ESTIMASI KEBUTUHAN DAYA LISTRIK SULAWESI SELATAN SAMPAI TAHUN Harifuddin Jurusan Pendidikan Teknik Elektro FT UNM. Abstrak

(1)

Kemajuan teknologi di segala bidang meningkat dengan begitu cepat, kemajuan ini membawa konsekuensi peningkatan kebutuhan akan daya listrik. Listrik merupakan salah bentuk energi yang banyak dibutuhkan, ini dimungkinkan karena energi listrik mudah dalam penyaluran dan dapat dengan mudah dirubah ke bentuk energi lain.

Untuk memenuhi kebutuhan daya listrik yang ada sekarang, pembangunan dan pengembangan sistem kelistrikan yang dikelolah oleh PLN perlu dikembangkan. Pertambahan penduduk yang semakin pesat dan diiringi pertumbuhan ekonomi yang tinggi menyebabkan kebutuhan akan tenaga listrik semakin meningkat, sehingga dibutuhkan penyediaan dan penyaluran tenaga listrik yang memadai, baik dari segi teknis maupun ekonomisnnya. Penggunaan tenaga listrik sekarang ini merupakan salah satu kebutuhan penting dalam kehidupan masyarakat dan sering kali dianggap sebagai salah satu tolok ukur taraf kemajuan rakyat sejalan dengan perkembangan teknologi.

Makin banyaknya industri yang berskala menengah maupun besar serta pertumbuhan pelanggan yang meningkat setiap tahunnya akan

membutuhkan pelayanan dan penyaluran energi listrik secara kontinyu dengan kualitas layanan yang lebih baik.

Kegiatan perdagangan, perekonomian dan industri tumbuh pesat akhir-akhir ini. Oleh karena itu permintaan akan tenaga listrik melonjak saat ini dan pertumbuhan yang cepat ini diperkirakan akan berlangsung terus untuk tahun-tahun yang akan datang.

Untuk memenuhi kebutuhan pelanggan akan energi listrik, maka pihak penyuplai energi listrik dalam hal ini PLN berusaha untuk melayani dan memenuhi kebutuhan pelanggan yang semakin meningkat, sehingga PLN harus menyediakan pembangkit listrik yang baru.

Propinsi sulawesi selatan sebagai salah satu propinsi di Indonesia tentunya memerlukan banyak sarana untuk pembangunan. Salah satu sarana utama yang penting dan sangat menentukan ialah tenaga listrik sebagai salah satu roda penggerak perekonomian. Bertolak dari kenyataan di atas maka dianggap perlu untuk mengkaji kebutuhan daya listrik Sulawesi Selatan dimasa yang akan datang.

Estimasi ketersediaan daya listrik ialah suatu perkiraan jangka panjang tentang besarnnya

ESTIMASI KEBUTUHAN DAYA LISTRIK SULAWESI SELATAN

SAMPAI TAHUN 2017

Harifuddin

Jurusan Pendidikan Teknik Elektro FT UNM

Abstrak

Penelitian ini bertujuan untuk mengestimasi jumlah daya listrik tersambung di Sulawesi Selatan tahun 2007 sampai 2017 dengan menggunakan data sekunder daya listrik tersambung yang berbentuk time

series tahun 1996-2006 pada PT. PLN (PERSERO) WIL. SULSELTRABAR. Berdasarkan estimasi yang

diperoleh tahun 2007 bahwa jumlah daya listrik tersambung untuk pelanggan rumah tangga sebesar 880 MVA , pelanggan sosial sebesar 46,36 MVA, pelanggan bisnis sebesar 233,08 MVA, dan pelanggan industri sebesar 237,73 MVA. Sedangkan estimasi jumlah daya listrik tersambung tahun 2017 untuk pelanggan rumah tangga sebesar 1.280 MVA, pelanggan sosial sebesar 66,66 MVA, pelanggan bisnis sebesar 515,12 MVA, dan pelanggan industri sebesar 507,93 MVA. Metode yang dipakai ialah metode deskriptif dengan menggunakan analisis regresi linier sederhana dan regresi non linier, dimana data yang diteliti tidak dikendalikan atau dimanipulasi oleh peneliti, tetapi fakta yang diungkapkan berdasarkan data yang ada pada PT. PLN (Persero) Wilayah Sulseltrabar. Hasil estimasi tahun 2017 menunjukkan bahwa peningkatan jumlah daya listrik tersambung yang paling banyak ialah pada pelanggan rumah tangga yaitu sebesar 1.280 MVA. Hasil estimasi jumlah total daya listrik tersambung pada PT. PLN (PERSERO) WIL. SULSELTRABAR pada tahun 2017 adalah 2.369,72 MVA.

