Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Gita Pratiwi1.
Andi Ikmal Rachman2.
Agus Halid3.
Luqman Mz4.
Suriansyah5 Program Studi Sistem Informasi Fakultas Bisnis dan Sosial.
Universitas Almarisah Madani11 Jl.
Perintis Kemerdekaan Km 13.
Paccerakang.
Biring Kanaya.
Makassar.
Sulawesi Selatan.
Indonesia1 Gitapratiwi@univeral.
id* .
andiikmal@univeral.
agushalid@univeral.
luqmanfmz@univeral.
suriansyah@univeral.
Kata Kunci:
Gardu Induk.
Faktor Beban.
Sistem Informasi.
Load Shifting.
Demand Side Management ABSTRAK Dalam Demand Side Management (DSM) Gardu Induk (GI), penerapan sistem informasi dapat meningkatkan efisiensi operasional dan mengoptimalkan distribusi beban listrik.
Gardu Induk (GI) Siantan adalah bagian dari Sistem Khatulistiwa, yang merupakan jaringan listrik di Kalimantan Barat.
Pada 2019, penggunaan listrik GI Siantan oleh pelanggan masih kurang efisien.
Ini terutama berlaku saat waktu beban puncak (WBP), yaitu pukul 19.
Penelitian ini menganalisis implementasi sistem informasi dalam manajemen sisi permintaan (DSM) pada Gardu Induk Siantan dan efeknya terhadap faktor beban.
Penelitian menunjukkan bahwa implementasi DSM dapat meningkatkan efisiensi operasional dan stabilitas gardu induk dengan mengurangi beban puncak dan mengatur distribusi beban secara Nilai faktor beban yang rendah pasti disebabkan oleh penggunaan energi yang tinggi selama WBP, yaitu 0.
Namun, terjadi penurunan nilai beban puncak setelah simulasi penerapan Demand Side Management (DSM) dengan metode pergeseran beban, yang menghasilkan nilai faktor beban meningkat menjadi 0.
Meskipun ada kendala dalam pelatihan dan integrasi sistem, keuntungan finansial dan operasional yang diperoleh sangat Keywords Substation.
Loaad Factor.
Information SYstem.
Load Shifting.
Demand Side Management.
ABSTRACT
In Demand Side Management (DSM) of Substation (GI), the application of information system can improve operational efficiency and optimize the distribution of electrical load.
Siantan Substation (GI) is part of the Equatorial System, which is the electricity network in West Kalimantan.
GI Siantan's electricity usage by customers was still inefficient.
This is especially true during peak load time (WBP), which is at 19.
This research analyzes the implementation of information systems in demand side management (DSM) at Siantan Substation and its effect on load factor.
The research shows that the implementation of DSM can improve the operational efficiency and stability of the substation by reducing peak loads and organizing load distribution evenly.
The low load factor value is definitely caused by the high energy usage during WBP, which is 0.
However, there was a decrease in the peak load value after simulating the implementation of Demand Side Management (DSM) with the load shifting method, which Research (Gita Pratiw.
: Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 resulted in the load factor value increasing to 0.
Although there are constraints in training and system integration, the financial and operational benefits are substantial.
---Jurnal JISTI @2024--PENDAHULUAN Sistem distribusi listrik yang efisien dan andal sangat penting untuk menjamin kontinuitas pelayanan dan stabilitas jaringan listrik.
Gardu Induk (GI) Siantan adalah bagian dari Sistem Khatulistiwa, yang merupakan jaringan listrik di Kalimantan Barat.
Data beban harian PT.
PLN
(Perser.
tahun 2019 menunjukkan bahwa penggunaan listrik GI Siantan oleh pelanggan masih kurang optimal, terutama pada waktu beban puncak (WBP), yaitu pukul 19.
Sebagai titik penting dalam jaringan distribusi.
GI Siantan harus memiliki manajemen beban yang optimal untuk mencegah kelebihan beban dan mengganggu operasional.
Salah satu solusi untuk meningkatkan pengelolaan beban listrik adalah penerapan sistem informasi dalam Demand Side Management (DSM).
DSM adalah proses pengelolaan konsumsi energi pelanggan dengan tujuan mengoptimalkan sumber daya yang tersedia dan direncanakan untuk DSM menggabungkan semua aktivitas yang mempengaruhi penggunaan listrik pelanggan, yang menguntungkan baik pelanggan maupun perusahaan listrik.
Pada penelitian ini diterapkan DSM strategi load shifting yaitu strategi DSM dalam pengelolaan beban dengan cara memindahkan konsumsi beban dari periode waktu beban puncak (WBP) ke periode luar beban puncak (LWBP).
