Hasil Pencarian  ::  Simpan CSV :: Kembali

"Seiring dengan semakin ketatnya persaingan global dan berfluktuasinya tarif tenaga listrik PLN, banyak perusahaan industri besar pelanggan PLN yang berkeinginan untuk membangun dan mengoperasikan pembangkit sendiri. Meski demikian, perusahaan industri tersebut merasa bahwa pasokan tenaga listrik PLN tetap dibutuhkan karena tidak mungkin pembangkit sendiri mereka bisa beroperasi secara terus-menerus tanpa gangguan sepanjang waktu, sehingga bermaksud melakukan interkoneksi pembangkit sendiri milik mereka dengan jaringan PLN. Penelitian ini bertujuan untuk membuat aplikasi model perhitungan biaya layanan daya listrik cadangan untuk selanjutnya diusulkan menjadi referensi bagi Pemerintah. Hasil perhitungan menggunakan aplikasi model menunjukkan bahwa pada kondisi tertentu, biaya pembangkit sendiri ditambah biaya layanan daya listrik cadangan yang lebih murah daripada tarif tenaga listrik PLN dapat diperoleh. Berdasarkan asumsi-asumsi yang digunakan pada kondisi PLN menyiapkan daya cadangan sebesar 10% dari kebutuhan, tarif layanan daya cadangan minimal sebesar Rp 9.300/kW/bulan dan tarif kWh cadangan sebesar minimal Rp 2.007/kWh

---

As global competition becoming more and more tighten while PLN?s tariff fluctuate monthly, some PLN?s big industrial customers are willing to construct and operate their own power plants. However, those customer realize that they still need PLN?s support because it it impossible their power plants can operate continuously and outage-free all the time, so they want to interconnect their power plants to PLN?s grid. This research?s goal is to create model application to calculate back-up electric power service charge which can be proposed as a reference to the Government. Calculation using the model application shows that in certain condition captive power plant?s cost plus back-up electric power service charge that is less than PLN?s tariff can be achieved. Based on assumptions used in condition PLN prepares back-up power at 10% of total required, back-up power service charge at minimum is Rp 9.300/kW/month and back-up energy charge at minimum is Rp 2.007/kWh."

"Saat ini terjadi kelebihan pasokan listrik di Jawa-Bali seiring beroperasinya PLTU dari program 35.000 Mega Watt. Untuk itu dibutuhkan prediksi kebutuhan energi listrik yang lebih akurat sebagai dasar perencanaan dan pengoperasian sistem tenaga listrik, serta peningkatan efisiensi sistem tenaga listrik. Mengembangkan model yang mencapai presisi peramalan tertinggi dalam konteks tenaga listrik telah menjadi objek studi di beberapa negara. Penelitian ini berusaha menemukan model prediksi konsumsi energi listrik di Indonesia menggunakan LSTM (Long Short Term Memory). LSTM merupakan jenis jaringan syaraf berulang (Recurrent Neural Network) yang sering digunakan untuk mengidentifikasi pola periodik dalam deret waktu (time series) karena merekam hubungan antara nilai yang berurutan. Pelatihan dan pengujian model menggunakan data konsumsi energi listrik dari Januari 2013 hingga Februari 2023 yang diperoleh dari laporan penjualan tenaga listrik PT PLN. Dilakukan percobaan dengan berbagai kombinasi nilai hyperparameter jumlah unit neuron dan jumlah epoch untuk masing-masing model prediksi konsumsi energi listrik Nasional, segmen Rumah Tangga, Bisnis, dan Industri. Evaluasi kinerja model diukur dengan MAPE (rata-rata persentase kesalahan absolut). Model prediksi konsumsi energi listrik nasional dapat memprediksi dengan baik dilihat dari nilai MAPE sebesar 2,212%. Dengan membandingkan akurasi model LSTM yang dibangun dengan prediksi manual yang dilakukan PLN per bulan, maka model LSTM yang dibangun mampu melakukan prediksi lebih akurat.

