Deteksi Outlier Pada Model ARIMA Musiman Ganda Untuk Peramalan Beban Listrik Jangka Pendek di Jawa Timur

Perencanaan yang baik akan memberikan kontri-busi besar terhadap pengembangan sistem distribusi karena merupakan ujung tombak dari pelayanan energi listrik yang langsung berhubungan dengan konsumen. Namun karena banyaknya data dalam peramalan beban listrik jangka pendek, membuat peramalan yang dilakukan tidak memenuhi asumsi distribusi normal. Hal ini dikarenakan outlier yang banyak dalam data. Penelitian ini fokus untuk mendeteksi outlier yang terjadi supaya asumsi distribusi normal terpenuhi. Apalagi belum ada software yang mampu mendeteksi outlier pada musiman ganda karena banyaknya outlier. Metode yang digunakan prosedur iteratif dengan pembagian data sebagai pengembangannya. Sebagai pengembangan metode maka diperlukan pemvalidasian metode yang dilakukan dari simulasi AR (1) dengan outlier. Hasil yang didapatkan yaitu metode pendeteksian outlier dari simulasi mampu mengatasi outllier lalu diterapkan terhadap data beban listrik jangka pendek sehingga menghasilkan model ARIMA yang memenuhi asumsi distribusi normal. Pada data I diperoleh outlier pada periode ke 1698 dan ke 1790 dengan efek 20 data setelahnya, jadi ada 22 outlier. Adanya outlier pada data I ini bertepatan dengan pemilu Legislatif tanggal 9 April 2014. Kemudian untuk data II diperoleh outlier sebanyak 177 dimana pada data II bertepatan dengan pemilu presiden tanggal 9 Juli 2014 dan hari Raya Idul Fitri tanggal 28 Juli 2014