bab ii tinjauan pustaka 2.1 hasil penelitian …repository.ump.ac.id/4301/3/bab...

6

BAB II

TINJAUAN PUSTAKA

2.1 Hasil Penelitian Terdahulu

Beberapa penelitian terdahulu telah membahas mengenai prediksi

konsumsi energi listrik dengan menggunakan software DKL 3.2, LEAP, Simple-E

dan ETAP. Pada penelitian pertama, metode DKL 3,2 digunakan untuk

memprediksi perkembangan trafo distribusi berdasarkan pertumbuhan beban dan

software ETAP digunakan untuk menganalisis aliran daya pada trafo. Metode

DKL 3.2 biasa digunakan oleh PT.PLN untuk memperkirakan kebutuhan energi

yang bersifat linear, namun pada metode ini tidak terdapat uji statistik yang

menunjukkan korelasi antar variabel (Dhimas M, 2009).

Penelitian berikutnya membahas tentang peramalan beban listrik dan

optimalisasi pembangunan jaringan distribusi dengan menggunakan metode

simple-e dan program linier. Metode simple-e yang digunakan dalam

penelitian ini dapat disimulasikan dengan Microsoft Excel secara berulang-ulang

dengan waktu yang panjang, tetapi dalam metode ini membutuhkan

pengalaman dan ketajaman intuisi untuk membentuk model yang sesuai

dengan data yang diperoleh (Arifien E, 2012).

Berdasarkan referensi dari penelitian terdahulu, penulis menggunakan

metode LEAP dengan menggunakan skenario Business As Usual (BAU).

Skenario BAU merupakan skenario dimana prediksi didasarkan pada anggapan

bahwa pertumbuhan konsumsi listrik akan berjalan sebagaimana biasanya seperti

Prediksi Kebutuhan Energi…, Ikmaludin, Fakultas Teknik UMP, 2017

7

waktu sebelumnya, sehingga mampu memprediksikan konsumsi energi listrik

hingga jangka waktu yang cukup panjang dengan akurasi data yang valid.

2.2 Perkiraan Kebutuhan Energi listrik

Perkiraan atau forecast pada dasarnya merupakan dugaan terjadinya suatu

kejadian atau peristiwa di waktu yang akan datang. Perkiraan kebutuhan energi

listrik sangat diperlukan sebagai data masukan bagi proses perencanaan

pembangunan suatu sistem kelistrikan dan juga diperlukan guna pengoperasian

sistem tenaga listrik dalam penyediaan yang sesuai kebutuhan.

Perkiraan kebutuhan energi listrik dapat dikelompokan menurut jangka

waktunya menjadi tiga kelompok, yakni perkiraan jangka panjang perkiraan

jangka menengah dan perkiraan jangka pendek (Djiteng Marsudi 2006).

A. Perkiraan beban jangka panjang

Adalah perkiraan dalam jangka waktu yang diatas satu tahun. Dalam

perkiraan beban jangka panjang masalah masalah makro ekonomi menjadi salah

satu masalah ekstrim perusahaan listrik dalam menentukan arah perkiraan dalam

jangka waktu yang panjang.

B. Perkiraan jangka waktu menengah

Perkiran jangka waktu menengah adalah jangka waktu dari satu bulan

menuju satu tahun. Dalam perkiraan jangka menengah masalah amsalah

manajerial perusahaan semisal tentang kemampuan teknis memperluas jaringan

distribusi, dalam perkiraan jangka menengah aspek yang harus diperhatikan

adalah aspek operasional karena dalam jangka waktu menengah tidak banyak lagi

yang dapat dilakukan dari segi pengambangan. Oleh karena itu perkiraan


8

mengenai besarnya beban minimum juga diperlukan karena beban terendah dapat

menimbulkan persoalan seperti munculnya tegangan yang berlebihan.

C. Perkiraan jangka pendek

Perkiraan beban jangka waktu pendek adalah jangka waktu dalam hitungan

jam sampai satu minggu (168 jam). Dalam perkiraan beban jangka pendek

terdapat batas atas untuk beban maksimum dan batas bawah bawah untuk beban

minimum yang ditentukan oleh perkiraan beban menengah.

2.3 Perkiraan Beban Tenaga Listrik

Salah satu faktor yang menentukan dalam membuat perencanaan sistem

tenaga listrik adalah peramalan beban yang dilakukan oleh sistem tenaga listrik

bersangkutan. Dalam hal ini tidak ada rumus eksak karena besarnya beban

ditentukan oleh konsumen yang secara bebas memilih pemakaiannya. Namun

karena kebutuhan tenaga listrik bersifat periodik maka grafik pemakaian tenaga

listrik mempunyai sifat periodik.

Oleh karena itu statistik beban masa lalu haruslah dianalisa karena sangat

diperlukan untuk memperkirakan beban di waktu yang akan datang dengan cara

mengekstrapolasi grafik dimasa lalu ke waktu yang akan datang.

