Analisis Time Series Pembangkit Listrik Tenaga Surya Berdasarkan Data Historis dan Iradiansi Menggunakan Metode ARIMA
Time Series Analysis Pembangkit Listrik Tenaga Surya Berdasarkan Data Historis dan Iradiansi Menggunakan Metode ARIMA
DOI:
https://doi.org/10.57152/ijeere.v5i1.2014Kata Kunci:
Pembangkit Listrik Tenaga Surya, Performance Ratio, SARIMA, Prediksi Analisis MusimanAbstrak
Permintaan energi terbarukan di Indonesia terus meningkat seiring dengan upaya transisi energi berkelanjutan. Salah satu teknologi yang berkembang pesat adalah Pembangkit Listrik Tenaga Surya (PLTS) On-Grid, yang mengandalkan energi matahari sebagai sumber utama. Namun, variasi iradiasi matahari serta faktor lingkungan lainnya menyebabkan fluktuasi pada kinerja sistem PLTS, yang dapat berdampak pada efisiensi dan keandalannya. Oleh karena itu, diperlukan metode yang mampu memprediksi kinerja sistem dengan akurat untuk mendukung pemeliharaan serta optimalisasi operasional. Dalam studi ini, diterapkan metode Seasonal Autoregressive Integrated Moving Average (SARIMA) sebagai pendekatan analisis deret waktu guna memprediksi Performance Ratio (PR) dari PLTS berbasis data historis dan variabel iradiasi matahari. Model SARIMA dipilih karena hasil uji stasioneritas menunjukkan adanya pola musiman yang signifikan, yang tidak dapat ditangani secara optimal oleh model ARIMA konvensional. Dengan mempertimbangkan faktor musiman, SARIMA mampu memberikan estimasi yang lebih akurat terhadap tren dan fluktuasi PR. Penelitian ini bertujuan untuk mendeteksi potensi anomali sejak dini, mengidentifikasi pola operasional yang berulang, serta meningkatkan efisiensi pemantauan sistem PLTS. Hasil evaluasi model menunjukkan bahwa SARIMA memiliki tingkat keakuratan yang lebih tinggi dibandingkan dengan ARIMA dalam menangkap pola musiman pada data PR. Implementasi model ini dapat membantu operator PLTS dalam mengambil keputusan berbasis data yang lebih tepat, mengoptimalkan strategi perawatan, serta memastikan keandalan sistem energi terbarukan. Temuan ini memberikan kontribusi terhadap pengembangan strategi manajemen energi yang lebih efisien serta mendukung keberlanjutan dalam pemanfaatan tenaga surya di Indonesia..
Referensi
I. Renewable Energy Agency, Renewable Energy Statistics 2022 Statisques D’Énergie Renouvelable 2022 Estaditicas De Energia Renovable 2022 About IRENA. 2022. [Daring]. Tersedia pada: www.irena.org
“Potensi Energi Baru Terbarukan (EBT) Indonesia,” 24 agustus 2008, 2008. Diakses: 5 Desember 2024. [Daring]. Tersedia pada: https://www.esdm.go.id/id/media-center/arsip-berita/potensi-energi-baru-terbarukan-ebt-indonesia
Y. Wicaksono, “Segmentasi Pelanggan Bisnis dengan Multi Kriteria Mengunakan K-Means,” Indonesian Journal of Business Intelligence (IJUBI), vol. 1, no. 2, hlm. 45, Mar 2019, doi: 10.21927/ijubi.v1i2.872.
Aldyfari dan Jefry, “Analisis Performance PLTS Rooftop 21.44 kWp Gedung D PT Indonesia Power PGU,” 2022.
D. Heksaputra, “Fuzzy Intelligence System for Employee Assesment: A Case Studi of XYZ University in Yogyakarta,” 2018. [Daring]. Tersedia pada: https://ejournal.almaata.ac.id/index.php/IJUBI
I. Amarulloh, “Peramalan Daya Listrik Jangka Pendek Pada Smart Grid Photovoltaic metode ARIMA dengan Pengaruh Suhu Pada Mode Hybrid,” 2021.
M. Al-Omary, R. Aljarrah, A. Albatayneh, dan M. Jaradat, “A Composite Moving Average Algorithm for Predicting Energy in Solar Powered Wireless Sensor Nodes,” dalam 18th IEEE International Multi-Conference on Systems, Signals and Devices, SSD 2021, Institute of Electrical and Electronics Engineers Inc., Mar 2021, hlm. 1047–1052. doi: 10.1109/SSD52085.2021.9429440.
A. Akbar Harahap, “‘Avrillaila Akbar Harahap’ Perancangan Web E-Shop pada Toko Sandy dengan Menggunakan PHP dan MySQL,” 2018. [Daring]. Tersedia pada: https://ejournal.almaata.ac.id/index.php/IJUBI
S. Atique, S. Noureen, V. Roy, V. Subburaj, S. Bayne, dan J. MacFie, “Forecasting of total daily solar energy generation using ARIMA: A case study,” dalam 2019 IEEE 9th Annual Computing and Communication Workshop and Conference, CCWC 2019, Institute of Electrical and Electronics Engineers Inc., Mar 2019, hlm. 114–119. doi: 10.1109/CCWC.2019.8666481.
