Willian, Lalu Akbar Pandu (2019) Peramalan Beban Listrik Jangka Pendek Dengan Menggunakan Metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam beberapa dekade terakhir, peramalan beban jangka pendek telah menjadi salah satu masalah penelitian paling penting untuk pencapaian efisiensi dan keandalan yang lebih tinggi dalam operasi sistem tenaga, untuk minimalisasi biaya operasi dengan memberikan input yang akurat untuk penjadwalan ke depan, analisis kontingensi, analisis aliran beban, perencanaan, dan pemeliharaan sistem tenaga. Peramalan beban jangka pendek secara bertahap menjadi bagian utama dalam industri kelistrikan. Penelitian ini bertujuan untuk mengetahui bagaimana peramalan beban listrik jangka pendek beserta keakuratan dari metode Seasonal Autoregressive Integrated Moving Average (SARIMA). Penentuan model untuk peramalan SARIMA terdiri dari beberapa tahap yaitu : pengecekan pola data, identifikasi model yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya. Hasil penelitian memperlihatkan model terbaik untuk peramalan hari Senin adalah SARIMA(1,1,1)(1,1,0)48 dengan nilai MAPE 1,1368%. Model terbaik untuk peramalan hari Selasa adalah SARIMA(1,1,0)(1,1,1)48 dengan nilai MAPE 2,0355%. Model terbaik untuk peramalan hari Rabu adalah SARIMA (1,1,0)(0,1,1)48 dengan nilai MAPE 4,0265%. Model terbaik untuk peramalan hari Kamis adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 4,8725%. Model terbaik untuk peramalan hari Jumat adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 4,5517%. Model terbaik untuk peramalan hari Sabtu adalah SARIMA(1,1,0)(0,1,1)48 dengan nilai MAPE 2,7311%. Model terbaik untuk peramalan hari Minggu adalah SARIMA(1,1,1)(0,1,1)48 dengan nilai MAPE 3,7982%.
English Abstract
In the past few decades, short-term load forecasting has become one of the most important research problems for achieving higher efficiency and reliability in power system operations, to minimize operating costs by providing accurate input for forward scheduling, contingency analysis, load flow analysis , planning and maintenance of the power system. Short-term load forecasting is gradually becoming a major part of the electricity industry. This study aims to find out how to forecast short-term electrical loads along with the accuracy of the Seasonal Autoregressive Integrated Moving Average (SARIMA) method. Determination of the model for SARIMA forecasting consists of several stages, namely: checking the pattern of data, identifying the model consisting of stationary variance test and means, parameter estimation and measuring the accuracy of the model to be used for forecasting with MAPE as an indicator. The results showed the best model for Monday forecasting was SARIMA (1,1,1) (1,1,0) 48 with MAPE value of 1,1368%. The best model for Tuesday forecasting is SARIMA (1,1,0) (1,1,1)48 with MAPE value of 2,0355%. The best model for forecasting Wednesday is SARIMA (1,1,0) (0,1,1)48 with MAPE value of 4,0265%. The best model for Thursday forecasting is SARIMA (1,1,1) (0,1,1 48 with MAPE value of 4,8725%. The best model for Friday forecasting is SARIMA (1,1,0) (0,1,1)48 with a MAPE value of 4,5517%. The best model for Saturday forecasting is SARIMA (1,1,0) (0,1,1)48 with MAPE value of 2,7311%. The best model for Sunday forecasting is SARIMA (1,1,1) (0,1,1)48 with MAPE value 3,7982%.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FT/2019/737/051906597 |
| Uncontrolled Keywords: | Peramalan beban, SARIMA, time series, dan MAPE. Load forecasting, SARIMA, time series, and MAPE. |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.37 Testing and measurement of electrical quantities > 621.374 Instruments for measuring specific electrical quantities |
| Divisions: | Fakultas Teknik > Teknik Elektro |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 26 Aug 2020 04:24 |
| Last Modified: | 26 Aug 2020 04:24 |
| URI: | http://repository.ub.ac.id/id/eprint/171927 |
Actions (login required)
 |
View Item |