Meskipun ada banyak jenis insinyur di dunia ini yang mencakup berbagai bidang keahlian yang berbeda, seperti Teknik Sipil, Teknik Mesin, dan Teknik Elektro-salah satu peran terpenting dalam dunia industri adalah Insinyur Manufaktur.

Pekerjaan Insinyur Manufaktur cukup kompleks. Karena itu, posisi ini membutuhkan insinyur yang sangat berpengetahuan dan terampil untuk mempertahankan posisi tersebut. 

Apa yang sebenarnya dilakukan oleh Insinyur Manufaktur?

Rekayasa Manufaktur dimulai dengan proses perancangan dan memindahkan proyek dari konsep tersebut ke pengembangan produk yang berfungsi. Pada kenyataannya, cakupan pekerjaan mereka jauh lebih kompleks, tentu saja, dan jauh lebih menarik.

Lingkup pekerjaan insinyur manufaktur

• Desain Produk
• Memilih teknologi dan proses terbaik untuk memproduksinya
• Merencanakan, mendesain, dan merekayasa fasilitas yang akan menghasilkan produk
• Mengawasi jalannya, manajemen, pemeliharaan, dan peningkatan pabrik

Lingkup pekerjaan desain dan operasi

Lingkup pekerjaan seorang Insinyur Manufaktur berfokus terutama pada desain dan pengoperasian sistem terintegrasi.

Sistem ini (seperti jaringan komputer, robot, EOAT, mesin otomatis, peralatan mesin, dan peralatan penanganan material) bertanggung jawab atas produksi produk berkualitas tinggi dan kompetitif secara ekonomi (apa pun mulai dari mesin, perkakas, suku cadang hingga jig, teknologi konservasi, dan perlengkapan CNC).

Teknologi baru dan peningkatan Lingkup pekerjaan

Sebagai bagian dari peran mereka, Insinyur Manufaktur juga harus selalu mengikuti perkembangan teknologi baru dan peningkatan di bidangnya untuk memastikan bahwa mereka memberikan kemajuan paling inovatif yang tersedia bagi klien mereka.

Apa yang akan Anda lakukan jika memperkerjakan seorang Insiyur Manufaktur? 

Meskipun ruang lingkup pekerjaan mereka dapat sangat bervariasi, Insinyur Manufaktur umumnya dipekerjakan untuk: 

• Memanfaatkan sistem data terintegrasi untuk mengotomatiskan sepenuhnya fasilitas manufaktur kimia.
• Mengurangi biaya atau meningkatkan kualitas produk yang diproduksi dengan merancang proses pembuatan papan sirkuit.
• Mengevaluasi proses manufaktur saat ini dan mengidentifikasi tata letak fasilitas yang lebih efisien dan hemat biaya.
• Mengembangkan desain retrofit mesin - Sangat penting bahwa mesin kompatibel dengan teknologi Industri 4.0 terbaru, sehingga Anda dapat mengintegrasikan dan beroperasi dengan lancar di seluruh fasilitas perusahaan.
• Berubah menjadi solusi otomatisasi untuk meningkatkan efisiensi sistem.
• Mengintegrasikan mesin (M2M)

Satu hal penting yang perlu diingat adalah bahwa Insinyur Manufaktur harus mencapai peningkatan efisiensi dan hasil secara keseluruhan dengan tetap menjaga keselamatan karyawan dan menjunjung tinggi standar kualitas produk.

Bagaimana cara menjadi seorang Insiyur Manufaktur? 

• Insinyur Manufaktur biasanya harus memenuhi beberapa persyaratan untuk menjadi sukses di bidangnya.
• Memiliki gelar sarjana di bidang teknik manufaktur biasanya merupakan persyaratan.
• Banyak insinyur manufaktur yang memulai sebagai insinyur mesin, tetapi ini bukan persyaratan. 

Beberapa Insinyur Manufaktur telah menyatakan bahwa memulai di bidang khusus lainnya seperti Teknik Produksi dapat berguna dalam memberikan pengalaman pendidikan tambahan untuk insinyur manufaktur di masa depan.

