SOSIALISASI FORMULASI PENYESUAIAN TARIF DAN PENERAPANNYA BAGI PEMEGANG KUASA USAHA KETENAGALISTRIKAN (PKUK)
DOI:
https://doi.org/10.31629/jme.v3i2.3498Keywords:
PKUK, ElektrifikasiAbstract
Listrik merupakan salah satu komoditi strategis dalam perekonomian Indonesia karena selain digunakan secara luas oleh masyarakat terutama untuk keperluan penerangan, listrik juga merupakan salah satu sumber energi utama bagi sektor industri. Oleh karena itu, Pemerintah menaruh perhatian yang cukup besar terhadap harga penjualan listrik kepada konsumen, mengingat perubahan harga. listrik akan mempunyai dampak yang cukup signifikan terhadap kenaikan harga-harga umum, yang pada gilirannya akan berpengaruh juga terhadap perekonomian secara makro. Salah satu faktor yang menentukan tingkat harga penjualan listrik adalah biaya penyediaan tenaga listrik, pertumbuhan listrik di Indonesia cukup tinggi dan rasio elektrifikasi masih rendah atau masih banyak daerah yang belum mendapat aliran listrik maka perlu pendanaan yang cukup besar yang akan dipergunakan untuk mempertahankan suplai listrik di masyarakat dan menambah usaha melistriki daerah yang belum mendapatkan listrik, metodologi teknis yang diterapkan, mobilisasi & konsolidasi tim, penyusunan rencana kegiatan serta pengumpulan data referensi. Capaian/target, mengetahui komponen-komponen biaya yang mempengaruhi besaran tarif tenaga listrik, membuat suatu Kajian Formulasi Penyesuaian dan Penerapannya bagi Pemegang Kuasa Usaha Ketenagalistrikan. Hasil yang diharapkan dari kegiatan ini adalah tersusunnya kajian formulasi penyesuaian tarif dan penerapannya bagi PKUK, Manfaat kegiatan ini adalah sebagai acuan dalam menetapkan kebijakan tarif dan penerapannya bagi PKUK. Sedangkan dampak dari kegiatan ini adalah terselenggaranya usaha penyediaan tenaga listrik oleh PKUK, Sebagai tindak-lanjut terhadap Kerangka Acuan Kerja pekerjaan Kajian Formulasi Penyesuaian Tarif dan Penerapannya Bagi Pemegang Kuasa Usaha Ketenagalistrikan (PKUK) yang diselenggarakan oleh Departeman Energi dan Sumber Daya Mineral c.q Direktorat Jenderal Listrik dan Pemanfaatan Energi.
Downloads
References
Ahmad AS, et. al. 2014. A Review on Application of ANN and SVM for Building electrical energy consumption forcasting. Renewable and Sustainable Energy Reviews. 33 : 102-109.
Council EPA. 2010. Directive 2010/31/EU of the European Parlianment and of the council 19 May, 2010 on the energy performance of buildings. Official Journal of the European Union. 12(003) : 124-146.
Dhirani LL, Newe T, Elfed L, Nizamani S. 2017. Cloud computing and internet of things fusion : cost issues. Eleventh International Conference on Sensing Technology (ICST).
Mena-Yedra R, Rodriguez F, Castilla MdM, Arahal MR. 2014. A prediction model based on neural networks for the energy consumption of a bioelimatic building. Energy and Building. 82.
Ekonomou L. 2010. Greek long-term energy consumption prediction using artificial neural network. Energy. 35 (2) : 512-517.
Zang P, Wang H. 2012. Fuzzy wavelet neural networks for city electric energy consumption forecasting. Energy Procelia. 17 (B) : 1332-1338.
Yang L, Lam JC, Tsang CL. 2008. Energy performance of building envelopes in different elimate zone in China. Applied Energy. 85 (9) : 800-817.