PERHITUNGAN LOAD FORECAST PADA KAPASITAS FEEDER 20 KV (APLIKASI PT. PLN RAYON BELANTI PADANG) Riady Ilham. 1, Ir. Yani Ridal, M.T. 2 dan Mirza Zoni, ST, M.T. 2 1) Mahasiswa dan 2) Dosen Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Bung Hatta Jl. Gajah Mada No.19 Kampus Proklamator III Padang, Sumatera Barat, Indonesia 2015 Email : Riady ilham@yahoo.com ABSTRAK Listrik merupakan salah satu kebutuhan yang menyangkut kebutuhan hidup orang banyak. Penyaluran energi listrik harus dapat menjamin dalam jumlah yang cukup, harga yang wajar dan mutu yang baik. Dalam operasi sistem tenaga listrik diperlukan suatu peramalan beban listrik. Penelitian perkiraan beban (load forecast) di PT. PLN (Persero) Rayon Belanti Padang ini bertujuan untuk memperkirakan atau memprediksi laju pertumbuhan beban listrik dari tahun ke tahun pada masingmasing feeder yang ada di Rayon Belanti dan menghitung pertumbuhan beban listrik di masa yang akan datang. Metode yang digunakan pada load forecast ini adalah metode regresi linier. Untuk mempermudah perhitungan perkiraan beban maka digunakan software java 1.7.0. 1. Pendahuluan Listrik merupakan salah satu kebutuhan yang menyangkut kebutuhan hidup orang banyak. Penyaluran energi listrik harus dapat menjamin dalam jumlah yang cukup, harga yang wajar dan mutu yang baik. Dalam operasi sistem tenaga listrik diperlukan suatu peramalan beban listrik. Load Forecast sering disebut juga dengan peramalan beban. Peramalan pada dasarnya merupakan suatu dugaan atau perkiraan tentang terjadinya suatu kejadian atau peristiwa dimasa yang akan datang. Ramalan dibidang tenaga elektrik pada dasarnya merupakan ramalan beban listrik dan kebutuhan energi listrik, keduanya sering disebut dengan istilah Load Forecasting dan demand. Jadi Load Forecast adalah suatu dugaan atau perkiraan beban listrik yang terjadi dimasa yang akan datang. Kebutuhan sistem listrik adalah beban pada terminal terima secara rata-rata dalam suatu selang (interval) waktu tertentu. Beban tersebut bisa dalam satuan ampere, kilo ampere, kilo watts, dan kilo volt ampere. Pertumbuhan beban listrik pada jaringan distribusi akan meningkat sejalan dengan perkembangan penduduk. Metode yang digunakan pada Load Forecast adalah metode regresi linier yang direncanakan untuk masa yang akan datang. Rayon Belanti merupakan rayon yang ada di kota Padang yang paling banyak konsumennya sehingga pertumbuhan beban di rayon Belanti sangat pesat, dan diperlukan peramalan beban supaya bisa dipersiapkan rancangan agar tidak terjadinya kelebihan
beban (over load). Rayon Belanti mendapatkan suplai energi listrik dari GIS Simpang Haru dan GI Pauh Limo, tetapi dalam penelitian ini penulis mengambil feeder yang berasal dari GIS Simpang Haru berjumlah 15 feeder. 2. Landasan Teori Beban sistem tenaga listrik merupakan pemakaian tenaga listrik dari para pelanggan listrik. Oleh karena itu, besar kecilnya beban beserta perubahannya tergantung pada kebutuhan para pelanggan akan tenaga listrik. Tidak ada perhitungan yang akurat mengenai berapa besarnya beban sistem, yang bisa dilakukan hanyalah membuat perkiraan beban. Dalam pengoperasian sistem tenaga listrik harus selalu diusahakan agar daya yang dibangkitkan sama dengan beban sistem. Peramalan pada dasarnya merupakan suatu dugaan atau perkiraan tentang terjadinya suatu kejadian atau peristiwa dimasa yang akan datang. Ramalan dibidang tenaga elektrik pada dasarnya merupakan ramalan beban listrik dan kebutuhan energi listrik, keduanya sering disebut dengan istilah load forecasting dan demand. Hasil peramalan ini dipergunakan untuk membuat rencana pemenuhan kebutuhan maupun pengembangan penyediaan tenaga listrik setiap saat secara cukup dan baik serta terus menerus. Maka masalah perkiraan beban merupakan masalah yang sangat menentukan bagi perusahaan listrik baik dari segi manajerial maupun dari segi operasional, oleh karenanya perlu mendapat perhatian khusus. Perkiraaan di bidang tenaga elektrik pada dasarnya merupakan perkiraan kebutuhan energi elektrik dan ramalan beban tenaga elektrik. Keduanya sering disebut dengan istilah demand and load forecasting. Hasil perkiraaan ini dipergunakan untuk membuat rencana pemenuhan kebutuhan maupun pengembangan penyediaan tenaga elektrik setiap saat secara cukup dan baik serta terus menerus (Daman Suswanto, 2003). 2.1. Forecasting (Perkiraan) Forecasting adalah peramalan atau perkiraan mengenai sesuatu yang belum terjadi. Perkiraan merupakan suatu proses memprediksi secara sistematis tentang sesuatu yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prakiraan tidak harus memberikan jawaban secara pasti tentang kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi. Prakiraan merupakan penggunaan data masa lalu dari sebuah variabel atau kumpulan variabel untuk mengestimasi nilainya dimasa yang akan datang. Memprakirakan atau memprediksi kebutuhan energi listrik untuk masa yang akan datang merupakan pekerjaan yang tidak mudah karena harus mempertimbangkan berbagai