Keterampilan yang Diutamakan untuk Insinyur Manufaktur

Ada beberapa keterampilan, jika diperoleh, dapat menjadi aset yang bagus untuk Insinyur Manufaktur:

• Terlatih atau berpengalaman dalam Kontrol Kualitas atau Jaminan Kualitas (seperti Six Sigma).
• Keterampilan komunikasi yang terasah: Mampu berbicara dalam “Leksikon Teknik Manufaktur” sangat penting.
• Pengetahuan yang beragam dalam beberapa teknologi industri (termasuk industri teknik)
• Kemampuan berpikir kritis dan pemecahan masalah: Terkadang hal ini lebih mudah dipelajari daripada diajarkan.
• Keterampilan organisasi yang mahir: Jika Anda tidak dapat menjaga dan memelihara organisasi diri Anda, kalender Anda, dan informasi Anda sendiri, sebagai Insinyur Manufaktur, Anda mungkin akan kesulitan dalam mengelola proses asing untuk pelanggan dan fasilitas Anda (lihat CRM HubSpot untuk membantu mengelola hubungan pelanggan Anda dengan lebih baik).
• Berpengalaman dalam Rekayasa Proses
• Keterampilan teknik praktis
• Gunakan alat bantu BI untuk memobilisasi data untuk kinerja yang lebih baik dan penilaian yang lebih tinggi

Berapa penghasilan Insiyur Manufaktur? 

Menurut BLS, pendapatan tahunan rata-rata 2018 untuk Insinyur Industri atau Manufaktur adalah Rp1.414.400.000-dengan jumlah total pekerjaan melebihi 280.000.

Apa perbedaan antara Insiyur Manufaktur, produksi, indrustri, dan struktural? 

Bagi sebagian orang, istilah-istilah tersebut merupakan sinonim yang luas dengan lebih banyak kesamaan daripada perbedaannya. Namun, demi kepentingan blog ini, berikut adalah penjelasan tingkat tinggi tentang perbedaannya.

• Insinyur Manufaktur

Insinyur Manufaktur lebih berfokus pada desain penelitian awal, tata letak, dan pembuatan proses atau sistem manufaktur, seperti untuk teknologi konservasi air.  Mereka juga merancang dan mengembangkan suku cadang dan peralatan mesin.

• Insinyur Produksi

Insinyur Produksi lebih fokus pada menjalankan sistem dan akan lebih menekankan pada:

1. Memenuhi target produksi, kontrol inventaris, manajemen operasi, dan peningkatan berkelanjutan.
2. Penghapusan limbah dan air limbah.
3. Kontrol kualitas dan jaminan kualitas

• Insinyur Industri

Insinyur Industri sangat mirip dengan insinyur produksi, tetapi mereka lebih menekankan pada kerja sama dengan manusia.

Mereka mencari cara untuk membuat rutinitas pekerja menjadi lebih efisien untuk meningkatkan produksi dengan tetap mempertahankan budaya yang berfokus pada keselamatan.

• Insinyur Struktural

Insinyur yang mendesain bangunan atau struktur dan lanskap lainnya menggunakan ilmu teknik struktur untuk menciptakan lingkungan yang aman dan nyaman bagi manusia.

Insinyur struktur dibutuhkan di bidang apa pun yang bergantung pada bangunan, seperti arsitektur, manajemen konstruksi, teknik sipil, teknik geoteknik, dan banyak lagi!

Keahlian seorang insinyur struktur sangat khusus dan sering kali dibutuhkan untuk proyek-proyek besar. Meskipun terlihat seperti posisi yang tidak glamor, para insinyur ini sangat penting bagi keselamatan masyarakat kita dengan kemampuan mereka untuk merancang bangunan yang dapat bertahan dari berbagai bencana alam seperti angin topan, tsunami, atau gempa bumi.

