Hasil Pencarian  ::  Simpan CSV :: Kembali

"abstrakKonsumsi energi listrik nasional mengalami pertumbuhan rata-rata sekitar 4,8per tahun selama 5 tahun terakhir, salah satunya adalah sektor rumah tangga. Salahsatu solusi untuk mengurangi konsumsi energi listrik pada sektor ini adalah denganmemonitor konsumsi beban listrik peralatan rumah tangga dan memberikaninformasi ini kembali kepada pelanggan. Salah satu teknik memonitor konsumsibeban peralatan listrik paling efisien dan murah adalah teknik Non-Intrusive LoadMonitoring (NILM). Berbeda dengan teknik konvensional, NILM menjanjikanpengurangan penggunaan sensor secara signifikan. NILM umumnya menggunakankondisi daya listrik saat transien atau tunak. Pada penelitian ini, metode Back-Propagation Artificial Neural Network (BP-ANN) akan dikembangkan untuk dapatmengidentifikasi penggunaan peralatan rumah tangga pada sinyal daya listrik dalamkondisi tunak dengan fitur ekstraksi perubahan daya. Fitur ekstraksi tersebutmemiliki keunggulan yaitu pada akusisi data menggunakan tingkat sampling yangrendah. Dalam penelitian ini telah dikembangkan arsitektur jaringan syaraf tiruandengan tipe dual input. Tipe dual input pada jaringan syaraf tiruan tersebut terdiridari daya aggregate dan daya maksimum peralatan rumah tangga. Penggunaanarsitektur jaringan syaraf tiruan dengan tipe dual input ini unggul dalammengidentifikasi penggunaan peralatan rumah tangga yang memiliki karakteristiknilai daya hampir mirip atau sama dan karakteristik daya dengan kondisi multi daya.Untuk memverifikasi efektivitas metode yang dikembangkan, maka data bebanperalatan rumah tangga yang digunakan adalah tracebase dataset dan penyusunandatanya menggunakan model synthetic aggregate. Dari hasil pengujian tipe dualinput pada arsitektur jaringan syaraf tiruan ini dapat mengidentifikasi penggunaanperalatan rumah tangga yang memiliki nilai daya hampir mirip atau sama dankarakteristik daya dengan kondisi multi daya, sehingga dapat meningkatkan nilaiRecognition Rate (RR) sampai 94.2.

---

abstractNational electric energy consumption experienced average growth about 4.8per annum over the past 5 years, one of them is household sector. One of thesolutions to reduce electrical energy consumption in this sector is to monitor electricpower consumption of household appliances and to give this information back toconsumers. One of the most efficient and the cheapest techniques to monitor theelectric power consumption appliances is Non-Intrusive Load Monitoring (NILM).This is different with conventional techniques where NILM promises the reductionof sensor deployment significantly. NILM commonly uses either transient or steadystate signal. In this research, the method of Back-Propagation Artificial NeuralNetwork (BP-ANN) will be developed to identify the utilization of householdappliances using power change features extraction in the steady state signals. Thefeature extraction has an advantage on data acquisition by applying a low samplingrate. This research has developed neural network architecture with dual input type.Dual input types of the neural network consist of aggregate power and maximumpower of the household appliances. Applying of neural network architecture withdual input types outperforms in identifying of the household appliances load wherethe power is almost similar and it has a multi states power characteristics. To verifythe effectiveness of the method, the data of the load is provided by tracebase datasetand the forming of the data uses a synthetic aggregate model. From the experimentresult of the dual input type in the neural network architecture, it can identify theload which has power almost similar and it has a multi states power characteristics.Finally, it can increase the value of Recognition Rate (RR) to 94.2"

"Energi karbon kini menjadi isu penting yang menjadi perhatian dunia. Di Indonesia, industri tenaga listrik menjadi sektor penghasil emisi karbon terbesar. Konsumsi listrik per kapita yang kian meningkat seiring berjalannya waktu tidak menutup kemungkinan akan berdampak pada kerusakan lingkungan dan perubahan iklim di masa mendatang. Masyarakat Indonesia memiliki tingkat religiositas yang tinggi. Tingkat religiositas dapat mempengaruhi sikap seseorang dalam mengambil keputusan, salah satunya konsumsi energi. Dengan menggunakan data IFLS 5, penelitian ini hendak menguji penagruh dari tingkat religiositas terhadap konsumsi energi rumah tangga muslim di Indonesia sebagai negara dengan mayoritas masyarakat beragama Islam. Mengingat terdapat permasalahan endogenitas pada variabel tingkat religiositas, studi ini menggunakan metode estimasi two-stage least squares (2SLS) dengan jumlah sampel sebanyak 21.023 individu yang berasal dari rumah tangga muslim. Hasil studi ini menunjukkan bahwa terdapat hubungan negatif tingkat religiositas dengan konsumsi listrik rumah tangga. Artinya, semakin tinggi tingkat religiositas seseorang, maka konsumsi energi listrik pada rumah tangganya akan semakin berkurang. Hal ini didasari oleh teori bahwa aktivitas yang berhubungan dengan keagamaan akan mengurangi alokasi waktu seseorang untuk mengonsumsi energi.