E. Chodakowska, J. Nazarko, ?. Nazarko, H. S. Rabayah, R. M. Abendeh, dan R. Alawneh, “ARIMA Models in Solar Radiation Forecasting in Different Geographic Locations,” Energies (Basel), vol. 16, no. 13, Jul 2023, doi: 10.3390/en16135029.
M. Majidpour, H. Nazaripouya, P. Chu, H. R. Pota, dan R. Gadh, “Fast Univariate Time Series Prediction of Solar Power for Real-Time Control of Energy Storage System,” Forecasting, vol. 1, no. 1, hlm. 107–120, Des 2019, doi: 10.3390/forecast1010008.
A. Wisnu Widhi Nugraha, I. Rosyadi, dan F. Surya Tri Nugroho, “Desain Sistem Monitoring Sistem Photovoltaic Berbasis Internet of Things (IoT),” 2016.
F. Joisman Edas dan M. Ahmad Baihaqi, “Pengelolaan Daya pada Pembangkit Listrik Tenaga Surya dengan SCADA untuk Monitoring dan Kontrol Jarak Jauh,” 2024. [Daring]. Tersedia pada: https://ejournal.upm.ac.id/index.php/intro
Ardianto, Raharjo Budi Agus, dan Purwitasari diana, “Random Forest Regression Untuk Prediksi Produksi Daya Pembangkit Listrik Tenaga Surya,” Briliant, vol. 7, no. 4, 2022.
S. A. Solar Technology, “Performance ratio - Quality factor for the PV plant,” 2010.
G. Jain dan B. Mallick, “A Study of Time Series Models ARIMA and ETS,” 2017. [Daring]. Tersedia pada: https://ssrn.com/abstract=2898968
H. Sharadga, S. Hajimirza, dan R. S. Balog, “Time series forecasting of solar power generation for large-scale photovoltaic plants,” Renew Energy, vol. 150, hlm. 797–807, Mei 2020, doi: 10.1016/j.renene.2019.12.131.
Y. Listiana dan L. Prastiwi, “Model Matematika Keinggian Gelombang Perairan Pulau Bawean dengan Metode ARIMA,” Jurnal Matematika dan Pendidikan Matematika, vol. Vol. 3, 2018.
I. Aksan dan K. Nurfadilah, “Aplikasi Metode Arima Box-Jenkins Untuk Meramalkan Penggunaan Harian Data Seluler,” JOMTA Journal of Mathematics: Theory and Applications, vol. 2, no. 1, 2020.
Kastanja J. Arnold dan Tupalessy Johanis, “Peramalan Beban Listrik Kota Ambon Tahun 2016 - 2022,” SIMETRIK, vol. 7, no. 1, 2017.
Masarrang Maryantho, Yudaningtyas Erni, dan Naba Agus, “Peramalan Beban Jangka Panjang Sistem Kelistrikan Kota Palu Menggunakan Metode Logika Fuzzy,” EECCIS, vol. 9, no. 1, 2015.
I. Sungkawa, ; Ries, dan T. Megasari, “Penerapan Ukuran Ketepatan Nilai Ramalan Data Deret Waktu Dalam Seleksi Model Peramalan Volume Penjualan Pt. Satriamandiri Citramulia,” 2011.
Razak Azhar Muhammad dan Riksakomara Edwin, “Peramalan Jumlah Produksi Ikan dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin,” Jurnal Teknik ITS, vol. 6, no. 2337–3539, 2017.
H. Wibowo, Y. Mulyadi, dan A. G. Abdullah, “Peramalan Bebab Listrik Jangka Pendek Terklasifikasi Berbasis Metode Autoregressive Integrarated Moving Average,” 2012. [Daring]. Tersedia pada: http://jurnal.upi.edu/
S, D. Ruhiat, dan D. Dan Andiani, “Implementasi Model Autoregressive Integrated Moving Average (ARIMA) untuk Peramalan Jumlah Penumpang Kereta Api di Pulau Sumatera,” 2018.
D. Rusirawan dkk., “Research Collaboration of ITENAS Bandung - Indonesia and MATE Godollo - Hungary on the Photovoltaic Thematic Field: Achievements and Future Plan,” dalam E3S Web of Conferences, EDP Sciences, Feb 2024. doi: 10.1051/e3sconf/202448403011.
K. Katterbauer, A. F. Marsala, V. Schoepf, dan E. Donzier, “A novel artificial intelligence automatic detection framework to increase reliability of PLT gas bubble sensing,” Journal of Petroleum Exploration and Production, vol. 11, no. 3, hlm. 1263–1273, Mar 2021, doi: 10.1007/s13202-021-01098-1.
W. Mckinney, “Python for Data Analysis,” 2022. [Daring]. Tersedia pada: www.allitebooks.com
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Daisya Sopyan

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.