PENERAPAN METODE FORECASTING PENGADAAN MATERIAL KWH METER DAN MCB PADA ULP SEMARANG

Abstract

Abstrak

PT PLN merupakan BUMN yang menyelenggarakan usaha penyediaan tenaga listrik untuk kepentingan
umum serta memupuk keuntungan pemerintah. PT PLN UP3 Semarang memiliki fokus dalam pemenuhan
kebutuhan pasang baru, penambahan daya, serta distribusi material listrik untuk tujuh Unit Layanan
Pengadaan (ULP) di Semarang. Dua material listrik yaitu KWH meter dan MCB merupakan material yang
paling banyak digunakan dan sering kekurangan stok karena merupakan material yang wajib digunakan
ketika akan melakukan pemasangan baru maupun penambahan daya listrik. Permasalahan yang terjadi
yaitu kebutuhan konsumen setiap bulan yang cenderung sulit untuk diprediksi dan fluktuatif sehingga
pengadaan material juga sulit diperkirakan. Hal ini menimbulkan permasalahan yaitu ketika ada
permintaan material dari ULP, tetapi persediaan material pada gudang PT PLN UP3 kurang, maka
konsumen perlu menunggu lebih lama untuk pemasangan listrik. Hal ini akan berpengaruh kepada
pendapatan perusahaan yang besarnya dipengaruhi jumlah listrik yang didistribukan ke pelanggan.
Sedangkan, listrik tidak dapat didistribusikan apabila material listrik belum terpasang. Saat ini belum ada
metode forecasting yang diterapkan untuk memperkiraan pengadaan material. Oleh karena itu, penelitian
ini bertujuan untuk memberikan usulan metode forecasting yang tepat untuk diterapkan pada masingmasing

material agar pengadaan material KWH meter dan MCB pada tujuh ULP dapat diperkirakan
dengan lebih baik untuk periode 2023. Data yang digunakan yaitu data pengadaan material listrik untuk
tujuh ULP Semarang tahun 2021 dan 2022. Metode forecasting yang digunakan yaitu metode Double
Exponential Smoothing, Holts Winter Multiplikatif, dan Dekomposisi Multiplikatif. Dilakukan juga metode
perhitungan error menggunakan metode MAD, MAPE, dan MSD serta validasi moving range dan uji T
untuk menentukan metode forecasting terbaik. Didapatkan hasil yaitu metode forecasting terbaik untuk
material KWH meter, MCB 4A, MCB 6A, dan MCB 10A berdasarkan nilai error terkecil dan telah lolos uji
validasi adalah metode Dekomposisi Multiplikatif.

Kata kunci: peramalan; material listrik; pengadaan

Abstract

[IMPLEMENTATION OF FORECASTING METHOD FOR PROCUREMENT OF KWH METERS
AND MCB MATERIALS AT ULP SEMARANG] The PT PLN is a state-owned enterprise that provides
electricity for public purposes and generates profits for the government. PT PLN UP3 Semarang focuses
on meeting the needs of new installations, power additions, and distributing electrical materials for seven
Unit Layanan Pengadaan (ULP) in Semarang. Two electrical materials, KWH meters and MCBs, are most
commonly used and often face stock shortages because they are mandatory for new installations and power
additions. The problem lies in monthly consumer demand, which is difficult to predict and fluctuate, making
it challenging to estimate material procurement. This issue leads to situations where there is a demand for
materials from the ULP, but the stock at the PT PLN UP3 warehouse is insufficient, causing customers to
wait longer for electrical installations. This, in turn, affects the company's revenue, which is influenced by
the amount of electricity distributed to the customers. However, electricity cannot be distributed if the
electrical materials are not installed. Currently, there is no applied forecasting method for estimating
material procurement. Therefore, this study aims to propose an appropriate forecasting method to be
implemented for each material, enabling better estimation of the KWH meter and MCB material
procurement for the seven ULPs for the period of 2023. The data used consisted of electrical material
procurement data for the seven ULPs in Semarang for 2021 and 2022. The forecasting methods employed
were Double Exponential Smoothing, Holt's Winter Multiplicative, and Multiplicative Decomposition.
Error calculations were performed using the MAD, MAPE, and MSD methods along with moving range
validation and t-tests to determine the best forecasting method. The results show that the best forecasting
method for the KWH meters, MCB 4A, MCB 6A, and MCB 10A, based on the smallest error values and
passing the validation test, is the Multiplicative Decomposition method.

Keywords: forecasting; electrical materials; procurement