---

Carbon emissions have now become an important issue of global concern. In Indonesia, the electricity industry is the largest carbon emitter sector. The increasing per capita electricity consumption over time may potentially have an impact on environmental damage and climate change in the future. Indonesian society has a high level of religiosity. The level of religiosity can influence a person's attitudes and decision-making, including energy consumption. Using IFLS 5 data, this research aims to examine the influence of religiosity on household energy consumption among Muslim households in Indonesia, a country with a majority of Islamic population. Considering the endogeneity issue in the variable of religiosity, this study employs the two-stage least squares (2SLS) estimation method with a sample size of 21,023 individuals from Muslim households. The results of this study indicate a negative relationship between religiosity and household electricity consumption. This means that the higher the level of religiosity, the lower the electricity energy consumption in their households. This is based on the theory that religious activities reduce a person's allocation of time for energy consumption."

"Konsumsi energi listrik di daerah pemukiman menjadi faktor utama peningkatan emisi karbon. Demi mengurangi pemakaiannya, penting untuk pihak operasional dapat mengawasi dan memantau pemakaian energi listrik. Selain itu, perlu diketahui juga faktor-faktor yang dapat memengaruhi tingkat konsumsi listrik. Kondisi cuaca eksrim akibat pemanasan global dapat memengaruhi tingkat pemakaian energi listrik. Menggunakan machine learning, khususnya regression, pemakaian energi listrik dapat diprediksi secara akurat berdasarkan data cuaca. Elasticsearch dan Kibana menjadi alat yang dapat digunakan untuk membantu pembuatan dashboard interaktif. Dengan kemampuan machine learning, Elasticsearch dapat melakukan analitik data dan memprediksi pemakaian energi listrik. Model machine learning menggunakan library XGBoost dimana nilai koefisien determinasi (R2), Mean Absolute Error, dan nilai Explained Variance dijadikan penilaian prediksi. Dari model yang dibuat, nilai R2 didapatkan sebesar 0,05, Mean Absolute Error sebesar 12,58, dan Explained Variance bernilai 0,07. Dengan dashboard yang telah dibuat dilakukan pengujian pengguna terhadap sistem berupa survei kepada 41 pengguna dimana diuji kepuasannya terhadap sistem. Survei yang diberikan berupa kuisioner menggunakan google form. Dari hasil yang didapat, sebanyak 46,3% dari responden memiliki pengalaman yang positif dan 26,8% responden memiliki pengalaman yang sangat positif ketika menggunakan sistem dashboard. Dari hasil penelitian ini diharapkan bagi pengguna dan pihak operasional dapat dengan mudah mengambil keputusan untuk dapat mengurangi pemakaian energi listrik.

---

Consumption of electrical energy in residential areas is the main factor in increasing carbon emissions. In order to reduce its use, it is important for the operational party to be able to monitor the use of electrical energy. In addition, it is also necessary to know the factors that can affect the level of electricity consumption. Extreme weather conditions due to global warming can affect the level of electrical energy consumption. Using machine learning, especially regression, electrical energy consumption can be predicted accurately based on weather data. Elasticsearch and Kibana are tools that can be used to help create interactive dashboards. With machine learning capabilities, Elasticsearch can perform data analytics and predict electrical energy consumption. The machine learning model uses the XGBoost library where the coefficient of determination (R2), Mean Absolute Error, and Explained Variance values are used as predictive assessments. From the model made, the R2 value is 0.05, the Mean Absolute Error is 12.58, and the Explained Variance is 0.07. With the dashboard that has been created, user testing of the system is carried out in the form of a survey to 41 users where their satisfaction with the system is tested. The survey was given in the form of a questionnaire using a google form. From the results obtained, as many as 46.3% of respondents had a positive experience and 26.8% of respondents had a very positive experience when using the dashboard system. It is hoped that users and operational parties can easily make decisions to reduce the use of electrical energy."