(2)

15 kebutuhan daya listrik untuk suatu daerah tertentu

dengan menggunakan suatu metode analisis. Dalam sistem kelistrikan estimasi sangat dibutuhkan untuk memperkirakan dengan tepat seberapa besar daya listrik yang dibutuhkan untuk melayani beban dan kebutuhan energi dalam distribusi energi listrik dimasa yang akan datang. Selain faktor teknis, faktor ekonomi juga merupakan faktor terpenting yang perlu diperhitungkan. Bila perkiraan tidak tepat akan menyebabkan tidak cukupnnya kapasitas daya yang disalurkan guna memenuhi kebutuhan beban, sebaliknnya jika perkiraan beban terlalu besar maka akan menyebabkan kelebihan kapasitas pembangkit sehingga menyebabkan kerugian.

Ada beberapa faktor yang saling mempengarui dan mendorong melonjaknnya kebutuhan tenaga listrik tersebut antara lain:

a. Industri tumbuh dengan pesat.

b. Kegiatan ekonomi meningkat dengan mantap. c. Tingkat kehidupan yang lebih baik, standar

hidup yang lebih tinggi, pendapatan perkapita yang terus meningkat memerlukan energi listrik yang lebih banyak.

d. Kemampuan penyediaan pembangkitan dengan kapasitas yang lambat laun bertambah.

e. Kualitas penyediaan daya listrik yang semakin membaik.

BEBAN LISTRIK

Dalam merencanakan suatu sistem distribusi maka banyak hal yang harus diperhatikan, salah satu diantarannya ialah beban listriknya. Untuk mengetahui beban listrik ada beberapa hal yang perlu diperhatikan:

a. Jenis beban listrik

Jenis beban listrik menurut daerah biasanya digolongkan dalam beberapa golongan, yakni:

1) Berdasarkan lingkungan atau lokasi: a. Beban pusat pertokoaan

b. Beban perumahan

c. Beban perumahan luar kota d. Beban pedesaan

2) Berdasarkan jenis pelanggan: a. Beban umum

b. Beban industri

3) Berdasarkan jadwal pelayanan listrik: a. Beban perumahan

b. Beban penerangan jalan c. Beban perkantoran d. Beban industri

4) Berdasarkan jenis kegiatan pelanggan: a. Beban perumahan

Beban perumahan adalah beban yang terdiri dari peralatan-peralatan listrik yang biasa dipakai pada rumah-rumah penduduk. Beban yang harus dilayani tergantung dari sifat dan tingkat sosial seseorang. Semakin maju peradaban seseorang semakin banyak pula kebutuhan akan energi listrik.

Pada beban perumahan kebutuhan maksimum biasannya berlangsung di malam hari antara pukul 18.00-22.00, dimana selama selang waktu tersebut konsumen paling banyak mengkonsumsi listrik untuk kebutuhan hiburan seperti mendengarkan radio/tape dan televisi. Beban perumahan jarang menimbulkan masalah kelistrikan karena biasanya terdiri dari peralatan- peralatan listrik yang kapasitasnya kecil.

b. Beban Industri

Beban industri adalah beban pelanggan yang terdiri kelompok pabrik atau industri. Beban ini biasanya terpisah dari daerah perumahan penduduk untuk mencegah fluktuasi tegangan yang sering terjadi di industri yang dapat mengganggu peralatan rumah tangga setempat. Kapasitas daya yang digunakan oleh industri, pada umumnya lebih besar dibandingkan dengan yang lainnya. Beban puncak biasanya terjadi pada siang hari karena motor motor listrik beropersi pada saat tersebut. Dengan demikian penyaluran daya listrik perlu diperhatikan, mengingat terhentinya penyaluran daya listrik yang relatif singkat akan menimbulkan kerugian yang cukup besar pada industri.

c. Beban usaha / Perdagangan

Beban usaha atau perdagangan adalah beban listrik yang terdiri dari peralatan peralatan listrik yang biasa digunakan pada pusat pusat perbelanjaan, rumah makan dan perhotelan seperti kipas angin, AC, pompa listrik dan sebagainya.

