasan-alasan utama dalam penggunaan data mining adalah :

1. Banyaknya jumlah data yang ada dan akan terus meningkatnya jumlah data.

2. Kebutuhan untuk menginterpretasikan data.

Data mining tidak hanya berhubungan dengan masalah basis data, tetapi merupakan

suatu “titik temu” dari berbagai macam ilmu pengetahuan yang dapat digunakan

untuk membangun suatu informasi dalam memperoleh pengetahuan yang baru ataupun

penting. Disiplin ilmu tersebut dapat meliputi basis data, statistik, probabilistik,

jaringan saraf tiruan, data visual, dan sebagainya.

3.2 Estimasi

Estimasi merupakan suatu metode dimana kita dapat memperkirakan nilai Populasi

dengan memakai nilai sampel. Estimasi biasanya diperlukan untuk mendukung keputusan

yg baik, menjadwalkan pekerjaan, menentukan berapa lama proyek perlu dilakukan dan

berapa biayanya, menentukan apakah proyek layak dikerjakan, mengembangkan kebutuhan

arus kas, menentukan seberapa baik kemajuan proyek, menyusun anggaran time phased dan

menetapkan baseline proyek.

Faktor-faktor yg mempengaruhi kualitas estimasi

1. Horizon Perencanaan

2. Durasi proyek

3. Orang

4. Struktur dan organisasi proyek

5. Menaikkan estimasi

6. Budaya organisasi

7. Faktor lain

Panduan estimasi waktu, biaya dan sumber daya

1. Tanggung jawab

2. Menggunakan beberapa orang untuk mengestimasi

3. Kondisi normal

4. Unit waktu

5. Independensi

6. Ketidakpastian (contingency)

7. Menambahkan penilaian risiko pada estimasi membantu menghindari kejutan pada

stakeholder

3.3 Koefisien Determinasi

Koefisien determinasi dilambangkan dengan r2, merupakan kuadrat dari koefisien korelasi.

Koefisien ini dapat digunakan untuk menganalisis apakah variabel yang diduga / diramal (Y)

dipengaruhi oleh variabel (X) atau seberapa variabel independen ( bebas ) mempengaruhi

variabel dependen ( tak bebas ).

3.4 Kesalahan Standar Estimasi

Untuk mengetahui ketepatan persamaan estimasi dapat digunakan dengan mengukur besar

kecilnya kesalahan standar estimasi. Semakin kecil nilai kesalahan standar estimasi maka

semakin tinggi ketepatan persamaan estimasi dihasilkan untuk menjelaskan nilai variabel

yang sesungguhnya. Dan sebaliknya, semakin besar nilai kesalahan standar estimasi maka

semakin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai

variabel dependen yang sesungguhnya. Kesalahan standar estimasi diberi simbol Se yang

dapat ditentukan dengan rumus berikut :

√

3.5 Microsoft excel

Microsoft excel adalah Program aplikasi pada Microsoft Office yang digunakan dalam

pengolahan angka (Aritmatika). Program ini sering digunakan oleh para akutan untuk

menuliskan atau mencatat pengeluaran dan pemasukan didalam perusahaan atau suatu

lembaga maupun instansi-instansi kecil. Microsoft Excel juga sering digunakan oleh ibu

rumah tangga untuk menulis atau mencatat keuangan dalam rumah tangga sepertihalnya

pengeluaran atau pemasukan dalam tiap bulan atau minggu.

Microsoft Excel adalah program kedua yang mendasar dalam suatu komputer setelah

Microsoft Word, keduanya saling berkaitan dalam kehidupan sehari-hari. Banyak para akutan

yang mengerti dan bisa mengoprasikan program ini, karena program ini sangat berguna

dalam menggunakan rumus – rumus yang tersedia didalam program ini.

Didalam program ini kita dapat membuat grafik menggunakan program Microsoft Excel.

Dengan cara menggunakan bantuan tombol Toolbar Chart Wizard. Kita dapat memilih grafik

dengan bentuk yang tersedia, seperti bentuk lingkaran, garis, kolom, area, radar, dan scatter.

Kita dapat memilihnya dengan cara mengklik Tab Custom Types.