faktor yang sangat mempengaruhi kebutuhan energi di masa yang akan datang. Prakiraan atau prediksi disebut juga peramalan (forecast) yang pada dasarnya merupakan dugaan atau prakiraan mengenai peristiwa di masa yang akan datang. Maka dalam pengembangan sistem tenaga listrik sangat diperlukan waktu pembangunan yang sangat cermat dan tepat. 2.2. Jenis Peramalan Beban Pada umumnya peramalan atau perkiraan dapat di bedakan dari beberapa segi tergantung dari cara melihatnya. Apabila dilihat dari sifat penyusunannya maka peramalan dapat dibedakan atas dua macam, yaitu: 1. Peramalan subjektif yaitu peramalan yang di dasarkan atas perasaan atau intuisi orang yang menyusunnnya. Dalam hal ini pandangan atau judgement dari orang yang menyusun sangat baik tidaknya hasil peramalan tersebut. 2. Peramalan objektif peramalan yang d dasarkan atas dasar data yang relevan pada masa lalu dengan menggunakan teknik teknik dan metode dalam penganalisaan data tersebut. 2.3. Load Forecast Load forecast sering disebut juga dengan peramalan beban. Load forecast adalah suatu perkiraan besarnya beban listrik diwaktu yang akan datang dengan melihat kecenderungan peningkatan beban listrik pada tahun-tahun sebelumnya. Dalam hal ini peramalan beban listrik pada masa yang akan datang sangat dibutuhkan untuk suatu analisa pengembangan/penambahan kapasitas pembangkit, sistem transmisi dan distribusi bagi pelayanan pada konsumen. Untuk meramalkan beban suatu sistem tenaga listrik, terlebih dahulu harus ditentukan karakteristik / kecenderungan dan pertumbuhan beban sistem tenaga listrik tersebut. 2.4. Langkah-Langkah Peramalan Kualitas atau mutu dari hasil peramalan yang disusun sangat ditentukan oleh proses pelaksanaan penyusunannya. Peramalan yang baik adalah peramalan yang dilakukan dengan mengikuti langkah-langkah atau prosedur penyusunan yang baik. Pada dasarnya tiga langkah peramalan yang penting yaitu: 1. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi dimasa lalu. Analisa ini dilakukan dengan membuat tabulasi data maka dapat diketahui pola data tersebut. 2. Menentukan metode pola yang digunakan. Masing-masing metode akan memberikan hasil peramalan yang berbeda dimana metode peramalan yang baik ada metode yang menghasilkan penyimpangan antar
hasil peramalan dengan nilai kenyataan sekecil mungkin. 3. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan mempertimbangkan adanya beberapa faktor perubahan. faktor-faktor perubahan tersebut antara lain terdiri dari perubahan kebijakankebijakan yang mungkin terjadi, termasuk dengan kebijakan pemerintah. Proyeksi adalah adanya suatu kecendrungan sesuatu hal yang masih belum diketahui dan mempunyai nilai pada masa akan datang yang merukan petunjuk tentang jumlah sesuatu pada masa akan datang. 2.5. Regresi Linear Model regresi linear merupakan analisis statistika yang memodelkan hubungan beberapa variabel menurut bentuk hubungan persamaan linear eksplisit. Persamaan linear bentuk eksplisit adalah persamaan linear yang menempatkan suatu peubah secara tunggal pada salah satu persamaan. Analisis model regresi linear dapat dibedakan menjadi 2 (dua) jenis berdasarkan jumlah variabel bebasnya, yaitu : 1. Regresi linear dengan 1 variabel bebas (Regresi Linear Sederhana). 2. Regresi linear dengan > 1 variabel bebas (Regresi Linear Berganda). 2.5.1. Regresi Linear Sederhana Regresi Linear Sederhana adalah metode statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab (X) terhadap variabel akibatnya. Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini : Y = a + bx Dimana : Y : Variabel Response atau Variabel Akibat (Dependent) X : Variabel Predictor atau Variabel Faktor Penyebab (Independent) a : konstanta b : koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor. Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini : a = Y. X2 X. XY n. X 2 ( X) 2 b = n. XY X. Y n. X 2 ( X) 2 langkah langkah dalam melakukan analisis regresi linear sederhana : 1. Tentukan tujuan dari melakukan analisis regresi linear sederhana. 2. Identifikasikan variabel faktor penyebab (Predictor) dan variabel akibat (Response). 3. Lakukan pengumpulan data.