Kebutuhan beban suatu daerah tergantung dari daerah itu sendiri,

penduduk, standar kehidupan, rencana pengembangan yang akan datang, harga

daya, dan sebagainya (Pabla, 1986).

Penggolongan karateristik beban dibagi menjadi dua, yaitu berdasarkan

sifat beban dan tipe beban.


9

Untuk tipe beban dibagi dalam kategori berikut :

a. Perumahan (Domestik) yang terdiri dari penerangan, kipas angin, AC, alat-alat

rumah tangga misal lemari es, setrika listrik, kompor listrik, dan lain-lain

b. Komersial yaitu untuk penerangan toko-toko, papan reklame, alat-alat lainnya

yang dipakai pada bangunan seperti toko, restoran, pasar, dan lain-lain

c. Kota (Publik), beban ini digunakan untuk penerangan jalan yang selalau

menyala sepanjang malam. Beban lainnya adalah seperti lampu taman, lampu

lalu lintas, air mancur untuk taman, dan sebagainya.

d. Industri, yang terdiri dari industri rumah tangga, industri kecil, industri

menengah, industri besar dan industri berat.

e. Pertanian, pada pertanian beban digunakan untuk keperluan irigasi yang

menggunakan pompa air yang digunakan oleh motor listrik.

f. Beban-beban lain, diluar beban-beban yang disebutkan diatas adalah beban

besar yang biasanya digunakan oleh industri kertas, tekstil, dan sebagainya.

Menurut (Purnomo 2005) peramalan beban dapat dibagi menjadi empat

kelompok yaitu:

a. Sektor rumah tangga

b. Sektor komersil, meliputi perdagangan, pengangkutan, komunikasi bank.

c. Sektor publik, meliputi instansi pemerintah, rumah sakit dan instansi sosial.

d. Sektor industri meliputi industri pariwisata, pertanian, pertambangan, galian,

industri pengolahan, listrik dan gas.


10

2.4 Beban Listrik

Untuk merencanakan suatu sistem tenaga listrik maka salah satu hal yang

harus diperhatikan adalah beban listrik. Guna mengetahui beban listrik ada

beberapa hal yang perlu diperhatikan yaitu jenis beban listrik dan karakteristik

beban listrik.

2.4.1 Jenis Beban Listrik

Jaringan pada listrik AC memiliki tiga jenis beban listrik yang harus

ditopang Ketiga beban tersebut yaitu beban resistif, beban induktif, dan beban

kapasitif. Ketiganya memiliki karakteristik yang berbeda satu sama lainnya.

a. Beban resistif

Beban resistif dihasilkan oleh alat-alat listrik yang bersifat murni tahanan

(resistor) yang bisa dijumpai pada elemen pemanas dan lampu pijar. Beban resistif

memiliki sifat pasif, dimana beban tidak mampu memproduksi energi listrik.

Beban ini hanya menyerap daya aktif dan tidak menyerap daya reaktif sama

sekali. (PLN Udiklat, 2011). Gambar 2.1 berikut adalah grafik gelombang

tegangan beban resistif

Gambar 2.1 Grafik gelombang tegangan beban resistif

(sumber https://en.m.wikipedia.org/wiki/Power_factor)


https://en.m.wikipedia.org/wiki/Power_factor

11

b. Beban induktif

Beban induktif dihasilkan oleh lilitan kawat (kumparan) yang terdapat

diberbagai alat-alat listrik. Beban ini memiliki faktor daya antara 0-1 (lagging).

Beban ini menyerap daya aktif (KW) dan daya reaktif (KVAR). Tegangan

mendahului arus sebesar φ° (PLN Udiklat 2011). Gambar 2.2 berikut adalah

grafik gelombang tegangan beban induktif :

Gambar 2.2 Grafik gelombang tegangan beban induktif


c. Beban kapasitif

Beban kapasitif yakni beban yang mengandung suatu rangkaian kapasitor.

Beban ini mempunyai faktor daya antara 0-1 (leading). Beban ini menyerap daya

aktif (KW) dan mengeluarkan daya reaktif (KVAR). Arus mendahului tegangan

sebesar φ° (PLN Udiklat, 2011). Gambar 2.3 berikut adalah grafik gelombang

tegangan beban kapasitif.



12

Gambar 2.3 Grafik gelombang tegangan beban kapasitif


2.4.2 Karakteristik Beban Listrik

Karakter beban merupakan faktor yang penting dalam perencanaan operasi

sistem tenaga listrik. Dengan mengerti karakteristik beban maka pengoperasian

sistem tenaga listrik dapat diatur sedemikian rupa hingga diharapkan suatu sistem

tenaga listrik dapat bekerja dengan optimal. Dalam mempelajari karakteristik

beban listrik ada beberapa istilah yang perlu diketahui yakni tentang faktor beban

dan faktor daya.