Tujuan penelitian ini adalah untuk melihat bagaimana faktor beban dipengaruhi oleh penerapan sistem informasi DSM di Gardu Induk Siantan.
KAJIAN PUSTAKA
DSM adalah proses pengelolaan konsumsi energi untuk mengoptimalkan sumber daya yang tersedia dan direncanakan untuk pembangkit.
DSM menggabungkan semua aktifitas yang mempengaruhi penggunaan listrik pelanggan, yang saling menguntungkan bagi pelanggan dan perusahaan listrik.
(Niharika & Mukherjee 2.
Faktor beban berbanding lurus dengan efisiensi sistem.
Semakin tinggi nilai faktor beban, semakin tinggi efisiensi sistem tersebut.
(Trupti V N.
Dr.
Ezhibrasan G 2.
Dengan penerapan DSM terjadi penurunan beban puncak.
(Mulyono 2.
Dengan DSM, unit distribusi daya dapat mengubah jadwal beban pengguna dengan cara mendorong pengguna untuk menggeser perangkat beban mereka ke luar jam sibuk .
oad shiftin.
, sehingga bisa mengurangi biaya listrik pengguna dan juga menurunkan PAR (Peak to Average Rat.
dalam permintaan beban.
(Saravanan, 2.
METODE PENELITIAN
Lokasi Penelitian Penelitian ini dilakukan pada Gardu Induk Siantan.
Alat dan Bahan Penelitian ini menggunakan software Matlab dan data yang digunakan adalah data sekunder dari UP2D yaitu data beban harian GI Siantan tahun 2019.
Research (Gita Pratiw.
: Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Ay Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 Mengolah Data Data beban yang diperoleh dari UP2D adalah data beban harian Gardu Induk Siantan tahun 2019 yang kemudian dihitung Data Rata-Rata Harian.
Data Rata-Rata Harian Daya Nyata, dan Data Rata-Rata Harian Daya Semu.
Implementasi Matlab A Mengolah data yang didapat dari UP2D PT.
PLN
A Import data ke Matlab A Membuat skenario dengan strategi load shifting A Visualisasi grafik beban sebelum dan sesudah penerapan DSM strategi load shifting Analisis dan Hasil Melakukan perbandingan dan analisa terhadap hasil dari simulasi tersebut antara sebelum dan sesudah penerapan DSM.
HASIL DAN PEMBAHASAN
Data Data yang digunakan penelitian ini adalah data sekunder GI Sinatan yang diperoleh dari UP2D PT.
PLN (Perser.
Kalimantan Barat yaitu data beban harian selama 24 jam pada 1 tahun, yaitu tahun Data beban rata-rata harian GI Siantan ditunjukkan pada Gambar 1.
Gambar 1.
Grafik Beban Rata-Rata Harian GI Siantan Tahun 2019 (Daya Nyat.
Hasil dan Pembahasan Research (Gita Pratiw.
: Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 Nilai beban puncak sebelum diterapkannya DSM dan setelah diterapkannya DSM ditunjukkan pada Tabel 1.
Tabel 1.
Beban Puncak Beban Puncak Sebelum DSM Beban Puncak Setelah DSM Skenario Daya Nyata Daya Semu Daya Nyata .
W) Daya Semu .
VA) .
W) .
VA) Skenario 31,252.
32,218.
29,127.
30,028.
Sesuai dengan deskripsi metode dan efek pada bentuk beban load shifting, yaitu pemerataan beban antara periode waktu beban puncak (WBP) dan periode luar waktu beban puncak (LWBP), skenario DSM dengan metode load shifting menghasilkan penurunan nilai beban puncak, seperti yang ditunjukkan pada Tabel 1.
Turunnya nilai beban puncak berpengaruh pada nilai faktor beban, yang dapat dihitung dengan menggunakan persamaan .
yaya = ycEycayc ycEycoycaycu Dimana:
= Faktor beban ycEycayc = Beban rata-rata .
W) ycEycoycaycu = Beban puncak .
W) Pemakaian energi total pelanggan dengan penerapan DSM menggunakan metode load shifting tidak ada perubahan.
Dengan demikian, beban rata-rata harian sebelum DSM dan setelah DSM tidak mengalami perubahan.
Beban rata-rata harian .
cEycayc ) bisa dihitung dengan persamaan .
ycEycayc = Ocyayc=1 ycE.
/ Ocyayc=1 yc.
Dimana:
ycEycayc = Beban rata-rata .
W) ycE.
= Besarnya energi yang digunakan .
W) yc.
= Waktu dalam satuan jam .
Tabel 2 menunjukkan beban rata-rata pemakaian energi sebelum dan sesudah penerapan DSM.
Tabel 2.