Didalam program ini kita juga dapat menggunakan Wordart semacam bentuk huruf atau

model huruf yang merupakan variasi teks dan juga toolbar drawing yang digunakan untuk

membuat garis, kotak, dan lingkaran. Kita dapat menggunakannya dengan cara mengklik

insert, pilih picture setelah itu klik Wordart maka akan tampil variasi huruf yang menarik.

3.6 Ms Access

Microsoft Access adalah suatu program aplikasi basis data komputer relasional yang

digunakan untuk merancang, membuat dan mengolah berbagai jenis data dengan kapasitas

yang besar.Aplikasi ini menggunakan mesin basis data Microsoft Jet Database Engine, dan

juga menggunakan tampilan grafis yang intuitif sehingga memudahkan pengguna.

Microsoft Access dapat menggunakan data yang disimpan di dalam format Microsoft

Access, Microsoft Jet Database Engine, Microsoft SQL Server, Oracle Database, atau semua

kontainer basis data yang mendukung standar ODBC. Para pengguna/programmer yang

mahir dapat menggunakannya untuk mengembangkan perangkat lunak aplikasi yang

kompleks, sementara para programmer yang kurang mahir dapat menggunakannya untuk

mengembangkan perangkat lunak aplikasi yang sederhana. Access juga mendukung teknik-

teknik pemrograman berorientasi objek, tetapi tidak dapat digolongkan ke dalam perangkat

bantu pemrograman berorientasi objek.

Komponen Utama (Object).

Salah satu keunggulan Microsoft Access dilihat dari perspektif programmer adalah

kompatibilitasnya dengan bahasa pemrograman Structured Query Language (SQL); query

dapat dilihat dan disunting sebagai statemen-statemen SQL, dan statemen SQL dapat

digunakan secara langsung di dalam Macro dan VBA Module untuk secara langsung

memanipulasi tabel data dalam Access. Para pengguna dapat mencampurkan dan

menggunakan kedua jenis bahasa tersebut (VBA dan Macro) untuk memprogram form dan

logika dan juga untuk mengaplikasikan konsep berorientasi objek.

Microsoft SQL Server Desktop Engine (MSDE), yang merupakan sebuah versi mini dari

Microsoft SQL Server 2000, dimasukkan ke dalam Office XP Developer Edition dan dapat

digunakan oleh Microsoft Access sebagai alternatif dari Microsoft Jet Database Engine.

Tidak seperti sebuah sistem manajemen basis data relasional yang komplit, Microsoft JET

Database Engine tidak memiliki fitur trigger dan stored procedure. Dimulai dari Microsoft

Access 2000 yang menggunakan Microsoft Jet Database Engine versi 4.0, ada sebuah

sintaksis yang mengizinkan pembuatan kueri dengan beberapa parameter, dengan sebuah cara

seperi halnya sebuah stored procedure, meskipun prosesur tersebut dibatasi hanya untuk

sebuah pernyataan tiap prosedurnya. Access juga mengizinkan form untuk mengandung kode

yang dapat dieksekusi ketika terjadi sebuah perubahan terhadap tabel basis data, seperti

halnya trigger, selama modifikasi dilakukan hanya dengan menggunakan form tersebut, dan

merupakan sesuatu hal yang umum untuk menggunakan kueri yang akan diteruskan (pass-

through dan teknik lainnya di dalam Access untuk menjalankan stored procedure di dalam

RDBMS yang mendukungnya.

Dalam berkas Access Database Project (ADP) yang didukung oleh Microsoft Access

2000 dan yang selanjutnya, fitur-fitur yang berkaitan dengan basis data berbeda dari versi

format/struktur data yang digunakan Access (*.MDB), karena jenis berkas ini dapat membuat

koneksi ke sebuah basis data MSDE atau Microsoft SQL Server, ketimbang menggunakan

Microsoft JET Database Engine. Sehingga, dengan menggunakan ADP, adalah mungkin

untuk membuat hampur semua objek di dalam server yang menjalankan mesin basis data

tersebut (tabel basis data dengan constraints dan trigger, view, stored procedure, dan UDF).

Meskipun demikian, yang disimpan di dalam berkas ADP hanyalah form, report, macro, dan

modul, sementara untuk tabel dan objek lainnya disimpan di dalam server basis data yang

membelakangi program tersebut.