Faktor beban adalah perbandingan antara beban rata-rata terhadap beban

puncak yang diukur dalam satu periode tertentu. Beban rata-rata dan beban

puncak dapat dinyatakan dalam kilowatt, kilovolt-ampere ampere dan sebagainya

namun satuan yang digunakan haruslah sama. pada penelitian ini yang digunakan

untuk menghitung total kapasitas trafo adalah dengan mengacu pada statistik PT.

PLN tahun 2011, dimana pada sumber tersebut tertulis untuk nilai faktor bebannya

adalah 0,8 (Statistik PLN, 2011).



13

Faktor beban didefinisikan sebagai perbandingan antara beban rata-rata

dengan beban puncak yang diukur dalam satu periode tertentu. Beban puncak (Lf)

yang dimaksud adalah beban puncak sesaat atau beban puncak rata-rata dalam

interval tertentu, pada umumnya dipakai beban puncak dipakai dalam waktu 15 –

30 menit. Untuk perkiraan besar faktor beban pada masa yang akan datang dapat

didekati dengan data statistik yang ada. Dari definisi faktor beban dapat dituliskan

menurut (Djiteng 2006) pada persamaan (2.1)

Faktor beban (LF) = beban rata−rata dalam periode tertentu

beban puncak dalam periode tersebut................ (2.1)

Faktor daya adalah ukuran keefektifan sebuah peralatan dalam mengubah

arus dan tegangan menjadi daya akif atau daya yang berguna. Faktor daya

merupakan persentase dari total daya semu yang diubah menjadi daya aktif.

Faktor daya sebesar 0,8 menunjukan 80% daya semu diubah menjadi daya yang

berguna atau aktif. Definisi faktor daya dapat ditulliskan pada persamaan (2.2)

Faktor Daya (PF) = cos φ =p (W)

S (VA)...................................(2.2)

2.5 Pertumbuhan Pelanggan

Pertumbuhan penduduk yang semakin pesat dan diiringi pertumbuhan

ekonomi yang tinggi menyebabkan adanya kebutuhan akan energi listrik

mengalami peningkatan yang signifikan, sehingga dibutuhkan penyediaan dan

penyaluran energi listrik yang memadai baik dari segi teknis maupun

ekonomisnya. Penggunaan tenaga listrik merupakan salah satu kebutuhan primer


14

atau penting dalam kehidupan masyarakat dan sering menjadi tolak ukur taraf

kemajuan rakyat sejalan dengan perkembangan teknologi.

Makin banyaknya industri berskala menengah maupun besar serta

pertumbuhan pelanggan yang meningkat setiap tahunnya tentu akan

membutuhkan pelayanan dan penyaluran energi tenaga listrik secara kontinyu

dengan kualitas layanan yang baik dan handal. Kegiatan perdagangan,

perekonomian dan industri yang tumbuh pesat akhir ini. Oleh karena itu

permintaan akan tenaga melonjak saat ini dan pertumbuhan yang cepat

diperkiraakan akan berlangsung secara terus menerus setiap tahunnya. Untuk

memenuhi kebutuhan pelanggan akan energi listrik, maka pihak penyuplai listrik

dalam hal ini adalah PT. PLN berusaha untuk melayani dan memenuhi kebutuhan

pelanggan yang semakin meningkat, sehinggan PT. PLN harus menyediakan

pembangkit listrik yang baru.

2.6 Intensitas dan Elastisitas Energi Listrik

Intensitas pemakaian energi (I) adalah parameter yang menyatakan

besarnya pemakaian energi untuk melakukan suatu aktivitas tertentu.

I = volume pemakaian energi

volume aktivitas............................................ (2.3)

Elastisitas energi adalah perbandingan laju pendapatan suatu daerah.

Semakin kecil angka elastisitas energi maka semakin efisien penggunaan energi

disuatu daerah tersebut. Angka elastisitas energi dibawah 1 dicapai apabila energi

yang tersedia telah dimanfaatkan secara optimal. Eleastisitas energi didapatkan

dengan menggunakan persamaan (Purnomo, 2005).


15

𝐸 =volume permintaan energi

volume pendapatan....................................... (2.4)

2.7 Pertumbuhan Pendapatan Domestik Regional Bruto (PDRB)

Produk Domestik Regional Bruto (PDRB) merupakan salah satu faktor

indikator yang penting untuk mengetahui kondisi ekonomi disuatu daerah dalam

satu periode tertentu, baik atas dasar harga berlaku maupun atas dasar harga

konstan. PDRB pada dasarnya merupakan jumlah nilai tambah yang dihasilkan

oleh seluruh unit usaha dalam suatu daerah tertentu, atau merupakan jumlah nilai

barang dan jasa akhir yang dihasilkan oleh seluruh unit ekonomi pada suatu

daerah tertentu. PDRB atas dasar harga berlaku menggambarkan nilai tambah

barang dan jasa yang dihitung menggunakan harga pada tahun berjalan, sedang

PDRB atas dasar harga konstan menunjukan nilai tambah barang dan jasa tersebut

dihitung menggunakan harga yang berlaku pada satu tahun tertentu sebagai tahun

dasar.