Beban Rata-Rata Harian .
cEycayc ) Skenario Skenario Beban Rata-Rata Sebelum DSM .
W) 26,345.
Beban Rata-Rata Setelah DSM .
W) 26,345.
Pada Tabel 2 bisa dilihat beban rata-rata harian sebelum diterapkan DSM adalah 26,345.
kW, dan beban rata-rata harian setelah diterapkan DSM adalah sebesar 26,345.
13 kW.
Setelah diterapkannya DSM, nilai beban puncak menurun, pemakaian energi total pelanggan tidak mengalami perubahan tetap nilai faktor beban mengalami kenaikan.
Nilai faktor beban hasil penerapan DSM ditunjukkan pada Tabel 3.
Research (Gita Pratiw.
: Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Ay Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
Skenario Skenario p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 Tabel 3.
Faktor Beban Rata-Rata Harian Faktor Beban Sebelum Faktor Beban Setelah DSM
DSM
Pada Tabel 3 bisa dilihat terjadi peningkatan nilai faktor beban yaitu menjadi 0.
Ini karena faktor beban berbanding terbalik dengan beban puncak.
nilai faktor beban lebih besar ketika beban puncak lebih rendah dan sebaliknya.
Meningkatnya nilai faktor beban tentunya memberikan keuntungan baik pada perusahaan listrik maupun pelanggan.
Bagi perusahaan listrik sendiri, semakin tinggi nilai faktor beban sistem, bearti semakin rata beban sistemnya, sehingga tingkat pemanfaatan alat-alat yang ada dalam sistem terssebut dapat diusahakan setinggi mungkin.
Bagi pelanggan, semakin tinggi nilai faktor beban artinya dengan jumlah pemakaian energi yang sama, biaya tagihan bisa berkurang.
Berkurangnya biaya tagihan pelanggan setelah melakukan simulasi penerapan DSM bisa dilihat pada Tabel 4.
Biaya tagihan pelanggan bisa diperoleh melalui persamaan 3, yaitu:
ya = yaycc yayce Dimana:
yaycc = Biaya Beban yayce = Biaya Energi Tabel 4.
Biaya Total Tagihan Skenario Skenario Biaya Total Sebelum DSM (R.
496,872,926,146,792 Biaya Total Setelah DSM (R.
431,646,296,366,541 Dari Tabel 4 bisa dilihat terdapat selisih biaya total tagihan antara sebelum dan sesudah penerapan DSM.
Hal ini terjadi karena biaya total tagihan sebanding dengan nilai beban puncak.
Semakin tinggi nilai beban puncak maka semakin besar pula biaya tagihan pelanggan, begitu juga Tabel 5.
Penghematan Skenario Skenario Penghematan PerTahun (R.
65,226,629,780,250.
Penghematan PerTahun (%) Pada Tabel 5 bisa terdapat penghematan yaitu sebesar 13.
Perbandingan grafik beban ratarata harian sebelum diterapkan DSM dan grafik beban rata-rata harian setelah diterapkan DSM ditunjukkan pada Gambar 2.
Research (Gita Pratiw.
: Analisa Implementasi Sistem Informasi Dalam Demand Side Management Pada Gardu Induk Terhadap Faktor Beban Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Volume 7 Nomor 1.
April 2024 DOI : 10.
57093/jisti.
p-ISSN: 2620 Ae 5327 e-ISSN: 2715 Ae 5501 Gambar 2.
Grafik Beban Rata-Rata Harian Tahun 2019 Sebelum Penerapan DSM dan Sesudah Penerapan DSM Dari Gambar 2 bisa dilihat nilai beban puncak sebelum penerapan DSM sebesar 31,252.
3 kW terjadi pada pukul 19.
00 dan setelah penerapan DSM nilai beban puncak menjadi 29,127.
85 kW terjadi pada pukul 14.
Dari grafik juga bisa dilihat terjadi perataan beban dari WBP ke LWBP setelah penerapan DSM.
SIMPULAN DAN SARAN
Penelitian ini menunjukkan bahwa implementasi sistem informasi dalam DSM pada GI Siantan memiliki dampak positif terhadap faktor beban, meningkatkan efisiensi operasional, dan memberikan manfaat ekonomi yang signifikan.
Dukungan berkelanjutan dan penanganan tantangan implementasi akan lebih meningkatkan efektivitas sistem ini di masa depan.
Berdasarkan temuan dari data historis, disarankan untuk terus memantau dan mengupdate sistem informasi secara berkala untuk menyesuaikan dengan perubahan pola beban dan teknologi baru.
Pelatihan berkelanjutan bagi staf dan investasi dalam infrastruktur pendukung juga penting untuk mempertahankan dan meningkatkan efektivitas sistem.
DAFTAR PUSTAKA