"Semakin langkanya sumber daya alam yang dibutuhkan untuk membangkitkan energi listrik membuat kita sebagai penggunanya melakukan penghematan energi listrik. Penelitian yang dilakukan pada tulisan ini bertujuan untuk mengetahui besarnya potensi pemborosan energi listrik pada salah satu gedung kuliah di Fakultas Teknik Universitas Indonesia sehingga dapat dilakukannya langkah-langkah penghematan terhadap pemborosan tersebut. Penelitian yang telah dilakukan menggunakan data hasil dari pengamatan terhadap pola operasi konsumsi energi listrik untuk mengetahui besar nilai penggunaan energi listriknya. Besar potensi pemborosan energi dihitung dengan mengurangi penggunaan energi berdasarkan perbaikan teknis peralatan listrik dan perbaikan operasi penggunaan energi listrik. Sehingga, didapatkan besar nilai potensi pemborosan energi pada khususnya ruang kelas di Gedung Ruang Kuliah Bersama 2 FTUI sebesar 10553,5235 kWh/bulan dan total penghematan yang dapat dilakukan dalam rupiah yaitu sebesar Rp7.756.781,096.

---

The scarcity of natural resources needed to generate electrical energy makes us as users to save electricity. The research conducted in this paper aims to determine the magnitude of the potential waste of electrical energy in one of the lecture buildings at the Fakultas Teknik Universitas Indonesia so that it can be done austerity measures against the waste. The research that has been done using data from the observation of the operation pattern of electrical energy consumption to know the value of the use of electrical energy.

The potential energy wastage is calculated by reducing energy use based on technical improvements of electrical equipment and improving the operation of electrical energy usage. Thus, the value of potential energy wastage in particular classrooms in the Building of Joint Classroom 2 Faculty of Engineering, Universitas Indonesia of 10553.5235 kWh month and total savings that can be done in rupiah amounting to Rp7.756.781,096."

"Sistem kelistrikan rumah tangga off-grid terus mengalami perkembangan. Dengan berkembangnya teknologi energi terbarukan, teknologi komputasi, teknologi informasi dan teknologi komunikasi, fungsi dan peran sistem kelistrikan rumah tangga dalam menurunkan emisi gas buang dan meningkatkan efisiensi semakin penting. Untuk merancang sistem kelistrikan rumah tangga diperlukan suatu alat. Saat ini pemodelan dan simulasi menjadi alat yang efektif untuk mendapatkan rancangan sistem yang diinginkan. Dalam penelitian ini, dirancang pemodelan dan simulasi sistem kelistrikan rumah tangga. Sistem ini terdiri dari panel surya, turbin angin, baterai dan beban yang terkoneksi melalui konverter. Pemodelan diturunkan dari model matematik sistem sedangkan simulasi menggunakan MATLAB/Simulink. Dalam penelitian ini, rancangan sistem kendali supervisi juga diimplementasikan. Kendali ini berfungsi menyeimbangkan antara pasokan energi dan beban yang terus berubah. Dari hasil simulasi yang dilakukan didapatkan bahwa model dan simulasi dapat bekerja dengan baik. Perubahan beban dan pasokan energi dapat diantisipasi dengan bekerjanya baterai dan juga fuel cell.

---

The off-grid household electrical system continues to develop. With the development of renewable energy technology, computational technology, information technology and communication technology, the function and role of off-grid household electrical systems in reducing exhaust emissions and increasing efficiency are increasingly important. To design an off-grid household electrical system, a tool is needed. Currently modeling and simulation are effective tools to get the desired system design.

In this study, a household electrical system modeling and simulation was designed. This system consists of solar panels, wind turbines, fuel cells, batteries and loads connected through a converter. Modeling is derived from system mathematical models while the simulation uses MATLAB / Simulink. In this study, the design of the supervision control system was also implemented. This control functions to balance the energy supply and the ever-changing burden. From the results of the simulations carried out, it was found that the model and simulation could work well. Changes in load and energy supply can be anticipated by the operation of the battery and also the fuel cell."

