Peramalan Banyaknya Pelanggan Listrik Menggunakan Model Harvey

  • Ami Andriania Departemen Statistika FMIPA Universitas Padjadjaran
  • Gumgum Darmawan Departemen Statistika FMIPA Universitas Padjadjaran
  • Resa Septiani Pontoh Departemen Statistika FMIPA Universitas Padjadjaran

Abstract

Kebutuhan  energi  listrik  yang  meningkat  mendorong  pertumbuhan  pelanggan  listrik.  Fenomena peningkatanbanyaknya  pelanggan  listrik  mencerminkan  terbentuknya  suatu  kurva  pertumbuhan (growth curve) sehingga peramalan banyaknya pelanggan listrik dilakukan menggunakan metode kurva pertumbuhan. Model kurva pertumbuhan Logistik mengasumsikan bahwa batas kejenuhan (saturation level) harus diestimasi terlebih dahulu sebelum mengestimasi parameter model. Hal ini terkadang  dapat  mengakibatkan  ramalan  yang  dihasilkan  menjadi underestimate.  Sehingga, diperlukan model kurva pertumbuhan lain yang didasarkan pada model Logistik. Tujuan penelitian ini  yaitu  memprediksi  banyaknya  pelanggan  listrik  PT.  PLN  (Persero)  Area Bandung  selama beberapa  bulan  ke  depan  menggunakan  model  yang  berdasar  pada growth  curve,  yaitu  model Harvey.  Kedua  bentuk  model Harvey (model  Logistik Harvey dan  model  Harvey)  diaplikasikan pada  data  banyaknya  pelanggan  listrik.  Estimasi  parameter  dilakukan  menggunakan  metode
Ordinary Least Square. Model yang dibangun kemudian dibandingkan dengan melihat kecocokan model  pada  data  dan  keakuratan  peramalannya.  Perbandingan  hasil  kedua  model  menunjukkan bahwa meskipun asumsi non-autokorelasi residual masih belum terpenuhi, model Logistik Harvey
memberikan  kecocokan  model  yang  lebih  baik  dibanding  model  Harvey  dengan  nilai  MAPE sebesar 4,09%.

Published
Sep 27, 2016
How to Cite
ANDRIANIA, Ami; DARMAWAN, Gumgum; PONTOH, Resa Septiani. Peramalan Banyaknya Pelanggan Listrik Menggunakan Model Harvey. Biastatistika, [S.l.], v. 10, n. 1, p. 38-51, sep. 2016. ISSN 1907-6274. Available at: <http://statistics.unpad.ac.id/biastatistika/index.php/Biastatistika/article/view/17>. Date accessed: 17 nov. 2017.