IV Perancangan Penelitian

1. Tujuan Penelitian

Tujuan dari penelitian ini adalah Dapat menghasilkan pengetahuan jumlah pelanggan dan

jumlah daya listrik yang tersambung dari hasil estimasi data pelanggan PLN untuk jenis

pelanggan rumah tangga ketahun kedepan nya.

2. Manfaat Penelitian

Manfaat dari penelitian ini adalah membantu PLN dan Pemerintah agar dapat memperhatikan

peningkatan jumlah daya listrik tersambung untuk masa yang akan datang dan

memperhatikan karakteristik beban dimasa lampau, karena dengan mengetahui karakteristik

beban dimasa lampau maka pengoperasian sistem tenaga listrik dapat diatur sedemikian rupa

sehingga diharapkan suatu operasi sistem tenaga listrik dapat berjalan lebih optimal.

.

3. Batasan masalah

Observasi dilakukan secara langsung ke PLN Banjarmasin dimana sasaran adalah data

pemakaian jenis pelanggaan rumah tangga untuk wilayah kalimantan selatan dengan batasan

masalah pada jumlah pelanggan serta jumlah pemakaian listrik yang tersambung pada PLN

wilayah Kalimantan selatan.

V. Pengumpulan Data

Metode Penelitian

1 Jenis Penelitian

Penelitian ini merupakan jenis penelitian ex post facto. Dengan demikian data yang diteliti

tidak dikendalikan atau dimanipulasi oleh peneliti, tetapi fakta yang diungkapkan berdasarkan

data yang ada pada PT. PLN Wilayah Kalsel.

2. Defenisi Operasional Variabel

Defenisi Operasional yang akan diteliti dapat dikemukakan sebagai berikut:

a. Tahun pengamatan ialah tahun kejadian dimana data yang diambil di PT. PLN Wilayah

Kalsel yakni tahun 2003-2013

b. Jumlah daya listrik ialah besar nya daya listrik yang tersambung setiap tahun yang

disediakan oleh PT. PLN Wilayah Kalsel

3. Teknik Analisis Data.

Analisis data yang digunakan dalam penelitian ini adalah:

a. Analis Deskriptif

Analisis deskriptif digunakan untuk mengestimasi data-data yang diperoleh dalam

bentuk tabel tahunan dari jumlah pelanggan dan jumlah daya tersambung yang diperoleh

pada PT PLN Wilayah Kalsel

b. Analisis Estimasi

1. Estimasi untuk data pelanggan dengan rumusan :

Rata-rata sampel = jumlah pelanggan ( xi) /jumlah tahun

Varians sampel = (xi-xrata-rata)^2

Standar Deviasi = sqrt (akar dari varians sampel)

2. Estimasi untuk data jumlah daya yang tersambung dengan rumusan :

Rata-rata sampel = jumlah daya ( xi) /jumlah tahun

Varians sampel = (xi-xrata-rata)^2

Standar Deviasi = sqrt (akar dari varians sampel)

Prosedur Penelitian

Prosedur penelitian yang di pakai pada kesempatan ini adalah model KDD Prosess :

3.2.1 Data

Data adalah informasi keseluruhan yang tersedia di PLN Banjarmasin.

5.1 Target Data

Target data adalah proses menganalisa informasi yang dibutuhkan untuk

penelitian. dari data yang tersedia di PLN Banjarmasin seperti jumlah pelanggan

dan jumlah daya yang tersambung untuk kategori rumah tangga.

5.2 Proses Data

Proses Data dialakukan untuk pengambilan data dengan menyesuaikan target

data yang di perlukan, seperti jumlah pelanggan, jumlah daya yang tersambung

dengan kategori pelanggan rumah tangga PLN Banjarmasin.

Data

Target Data

Proses Data

Transformasi data

Pola

Pengetahuan

5.3 Transformasi data

Transformasi data merupakan tahapan untuk mengolah data menjadi

kumpulan variabel – variabel seperti jumlah rata-rata pelanggan dan jumlah

rata-rata daya yang tersambung.

5.4 Pola

Pola merupakan proses estimasi dengan titik estimasi pelanggan dan jumlah

daya listrik.

5.5 Pengetahuan

Pengetahuan adalah hasil atau fakta yang di dapat dari analisis yang telah

teruji kebenarannya.