"ABSTRAK

Suatu peralatan listrik yang juga menyerap energi reaktif disamping mengkonsumsi energi aktif akan mengakibatkan penurunan faktor daya. Penelitian ini ditujukan untuk mendesain skema penalti energi reaktif yang tepat melalui analisis dampak faktor daya rendah terhadap sistem ketenagalistrikan, khususnya pada sistem distribusi sesuai dengan studi kasus yang dilakukan di PT PLN (Persero) UP3 Marunda. Metodologi penelitian diawali dengan pengambilan data dan perhitungan, analisis tarif listrik existing dan mendesain berbagai skema tarif baru, analisis perbaikan faktor daya, analisis teknis dan ekonomi. Dari data pemakaian energi 272 pelanggan PLN Marunda tahun 2018 diketahui faktor daya rata-rata bervariasi dari 0,45 hingga mendekati 1,0. Selanjutnya diciptakan dua desain skema tarif baru dengan mengacu pada ketentuan tarif listrik di berbagai negara maju dan standar internasional. Pada skema-1 yang dinamakan fixed rate, batasan faktor daya dirubah menjadi 0,90, sedangkan skema-2 menerapkan pemberian insentif dan pengenaan penalti secara progresif. Hasil analisis menunjukkan rugi-rugi jaringan sebesar 0,19% dan jatuh tegangan sebesar 0,36% antara titik kirim dengan titik terima. Penggunaan kapasitor berhasil menurunkan rugi-rugi jaringan 21,5% dan jatuh tegangan 11,4% dari nilai sebelumnya. Hasil analisis ekonomi menunjukkan perbaikan faktor daya tersebut laik direalisasikan. Apabila direalisasikan di PLN Marunda, penurunan emisi CO2 tahun 2018 mencapai 3.748 ton.

---

ABSTRACT

---

An electrical equipment that also absorbs reactive energy in addition to consuming active energy will result in a decrease of power factor. This study aimed to design the right scheme of reactive energy penalties through analysis the impact of low power factors on the electricity system, particularly in the distribution system in accordance with a case study conducted at PT PLN (Persero) UP3 Marunda. The research methodology begins with data collection and calculation, analysis of existing electricity tariffs and designing various new tariff schemes, analysis of power factor improvement, technical and economic analysis. From the energy consumption data of 272 PLN Marunda customers in 2018 it is known that the average power factor varies from 0.45 to close to 1.0. Furthermore, two new tariff scheme designs were created with reference to the electricity tariff provisions in various developed countries and international standards. In scheme-1 called fixed rate the power factor limit is changed to 0.90, while scheme-2 applies incentives and progressive penalties. The analysis shows power losses about 0.19% and a voltage drop of 0.36% between the sending point and receiving point. The use of capacitors also succeeded in reducing power losses by 21.5% and voltage drops by 11.4% from the values before. The results of economic analysis show that the power factor correction is worth realizing. If realized in PLN Marunda, the reduction of CO2 emissions in 2018 could reach 3,748 tons.

"

"Energi listrik merupakan salah satu kebutuhan utama oleh masyarakat khsusunya untuk menyuplai peralatan-peralatan elektronik rumah tangga yang fungsinya untuk memudahkan aktivitas sehari-hari. Namun, sistem yang tidak tesentralisasi dikhawatirkan menyebabkan pemakaian listrik yang tidak terkendali terlebih saat rumah ditinggal lama oleh pemiliknya. Sehingga, manajemen listrik yang efektif dan efisien sangat diperlukan dalam mengatasi permasalahan tersebut dengan cara pemasangan perangkat elektronika tambahan sebagai pendukung untuk memonitor konsumsi daya dan energi listrik khususnya pada beban yang dimungkinkan menyerap daya paling besar. Seiring dengan berkembangnya Internet of Things (IoT), dapat dirancang suatu sistem monitoring yang menerapkan teknologi IoT yaitu teknologi LPWAN (Low Power Wide Area Network). LoRa (Long Range) merupakan salah satu teknologi IoT yang memiliki jarak jangkauan yang jauh, konsumsi energi yang rendah, serta harga yang relatif murah. Dalam penelitian ini digunakan modul PZEM 004T V3.0 sebagai sensor energi dan LoRa 915MHz sebagai komunikasi tiga node berperan sebagai pengirim dimana masing-masing terpasang pada beban rumah tangga dan satu buah penerima berperan sebagai gateway yang menggunakan mikrokontroler ESP32. Selain itu, sistem akan terhubung ke jaringan internet untuk menampilkan hasil monitor daya dan energi secara real time pada salah satu platform IoT Cayenne. Kinerja sistem diukur berdasarkan hasil uji fungsionalistas sistem yakni kecocokan data antara pengirim dan penerima serta jangkauan jarak LoRa pada jarak 5 m dan 23 m di sekitar rumah. Berdasarkan hasil pengujian, diperoleh kecocokan data antara sisi receiver dan transmitter baik pada jarak 5 meter maupun 23 meter serta rata rata hasil RSSI yakni 88.4 dBm pada jarak 5 meter dan 109.55 pada jarak 23 meter.