4. Hitung X², Y², XY dan total dari masing masingnya. 5. Hitung a dan b berdasarkan rumus diatas. 6. Buatkan model persamaan regresi linear sederhana. 7. Lakukan prediksi atau peramalan terhadap variabel faktor penyebab atau variabel akibat. 2.5.2. Regresi Linear Berganda Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,.Xn) dengan variabel dependen (Y). Persamaan regresi linear berganda sebagai berikut : Y = a + b1x1+ b2x2+..+ bnxn Dimana : Y: Variabel dependen (nilai yang diprediksikan) X1 dan X2 : Variabel independen. b1 dan b2: Koefisien regresi (nilai peningkatan ataupun penurunan). 2.4. Data Dalam melakukan studi perkiraan beban listrik perbulan pada PT. PLN (persero) Rayon Belanti yang menggunakan analisis regresi linier pemakaian beban listrik di masa lalu, yang nanti akan diperoleh suatu perkiraan beban listrik pada masing-masing feeder yang ada di Rayon Belanti. Dalam pembuatan perkiraan beban listrik ini, bersumber dari data PT. PLN (Persero) Area Padang, seperti tabel dibawah ini adalah data arus beban puncak dari tahun 2011-2014 untuk masing-masing feeder : NO Nama Penyulang Arus Beban (A) 2011 2012 2013 2014 1 Ex. Feeder GH GOR H.Agus Salim 140,00 230,00 210,00 177,10 2 Wahidin 83,94 96,00 59,00 54,00 3 Cokroaminoto 91,18 92,95 88,00 85,00 4 Jati 95,89 161,00 233,00 150,00 5 Matahari 19,97 48,00 112,00 24,00 6 RSUP 77,79 107,00 129,00 90,91 7 Marapalam 256,20 261,00 284,00 230,00 8 Metro 60,00 162,00 154,00 256,20 9 Ex Feeder GH Imam Bonjol II 216,00 274,00 295,00 280,00 10 Ex Feeder GH Imam Bonjol I (PL 207,10 209,00 229,00 264,00 I) 11 BRI 66,00 92,95 336,00 66,00 12 GH Kandis II 160,00 319,20 321,00 308,20 13 Sudirman 192,20 198,00 300,00 197,00 14 Sutan Syahrir 160,20 198,00 269,00 292,20 15 GH Kandis I 294,00 308,00 300,00 334,00 Dari salah satu data beban feeder yaitu exp. feeder GH GOR H. Agus Salim yang ada di Rayon Belanti seperti pada tabel diatas, kemudian dibuat model matematisnya yang akan dimasukkan kedalam program java.
Gambar hasil proyeksi menggunakan pemograman java untuk menghitung laju pertumbuhan beban listrik. 2.5. Kesimpulan 1. Jangka waktu feeder yang paling lama dibebani adalah exp. feeder GH kandis II. Exp. feeder GH Kandis II dengan konduktor A3C 240 mm2 panjang saluran 5,3 kms arus beban berdasarkan drop tegangan 10%, diperoleh arus beban 1057,61A sedangkan berdasarkan katalog konduktor A3C, kemampuan hantar arus (KHA) adalah 585 A. Dengan kemampuan hantar arus (KHA) 585 A maka diprediksi waktu over load yaitu 613 tahun. 2. Jangka waktu feeder yang paling lama dibebani adalah feeder GH kandis II. GH Kandis II dengan konduktor A3C 240 mm2 panjang saluran 5,3 kms arus beban berdasarkan drop tegangan 10%, diperoleh arus beban 1057,61 A sedangkan berdasarkan katalog konduktor A3C, kemampuan hantar arus (KHA) adalah 585 A. Dengan kemampuan hantar arus (KHA) 585 A maka diprediksi waktu over load yaitu 613 tahun. 2.6. Daftar Pustaka 1. Marsudi, Ir. Djiteng, 2006, Operasi Sistem Tenaga, Edisi Pertama, Yogyakarta. 2. Pabla A.S, 1991, Sistem Distribusi Daya Listrik, Edisi Kedua, Jakarta, Penerbit Erlangga. 3. Aldi Riski, Pengaruh Penambahan Jaringan Terhadap Drop Tegangan Pada Sutm 20 Kv Feeder Kersik Tuo Rayon Kersik Tuo Kabupaten Kerinci, Institut Teknologi Padang, Padang, 2013. 4. Makridakis, S. dan Wheelwright, S.C. (1999). Metode dan Aplikasi Peramalan. Jakarta: Erlangga. 5. http://www.pln.co.id/blog/tarif-tenagalistrik/ 6. Janis, vinie, Perencanaan sistem distribusi 20 kv Siau 2020, Univ. Samratu langi, 2013, Manado. 7. Noviarny parmadiyanti, Pengembangan kelistrikan daerah, Univ. Diponegoro, Semarang. 3. Arus beban tertinggi adalah pada feeder GH. Kandis I yaitu 1688,36 A dan arus beban terendah adalah pada feeder Marapalam yaitu 438,04 A.