Selain itu, mereka memastikan struktur tidak perlu dirobohkan karena bahan tertentu tidak diizinkan di area tertentu karena bahaya lingkungan. Insinyur struktural juga bekerja bersama dengan tukang las struktural saat mengerjakan proyek pengelasan khusus.

Dengan penggunaan teknologi terbaru saat ini, (pencetakan 3D, drone, IoT, Building Information Modeling (BMI), dan lainnya) insinyur struktur dapat melakukan tugas sehari-hari mereka dengan cara yang lebih efisien. 

• Insinyur Proses

Insinyur bertugas merancang produk yang akan digunakan untuk tugas tertentu dan memenuhi kebutuhan klien mereka.

Insinyur Proses merancang proses yang memungkinkan pabrik atau bisnis untuk memproduksi barang secara lebih efisien, yang merupakan kunci dalam lingkungan pasar yang kompetitif saat ini di mana pelanggan menuntut kualitas yang lebih baik dengan harga yang lebih murah daripada sebelumnya.

Seorang insinyur proses mungkin telah lulus dari perguruan tinggi teknik dan kemudian bekerja melalui berbagai peran yang terkait dengan manufaktur sampai ia menemukan dirinya bertanggung jawab mengelola lini produksi atas nama klien yang ingin dia hanya berfokus pada mereka - yang berarti mereka benar-benar hebat!

Insiyur Manufaktur dalam indrustri yang merevolusi saat ini 

Insinyur Manufaktur sangat erat kaitannya dengan upaya rekayasa dan desain industri. 

Beberapa industri yang merevolusi saat ini di mana insinyur manufaktur umumnya dipekerjakan meliputi:

• Teknik Manufaktur Rami dan CBD
• Rekayasa fasilitas minyak dan gas
• Desain dan rekayasa pabrik makanan

Teknik Manufaktur yang sedang dikerjakan 

1. Centrifuge Decanter

Sentrifugal decanter memisahkan padatan dan cairan, dan telah menjadi komponen penting dari fasilitas limbah air dan pengeboran kimia, minyak dan gas, industri pengolahan makanan, serta industri manufaktur rami. 

Insinyur Manufaktur biasanya terlibat dalam desain, pengembangan, pemasangan, dan pemeliharaan peralatan dan mesin perakitan.

Fokus utama mereka adalah pada keselamatan, keandalan, kualitas, dan keberlanjutan.

2. Lift Pipa Bor

Lift pipa bor digunakan untuk mengangkat dan menangani pipa bor, pipa, casing, dan kerah bor di industri pengeboran lepas pantai. Karena sifat penggunaannya yang ketat, elevator pipa bor harus dirancang dengan pedoman keselamatan yang ketat - dengan tetap berfokus pada kualitas, daya tahan, dan daya tahan.

Insinyur Manufaktur menciptakan proses dan infrastruktur untuk memproduksi elevator pipa bor dan alat lainnya. Alat-alat ini dikerjakan secara presisi dengan toleransi yang tepat untuk memenuhi Standar API.

Insinyur Manufaktur harus menguasai persyaratan kritis industri minyak dan gas serta kebutuhan akan alat dan suku cadang berkualitas tinggi.

Insiyur Manufaktur di dekat Anda

Kami siap membantu perusahaan Anda membangun dan mengoperasikan fasilitas produksi dan fasilitas manufaktur yang sukses secara efektif.

Kami adalah Grup Rekayasa Profesional yang didorong oleh pemberian jenis kinerja kelas dunia yang diperlukan untuk menciptakan dan melaksanakan solusi rekayasa.

Kami berfokus pada penggunaan keahlian teknik kami sebagai fondasi untuk membantu menciptakan atau memaksimalkan nilai bagi klien, mitra, dan karyawan kami. Kami merancang sistem yang menampilkan setiap proyek dan memberikan kompensasi kepada anggota tim.

