Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Model Untuk Prediksi Konsumsi Energi Listrik Dengan Metode ARIMA
Muhammad Ridwan Fathin (2019) | Skripsi | Teknik Informatika , Teknik Komputer
Bagikan
Ringkasan
Perkembangan populasi manusia, pembangunan dan aplikasi teknologi menyebabkan peningkatan pesat dalam konsumsi energi listrik. Penyediaan energi listrik yang berlebih akan merugikan penyedia, sedangkan penyediaan yang kurang akan merugikan konsumen. Salah satu cara untuk mengurangi kerugian tersebut adalah dengan memprediksi jumlah energi listrik yang harus tersedia untuk memenuhi kebutuhan. Berdasarkan jangka waktu prediksinya, terdapat tiga jenis keputusan yang dapat dibantu oleh hasil prediksi, yaitu keputusan operasional (jangka pendek), keputusan taktis (jangka menengah), dan keputusan strategis (jangka panjang). Tetapi dilihat dari urgensinya, prediksi jangka pendek kurang relevan. Penelitian ini ditujukan untuk membantu keputusan pihak penyedia energi listrik melalui prediksi jangka menengah dan jangka panjang, menggunakan metode Auto-Regressive Integrated Moving Average (ARIMA). Pada eksperimen penentuan order terbaik, diperoleh model ARIMA (8,2,0) sebagai model dengan error paling kecil. Berdasarkan perhitungan keseluruhan hasil prediksi, ARIMA (8,2,0) memiliki rata-rata persentase error 5,3%. Dari hasil eksperimen jangka waktu prediksi, tidak terlihat adanya linearitas antara akurasi dengan jangka waktu prediksi. Berdasarkan hasil eksperimen, dapat dilihat bahwa error paling kecil diperoleh pada jangka waktu prediksi menengah, yaitu per bulan dengan nilai RMSE 753,983.98. Sehingga dapat disimpulkan bahwa berdasarkan jangka waktunya, ARIMA paling sesuai untuk membantu keputusan taktis (jangka menengah) untuk kasus prediksi konsumsi energi listrik. Kata kunci: prediksi, konsumsi listrik, ARIMA, jangka waktu prediksi.
Ringkasan Alternatif
The growth of the human population, development and technology has led to a rapid increase in electrical energy consumption. Provision of excess electrical energy would be detrimental to the provider, while providing the less will be detrimental to consumers. Predicting the amount of electrical energy that must be available to meet demand is one way to reduce these losses. Based on the prediction period, there are three types of decisions that can be helped by the results of predictions, namely operational decisions (short term), tactical decisions (medium term), and strategic decisions (long term). Based on its urgency, short-term predictions are less relevant. This research is intended to assist the decision of the provider of electricity through the medium and long-term predictions, using the Auto-Regressive Integrated Moving Average (ARIMA) method. In the best order determination's experiment, obtained ARIMA (8,2,0) as the best model with the smallest error. Based on the calculation of the overall prediction results, ARIMA (8,2,0) has an average percentage error of 5.3%. From the prediction period's experiment, there is no linearity between accuracy and prediction period. Based on the experimental results, it can be seen that the highest accuracy is obtained in the medium term (monthly) with the value of RMSE 753,983.98. So it can be concluded that based on the time period, ARIMA is the best for tactical decisions (medium term) in the case of electrical energy consumption. Keywords: prediction, electrical energy consumption, ARIMA, prediction period.