Kebutuhan terbesar untuk kelompok beban ini biasanya berlangsung antara pukul 08.00 pagi, dimana pada saat itu

(3)

took-toko mulai buka dan mencapai puncaknya pada sore hari karena pada waktu tersebut beban mulai bertambah dengan bekerjanya lampu-lampu penerangan.

d. Beban sosial

Beban sosial adalah beban pelanggan yang terdiri dari tempat-tempat sosial seperti rumah sakit, sekolah, tempat ibadah, dan sebagainya. Beban puncak umumnya terjadi pada siang hari sedangkan pada malam hari kebanyakan dari beban perumahan saja.

b. Menghitung tingkat pertumbuhan dan rata-rata pertumbuhan

Untuk menghitung tingkat pertumbuhan dan rata-rata pertumbuhan dilakukan dengan menggunakan rumus: sebelumnya tahun sekarang tahun X X' X X" : Dimana 100% x X' X' X" n pertumbuha Tingkat = = -= n Pertumbuha Tingkat T.P : Dimana 100% x 1 N pertahun T.P n pertumbuha rata Rata = -å - =

METODE

1 Jenis Penelitian

Penelitian ini merupakan jenis penelitian

ex post facto. Dengan demikian data yang diteliti

tidak dikendalikan atau dimanipulasi oleh peneliti, tetapi fakta yang diungkapkan berdasarkan data yang ada pada PT. PLN (Persero) Wilayah Sulseltrabar.

2. Variabel dan Desain Penelitian

Dalam penelitian ini variabel terdiri dari variabel bebas (X) dan variabel terikat (Y). Variabel X ialah tahun pengamatan, sedangkan

variabel (Y) ialah jumlah daya listrik yang tersambung yang akan disediakan oleh PT. PLN (Persero) Wilayah Sulseltrabar.

3. Defenisi Operasional Variabel

Defenisi Operasional yang akan diteliti dapat dikemukakan sebagai berikut:

a. Tahun pengamatan ialah tahun kejadian dimana data yang diambil di PT. PLN (Persero) Wilayah Sulseltrabar yakni tahun 1996-2006 b. Jumlah daya listrik ialah besarnnya daya listrik

yang tersambung setiap tahun yang disediakan oleh PT. PLN (Persero) Wilayah Sulseltrabar.

4. Teknik Analisis Data

Analisis data yang digunakan dalam penelitian ini adalah:

a. Analis Deskriptif

Analisis deskriptif digunakan untuk memprediksi data-data yang diperoleh dalam bentuk persentase, grafik serta trend tahunan. Dari jumlah pelanggan dan daya listrik tersambung yang diperoleh pada PT PLN (Persero) Wilayah Sulseltrabar.

b. Analisis Regresi sederhana

Analisis regresi digunakan untuk mengestimasi besarnya daya listrik tersambung yang dibutuhkan, sampai 10 tahun yang akan datang pada pelanggan PT. PLN (Persero) Wilayah Sulseltrabar. Untuk melayani permintaan daya oleh pelangan yaitu dengan menggunakan model analisis regresi linier sederhana dan regresi non linier terdiri dari model parabolik, eksponensial dan logaritma.

