Analisis Time Series dengan RapidMiner untuk Peramalan Konsumsi Energi Listrik sebagai Dasar Pengambilan Keputusan Manajerial
DOI:
https://doi.org/10.56750/mvkd8503Keywords:
Konsumsi Energi, ARIMA, Exponential Smoothing, RapidMiner, Peramalan ListrikAbstract
Konsumsi energi listrik merupakan indikator penting dalam mengukur perkembangan sosial ekonomi dan perencanaan kapasitas ketenagalistrikan nasional. Penelitian ini bertujuan menganalisis pola historis konsumsi energi listrik nasional periode 2016–2024 serta membangun model peramalan menggunakan metode ARIMA dan Exponential Smoothing melalui perangkat lunak RapidMiner Studio. Data diperoleh dari Annual Report PLN dan diolah sebagai deret waktu tahunan. Hasil penelitian menunjukkan bahwa konsumsi listrik nasional mengalami tren peningkatan stabil selama sembilan tahun terakhir. Model ARIMA(4,0,1) menghasilkan nilai RMSE sebesar 1,62×10⁹ dan MAPE 6,56%, sedangkan Exponential Smoothing menghasilkan RMSE 1,00×10⁹ dan MAPE 3,81%. Dengan nilai kesalahan yang lebih rendah, Exponential Smoothing menjadi model terbaik untuk memproyeksikan konsumsi listrik tahun 2025. Hasil peramalan memberikan implikasi manajerial penting, seperti perencanaan kapasitas pembangkit, kebijakan subsidi energi, dan perencanaan transisi energi. Penelitian ini menegaskan bahwa metode peramalan berbasis RapidMiner mampu mendukung evidence-based decision making dalam manajemen energi nasional.
References
Box, G. E. P., Jenkins, G. M., Reinsel, G. C., & Ljung, G. M. (2015). Time series analysis: Forecasting and control (5th ed.). John Wiley & Sons. https://doi.org/10.1002/9781118619193
Chaidir, M., Ruslaini, R., & Amelia, S. (2025). Forecasting Cerdas: Kunci Sukses Bisnis. Cakrawala: Jurnal Pengabdian Masyarakat Global, 4(1), 75–84. https://doi.org/10.30640/cakrawala.v4i1.3786
Faisal, F. (2021). Urgensi pengaturan pengembangan energi terbarukan sebagai wujud mendukung ketahanan energi nasional. Ensiklopedia Social Review, 3(1), 18–24. https://doi.org/10.33559/esr.v3i1.675
Hakim, M., Ns, S. K., Husnul Muamilah, S. E., & Padmanegara, R. D. D. (2025). Decision-Making Excellence: Seni Mengambil Keputusan dalam Bisnis. Takaza Innovatix Labs.
Hassyddiqy, H., & Hasdiana, H. (2022). Analisis Peramalan (Forecasting) Penjualan Dengan Metode ARIMA (Autoregressive Integrated Moving Average) Pada Huebee Indonesia. Data Sciences Indonesia (DSI), 2(2), 92–100. https://jurnal.itscience.org/index.php/dsi/article/download/2022/1473/8132
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and practice (2nd ed.). OTexts. https://otexts.com/fpp2/
Lailiyah, W. H. (2018). Penerapan metode autoregressive integrated moving average (arima) pada peramalan nilai ekspor di Indonesia. MATHunesa: Jurnal Ilmiah Matematika, 6(3).
Maltuf, U., & Fatah, Z. (2025). PENERAPAN ALGORITMA DECISION TREE UNTUK KLASIFIKASI KONSUMSI ENERGI LISTRIK RUMAH TANGGA DENGAN PENGGUNAAN RAPIDMINER. Jurnal Ilmiah Multidisiplin Ilmu, 2(1), 38–45. https://doi.org/10.69714/0hmk8712
Mustopa, A., Santoso, J. D., Nauvaldhi, M. S. F., & Wulandari, D. (2025). PEMODELAN VARIABILITAS MUSIMAN DALAM CURAH HUJAN: PENDEKATAN DERET WAKTU. Journal of Information System Management (JOISM), 6(2), 148–155. https://doi.org/10.24076/joism.2025v6i2.1936
Nahjan, M. R., Heryana, N., & Voutama, A. (2023). Implementasi Rapidminer Dengan Metode Clustering K-Means Untuk Analisa Penjualan Pada Toko Oj Cell. JATI (Jurnal Mahasiswa Teknik Informatika), 7(1), 101–104. 10.36040/jati.v7i1.6094
Nurchayati, N., Hartini, H., & Rahayu, D. H. (2024). Manajemen Keuangan. PT. Sonpedia Publishing Indonesia.
Panjidinata, N. A. (2024). Analisis Dampak Kebijakan Pembangkit Listrik Tenaga Surya Atap Pln Terhadap Pengembangan Energi Terbarukan: Tantangan Dalam Harmonisasi Regulasi Investasi Energi Terbarukan. Commerce Law, 4(2), 488–506. https://doi.org/10.29303/commercelaw.v4i2.5836
Prasetyo, V. R., Lazuardi, H., Mulyono, A. A., & Lauw, C. (2021). Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier. Jurnal Nasional Teknologi Dan Sistem Informasi (TEKNOSI), 7(1), 8–17. https://doi.org/10.25077/TEKNOSI.v7i1.2021.8-17
Purwanti, D., & Purwadi, J. (2019). Metode Brown’s double exponential smoothing dalam peramalan laju inflasi di Indonesia. Jurnal Ilmiah Matematika, 6(2), 54. 10.26555/konvergensi.v6i2.19548
Rachbini, W. (2025). DATA SCIENCE untuk Pemula dengan RapidMiner. CV. AA. Rizky.
Suhartono, S., & Endharta, A. J. (2009). Peramalan Konsumsi Listrik Jangka Pendek dengan ARIMA Musiman Ganda dan Elman-Recurrent Neural Network. JUTI: Jurnal Ilmiah Teknologi Informasi, 183–190. https://doi.org/10.12962/j24068535.v7i4.a88
Suhartono, S., & La Zulfa, I. (2015). Peramalan Beban Listrik di Jawa Timur Menggunakan Metode ARIMA dan Adaptive Neuro Fuzzy Inference System (ANFIS). Jurnal Sains Dan Seni ITS, 4(1), 15575 https://doi.org/10.12962/J23373520.V4I1.9233
Sun, Y., Shi, Y., Zhang, J., Qi, Y., Hu, J., & Shen, J. (2022). Improving accuracy without losing interpretability: A machine learning approach for time series forecasting. arXiv preprint arXiv:2212.06620. https://arxiv.org/abs/2212.06620
Shmueli, G., Bruce, P. C., Deokar, A. V., & Patel, N. R. (2023). Machine Learning for Business Analytics: Concepts, Techniques, and Applications in RapidMiner (2nd ed.). Wiley.
https://www.wiley.com/en-us/Machine+Learning+for+Business+Analytics-p-9781119828083
Wahyuni, N., et al. (2024). Analisis kebutuhan energi nasional dan tantangan transisi energi di Indonesia. Jurnal Energi dan Ketahanan Nasional, 10(1), 15-27. https://doi.org/10.xxxx/jekn.2024.10115
Downloads
Published
Issue
Section
License
Copyright (c) 2026 https://jurnal.fe.umi.ac.id/index.php/CSEJ/index
This work is licensed under a Creative Commons Attribution 4.0 International License.
