Peramalan Utilitas Listrik dan Gas menggunakan Bahasa Pemrograman Python dan FBProphet

Achmad Bahauddin, Agung Dwiki Darmawan, Savarani Aulia Ihsani, Nadia Jahra Izdihar

Abstract


Pemanfaatan dan penggunaan energi semakin meningkat seiring dengan meningkatnya populasi serta tumbuhnya industri yang terus berkembang. Utilitas energi listrik dan gas saat ini terlihat sangat terpengaruh oleh pertumbuhan industri. Utilitas pemakaian listrik dan gas perlu diperhatikan karena untuk mengukur tingkat kepuasan yang optimum bagi konsumen. Untuk mengetahui tingkat utilitas listrtik dan gas di masa yang akan datang perlu dilakukan forecasting. Forecasting pada penelitian ini dilakukan dengan mengunakan Bahasa pemrograman Python dan package fbprophet. Data masa lalu yang digunakan yaitu data riil index utilitas listrik dan gas dari semua perusahaan relevan di Amerika Serikat dengan frekuensi perbulan mulai dari Januari tahun 2000 hingga bulan Oktober tahun 2020. Hasil peramalan yang diperoleh yaitu di bulan Januari 2021 sebesar 120,16, bulan Februari 2021 sebesar 108,85, bulan Maret 2021 sebesar 102,38, bulan April 2021 sebesar 92,02, bulan Mei 2021 sebesar 92,95, bulan juni 2021 sebesar 102,58, bulan juli 2021 sebesar 112,71, bulan Agustus 2021 sebesar 111,63, bulan September 2021 sebesar 100,80, bulan Oktober 2021 sebesar 93,75, bulan November 2021 sebesar 97,38, dan bulan Desember 2021 sebesar 112,03.


Keywords


Peramalan, Utilitas,Listrik dan Gas, Python, FBProphet

Full Text:

PDF

References


A. Barakah, “Utilitas dalam Perilaku Konsumen Perspektif Nilai Keislaman,” CENDEKIA J. Stud. Keislam., vol. 4, no. 2, pp. 233–239, 2018.

D. D. Witak, A. S. Wiguna, and D. A. Nugraha, “ANALISIS DATA SCIENCE PADA STRUKTUR DATA KEPADATAN PENDUDUK KOTA MALANG,” Kurawal-Jurnal Teknol. Inf. dan Ind., vol. 3, no. 2, pp. 191–201, 2020.

C. Chandra and S. Budi, “Analisis Komparatif ARIMA dan Prophet dengan Studi Kasus Dataset Pendaftaran Mahasiswa Baru,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, 2020.

S. J. Taylor and B. Letham, “Forecasting at Scale,” PeerJ Prepr., vol. 5, no. e3190v2, 2017, doi:

7287/peerj.preprints.3190v2.

D. S. Gaur, “Global Forecasting of COVID-19 Using Arima

Based FB-PROPHET,” Int. J. Eng. Appl. Sci. Technol., vol. 5, no.

, pp. 463–467, 2020.

M. LOUNIS, “Predicting Active, Death and Recovery Rates of

COVID-19 in Algeria Using Facebook’Prophet Model,” 2021.

T. CHAFIQ, M. OUADOUD, and K. ELBOUKHARI, “Covid-19

forecasting in Morocco using FBprophet Facebook’s

Framework in Python,” Int. J., vol. 9, no. 5, 2020.

G. Battineni, N. Chintalapudi, and F. Amenta, “Forecasting of

COVID-19 epidemic size in four high hitting nations (USA, Brazil, India and Russia) by Fb-Prophet machine learning model,” Appl. Comput. Informatics, 2020.

Board of Governors of the Federal Reserve System (US), “Industrial Production: Utilities: Electric and Gas Utilities (NAICS = 2211,2) [IPG2211A2N], retrieved from FRED, Federal Reserve Bank of St. Louis.” https://fred.stlouisfed.org/series/IPG2211A2N (accessed Dec. 08, 2020).

R. J. Hyndman and A. V Kostenko, “Minimum sample size requirements for seasonal forecasting models,” foresight, vol. 6, no. Spring, pp. 12–15, 2007.




DOI: http://dx.doi.org/10.36055/62002

Refbacks

  • There are currently no refbacks.


  is supported by