Disadur dari: https://info.stonewallco.com/

Perkembangan teknologi yang cepat berdampak besar pada industri manufaktur. Meskipun teknologi manufaktur meningkatkan produksi, operasi, dan proses untuk membuat pekerjaan lebih mudah bagi perusahaan dan pekerja, ada kekhawatiran tentang kemampuan mesin untuk melakukan pekerjaan manufaktur dan memberikan hasil yang tepat.

Meskipun ada pro dan kontra terhadap teknologi otomatis di bidang manufaktur, teknologi canggih ini memiliki kemampuan luar biasa yang dapat menyelesaikan hampir semua tugas dengan mudah.

Manfaat teknologi manufaktur canggih

Teknologi di bidang manufaktur memiliki banyak hasil positif. Otomatisasi bisa:

1. Meningkatkan kualitas: Otomatisasi mengontrol jadwal dan jalur produksi tanpa campur tangan manusia. Program ini dapat mengoptimalkan jadwal untuk mengurangi cacat dan inefisiensi, sehingga menciptakan produk yang lebih berkualitas.
2. Mengurangi biaya: Teknologi dapat beroperasi dengan efisiensi yang lebih baik, lebih sedikit limbah, dan lebih sedikit pekerja, sehingga menciptakan penghematan biaya jangka panjang.
3. Mengurangi waktu produksi: Teknologi manufaktur mempercepat proses produksi, sehingga lebih banyak batch dapat dibuat dengan lebih cepat. Anda dapat membuat lebih banyak produk dalam waktu yang lebih singkat dan memiliki laju produksi yang konsisten.
4. Mengoptimalkan rantai pasokan: Seluruh rantai pasokan mendapat manfaat dari pengadaan dan produksi yang mengikuti jadwal pengiriman.
5. Dapatkan hasil yang lebih konsisten: Teknologi otomatis lebih konsisten dan menghilangkan kesalahan yang rentan dilakukan manusia.
6. Menciptakan tempat kerja yang lebih aman: Mesin dapat melakukan pekerjaan yang berbahaya bagi pekerja, sehingga mencegah cedera dan risiko. Teknologi juga dapat mengidentifikasi risiko dan mengembangkan langkah-langkah keselamatan.

Kekurangan teknologi manufaktur

Terlepas dari banyaknya keuntungan, perusahaan memiliki beberapa kekhawatiran tentang menambahkan teknologi otomatis ke fasilitas manufaktur mereka, termasuk:

• Kehilangan pekerjaan: Pengangguran adalah masalah umum dengan teknologi di bidang manufaktur karena mesin dapat menggantikan tenaga kerja manusia. Namun, pekerjaan yang diambil alih oleh otomatisasi umumnya merupakan tugas yang berulang dan bernilai rendah, sehingga karyawan dapat melakukan pekerjaan yang penting dan bernilai tinggi.
• Kreativitas terbatas: Satu pengaturan operasi mesin dapat membatasi produksi Anda pada satu tugas atau proses, dan ruang yang terbatas dapat mencegah inovasi dan perluasan ke area baru. Untuk departemen yang membuat sesuai pesanan, penyiapan sekali pakai menghemat waktu dan meningkatkan produktivitas.
• Biaya awal yang tinggi: Diperlukan investasi yang mahal untuk membeli dan memasang teknologi otomatis di fasilitas manufaktur Anda. Namun, teknologi otomatis memberikan penghematan biaya yang signifikan setelah itu.
• Masalah lingkungan: Lebih banyak teknologi di fasilitas Anda berarti lebih banyak konsumsi bahan bakar, terutama jika mesin Anda memiliki output yang tinggi. Fasilitas manufaktur dapat mengambil langkah-langkah tertentu untuk meminimalkan dampak lingkungan sambil memanfaatkan teknologi otomatisasi.
• Kerusakan mesin: Mesin yang sering digunakan mungkin mengalami kerusakan, menyebabkan penurunan produktivitas dan waktu henti. Teknologi otomatis yang diperiksa dan dipelihara secara teratur akan berjalan secara optimal dan menghindari risiko kerusakan yang sering terjadi.

Bagaimana masa depan Teknologi Manufaktur?