PDRB menurut harga berlaku digunakan untuk mengetahui kemampuan

sumber daya ekonomi, pergeseran, dan struktur ekonomi disuatu daerah.

Sementara itu, PDRB konstan digunakan untuk mengetahui pertumbuhan secara

riil dari tahun ke tahun atau pertumbuhan ekonomi yang tidak terpengaruhi oleh

faktor harga. PDRB juga digunakan untuk mengetahui perubahan harga dengan

menghitung deflator PDRB (perubahan indeks implisit). Indeks harga implisit

merupakan rasio antara PDRB menurut harga berlaku dan PDRB menurut harga

konstan (Badan Pusat Statistik, 2014).


16

Yt = Ytd + (𝑌𝑡𝑎 − 𝑌𝑡𝑑 ) = (𝑡−𝑡𝑑

𝑡𝑎−𝑡𝑑)..........................(2.5)

Dimana :

Yt = pertumbuhan PDRB pada tahun t (%)

Ytd = Pertumbuhan PDRB pada tahun dasar prediksi

Yta = pertumbuhan PDRB pada tahun akhir prediksi

t = tahun prediksi

td = tahun dasar prediksi

ta = tahun akhir prediksi

2.8 Metode Peramalan Konsumsi Energi Listrik

Untuk melakukan perencanaan dalam bidang apapun, tentu harus ada

metode baku yang digunakan. Terdapat beberapa metode pendekatan untuk

menyusun perkiraan kebutuhan tenaga listrik yang tersedia, seperti yang

dijelaskan berikut

Metode perkiraan adalah metode yang digunakan untuk menyusun

perkiraan kebutuhan listrik. Banyak metode yang dapat digunakan, namun

demikian perlu diketahui bahwa tidak ada satupun metode yang dapat mampu

memberikan hasil perkiraan yang tepat. Secara umum ada beberapa metode yang

dapat digunakan untuk menyusun perkiraan kebutuhan listrik, yaitu Metode kotak

hitam (metode kecenderungan), End Use (metode analitis) dan ekonometri.

a. Metode kotak hitam

Metode Kotak Hitam adalah metode yang disusun berdasarkan data

masa lalu tanpa memperhatikan faktor penyebab (pengaruh ekonomi, iklim,


17

teknologi, dan lain-lain).Dengan menggunakan persamaan regresi maka

kebutuhan listriknya dapat dihitung. Persamaan model kotak hitam dengan

kecenderungan turun persamaan y(t)=a – bt, sedangkan persamaan kecenderungan

untuk naik adalah y(t) = a + bt.

b. Metode End Use

Metode end use adalah model yang dibangun berdasarkan data dan

analisa penggunaan terakhir pada setiap sektor pemakai. Artinya konsumsi

tenaga listrik dihitung dengan memperhatikan jumlah peralatan listrik yang

digunakan (lampu, kulkas, AC, pompa, radio, setrika, dll) dan konsumsi listrik

spesifik setiap peralatan.

Konsumsi rumah tangga = jumlah peralatan (i) x konsumsi spesifik (i),

dengan:

Jumlah peralatan (i) = Fraksi pemilikan (i) x jumlah pelanggan (i)

Konsumsi spesifik (i) = berdasarkan hasil survei

c. Metode Ekonometri

Metode ekonometri merupakan suatu metode untuk menganalisis

fenomena- fenomena ekonomi dengan menggunakan gabungan dari teori

ekonomi, matematika, dan statistika. Model ekonometri yang juga disebut

model tingkah laku atau model struktur ekonomi yang dirumuskan melalui

hubungan matematika itu yang kemudian diterapkan pada data empirik yang

dianalisis menggunakan metode statistika, sehingga dapat ditemukan hubungan-

hubungan ekonomi yang bersifat pembuktian.

Dalam penggunaannya untuk meramal penjualan tenaga listrik, maka teori


18

ekonomi kan menyebutkan bahwa:

a. Besar konsumsi listrik suatu keluarga akan dipengaruhi oleh pendapatannya.

b. Rumah tangga tersebut akan mengurangi konsumsi listriknya apabila

rekening listriknya dirasakan mengakibatkan pengeluaran sektor lain terganggu.

c. Pengurangan konsumsi listrik sebagai akibat penggunaan bentuk teknologi

yang lebih efisien atau lebih hemat.

Model yang dibangun berdasarkan pada kaidah ekonomi dan statistik

seperti yang ditujukan pada gambar. Konsumsi tenaga listrik dikaitkan dengan

pendapatam atau variabel lainnya. Dengan menggunakan persamaan regresi,

hubungan antara konsumsi tenaga listrik dan pendapatan dapat ditentukan setelah

analisa hasil regresi memenuhi kriteria uji statistik pembuatan model. Konsumsi

tenaga listrik dapat ditentukan dengan menggunakan model persamaan

yang sudah dibuat dan asumsi pertumbuhan ekonomi atau varibel yang

digunakan.

