<![CDATA[Forecasting electrical energy needs is an important first step in planning and developing the supply of electric power, both continuously and continuously. Therefore, we need an accurate and easily implemented load forecasting method based on available data. The ARIMA Seasonal Method is a suitable method to bridge these problems, because it is proven to be accurate for short-term load forecasting. The determination of the model for SARIMA forecasting consists of several stages, namely: checking data patterns, identifying the model consisting of the variance and means stationarity test, estimating parameters and measuring the accuracy of the model that will be used for forecasting with MAPE as the indicator. The data used in this study are time series data on daily electricity load per hour (24 hours) from 3 February to 30 March 2019. The results showed the MAPE value of forecasting is below 5%. Keywords: Load forecasting, SARIMA, time series, and MAPE Abstrak-Peramalan kebutuhan energi listrik merupakan langkah awal yang penting dalam perencanaan dan pengembangan penyediaan tenaga elektrik, baik dan terus menerus. Oleh karena itu, diperlukan suatu metode peramalan beban yang akurat dan mudah di implementasikan berdasarkan ketersediaan data yang ada. Metode Seasonal ARIMA merupakan metode yang cocok digunakan untuk menjembatani permasalahan tersebut, karena terbukti akurat untuk peramalan beban jangka pendek. Penentuan model untuk peramalan SARIMA terdiri dari beberapa tahap yaitu : pengecekan pola data, identifikasi model yang terdiri dari uji stasioneritas varians dan means, estimasi parameter dan pengukuran tingkat keakuratan model yang akan digunakan untuk peramalan dengan MAPE sebagai indikatornya. Data yang digunakan dalam penelitian ini adalah data time series beban harian listrik per- jam (24jam) dari tanggal 3 Februari-30 Maret 2019. Hasil penelitian memperlihatkan nilai MAPE dari peramalan dibawah 5%. Kata kunci : Peramalan beban, SARIMA, time series, dan MAPE]]>