Otomatisasi, digitalisasi, dan kemampuan manusia telah mendorong apa yang disebut sebagai revolusi industri keempat. Label ini membawa kesadaran tentang bagaimana teknologi dan manufaktur bekerja sama di era modern. Jalur perakitan, meskipun masih bermanfaat, semakin bergantung pada sistem teknologi terobosan yang telah memanipulasi bentuk proses manufaktur. Dua terobosan tersebut termasuk kecerdasan buatan (AI) dan blockchain.

Kecerdasan Buatan

Saat ini dan di masa depan, Anda dapat mengharapkan AI menjadi aset penting di antara teknologi manufaktur. Pada tahun 2016, pasar AI bernilai Rp130.000 miliar. Pada tahun 2024, nilai tersebut dapat berlipat ganda sekitar tiga puluh tujuh kali lipat hingga mencapai lebih dari Rp4.842.500 miliar. AI memiliki banyak aplikasi, tetapi ada dua area yang mungkin Anda lihat di bidang manufaktur:

• Pabrik tanpa lampu: Pabrik tanpa lampu seluruhnya terdiri dari robot yang membangun robot lain untuk melakukan pekerjaan fisik yang berat. Jepang telah mengoperasikan pabrik tanpa lampu selama hampir dua dekade, dimulai pada tahun 2001. Tanpa robot yang dapat mengatur dirinya sendiri, gudang seluas 40.000 kaki persegi perlu mempekerjakan setidaknya 500 pekerja. Satu pabrik lampu di Cina mengambil, mengemas, dan memindahkan paket hanya dengan dua puluh robot industri.
• Langkah-langkah jaminan kualitas: Manfaat lain dari kecerdasan buatan adalah kemampuannya untuk cara baru dalam penjaminan kualitas. Visi komputer adalah teknik menggunakan pembelajaran mesin untuk mengidentifikasi kotak dan memindai cacat yang tidak terlihat oleh mata manusia. Banyak pabrik industri menerapkan perangkat lunak ini dengan berbagai cara untuk menemukan ketidaksempurnaan.

Blockchain

Blockchain adalah metode pencatatan yang terdiri dari potongan-potongan informasi digital dan blok-blok yang ditentukan. Pada tahun 2016, pasar blockchain bernilai Rp3.250.000 juta, dan diproyeksikan akan berkembang menjadi Rp325.000 miliar pada akhir tahun 2024. Popularitas blockchain sebagian besar dikaitkan dengan mata uang digital, tetapi penggunaannya sangat luas.

Kemampuan Blockchain untuk melacak transaksi telah membuatnya berperan penting dalam penarikan produk. Dalam beberapa tahun terakhir, banyak perusahaan besar telah melengkapi blockchain untuk melacak pengiriman. Satu perusahaan bahkan dapat mengurangi waktu pelacakan dari 7 hari menjadi 2,2 detik. Pabrik-pabrik memiliki pilihan untuk menggunakan teknologi yang sama di masa depan untuk memastikan prosedur pengiriman yang memuaskan dan menerapkan tindakan pencegahan keamanan.

Disadur dari: https://calderamfg.com/

Penyelesaian masalah atau pemecahan masalah adalah usaha mencari penjelasan dan jawaban dari setiap masalah yang dihadapi. Upaya penyelesaian masalah melalui pemilihan dari beberapa alternatif atau opsi yang mendekati kebenaran atau dianggap benar untuk suatu tujuan tertentu.