5.6 Variabel Yang Di Pelajari

Data yang dikumpulkan berasal dari file Xls dengan variabel – variabel nilai : - Rata-

rata jumlah pelanggan listrik dan jumlah pelanggan.

- Kategori Pelanggan

- Estimasi pelanggan

- Estimasi daya listrik

VI. Pengolahan Data

1. Data Jumlah Pelanggan rumah tangga

No. tahun Jumlah pelanggan (xi) (xi-xrata2)^2

1 2003 713.513 1.887.876

2 2004 890.794 1.590.494

3 2005 971.030 1.442.809

4 2006 1.034.979 3.388.029

5 2007 1.081.751 3.328.618

6 2008 1.117.599 6.795.719

7 2009 1.138.233 8.255.278

8 2010 1.156.344 9.328.809

9 2011 1.171.302 1.026.491

10 2012 1.188.201 1.137.631

11 2013 1.214.298 1.320.486

Jumlah total 9.360.044 41.502.240

Rata – rata sampelnya adalah 9.360.044/11 = 850.913 pelanggan

Varians sampelnya adalah 41.502.240/(11-1) = 4.150.244 pelanggan2

Standar deviasinya adalah sqrt (4.150.244) = 2.037.214 pelanggan

Estimasi – Pelanggan

Menggunakan batas bawah (L) dan batas atau (U)

a. Batas bawah (L) = ẍ - Z α /2 • σẍ

b. Batas atas (U) = ẍ + Z α /2 • σẍ

Selang kepercayaan 95%, maka α = 100% - 95% = 5%

Selang kepercayaan 90% maka α = 10%

Misal kita gunakan selang kepercayaan 95%

α = 5%

Z α /2 = 5/2 = 2.5% = 0.025

Dilihat dari tabel distribusi

Nilai 0.024998 ~ 0.0250 terletak dalam baris 1.9 dan kolom 0.06 sehingga diperoleh 1.9

+ 0.06 = 1.96

Z α /2 batas bawah = -1.96 (nilai negatif)

Z α /2 batas atas = 1.96 (nilai positif)

Tinggal menghitung σẍ

σẍ = σ/sqrt(n) (standar deviasi dibagi akar banyaknya data)

σ = standar deviasi = 2.037.214

n = banyaknya data = 11 tahun

σẍ = σ/sqrt(n) = 2.037.214/sqrt(11) = 185.201

batas bawah (L) = 850.913 – 1.96(185.201) = 487.920

batas atas (U) = 850.913 + 1.96(185.201) = 1.213.906

jadi selang kepercayaan 95% berdasarkan sampel tersebut adalah (487.920 ; 1.213.906)

pelanggan

2. Data Jumlah daya listrik kategori rumah tangga

No. tahun Jumlah daya listrik (va)

rumah tangga (xi)

(xi-xrata2)^2

1 2003 420.165.220 5.234.907.484

2 2004 480.346.851 2.843.188.525

3 2005 568.410.321 648.896.318

4 2006 587.666.950 375.738.007

5 2007 642.540.100 412.719.131

6 2008 685.768.400 135.453.279

7 2009 708.360.800 352.792.972

8 2010 728.688.200 635.588.077

9 2011 743.377.050 891.374.432

10 2012 770.108.400 1.467.568.341

11 2013 803.176.350 2.378.131.874

Jumlah total 7.138.608.642 15.376.376.440

Rata – rata sampelnya adalah 7.138.608.642/11 = 648.964.422 va

Varians sampelnya adalah 15.376.376.440/(11-1) = 1.537.637.644 va2

Standar deviasinya adalah sqrt (1.537.637.644) = 39.212.722 va

Estimasi – daya listrik rumah tangga

Menggunakan batas bawah (L) dan batas atau (U)

c. Batas bawah (L) = ẍ - Z α /2 • σẍ

d. Batas atas (U) = ẍ + Z α /2 • σẍ

Selang kepercayaan 95%, maka α = 100% - 95% = 5%

Selang kepercayaan 90% maka α = 10%

Misal kita gunakan selang kepercayaan 95%

α = 5%

Z α /2 = 5/2 = 2.5% = 0.025

Dilihat dari tabel distribusi

Nilai 0.024998 ~ 0.0250 terletak dalam baris 1.9 dan kolom 0.06 sehingga diperoleh 1.9