Model persamaan regresi linier sederhana ialah:

yˆ

= a + b(t) (1)

Model persamaan regresi non linier parabola ialah:

yˆ

= a + b1t + b2t 2

(2)

Model persamaan regresi non linier eksponensial ialah:

yˆ

=

a )

(

e

bt atau ditransformasi kedalam bentuk linier ln

yˆ

=ln a +bt (3)

Model persamaan regresi non linier logaritma ialah:

yˆ

= a + b ln (t) (4)

Seluruh proses perhitungan menggunakan perangkat lunak Microsoft Excel , dimana :

(4)

17 y = perkiraan perkembangan jumlah daya listrik

tersambung (VA). t = tahun yang dicari

a dan b = koefisien- koefisien regresi

Untuk menentukan model persamaan terbaik dilakukan dengan menghitung koefisien determinasi (R2) yang nilainya selalu positif dan bernilai antara nol sampai dengan 1, koefisien ini sudah cukup baik untuk prediksi jika berada diatas 0,5. Rumus koefisien determinasi adalah :

)

5 (

)

(

)(

)

(

2 2 2 2 2 2

ú

û

ù

ê

ë

é

-=

å å å å

y

å å å

y

n

t

n

t

y

yt

n

R

(RK. Sembiring: 1995) …(7) Dimana:

n

= banyaknya data y=daya terpakai

t

= tahun pengamatan

Setelah dihitung koefisien determinasinya, kemudian menentukan model terbaik dengan menghitung Jumlah Kuadrat Sisa (JKS), model yang terbaik ialah dengan JKS terkecil dengan rumus sebagai berikut :

å

-=

2

)

ˆ

(

y

_i

y

_i

JKS

(RK. Sembiring 1995) …(8) Dimana: i

y

= data aktual daya tersambung tahun ke i (1996-2006)

i

yˆ

= data daya tersambung hasil prediksi pada tahun ke I (2007-2017)

HASIL DAN PEMBAHASAN

1. Hasil Penelitian

Deskripsi Data Pelanggan Listrik Sulawesi Selatan

Perkembangan pemakaian energi listrik di Sulawesi selatan tidak dapat dipisahkan dengan perkembangan jumlah penduduk. Dari data yang diperoleh menunjukkan bahwa jumlah penduduk Sulawesi Selatan cenderung mengalami peningkatan, demikian juga dengan data pelanggan di Sulawesi selatan. Data perkembangan pelanggan listrik PLN dapat diperlihatkan pada tabel 1. Selanjutnya, jumlah daya listrik tersambung berdasarkan tarif listrik diperlihatkan pada tabel 2.

2. Seleksi Model Peramalan Terbaik

Mengacu pada data aktual jumlah daya listrik tersambung untuk rumah tangga, sosial, bisnis, dan industri di Sulawesi Selatan tahun 1996 – 2006 maka dengan demikian dapat dicari model peramalan terbaik yang akan digunakan dalam mengestimasi jumlah daya listrik tersambung tahun 2007 – 2017.

Asumsi yang digunakan dalam menyusun model peramalan ialah : (1) adanya ketergantungan atau hubungan antara jumlah daya listrik akan datang dengan jumlah daya listrik masa sebelumnya.

Tabel 1. Jumlah pelanggan listrik di Sulawsi Selatan

Tahun

Jumlah Pelanggan

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

713.513

890.794

971.030

1.034.979

1.081.751

1.117.599

1.138.233

1.156.344

1.171.302

1.188.201

1.214.298

Sumber: PLN (Persero) Wilayah Sulseltrabar

a. Daya Listrik Pelanggan Rumah Tangga

Berdasarkan data yang ada pada tabel 2 dan perhitungan yang dilakukan dengan menggunakan persamaan regresi linier sederhana, parabola, eksponensial, logaritma, koefisien determinasi (R2),

dan jumlah kuadrat sisa (JKS) maka

diperoleh bentuk persamaan regresi dari daya

listrik tersambung pelanggan

rumah tangga seperti pada tabel 3 dan tabel 4 berikut:

b. Daya Listrik Pelanggan Sosial

Dengan menggunakan data yang ada pada tabel 2 dan perhitungan yang dilakukan dengan menggunakan

persamaan regresi

linier sederhana, parabola,

eksponensial, logaritma, koefisien

determinasi (R

2

), dan jumlah

kuadrat sisa (JKS) maka diperoleh

bentuk persamaan regresi dari daya

listrik tersambung pelanggan rumah

(5)

tangga seperti pada tabel 5 dan tabel

6.