---

Electrical energy is one of the main needs by the community specifically to supply household electronic appliances whose function is to help us in daily activities. However, decentralized system is feared to cause uncontrolled electricity usage especially when the house is left for a long time by the owner. Thus, effective and efficient electricity management is required in overcoming these problems by installing additional electronic devices as a support to monitor power and electrical energy consumption, especially at loads that are likely to absorb the most power. Along with the development of the Internet of Things (IoT), a monitoring system that can implement IoT technology, called LPWAN (Low Power Wide Area Network) technology which could be designed. LoRa (Long Range) is one of the IoT technologies that has a long range, a low energy consumption, and a relatively cheap price. In this study, PZEM 004T V3.0 module was used as an energy sensor and the 915MHz LoRa as three-nodes communication act as a sender where each is connected on a household load also one receiver acts as a gateway using the ESP32 microcontroller. In addition, the system would be connected to the internet then displayed power and energy results in real time on the IoT platforms; Cayenne. The performance of the system was measured based on the results of the system functionality test which were the compatibility of the data between the sender and receiver and the LoRa distance range; 5 m and 23 m at the house surrounding. According to the test results, a match result was obtained between the receiver and transmitter at both 5 meters and 23 meters and the average RSSI results were -88.4 dBm at 5 meters and -109.55 at 23 meters."

"Manajemen usaha penyediaan tenaga listrik merupakan hal yang kompleks. Salah satu hal yang penting dalam manajemen penyediaan tenaga listrik, khususnya dalam perencanaan adalah peramalan tenaga listrik di masa yang akan datang. Peramalan (forecasting) adalah suatu kegiatan atau usaha untuk memprediksi kondisi di masa yang akan datang dengan bantuan model untuk merepresentasikannya. Dalam membuat peramalan, keakuratan merupakan kriteria utama dalam menentukan metode peramalan. Dalam penelitian ini metode algoritma genetik digunakan untuk membuat peramalan beban tenaga listrik. Algoritma Genetik adalah algoritma pencarian yang meniru mekanisme evolusi dan genetik alam. Dalam proses peramalan, dilakukan optimasi parameter-parameter model dengan meminimalkan nilai mean square error (mse). Model peramalan yang dikembangkan dengan algoritma genetik dapat mendekati model sebenarnya. Parameter optimal model peramalan jangka panjang adalah A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, sedangkan untuk jangka menengah adalah adalah α= 0.6383 ,β=0, dan γ=0.8289. Laju pertumbuhan beban rata-rata hasil ramalan jangka panjang tahun 2008-2017 sekitar 6.9%. Peramalan beban jangka menengah memberikan hasil yang lebh baik jika dibandingkan dengan peramalan dari PLN P3B Jawa-Bali dengan jumlah selisih eror sebesar 0.44%.

---

Managing electricity energy supply is a complex task. The most important part of electricity supply management, particularly in utility planning is forecasting of the future electricity load. Forecasting is a process to predict future conditions usually achieved by constructing models on relative information and some assumptions. In making a electricity forecasting, accuracy is the primary criteria in selecting forecasting methods.

In this research, a genetic algorithm approach is proposed to build electricity load forecasting. Genetic algorithms are global search methods that mimic the methapor of natural evolution and genetic. Parameter optimization process have done by minimize mean square error (mse).

Load forecasting model using genetic algorithm gives model which is almost the same with actual data. Optimal parameters for long term model are: A= 1.558, B1= 0.642, B2= 1.188, B3= -0.437, B4= -0.378, B5= -0.484, dan B6= 0.848, for medium term model are: α= 0.6383 ,β=0, dan γ=0.8289. Annual growth rate for 2008-2017 using genetic algorithm model is about 6.9%. Medium term forecasting using genetic algorithm gives better result than PLN P3B Java-Bali forecasting with sum error difference about 0.44%."