+ 0.06 = 1.96

Z α /2 batas bawah = -1.96 (nilai negatif)

Z α /2 batas atas = 1.96 (nilai positif)

Tinggal menghitung σẍ

σẍ = σ/sqrt(n) (standar deviasi dibagi akar banyaknya data)

σ = standar deviasi = 39.212.722

n = banyaknya data = 11 tahun

σẍ = σ/sqrt(n) = 39.212.722/sqrt(11) = 3.564.792

batas bawah (L) = 648.964.422 – 1.96(3.564.792) = 641.977.430

batas atas (U) = 648.964.422 + 1.96(3.564.792) = 655.951.414

jadi selang kepercayaan 95% berdasarkan sampel tersebut adalah (641.977.430 ;

655.951.414) va

VII. Penyimpulan Data Hasil dan Saran

Berdasarkan uraian estimasi dan pembahasan hasil penelitian maka dapat ditarik beberapa

kesimpulan, yaitu:

1. Jumlah daya listrik yang tersambung pada PT PLN Wilayah Kalsel untuk kategori pelanggan

rumah tangga mengalami peningkatan setiap tahun dan dari hasil estimasi daya listrik

tersambung untuk jenis pelanggan Rumah tangga ini diperoleh bahwa jumlah daya listrik

tersambung tahun 2014 atau tahun selanjutnya adalah berkisar antara 641.977.430 va ;

655.951.414 va dengan selang kepercayaan 95%.

2. Jumlah pelanggan yang tersambung pada PT PLN Wilayah Kalsel untuk kategori pelanggan

rumah tangga untuk tahun 2014 atau tahun selanjutnya adalah berkisar antara 487.920

pelanggan ; 1.213.906 pelanggan dengan selang kepercayaan 95%.

Berdasarkan simpulan di atas, maka disarankan:

1. Pihak PT PLN (Persero) Wilayah Kalsel agar dapat memperhatikan peningkatan

jumlah daya listrik tersambung untuk masa yang akan datang dan memperhatikan

karakteristik beban di masa lampau, karena dengan mengetahui karakteristik beban

masa lampau maka pengoperasian sistem tenaga listrik dapat diatur sedemikian

rupa sehingga diharapkan suatu operasi sistem tenaga listrik yang dapat berjalan

lebih optimal

2. Untuk peneliti dimasa mendatang disarankan agar perumusan model penelitian

melibatkan berbagai variabel lain seperti pengembangan suatu daerah, keadaan

suatu daerah yang menyebabkan meningkatnnya pemakaian energi listrik pada

daerah tersebut

DAFTAR PUSTAKA

B.M Weddy. 1978. Sistem Tenaga Listrik. Jakarta: Aksara Persada Indonesia.

Hasan, Iqbal . M. 2002. Pokok Pokok Materi Statistik. Jakarta: Bumi Aksara.

Isma, Amrullah. Dkk. 1985. Studi Pengembangan Sistem Kelistrikan Kota Watampone

dan sekitarnnya. Makassar: Skripsi

Fakultas Teknik UNM.

Yusuf, M dan Harifuddin. 1996. Studi Pengembangan Kelistrikan Kabupaten

Luwu. Makassar: Skripsi Fakultas Teknik UNHAS.

Kadir, Abdul. 1995. Energi. Jakarta : Universitas Indonesia.

Kamaruddin. dkk. 1997. Kamus Istilah Karya Tulis: Bumi Aksara.

Pabla. AS. 1986. Sistem Distribusi Tenaga Listrik. Cetakan ketiga. Terjemahan Ir. Abdul Hadi.

Jakarta: Erlangga.

Sembiring RK. 1995. Analisis Regresi. Bandung : ITB.

Sugiyono. 1994. Metode Penelitian Administrasi.

http://www.metris-community.com/pengertian-data-mining-konsep-pdf

Diakses tanggal 22 september 2013

http://Algoritma.K-means.clustering.com/2012/04/GAIBlog.html

Diakses tanggal 22 september 2013

http://seminar.nasional.aplikasi.teknologi.informasi.html/aplikasi.k-

means.untuk.pengelompokan.mahasiswa-pdf

Diakses tanggal 22 september 2013