2.9 Metode Peramalan Konsumsi Energi Listrik menggunakan Software

2.9.1 DKL 3.2

Pada DKL 3.2 digunakan suatu metode yang disusun dengan

menggabungkan beberapa metode seperti ekonometri, kecenderungan, dan

analitis dengan pendekatan sektoral. Pendekatan sektoral yaitu suatu pendekatan

dengan mengelompokan pelanggan menjadi 4 sektor (rumah tangga, bisnis,

umum, dan industri). Data kelistrikan yang digunakan merupakan data

pemakaian energi listrik selama 5 tahun terakhir yang dilihat dari sisi

konsumen PLN (Tasrip,2005). Pada model ini pendekatan yang digunakan dalam


19

menghitung kebutuhan energi listrik adalah dengan mengelompokkan pelanggan

menjadi empat sektor yaitu

a) sektor rumah tangga terdiri dari pemakai rumah tangga dan pemakai

kecil (golongan tarif R1, R2, dan R3).

b) sektor bisnis terdiri dari pemakai bisnis (golongan tarif B1, B2, dan B3 ).

c) sektor umum terdiri dari pemakai gedung/kantor pemerintah, lampu

penerangan jalan umum, dan sosial (golongan tarif S1 S2, S3, P1, P2) .

d) sektor industri terdiri dari pemakai industri dan hotel (golongan tarif I1, I2,

I3, dan I4).

2.9.2 LEAP

The Long-range Energy Alternatives Planning atau kemudian disingkat

menjadi LEAP adalah sebuah perangkat lunak yang dapat digunakan sebagai alat

bantu dalam perencanaan/pemodelan energi-lingkungan. LEAP bekerja

berdasarkan asumsi skenario yang pengguna inginkan, skenario tersebut

didasarkan pada perhitungan dari proses pengkonversian bahan bakar menjadi

energi hingga proses tersebut dikonsumsi oleh masyarakat. LEAP merupakan

model yang mempertimbangkan penggunaan akhir energi (end-use), sehingga

memiliki kemampuan untuk memasukan berbagai macam teknologi dalam

penggunaan energi.

Keunggulan LEAP dibandingkan perangkat lunak perencaaan atau

pemodelan energi-lingkungan adalah tersedianya sistem antarmuka (interface)

yang menarik dan memberikan kemudahan dalam penggunaan serta tersedia

secara cuma-cuma (freeware) bagi masyarakat. Dengan menggunakan LEAP,


20

pengguna dapat melakukan analisa secara tepat dari sebuah ide kebijakan energi

kesebuah analisa hasil kebijakan tersebut, hal ini dikarenakan LEAP mampu

berfungsi sebagai database, sebagai sebuah alat perkiraan atau forecasting tool

dan sebagai alat analisa terhadap kebijakan energi. LEAP sebagai alat perkiraaan

atau peramalan mampu membuat permintaan dan penyediaan energi dalam

jangka waktu tertentu sesuai keinginan pengguna. Sebagai alat analisa terhadap

kebijakan energi, LEAP memberikan pandangan hasil atas efek dari ide dan

kebijakan energi yang akan diterapkan dari sudut pandang penyediaan dan

permintaan energi, ekonomi dan lingkungan.

LEAP dibuat dan dikembangkan oleh Stockholm Environment Institute di

Boston, Amerika Serikat, atau disebut SEI-Boston. LEAP pertama kali dibuat

pada tahun 1980, sedangkan versi terakhir dirilis pada tahun 2008.

Menu utama pada aplikasi LEAP ditunjukan pada Gambar 2.4.

Gambar 2.4 Ekspresi Simulasi LEAP


21

Banyak orang yang telah melakukan penelitian menggunakan aplikasi

LEAP salah satunya adalah untuk menguji perencanaan peningkatan ketersediaan

listrik dan mitigasi CO2 di Indonesia. LEAP juga digunakan pada kajian

perencanaan pengembangan jaringan kelistrikan Jawa-Madura-Bali (JAMALI).

Kajian mengenai perencanaan permintaan dan penyediaan energi menggunakan

aplikasi LEAP pernah dilakukan dengan mengambil area penelitian Daerah

Istimewa Yogyakarta (Wijaya, 2009).

LEAP terdiri dari 4 modul utama yaitu modul variable penggerak (driver

variable) atau yang dalam versi terbaru disebut key assumptions, modul

permintaan (demand), transformasi (transformation) dan sumber daya energi

(resources). Modul tambahan adalah pelengkap terhadap modul utama jika

diperlukan, yaitu statistical differences, stock changes, dan non energy sector

effects.

Sebelum memasukan data ke dalam modul transformasi untuk diproses,

terlebih dahulu dimasukan data cadangan sumber energi primer dan sekunder ke

modul sumber daya energi yang diakses menuju modul transformasi. Gambar 2.5

berikut adalah tahapan pemodelan LEAP

Activity

Energy intensity

Data scenario

Gambar 2.5 Skema tahapan pemodelan LEAP (M. Ery Wijaya 2009)

Driver variable

Demand Model Energy demand

Activity Energy


22

Modul variable penggerak (driver variable) yang cabangnya dinamakan

dengan cabang key assumptions digunakan untuk menampung parameter-

parameter umum yang dapat digunakan pada modul permintaan maupun modul

trasnformasi. Parameter umum misalnya adalah jumlah penduduk, jumlah rumah

tangga, intensitas energi, tingkat aktivitas dan sebagainya. Modul variabel

penggerak bersifat komplemen terhadap modul yang lain.