"Peramalan beban listrik, juga dikenal sebagai Probabilistic Load Forecasting (PLF), memiliki peran penting dalam industri tenaga listrik, terutama dalam merencanakan operasi sistem tenaga, menjaga stabilitas, dan memfasilitasi perdagangan energi. Di Bandar Udara Internasional Soekarno-Hatta yang merupakan sebuah entitas komersial besar, peramalan yang akurat dan andal sangat penting untuk optimalisasi layanan, kepatuhan terhadap regulasi dan meningkatkan akurasi perencanaan konsumsi energi. Tujuan penelitian ini adalah menentukan model peramalan yang akurat untuk digunakan di Bandar Udara Internasional Soekarno-Hatta. Dalam penelitian ini, empat model berbeda diuji: Seasonal Autoregressive Integrated Moving Average (SARIMA), Seasonal Autoregressive Integrated Moving Average with Exogenous (SARIMAX), serta dua model berbasis neural network, yaitu Long Short-Term Memory (LSTM) dan Gated Recurrent Units (GRU). Kemudian model ini diterapkan pada data historis harian yang dikumpulkan dari perusahaan operator bandar udara dengan rentang waktu 01 Januari 2022 hingga 31 Desember 2022. Hasil penelitian menunjukkan bahwa model LSTM mencapai performa terbaik dalam melakukan peramalan, dengan Mean Absolute Error (MAE) 12.79, Root Mean Square Error (RMSE) 15.47, dan Mean Absolute Percentage Error (MAPE) 1.91%. Sehingga berdasarkan hasil penelitian, model LSTM dapat digunakan untuk meningkatkan akurasi perencanaan konsumsi listrik harian di Bandar Udara Internasional Soekarno-Hatta dan fasilitas serupa lainnya.

---

Electric load forecasting, also known as Probabilistic Load Forecasting (PLF), plays a crucial role in the electricity industry, particularly in planning power system operations, maintaining stability, and facilitating energy trading. At Soekarno-Hatta International Airport, which is a large commercial entity, accurate and reliable forecasting is essential for service optimization, regulatory compliance, and improving the accuracy of energy consumption planning. The aim of this study is to identify an accurate forecasting model to be used at Soekarno-Hatta International Airport. In this study, four different models were tested: Seasonal Autoregressive Integrated Moving Average (SARIMA), SARIMA with Exogenous (SARIMAX), and two neural network-based models, Long Short-Term Memory (LSTM), and Gated Recurrent Units (GRU). The models were subsequently utilized on the daily historical data gathered by the airport operating firm from January 1, 2022, to December 31, 2022. The research findings demonstrated that the LSTM model was the most effective in terms of forecasting performance, with Mean Absolute Error (MAE) of 12.79, Root Mean Square Error (RMSE) of 15.47, and Mean Absolute Percentage Error (MAPE) of 1.91%. Therefore, based on the research findings, the LSTM model can be used to improve the accuracy of daily electricity consumption planning at Soekarno-Hatta International Airport and other similar facilities."

"Listrik adalah penggerak utama dari aktifitas ekonomi suatu negara Di Indonesia bahan bakar dari sistem kelistrikan berasal dari sumber daya alam. Batam yang mempunyai posisi strategis di antara daerah lain Indonesia memiliki rasio elektrifikasi yang tertinggi karena Batam terhubungkan dengan gas pipa yang membuat Batam memiliki pasokan gas untuk menghasilkan listrik dan ke depan untuk memenuhi permintaan Singapura untuk mengekspor listrik. Tesis ini mendiskusikan untuk memperkirakan risiko dan keuntungan dalam menghasilkan listrik di Batam untuk keperluan dalam negeri dan untuk ekspor ke Singapura dengan menggunakan Efficient Frontier. Kegiatan ekspor listrik ke Singapura akan menyempurnakan sistem kelistrikan di Indonesia meningkatkan nilai keuntungan dari pembangkit listrik di Indonesia dan menciptakan lapangan kerja baru di Indonesia serta memaksimalkan penggunaan sumber daya alam untuk keperluan dalam negeri.

---

Electricity is the main driver of the economic activity in a country In Indonesia the fuel of electricity system is still coming from the natural resources. Batam has strategic position among other areas in Indonesia to have the highest electrification ratio as it has connected with the gas pipeline which enable to supply gas to Batam for generating electricity and further to meet the request by Singapore to export electricity. This thesis discussed on the forecasting risk and return to provide electricity in Batam for domestic purpose and to export to Singapore by using Efficient Frontier. Exporting electricity to Singapore will improve the electricity system in Indonesia increase the profitability of the power plant in Indonesia create employment in Indonesia and maximize the natural resources for domestic usage Key words Electricity fuel power generation risk and return efficient frontier."