Tabel 3. Persamaan regresi dan koefisien determinasi (R2) daya listrik tersambung pelanggan Rumah tangga Model Regresi Persamaan Koefisien Determinasi Linier

Yˆ

= 4.108 + 4.107X 0,9462 Parabola

Yˆ

=4.108 + 7.107x - 3.106x2 0,99 Eksponensial

Yˆ

= (4.108_)e0,0587x 0,9018 Logaritma

Yˆ

= 4.108+ 2.108 ln(x) 0,9808

Tabel 4.

Persamaan regresi dan JKS daya listrik tersambung pelanggan rumah tangga

Model

Regresi Persamaan

Jumlah Kuadrat Sisa (JKS) Linier

_Yˆ

_{= 4.10}8 + 4.107X 10.809.535.813.525.100 Parabola

_Yˆ

_=4.108 + 7.107x - 3.106x2 13.944.464.791.525.100 Eksponensial

_Yˆ

_{= (4.10}8 )e0,0587x 68.262.750.991.394.700 Logaritma

_Yˆ

_{= 4.10}8_{+ 2.10}8 _ln(x) 63.412.318.331.980.800

Hasil perhitungan Jumlah Kuadrat Sisa (JKS) keempat model regresi di atas berturut-turut diperoleh koefisien JKS terkecil yaitu model linier, model parabola, model eksponensial dan model logaritma, dengan demikian model regresi linier dipergunakan untuk memprediksi

ketersediaan daya listrik pelanggan rumah tangga periode 2007 – 2017 dengan persamaan :

Yˆ

= 4.108 + 4.107X, dengan kurva sebagai berikut :

Model linear Daya kebutuhan Rumah Tangga

y = 4E+07x + 4E+08 R2 = 0,9462 0 100,000,000 200,000,000 300,000,000 400,000,000 500,000,000 600,000,000 700,000,000 800,000,000 900,000,000 0 2 4 6 8 10 12 Tahun Ke D a ya ter s am bu ng

Gambar 1: Kurva model linier daya listrik tersambung pelanggan rumah tangga

Tabel 2

. Jumlah daya listrik tersambung di Sulawesi Selatan tahun 1996 – 2006

Tahun

Jumlah daya listrik yang tersambung (VA)

R.Tangga Sosial Bisnis Industri Pemerintah Jumlah total

1996 420.165.220 26.190.410 94.294.860 141.374.650 34.174.020 716.199.160 1997 480.346.851 29.281.670 109.956.300 159.979.150 33.612.170 813.176.141 1998 568.410.321 30.751.050 127.389.445 160.422.170 45.678.360 932.651.346 1999 587.666.950 31.657.010 131.060.750 172.358.000 48.297.300 971.040.010 2000 642.540.100 33.822.110 139.184.800 176.012.750 49.823.576 1.041.383.336 2001 685.768.400 35.838.000 152.049.850 177.384.385 49.809.988 1.100.850.623 2002 708.306.800 35.345.700 157.885.050 178.628.500 53.426.423 1.133.592.473 2003 728.688.200 38.090.400 174.226.173 187.281.250 58.200.287 1.186.486.310 2004 743.377.050 40.128.160 187.273.600 187.762.450 65.941.947 1.228.443.207 2005 770.108.400 42.194.610 205.210.500 191.074.750 71.209.001 1.279.797.261 2006 803.176.350 44.969.360 226.451.750 194.323.350 77.426.022 1.346.346.832

(6)

