BAB II TINJAUAN PUSTAKA. Beberapa penelitian terdahulu telah membahas mengenai prediksi

Transkripsi

1 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

2 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

3 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.

4 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.

5 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 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

6 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 (sumber 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.

7 12 Gambar 2.3 Grafik gelombang tegangan beban kapasitif (sumber 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).

8 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 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) beban rata rata dalam periode tertentu Faktor beban (LF) =... (2.1) beban puncak dalam periode tersebut 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

9 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).

10 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).

11 16 Yt = Ytd + (Yta Ytd ) = ( t td ta td )...(2.5) Dimana : Yt = pertumbuhan PDRB pada tahun t (%) Ytd Yta t td ta = Pertumbuhan PDRB pada tahun dasar prediksi = pertumbuhan PDRB pada tahun akhir prediksi = tahun prediksi = tahun dasar prediksi = 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,

12 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) Konsumsi spesifik (i) = Fraksi pemilikan (i) x jumlah pelanggan (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 hubunganhubungan ekonomi yang bersifat pembuktian. Dalam penggunaannya untuk meramal penjualan tenaga listrik, maka teori

13 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 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

14 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) 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,

15 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 Menu utama pada aplikasi LEAP ditunjukan pada Gambar 2.4. Gambar 2.4 Ekspresi Simulasi LEAP

16 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 Driver variable Data scenario Activity Energy Demand Model Energy demand Gambar 2.5 Skema tahapan pemodelan LEAP (M. Ery Wijaya 2009)

17 22 Modul variable penggerak (driver variable) yang cabangnya dinamakan dengan cabang key assumptions digunakan untuk menampung parameterparameter 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 :

18 23 Db,s,t = TAb,s,t EIb,s,t 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 Aktivitas total teknologi adalah hasil dari activity level pada semua cabang teknologi yang akan mempengaruhi demand branch. TAb,s,t = Ab 1,s,t Ab 2.s,t Ab 3,s,t dimana Ab adalah level aktivitas pada cabang tertentu b, b 1 adalah induk dari cabang b, b 2 induk cabang b 1, 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,

19 24 UEb.0 = EIAG.0 FSb.0 EFFb 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 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, dimana ASb,0 = activity share cabang b pada tahun dasar. Perangkat lunak yang digunakan adalah keluaran tahun 2014 seri lisensi yang digunakan adalah lisensi untuk pendidikan. Bagianbagian 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).

20 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% 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

21 26 Tabel 2.1 Perbedaan metode DKL 3.2 dan LEAP Prinsip dasar Kelebihan Kekurangan Metode DKL 3.2 Menggunakan bentuk inkremental, dimana hubungan variabel bebas dan variabel tak bebasnya dinyatakan dalam perubahan dari variabelvariabelnya. Sering digunakan oleh PLN dalam melakukan perkiraan keutuhan energi listrik yang masih bersifat linier. Hasil peramalan cenderung membesar mulai diatas tahun kelima. Dalam perhitugannya metode ini tidak melakukan uji statistik yang dapat menunjukkan apakah variabel dalam metode ini berkolerasi kuat. Metode LEAP Metode statistic yang menggunakan keunggulan software LEAP (Long-range Energy Alternative Planning). Dapat membuat simulasi (sesuai kelebihan di dalam softwareleap) berulang-ulang dengan waktu prediksi sesuai kebutuhan. Hasil perkiraan mendekati hasil nyata/akurat dengan skenario BAU. Membutuhkan pengalaman, dan pemodelan LEAP untuk membentuk model yang tepat sesuai data yang ada 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 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 Minitab dapat menangani analisis statistik (Minitab, 2015).

22 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).

23 28 Yt = β0 + β1 t + et...(2.11) Keterangan : β0 β1 t et : kostanta : perubahan rata-rata dari satu periode ke periode berikutnya : waktu : 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 t 2 + et...(2.12) keterangan β0 β1 and β2 t et : kostanta : perubahan rata-rata dari satu periode ke periode berikutnya : waktu : 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

24 29 dapat dituliskan seperti pada persamaan (2.13). Yt = β0 β1 t + e t...(2.13) β0 β1 t et : kostanta : perubahan rata-rata dari satu periode ke periode berikutnya : waktu : 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 = 10 a / (β0 + β1 β2 t )...(2.14) Keterangan β0 β1 t : kostanta : perubahan rata-rata dari satu periode ke periode berikutnya : 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).

25 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 pihakpihak tertentu dalam memberikan keputusan tentang peraturan yang berkenaan tenaga listrik khususnya di wilayah Purwokerto, Banyumas.

26 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.