Pemecahan masalah merupakan bagian dari proses berpikir. Sesuai dengan pernyataan Marzano dkk. mengungkapkan bahwa pemecahan masalah adalah salah satu bagian dari proses berpikir yang berupa kemampuan untuk memecahkan persoalan. Terminologi penyelesaian masalah digunakan secara ekstensif dalam psikologi kognitif yakni bertujuan untuk mendeskripsikan "semua bentuk dari kesadaran, pengertian, atau kognisi". Kemampuan penyelesaian masalah ering dianggap merupakan proses paling kompleks di antara semua fungsi kecerdasan. Pemecahan masalah telah didefinisikan sebagai proses kognitif tingkat tinggi yang memerlukan modulasi dan kontrol lebih dari keterampilan-keterampilan dasar. Proses ini terjadi jika suatu makhluk hidup atau sistem kecerdasan buatan tidak mengetahui bagaimana untuk bertindak dari suatu kondisi awal menuju kondisi yang dituju. Kemampuan pemecahan masalah dapat pula diartikan sebagai kemampuan dasar yang dimiliki oleh peserta didik untuk menyelesaikan masalah yang berkaitan dengan kehidupan sehari-hari sehingga berdampak pada pengembangan diri peserta didik.

Keterampilan pemecahan masalah bisa diajarkan kepada orang yang mengidap cedera otak menggunakan langkah-langkah berpikir atau bernalar, tetapi membutuhkan penanganan dan metode khusus. Hal ini tentunya harus disertai dengan motivasi pasien. Dengan demikian, kemampuan dalam menyelesaikan masalah dapat dikembangkan secara sistematis dan bertahap untuk membentuk kemampuan hingga mencapai target yang diharapkan.

Definisi dan penyebab timbulnya masalah

Masalah adalah suatu situasi stimulus yang didapati seseorang ketika mereka tidak siap menghadapinya, sehingga mereka tidak bisa merespons situasi tersebut dengan cepat. Sementara itu, para ahli mendefinisikan masalah sebagai situasi yang tidak biasa ditemui. Masalah juga dapat didefinisikan sebagai situasi di mana terdapat perbedaan antara keadaan awal dan keadaan tujuan sehingga tidak ada solusi instan yang dapat digunakan langsung untuk menyelesaikan hal tersebut. Adapun masalah ditentukan oleh berbagai faktor penyebab.

Faktor terjadinya masalah adalah sebagai berikut.

Potret kemiskinan yang merupakan salah satu faktor penyebab timbulnya masalah sosial dari bidang ekonomi. Permasalahan ini dapat merembet pada faktor lainnya seperti biologis dan psikologis.

1. Faktor Ekonomi

Masalah sosial yang berkaitan dengan masalah ekonomi yang biasanya berupa pengangguran, kemiskinan, dan yang lainnya. Kemiskinan dan pengangguran yang disebabkan kurangnya lapangan pekerjaan biasanya menjadi tanggung jawab pemerintah. Faktor ekonomi juga dapat dijadikan sebagai acuan maju atau tidaknya suatu negara, serta faktor ekonomi dapat memengaruhi masalah sosial politik pada aspek psikologis dan biologis masyarakat.

2. Faktor Budaya

Budaya yang semakin berkembang dalam masyarakat memiliki peran penting dalam kehidupan. Hal ini dapat menjadi salah satu penyebab timbulnya masalah sosial. Salah satu contohnya, seperti pada pernikahan usia dini, kawin cerai, dan masih banyak yang lainnya. Masalah sosial yang disebabkan oleh faktor budaya dipicu karena adanya ketidaksesuaian pelaksanaan norma, nilai, dan kepentingan sosial akibat adanya proses perubahan sosial dan pola masyarakat yang heterogen atau multikultural.

3. Faktor Biologis

Faktor ini bisa menyebabkan timbulnya sebuah masalah sosial misalnya seperti kurang gizi, penyakit menular, dan lain sebagainya. Hal ini dapat terjadi karena kurangnya fasilitas kesehatan yang layak sehingga kebutuhan masyarakat akan layanan kesehatan tidak terpenuhi. Selain itu, faktor biologis juga bisa terjadi karena kondisi ekonomi dan pendidikan masyarakat yang masih rendah sehingga mempengaruhi kesehatan fisiologis dan biologisnya.