19

Tabel 5. Persamaan regresi dan koefisien

determinasi (R

2

) daya listrik tersambung

pelanggan sosial

Model Regresi Persamaan Koefisien Determinasi Linier

_Yˆ

_{= 3.10}7_{+ 2.10}6_x 0,981 Parabola

_Yˆ

_{= 3.10}7 + 1.106x + 30303x2 0,9834 Eksponensial

_Yˆ

_{= (3.10}7 )e0,0489x 0,9806 Logaritma

_Yˆ

_{= 2.10}7_{+ 7.10}6 _ln(x) 0,8783

Tabel 6. Persamaan regresi dan JKS daya

listrik tersambung pelanggan

sosial

Model

Regresi Persamaan

Jumlah Kuadrat Sisa (JKS) Linier

_Yˆ

_{= 3.10}7 + 2.106x 509.714.098.549.000 Parabola

_Yˆ

_{= 3.10}7_{+ 1.10}6_{x + 30303x}2 66.981.199.306.746 Eksponensial

_Yˆ

_{= (3.10}7_)e0,0489x 336.163.276.249.758 Logaritma

_Yˆ

_{= 2.10}7_{+ 7.10}6_ln(x) 230.427.716.854.709

Hasil perhitungan Jumlah Kuadrat Sisa (JKS) keempat model regresi diatas berturut-turut diperoleh koefisien JKS terkecil yaitu model linier, model parabola, model eksponensial dan model logaritma, dengan demikian model regresi non linier parabola dipergunakan untuk memprediksi ketersediaan daya listrik pelanggan sosial tangga periode 2007 – 2017 dengan persamaan

Yˆ

= 3.107+ 1.106x + 30303x2 dengan kurva sebagai berikut:

Gambar 2: Kurva model parabola daya listrik tersambung pelanggan sosial

c. Daya Listrik Pelanggan Bisnis

Dari data tabel 2 dan perhitungan yang dilakukan dengan menggunakan persamaan regresi linier sederhana, parabola, eksponensial, logaritma, koefisien determinasi (R2), dan jumlah kuadrat sisa (JKS) maka diperoleh bentuk persamaan regresi dari daya listrik tersambung pelanggan rumah tangga seperti pada tabel 7dan tabel 8.

Tabel 7. Persamaan regresi dan koefisien determinasi (R2) daya listrik tersambung pelanggan bisnis

_Yˆ

_{= 1.10}7 + 1.108x 0,9581 Parabola

_Yˆ

_{= 1.10}8 _+3.106_{x +706.478x}2 0,9855 Eksponensial

_Yˆ

_{= (1.10}8 )e0,0702x 0,9701 Logaritma

_Yˆ

_{= 9.10}7 + 5.107ln(x) 0,7592

Tabel 8. Persamaan regresi dan JKS daya

listrik tersambung pelanggan

bisnis

Model Regresi Persamaan Jumlah Kuadrat Sisa (JKS) Linier

Yˆ

= 1.107 _{+ 1.10}8_x 19.402.857.315.844.600 Parabola

Yˆ

= 1.108 _+3.106_{x +706.478x}2 16.442.372.551.981.600 Eksponensial

Yˆ

= (1.108)e0,0702x 33.426.336.976.360.300 Logaritma

Yˆ

= 9.107_{+ 5.10}7_Ln(x) 20.054.074.225.208.300 Hasil perhitungan Jumlah Kuadrat Sisa (JKS) keempat model regresi diatas berturut-turut diperoleh koefisien JKS terkecil yaitu model linier, model parabola, model eksponensial dan model logaritma, dengan demikian model regresi non linier parabola dipergunakan untuk memprediksi ketersediaan daya listrik pelanggan bisnis tangga periode 2007 – 2017 dengan persamaan

Yˆ

= 1.108 +3.106x +706.478x2 dengan kurva sebagai berikut:

y = 30303x2_{+ 1E+06x + 3E+07} R2_{= 0,9834} 0 5.000.000 10.000.000 15.000.000 20.000.000 25.000.000 30.000.000 35.000.000 40.000.000 45.000.000 50.000.000 0 2 4 6 8 10 12 Tahun Ke D aya te r s am b u ng y = 421548x2 + 7E+06x + 9E+07 R2 = 0,9874 0 50.000.000 100.000.000 150.000.000 200.000.000 250.000.000 0 2 4 6 8 10 12 Tahun Ke D aya t e rs am b ung

(7)

Gambar 3: Kurva model parabola daya listrik tersambung pelanggan bisnis

d. Daya Listrik Pelanggan Industri

Data aktual yang ada pada tabel 2 dan perhitungan yang dilakukan dengan menggunakan persamaan regresi linier sederhana, parabola, eksponensial, logaritma, koefisien determinasi (R2), dan jumlah kuadrat sisa (JKS) maka diperoleh bentuk persamaan regresi dari daya listrik tersambung pelanggan rumah tangga seperti pada tabel 9 dan tabel 10 berikut:

Tabel 9. Persamaan regresi dan koefisien determinasi (R2) daya listrik tersambung pelanggan industri

