Peramalan Konsumsi Beban Listrik Triple-SARIMA Berdasarkan Periodik Seasonal (S)-Submit Jurnal/Seminar
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Azizah, Nur
Subject
AS Academies and learned societies (General)
Datestamp
2023-07-25 00:22:06
Abstract :
Listrik merupakan salah satu sumber energi yang sangat penting dalam memenuhi kebutuhan hidup manusia. Seiring dengan peningkatan permintaan listrik dari waktu ke waktu, tantangan yang dihadapi adalah bagaimana mengatasi kuantitas energi yang disalurkan. Oleh karena itu, diperlukan suatu metode yang efektif untuk meramalkan beban listrik di masa depan, baik dalam skala kota maupun negara. Meramalkan beban listrik dengan akurat memiliki manfaat yang signifikan, termasuk memastikan keseimbangan antara pasokan dan permintaan listrik, menjaga stabilitas jaringan listrik, mencegah pemadaman listrik, dan mengurangi pemborosan energi listrik. Penelitian ini dilakukan dengan metode triple SARIMA menggunakan sampel data negara Denmark dalam periode waktu 60 menit dengan satuan Mega Watt. Penelitian ini dilakukan dengan memperhatikan efek musiman harian, mingguan dan tahunan. Tujuan dari penelitian ini yaitu mengetahui pola data beban listrik triple seasonal efek dari periodik waktu, evaluasi model triple seasonal terbaik untuk mendapatkan minimum error serta model untuk seasonality subset, multiplicative dan additive. Penelitian ini menghasilkan 3 model sementara, di mana model (1,1,1) (1,1,1)^24 (1,1,1)^168 (0,1,1)^8736 merupakan model terbaik dengan nilai MAPE sebesar 0,614203%. Selain itu, diperoleh model subset, multiplicative dan additive dari model terbaik, di mana model subset memiliki nilai AIC sebesar -338743 dan SBC sebesar -338685, model multiplicative memiliki nilai AIC sebesar -370919 dan SBC sebesar -370885, serta model additive memiliki nilai AIC sebesar -342770 dan SBC sebesar -342737. Model multiplicative merupakan model terbaik karena memiliki nilai AIC dan SBC terkecil. Kata kunci: Triple SARIMA, ACF, PACF.
Listrik merupakan salah satu sumber energi yang sangat penting dalam memenuhi kebutuhan hidup manusia. Seiring dengan peningkatan permintaan listrik dari waktu ke waktu, tantangan yang dihadapi adalah bagaimana mengatasi kuantitas energi yang disalurkan. Oleh karena itu, diperlukan suatu metode yang efektif untuk meramalkan beban listrik di masa depan, baik dalam skala kota maupun negara. Meramalkan beban listrik dengan akurat memiliki manfaat yang signifikan, termasuk memastikan keseimbangan antara pasokan dan permintaan listrik, menjaga stabilitas jaringan listrik, mencegah pemadaman listrik, dan mengurangi pemborosan energi listrik. Penelitian ini dilakukan dengan metode triple SARIMA menggunakan sampel data negara Denmark dalam periode waktu 60 menit dengan satuan Mega Watt. Penelitian ini dilakukan dengan memperhatikan efek musiman harian, mingguan dan tahunan. Tujuan dari penelitian ini yaitu mengetahui pola data beban listrik triple seasonal efek dari periodik waktu, evaluasi model triple seasonal terbaik untuk mendapatkan minimum error serta model untuk seasonality subset, multiplicative dan additive. Penelitian ini menghasilkan 3 model sementara, di mana model (1,1,1) (1,1,1)^24 (1,1,1)^168 (0,1,1)^8736 merupakan model terbaik dengan nilai MAPE sebesar 0,614203%. Selain itu, diperoleh model subset, multiplicative dan additive dari model terbaik, di mana model subset memiliki nilai AIC sebesar -338743 dan SBC sebesar -338685, model multiplicative memiliki nilai AIC sebesar -370919 dan SBC sebesar -370885, serta model additive memiliki nilai AIC sebesar -342770 dan SBC sebesar -342737. Model multiplicative merupakan model terbaik karena memiliki nilai AIC dan SBC terkecil. Kata kunci: Triple SARIMA, ACF, PACF.
File :
02181031_cover.pdf
02181031_statement_of_authenticity.pdf
02181031_notations.pdf
02181031_chapter_1.pdf
02181031_chapter_2.pdf
02181031_chapter_3.pdf
02181031_chapter_4.pdf
02181031_conclusions.pdf
02181031_bibliography.pdf
02181031_enclosur.pdf
02181031_presentation.pdf
02181031_Form. TA-020.pdf
02181031_publishing_agreement.pdf
02181031_approval_sheet.pdf
02181031_preface.pdf
02181031_abstract_id.pdf
02181031_abstract_en.pdf
02181031_table_of_content.pdf
02181031_ilustrations.pdf
02181031_tables.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