4. Faktor Psikologis

Faktor ini berhubungan dengan masalah pola pikir suatu masyarakat atau pribadi tertentu yang bersinggungan dengan tatanan kehidupan sosial yang ada. Masalah seperti ini bisa muncul apabila psikologis sebuah masyarakat sangat lemah. Faktor psikologis juga bisa muncul apabila adanya beban hidup yang sangat berat. Hal ini cenderung dirasakan oleh masyarakat yang tinggal di daerah perkotaan. Banyaknya pekerjaan yang menumpuk dapat menimbulkan stress sehingga dapat menimbulkan luapan emosi hingga mampu memicu sebuah konflik di antara anggota masyarakat.

Penyelesaian masalah dalam berbagai kajian ilmu

• Psikologi

Pemecahan masalah dalam psikologi mengacu pada proses menemukan solusi untuk masalah yang dihadapi dalam kehidupan. Keefektifan penyelesaian masalah dapat dikembangkan melalui restukturisasi kognitif dan pelatihan dalam kemampuan bersosial. Para ahli profesional kesehatan mental mempelajari proses pemecahan masalah manusia menggunakan metode seperti introspeksi, behaviorisme, simulasi, pemodelan komputer, dan eksperimen. Psikolog sosial melihat ke dalam aspek hubungan orang-lingkungan dari masalah dan metode pemecahan masalah yang independen dan saling bergantung. Pemecahan masalah telah didefinisikan sebagai proses kognitif tingkat tinggi dan fungsi intelektual yang membutuhkan modulasi dan kontrol keterampilan yang lebih sederhana atau mendasar.

Pemecahan masalah memiliki dua domain utama: pemecahan masalah matematis dan pemecahan masalah pribadi. Keduanya dilihat dari beberapa kesulitan atau hambatan yang dihadapi. Penelitian empiris menunjukkan terdapat banyak strategi dan faktor yang berbeda dalam memengaruhi pemecahan masalah sehari-hari. Istilah pemecahan masalah sosial mengacu pada proses pemecahan masalah seperti yang terjadi di lingkungan alam atau "dunia nyata". Oleh karena itu, studi tentang pemecahan masalah sosial berkaitan dengan semua jenis masalah yang mungkin memengaruhi fungsi seseorang, termasuk masalah impersonal (misalnya, kekurangan finansial atau menjadi korban pencurian), masalah pribadi atau intrapersonal (emosional, perilaku, kognitif, atau masalah kesehatan), masalah interpersonal (misalnya, konflik perkawinan atau perselisihan keluarga), serta masalah masyarakat sekitar hingga yang lebih luas (misalnya, kejahatan atau diskriminasi rasial).

• Ilmu kognitif

Dalam ilmu kognitif, pemecahan masalah dipahami sebagai kegiatan mencari penjelasan yang diarahkan pada tujuan pada berbagai kemungkinan solusi yang dirasakan dalam domain tertentu yang disebut "ruang masalah." Pemikiran akan ruang masalah seperti itu dianggap dapat dilakukan dalam simulasi upaya pemecahan masalah bagi pemula, di mana mereka masih memiliki sedikit pengalaman dalam mencoba memecahkan masalah baru. Namun, hal ini tidak dapat digunakan secara sederhana dalam menjelaskan bagaimana para ahli seperti master catur, fisikawan atau desainer, yang memiliki pengetahuan menyeluruh dan pemahaman sistematis dapat memecahkan masalah sulit di bidang keahlian mereka.

Banyak ahli mendeskripsikan pemecahan masalah dan proses pembentukan pemikiran sebagai kemampuan struktur dan proses mental yang kompleks, biasanya yang istimewa untuk masalah tertentu dan tidak mudah digeneralisasi dari satu domain masalah ke domain lainnya. Hal ini berarti bahwa pemecahan masalah biasanya spesifik untuk masalah tententu.

Namun, pengalaman dalam memecahkan masalah terdahulu dapat dijadikan acuan dalam menyelesaikan masalah lainnya yang serupa. Hal ini karena proses kognitif yang mendasari penyelesaian masalah teoritis di dalam laboratorium dapat mewakili proses kognitif pada pemecahan masalah yang "nyata". Oleh karena itu, masalah teoritis digunakan agar lebih mudah dipahami dan dianggap dapat menyederhanakan masalah yang lebih kompleks. Walau kemudian disadari jika masalah teoretis tersebut tidak dapat digunakan untuk menyederhanakan masalah pada keadaan sesungguhnya yang lebih kompleks.