Yˆ

= 8.107 _{+ 1.10}7_x 0,9781 Parabola

Yˆ

= + 9.107 +7.106x +421548x2 0,9874 Eksponensial

Yˆ

= (9.107_)e0,0793x 0,9825 Logaritma

Yˆ

= 8.107_{+ 5.10}7_ln(x) 0,8512

Tabel 10. Persamaan regresi dan JKS daya

listrik tersambung pelanggan

industri

Model Regresi Persamaan Jumlah Kuadrat Sisa (JKS) Linier

Yˆ

= 8.107 + 1.107x 3.299.100.813.143.550 Parabola

Yˆ

= + 9.107 +7.106x +421548x2 348.953.029.145.098 Eksponensial

Yˆ

= (9.107_)e0,0793x 539.174.339.102.830 Logaritma

Yˆ

= 8.107_{+ 5.10}7_Ln(x) 2.662.595.139.606.730

Hasil perhitungan Jumlah Kuadrat Sisa (JKS) keempat model regresi diatas

berturut-turut diperoleh koefisien JKS terkecil yaitu model linier, model parabola, model eksponensial dan model logaritma, dengan demikian model regresi non linier parabola dipergunakan untuk memprediksi ketersediaan daya listrik pelanggan sosial tangga periode 2007 – 2017 dengan persamaan

Yˆ

= + 9.107 +7.106x +421548x2 dengan kurva sebagai berikut:

Gambar 4: Kurva model parabola daya listrik tersambung pelanggan industri

3.

Estimasi Ketersediaan Daya Listrik

Berdasarkan hasil analisis tersebut di atas maka dapat dibuat tabel estimasi kebutuhan daya listrik pada tahun 2007 – 2017.

y = 706478x2 + 3E+06x + 1E+08 R2 = 0,9855 0 50.000.000 100.000.000 150.000.000 200.000.000 250.000.000 0 2 4 6 8 10 12 Tahun Ke D ay a t e rs am bung

Tabel 11. Estimasi jumlah daya listrik tersambung Sulawesi Selatan

Tahun

Jumlah daya listrik yang tersambung (VA)

R.Tangga Sosial Bisnis Industri Jumlah total 2007 880.000.000 46.363.632 233.086.360 237.732.832 1.397.182.824 2008 920.000.000 48.121.207 252.322.739 258.394.782 1.478.838.728 2009 960.000.000 49.939.388 273.146.675 280.469.688 1.563.555.751 2010 1.000.000.000 51.818.175 295.689.190 303.957.550 1.651.464.915 2011 1.040.000.000 53.757.568 320.092.116 328.858.368 1.742.708.052 2012 1.080.000.000 55.757.567 346.508.990 355.172.142 1.837.438.699 2013 1.120.000.000 57.818.172 375.106.022 382.898.872 1.935.823.066 2014 1.160.000.000 59.939.383 406.063.137 412.038.558 2.038.041.078 2015 1.200.000.000 62.121.200 439.575.111 442.591.200 2.144.287.511 2016 1.240.000.000 64.363.623 475.852.794 474.556.798 2.254.773.215 2017 1.280.000.000 66.666.652 515.124.437 507.935.352 2.369.726.441

(8)

21 Dari tabel di atas maka dapat digambarkan

diagram balok pertumbuhan jumlah daya listrik tersambung yang akan terjadi untuk pelanggan rumah tangga, sosial, bisnis, dan industri di Sulawesi Selatan pada tahun 2007- 2017.

0 200.000.000 400.000.000 600.000.000 800.000.000 1.000.000.000 1.200.000.000 1.400.000.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Tahun E s tim a s i J u m la h d a y a L is tr ik T e rs a m b u n g (V A )

R. Tangga Sosial Bisnis Industri

Gambar 5. Diagram balok estimasi peningkatan jumlah daya listrik tersambung pada tahun 2007 – 2017

Estimasi peningkatan jumlah daya listrik tersambung untuk pelanggan rumah tangga dari tahun 2007 sampai 2017 dapat digambarkan seperti pada kurva regresi dibawah ini,

0 200.000.000 400.000.000 600.000.000 800.000.000 1.000.000.000 1.200.000.000 1.400.000.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Tahun