A. Modul Permintaan (Demand)

Modul Permintaan (Demand) digunakan untuk menghitung permintaan

energi. Analisis yang digunakan dalam model ini menggunakan metode yang

didasarkan pada pendekatan end-use (pengguna akhir) secara terpisah untuk

masing-masing sektor pemakai (dalam penelitian ini dengan sektor tarif) sehingga

diperoleh jumlah permintaan energi per sektor pemakai dalam suatu wilayah pada

rentang waktu tertentu. Informasi mengenai variabel ekonomi, demografi dan

karakteristik pemakai energi dapat digunakan untuk membuat alternatif skenario

kondisi masa depan sehingga dapat diketahui hasil proyeksi dan pola perubahan

permintaan energi berdasarkan skenario-skenario tersebut. Sedangkan penentuan

proyeksinya menggunakan trend yang terjadi dalam beberapa waktu yang

ditentukan.

B. Analisis permintaan energi final (Final Energy Demand Analysis)

Permintaan energi dihitung sebagai hasil perkalian antara aktivitas total

pemakaian energi dengan intensitas energi pada setiap cabang teknologi

(technology branch). Dalam bentuk persamaan matematika perhitungan

permintaan energi menggunakan final energy demand analysis adalah :


23

Db,s,t = TAb,s,t × EIb,s,t..............................................................................2.6

di mana D adalah Permintaan (Demand). TA adalah aktivitas total (Total

Activity). EI adalah Intensitas Energi (Energy Intensity). b adalah “cabang”

(branch). s adalah tipe skenario (scenario), dan t adalah tahun di mana dilakukan

perhitungan (mulai tahun dasar hingga tahun akhir perhitungan). Intensitas energi

merupakan rata-rata tahunan konsumsi energi (Energy Consumption=EC) per unit

aktivitas (activity level). Secara matematik ditunjukkan dengan persamaan berikut

EI = EC/Activity Level.....................................................................................2.7

Aktivitas total teknologi adalah hasil dari activity level pada semua cabang

teknologi yang akan mempengaruhi demand branch.

TAb,s,t = A𝑏1,s,t × A𝑏2.s,t × A𝑏3,s,t .................................................................2.8

dimana Ab adalah level aktivitas pada cabang tertentu b, 𝑏1 adalah induk dari

cabang b, 𝑏2 induk cabang 𝑏1, dan seterusnya.

C. Analisis Permintaan Energi Terpakai (Useful Energy Demand Analysis)

Pada metode ini, intensitas energi ditentukan pada cabang Intensitas

Energi Gabungan (Aggregate Energy Intensity Branch), bukan pada cabang

Teknologi (Technology Branch). Pada tahun dasar, ketika digunakan 2 metode

sekaligus (yakni Final Energy Demand dan Useful Energy Demand), maka

intensitas energi untuk tiap cabang teknologi adalah ditunjukkan seperti pada

Persamaan berikut,


24

UEb.0 = EIAG.0 × FSb.0 × EFFb.0 .................................................................2.9

Dimana Ueb.0 adalah useful energy intensity cabang b pada tahun dasar. EIAG.0

adalah final energy intensity cabang intensitas energi gabungan pada tahun dasar.

FSb.0 adalah fuel share cabang b pada tahun dasar, dan EFFb.0 adalah efisiensi

cabang b pada tahun dasar.

Intensitas energi terpakai dari cabang intensitas energi gabungan adalah

penjumlahan dari intensitas energi terpakai pada setiap cabang teknologi. Dalam

persamaan matematika ditulis seperti Persamaan berikut

UEAGG.0 = ΣUEb.0 ........................................................................................2.10

Bagian aktivitas (activity share) yakni bagian aktivitas suatu teknologi pada suatu

cabang teknologi terhadap aktivitas teknologi cabang intensitas energi gabungan

ditunjukkan oleh Persamaan berikut,

ASb,0 = UEb,0 / UEAG,0 ............................................................................2.11

dimana ASb,0 = activity share cabang b pada tahun dasar.

Perangkat lunak yang digunakan adalah keluaran tahun 2014 seri

2014.0.1.25. lisensi yang digunakan adalah lisensi untuk pendidikan. Bagian-

bagian menu pada tampilan windows sangat mudah dimengerti dan dapat

disesuaikan bahasanya sesuai yang tersedia pada operating system windows yang

digunakan LEAP memiliki beberapa terminologi umum, diantaranya,

a. Area = sistem yang dikaji (negara atau wilayah)

b. Current accounts = data yang menggambarkan tahun dasar (tahun awal).