---

Currently, there is excess power or oversupply of power generation capacity in Jawa-Bali in line with the operation of the PLTU from the 35,000 Mega Watt program. For this reason, a more accurate prediction of electricity demand is needed as a basis for planning and operating the electric power system, as well as increasing the efficiency of the electric power system. Developing a model that achieves the highest forecasting precision in the context of electric power has been the object of study in several countries. This research seeks to find a predictive model of electricity consumption in Indonesia using LSTM (Long Short Term Memory). LSTM is a type of recurrent neural network (RNN) that is often used to identify periodic patterns in a time series because it records the relationship between successive values. Model training and testing uses electricity consumption data from January 2013 to February 2023 obtained from PT PLN's electricity sales report. Experiments were carried out with various combinations of hyperparameter values for the number of neuron units and the number of epochs for each prediction model for the National electricity consumption, the Household, Business and Industrial segments. Model performance evaluation is measured by MAPE (Mean Absolute Percentage Error). The National electricity consumption prediction model can predict well with MAPE value of 2.212%. By comparing the accuracy of the built LSTM model with manual predictions made by PLN per month, LSTM model was able to make more accurate predictions."

"Energi listrik telah menjadi kebutuhan pokok manusia modern yang kebutuhannya di Indonesia terus meningkat setiap tahun. Namun, tidak adanya beban untuk membayar kebutuhan energi listrik di tempat umum mengakibatkan perilaku penggunaan energi listrik di tempat umum tidak terlalu diperhatikan. Oleh karena itu, perilaku careful-use yang merupakan perilaku konservasi energi tanpa perceived cost tepat untuk dipromosikan di tempat-tempat umum, termasuk Kampus Depok Universitas Indonesia. Konsumen energi listrik di area Kampus Depok Universitas Indonesia terbagi menjadi tiga kelompok, yaitu mahasiswa, dosen, dan karyawan. Masing-masing kelompok konsumen ini memiliki motivasi yang berbeda dalam penerapan perilaku careful-use energi listrik di kampus. Penelitian ini menggunakan metode Structural Equation Modeling dengan Theory of Planned Behavior (TPB) dan Model of Altruistic Behavior sebagai landasan penyusunan model untuk mengetahui faktor-faktor apa saja yang memotivasi penerapan perilaku careful-use energi listrik di kampus pada 449 respnden dari tiga kelompok konsumen, yaitu mahasiswa, dosen, dan karyawan. Selanjutnya, dilakukan perancangan strategi berdasarkan faktor-faktor tersebut. Rancangan strategi kemudian dibobotkan berdasarkan kepentingan dan performanya oleh praktisi di tingkat universitas dan fakultas, kemudian diprioritaskan dengan diagram Importance-Performance Analysis (IPA). Training untuk karyawan dan penerapan aturan waktu menyalakan dan mematikan peralatan listrik di ruang-ruang kelas menjadi dua rancangan strategi yang harus diprioritaskan.

---

Electricity has become one of the main necessities for modern human which keeps growing in the number of demands in Indonesia over years. However, the absence of obligation to pay for electricity bill in public setting makes people ignore the electricity usage in public area. Therefore, careful-use behavior is suitable to promote energy conservation behavior in public setting, including University of Indonesia campus area. Electricity consumer as University of Indonesia can be divided into three categories, students, lecturers, and employees. Each category has different motivation regarding implementing careful-use behavior in campus area. This research used Structural Equation Modeling (SEM) with Theory of Planned Behavior (TPB) dan Model of Altruistic Behavior as model's foundation to determine which factor can motivate 449 respondents from the three categories to execute careful-use behavior in campus area. Furthermore, strategies are designed based on those factors. The strategy drafts are weighted based on their importance and performance by three practitioners at university and faculty level, then prioritized with Importance-Performance Analysis (IPA) diagram. Employee's training and regulations regarding time to turn the electrical equipment on and off in classes are the two strategy drafts that should be prioritized."