Tugas 2-W3: Makrosektoral vs
Mikrospasial
Perencanaan Sistem Tenaga Listrik
Nama : M. Rivandi Fadli
NIM
: 23220100
1. Apa saja persamaan (irisan) dari pendekatan loadforecasting makro sekoral dan
mikrospasial?
Persamaan prediksi demand listrik menggunakan metode Makrosektoral dengan Mikrospasial
adalah:
a) Sama-sama ingin memprediksi data-data demand listrik berupa beban puncak (MV atau
MVA) dan energi terjual (GWh) pada cakupan daerah tertentu
b) Demand listrik sama-sama dibedakan menjadi beberapa jenis pelanggan. Contohnya
adalah pelanggan residensial, industri, bisnis, dan sosial
c) Sama-sama menggunakan permodelan regresi multivariabel dengan Y adalah variabel
dependen yang ingin dicari dan X adalah variabel independen yang memengaruhi Y.
d) Sama-sama menggunakan data ekonomi berupa produk domestik regional bruto,
sebagai variabel yang mempengaruhi demand listrik
2. Apa saja perbedaan penting dari pendekatan loadforecasting makro sekoral dan
mikrospasial? (Minimal: sumber data, proses, dan luaran)
Perbedaan mendasar antara prediksi demand listrik menggunakan metode Makrosektoral
dengan Mikrospasial adalah:
a)
b)
c)
d)
Data yang dibutuhkan
Proses
Cakupan daerah analisis
Hasil analisis
Perbedaan
Data yang dibutuhkan
Makrosektoral
Utamanya, dibutuhkan data
ekonomi yang cukup lengkap
seperti produk domestik
regional yang dibagi per tipe
pelanggan, kemudian ada
data inflasi, dan jumlah
penduduk
Mikrospasial
Selain data ekonomi,
dibutuhkan juga data-data
perihal penggunaan lahan
seperti RUTR dan RTDR.
Untuk metode ini, data
ekonomi tidak dibutuhkan
sedetail metode
makrosektoral
Data-data cukup berasal dari
pusat pengumpul data.
Contohnya di Indonesia
adalah BPS (Badan Pusat
Statistik)
Proses
Cakupan daerah analisis
Hasil analisis
Proses berupa Pengumpulan
Data ➔ Permodelan ➔
Simulasi
Negara atau Provinsi
Demand listrik berupa
MVA/MW dan GWh suatu
negara/provinsi
Selain data dari BPS,
diperlukan juga data-data
penggunaan dan rencana
lahan yang berasal dari
lembaga daerah seperti
Bappeda
Proses berupa Pengumpulan
Data ➔ Meshing (Grid) ➔
Clustering ➔ Permodelan➔
Simulasi
Kota (kecil), Kecamatan atau
Desa
Demand listrik berupa
MVA/MW dan GWh tiap Grid.
Dapat juga berupa peta
geografis yang digambarkan
dengan skema warna.
3. Jelaskan proses (bisa dalam flowchart) mulai dari memperoleh data masukan untuk analisis
makro sektoral sampai dengan memperoleh data luaran mikrospasial dalam sebuah
perencanaan tenaga listrik!
Gambar 1 Flowchart Proses Mikrospasial
Gambar di atas merupakan flowchart proses metode mikrospasial. Prose diawali dengan
pengumpulan data sebagai variabel input, yakni berupa data ekonomi (PDRB), luas lahan, dan
pelanggan listrik berdasarkan jenis. Kemudian dilanjutkan dengan proses Meshing untuk
membentuk grid. Batasan grid dapat ditentukan membentuk suatu kotak ataupun garis batas
daerah.
Setelah grid ditentukan, masuk ke proses clustering dimana grid-grid tersebut dikelompokkan
menjadi beberapa bagian seperti bagian industri, pedesaan, komersil, dan cluster-cluster lainnya.
Setelah didapat grid-grid yang masuk ke cluster tertentu, dilanjutkan ke analisis faktor dan analisis
korelasi. Kemudian proses dilanjutkan dengan permodelan. Untuk setiap cluster, dipilih model
yang memiliki MAPE (Mean Absolute Percentage Error, merupakan ukuran kesalahan relatif
terhadap data acuan). Kemudian masuk ke forecasting beban listrik yang dilakukan untuk setiap
grid dan didapatkan hasil akhirnya. Berikut merupakan contoh dari hasil prediksi beban dengan
menggunakan metode mikrospasial.
Gambar 2 Hasil Prediksi Beban Listrik dengan Metode Mikrospasial di Daerah Yunani (kiri) dan Tangerang (kanan)
Referensi:
[1] Christine Widyastuti, Adri Senen, Oktaria Handayani, Micro-Spatial Electricity Load
Forecasting Using Clustering Technique, ICENIS, 2020
[2] Hristos Tyralis, Nikos Mamassis, Yorgos N. Photis, Spatial analysis of the electrical energy
demand in Greece, Energy Policy, 2017.
[3] Nanang Hariyanto, Prediksi Beban Spasial Tangerang, 1996