25

c. Scenario = sekumpulan asumsi mengenai kondisi masa depan.

d. Tree = diagram yang merepresentasikan struktur model yang disusun seperti

tampilan windows explore. Tree terdiri atas beberapa branch

e. Branch = cabang atau bagian dari tree, branch utama ada empat, yaitu

key assumptions, demand, transformation, dan resources. Masing-masing

branch utama dapat dibagi lagi menjadi beberapa branch tambahan (anak

cabang).

f. Expression: formula matematis untuk menghitung perubahan nilai suatu

variabel. Expression akan muncul pada saat membuat suatu skenario.

g. Saturation: perilaku suatu variabel yang digambarkan mencapai suatu

kejenuhan tertentu. Persentase kejenuhan adalah 0% ≤ X ≤ 100%. Nilai dari

total persen dalam suatu branch dengan saturation tidak perlu berjumlah

100% (sebagai contoh: % saturation dari rumah tangga yang

menggunakan lemari es) dimana X adalah nilai variabel.

h. Share: perilaku suatu variabel yang digambarkan mencapai suatu kejenuhan

100%. Nilai dari total persen dalam suatu branch dengan share harus

berjumlah 100%.

2.9.3 Perbedaan Metode DKL 3.2 dan LEAP

Pada metode peramalan konsumsi energi listrik, yaitu metode DKL 3.2

dan LEAP, terdapat beberapa perbedaan dari kedua metode itu sendiri. Perbedaan

tersebut dapat dilihat pada tabel 2.1 ini


26

Tabel 2.1 Perbedaan metode DKL 3.2 dan LEAP

Metode DKL 3.2 Metode LEAP

Prinsip dasar

Menggunakan bentuk inkremental, dimana

hubungan variabel bebas

dan variabel tak bebasnya

dinyatakan dalam

perubahan dari variabel-

variabelnya.

Metode statistic yang menggunakan keunggulan

software LEAP (Long-range

Energy Alternative

Planning).

Kelebihan Sering digunakan oleh PLN dalam melakukan

perkiraan keutuhan energi

listrik yang masih bersifat

linier. Hasil peramalan

cenderung membesar

mulai diatas tahun kelima.

Dapat membuat simulasi (sesuai kelebihan di

dalam softwareLEAP) berulang-ulang

dengan waktu prediksi

sesuai kebutuhan. Hasil perkiraan

mendekati hasil nyata/akurat

dengan skenario

BAU.

Kekurangan Dalam perhitugannya metode ini tidak

melakukan uji statistik

yang dapat menunjukkan

apakah variabel dalam

metode ini berkolerasi

kuat.

Membutuhkan pengalaman, dan pemodelan LEAP

untuk membentuk model yang tepat

sesuai data yang ada.

2.10 Minitab

Minitab adalah paket program pengolah data statistik yang cukup populer.

Minitab dikembangkan di Pennsylvania State University oleh Periset Barbara

F.Ryan, Thomas A.Ryan,Jr., dan Brian L.Joiner pada tahun 1972.

2.10.1 Definisi Minitab

Minitab adalah paket program pengolah data statistik yang cukup populer.

Minitab dikembangkan di Pennsylvania State University oleh periset Barbara

F.Ryan, Thomas A.Ryan,Jr., dan Brian L.Joiner pada tahun 1972. Minitab dapat

menangani analisis statistik (Minitab, 2015).


27

2.10.2 Trend Analysis

Analisis tren merupakan model tren umum untuk data time series dan

untuk meramalkan. Analisis tren adalah analisis yang digunakan untuk mengamati

kecenderungan data secara menyeluruh pada suatu kurun waktu yang cukup

panjang.

Analisis trend merupakan suatu metode analisis yang ditujukan untuk

melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk

melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi

(data) yang cukup banyak dan diamati dalam periode waktu yang relative cukup

panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar

fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap

perubahan tersebut. Analisis trend menjadikan model trend umum untuk data

runtun waktu dan memungkinkan penghitungan peramalan untuk masa yang akan

datang.

Beberapa metode yang dapat dipergunakan untuk memodelkan tren,

diantaranya tipe model linear (linear model), tipe model kuadrat (quadratic

model), tipe model pertumbuhan eksponensial (exponential growth model) dan

tipe model kurva-S (S-curve model). Namun keempat prosedur model tersebut

hanya dapat digunakan untuk data runtun yang tidak memiki unsur musiman.

a. Tipe model linear (linear model)

Tren linier adalah suatu tren yang kenaikan atau penurunan nilai yang akan

diramalkan naik atau turun secara linier. Rumus dari tipe model linear dapat

dituliskan seperti pada persamaan (2.11).