E st im asi J u m lah D ay a L ist ri k T er sam b u n g (VA)

Gambar 6. Estimasi pertumbuhan jumlah daya listrik tersambung untuk pelanggan

Rumah Tangga dari tahun 2007 sampai 2017

Untuk pelanggan sosial Estimasi peningkatan jumlah daya listrik tersambung dari tahun 2007 sampai tahun 2017 dapat digambarkan seperti pada kurva regresi berikut ini : 30.000.000 35.000.000 40.000.000 45.000.000 50.000.000 55.000.000 60.000.000 65.000.000 70.000.000 75.000.000 80.000.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017

Tahun

E s ti m asi Ju m lah D ay a L is tr ik T er sa m b u n g (V A)

Gambar 7. Estimasi pertumbuhan jumlah daya listrik tersambung untuk pelanggan sosial dari tahun 2007 sampai 2017

Untuk pelanggan bisnis Estimasi peningkatan jumlah daya listrik tersambung dari tahun 2007 sampai tahun 2017 dapat digambarkan seperti pada kurva regresi berikut ini,

0 100.000.000 200.000.000 300.000.000 400.000.000 500.000.000 600.000.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Tahun E st im asi Ju m lah D ay a L ist ri k T ersam b u n g (VA )

Gambar 8. Estimasi pertumbuhan jumlah daya listrik tersambung untuk pelanggan bisnis dari tahun 2007 sampai 2017

(9)

Untuk pelanggan Industri Estimasi peningkatan jumlah daya listrik tersambung dari tahun 2007 sampai tahun 2017 dapat digambarkan pada grafik dibawah ini,

0 100.000.000 200.000.000 300.000.000 400.000.000 500.000.000 600.000.000 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 Tahun Es tim a si J u m la h D a y a L is tr ik T e rs a m b u n g (V A)

Gambar 9. Estimasi pertumbuhan jumlah daya listrik tersambung untuk pelanggan industri dari tahun 2007 sampai 2017

SIMPULAN DAN SARAN

Berdasarkan uraian dan pembahasan hasil penelitian maka dapat ditarik beberapa kesimpulan, yaitu:

1. Jumlah daya listrik tersambung pada PT PLN

(Persero) Wilayah Sulseltrabar secara keseluruhan mengalami peningkatan setiap tahun, dari hasil estimasi daya listrik tersambung untuk jenis pelanggan Rumah tangga diperoleh bahwa jumlah daya listrik tersambung dari tahun 2007 hingga tahun 2017 mengalami peningkatan sebesar 31,25 % dan rata-rata pertumbuhanya 3,82%.

2. Untuk jenis pelanggan sosial hasil estimasi diperoleh bahwa jumlah daya listrik tersambung dari tahun 2007 hingga tahun 2017 mengalami peningkatan sebesar 30,45% dengan rata-rata pertumbuhan 3,70%.

3. Untuk jenis pelanggan bisnis hasil estimasi diperoleh bahwa jumlah daya listrik tersambung dari tahun 2007 hingga tahun 2017 mengalami peningkatan sebesar 54,75% dengan rata-rata pertumbuhan 3,70 %.

4. Untuk jenis pelanggan industri hasil estimasi diperoleh bahwa jumlah daya listrik tersambung setiap tahun mengalami peningkatan dari tahun 2007 hingga tahun 2017 mengalami peningkatan 53,19 % sebesar dengan rata-rata pertumbuhan sebesar 7,89%.

Berdasarkan simpulan di atas, maka

disarankan:

1. Pihak PT PLN (Persero) Wilayah Sulseltrabar agar dapat memperhatikan peningkatan jumlah daya listrik tersambung untuk masa yang akan datang dan memperhatikan karakteristik beban di masa lampau, karena dengan mengetahui karakteristik beban masa lampau maka pengoperasian sistem renaga listrik dapat diatur sedemikian rupa sehingga diharapkan suatu operasi sistem tenaga listrik yang optimal

2. Untuk peneliti dimasa mendatang disarankan agar perumusan model penelitian melibatkan berbagai variabel lain seperti pengembangan suatu daerah, keadaan suatu daerah yang menyebabkan meningkatnnya pemakaian energi listrik pada daerah tersebut