28

Yt = β0 + β1 t + et.............................................................................(2.11)

Keterangan :

β0 : kostanta

β1 : perubahan rata-rata dari satu periode ke periode berikutnya

t : waktu

et : nilai error

Pada model ini, β menunjukan rata-rata perubahan dari periode satu ke periode

berikutnya.

b. Tipe model kuadratik (quadratic model)

Tren parabolik (kuadratik) adalah tren yang nilai variabel tak bebasnya naik

atau turun secara linier atau terjadi parabola bila datanya dibuat scatter plot

(hubungan variabel dependen dan independen adalah kuadratik). Rumus dari tipe

model kuadratik dapat dituliskan seperti pada persamaan (2.12).

Yt = β0 + β1 t + β2 t2 + et ...................................................................(2.12)

keterangan

β0 : kostanta

β1 and β2 : perubahan rata-rata dari satu periode ke periode berikutnya

t : waktu

et : nilai error

Model ini dapat digunakan untuk bentuk lengkungan plot data yang sederhana.

c. Tipe model eksponensial (exponential growth model)

Tren eksponensial ini adalah sebuah tren yang nilai variabel tak bebasnya

naik secara berlipat ganda atau tidak linier. Rumus dari tipe model eksponensial


29

dapat dituliskan seperti pada persamaan (2.13).

Yt = β0 β1t + et ...............................................................................................(2.13)

β0 : kostanta


t : waktu

et : nilai error

Model ini menunjukan adanya peningkatan secara eksponensial atau hilang.

d. Tipe Model Kurva-S (S-Curve Models)

Tren model kurva S digunakan untuk model tren logistik Pearl Reed. Tren

ini digunakan untuk data runtun waktu yang mengikuti kurva bentuk S. Rumus

dari tipe model kurva-s dapat dituliskan seperti pada persamaan (2.14).

Yt = 10a / (β0 + β1 β2t ) ...............................................................................(2.14)

Keterangan

β0 : kostanta


t : waktu

Model ini digunakan jika plot runtun data mengindikasikan adanya

kecenderungan bentuk kurva “S”.

Ukuran kebaikan model ditunjukkan oleh besarnya nilai MAPE (Mean

Absolute Percentage Error), MAD (Mean Absolute Deviation) dan MSD (Mean

Squared Deviation). Semakin kecil nilai MAPE menunjukkan bahwa

model yang digunakan semakin akurat. Sehingga model tersebut secara statistis

semakin cocok untuk digunakan (Minitab, 2015).


30

2.11. Keranga Pemikiran

Seiring dengan perkembangan ilmu pengetahuan dan teknologi yang

sangat pesat menyebabkan tumbuhnya sektor industri yang diiringi dengan

tingginya konsumsi energi listrik. Hal tersebut juga sejalan dengan tututan

pelanggan yang ingin mendapatkan pasokan listrik yang kontinu dan handal. PT

PLN (Persero) sebagai sebuah perusahaan yang bergerak dibidang kelistrikan

bertanggung jawab atas kualitas penyaluran listrik kepada pelanggan.

Perencanaan sistem distribusi energi listrik merupakan bagian yang

essensial dalam mengatasi pertumbuhan kebutuhan energi listrik yang cukup

pesat termasuk di Purwokerto. Purwokerto merupakan salah satu kota di Jawa

Tengah yang sedang mengalami kemajuan yang cukup pesat dalam berbagai

bidang mulai dari ekonomi, industri, hingga fasilitas publik.

Oleh karena itu penulis mencoba untuk menerapkan metode perkiraan

pertumbuhan konsumsi energi listrik untuk menanggulangi kenaikan

pertumbuhan beban di masa yang akan datang, data ini juga digunakan untuk

acuan penyelenggara penyedia listrik untuk mampu memenuhi konsumsi energi

listrik dimasa yang akan datang dan berguna untuk memberi masukan pada pihak-

pihak tertentu dalam memberikan keputusan tentang peraturan yang berkenaan

tenaga listrik khususnya di wilayah Purwokerto, Banyumas.


31

2.12. Hipotesis

Dalam prediksi konsumsi energi listrik dari PLN yang digunakan oleh

konsumen terdapat beberapa metode yang biasa digunakan dalam analisis prediksi

konsumsi energi listrik, yaitu metode DKL 3,2 dan LEAP. Simulasi pada

penelitian ini menggunakan software LEAP dan Minitab. Berdasarkan penelitian

terdahulu metode LEAP mampu memprediksikan konsumsi energi listrik hingga

jangka waktu yang cukup panjang, dan mudah dalam pengaplikasiannya. Dengan

memprediksi menggunakan aplikasi LEAP maka didapat data yang akan

mempermudah penyedia listrik dalam menentukan arah kebijakan kelistrikan

untuk jangka waktu lima tahun ke depan.

Selain konsumsi energi yang dianalisis, faktor ekonomi juga menjadi hal

yang tak kalah penting, karena dalam industri faktor ekonomi dalah hal utama

yang diperhitungkan, faktor pertumbuhan domestik regional bruto (PDRB) adalah

landasaan untuk menentukan faktor ekonomi khususnya di wilayah Banyumas.


bab ii tinjauan pustaka 2.1 hasil penelitian …repository.ump.ac.id/4301/3/bab...

Documents