• Ilmu komputer

Ilmu komputer adalah studi tentang masalah, pemecahan masalah, dan solusi yang dipilih melalui proses pemecahan masalah. Ketika terdapat masalah, ilmuwan komputer berusaha untuk mengembangkan algoritme, yakni prosedur berupa langkah-langkah untuk memecahkan setiap masalah yang mungkin muncul. Algoritme adalah proses bertahap yang jika diikuti akan menyelesaikan masalah, dapat disebut juga sebuah solusi.

Penting untuk disebutkan bahwa komputer itu sendiri tidak dapat memecahkan masalah. Petunjuk langkah demi langkah yang tepat harus diberikan untuk memecahkan masalah. Dengan demikian, keberhasilan komputer dalam memecahkan masalah tergantung pada seberapa benar dan tepat para ahli komputer mendefinisikan masalah, merancang solusi (algoritme) dan mengimplementasikan solusi (program) menggunakan bahasa pemrograman. Jadi, pemecahan masalah dalam ilmu komputer adalah proses mengidentifikasi masalah, mengembangkan algoritme untuk masalah yang diidentifikasi dan akhirnya menerapkan algoritme untuk mengembangkan program komputer.

Tahapan penyelesaian masalah

Dalam menyelesaikan masalah, terdapat beberapa tahapan yang dapat dilakukan, Adapun menurut J.Dewey tahapan penyelesaian masalah tersebut antara lain:

1. Merumuskan masalah

Tahap pertama yang dilakukan untuk menyelesaikan masalah adalah untuk mengidentifikasi masalah. Tahapan identifikasi masalah ini dapat dilakukan menggunakan kegiatan brain storming. Adapun kemampuan yang diperlukan pada tahap ini adalah mengetahui dan merumuskan masalah secara jelas.[19] Tahap ini merupakan hal yang penting karena seseorang cenderung tidak menyadari masalah utama yang mereka hadapi. Hal ini terkadang dapat berpengaruh pada tahap selanjutnya yang tidak maksimal.

2. Menelaah masalah

Setelah mengetahui dan merumuskan masalah, tahap selanjutnya adalah menelaah atau mendiagnosis masalah. Pada tahap ini pengetahuan yang dimiliki sangat diperlukan untuk dapat memerinci dan menganalisa masalah dari berbagai sudut pandang.

3. Merumuskan hipotesis

Tahapan selanjutnya adalah merumuskan hipotesis atau alternatif strategi penyelesaian masalah. Pada tahap ini, seseorang dituntut untuk berpikir secara kreatif, divergen, menghayati setiap ruang lingkup dan sebab akibat untuk menemukan berbagai alternatif penyelesaian.

4.  Mengumpulkan data

Dalam mengumpulkan data dibutuhkan kecakapan mencari dan menyusun data, kemudian menyajikan data dalam bentuk diagram, gambar, atau tabel. Hal ini dapat memudahkan untuk mengelompokkan dan menggunakan data pada tahap selanjutnya.

5. Membuktikan hipotesis

Tahapan berikutnya adalah membuktikan hipotesis menggunakan data yang sudah dikumpulkan. Kemampuan yang diperlukan pada tahap ini adalah menelaag dan membahas data. Selanjutnya menghubungkan serta mengambil keputusan hingga merumuskan kesimpulan adalah kemampuan yang diperlukan.

6. Menentukan pilihan penyelesaian

Pada tahap akhir dari proses penyelesaian masalah adalah menentukan pilihan penyelesaian. Pilihan penyelesaian ini berdasarkan alternatif pilihan yang telah dirumuskan dan didukung dengan hasil dari pembuktian hipotesis yang telah dilakukan. Pada tahap ini dibutuhkan kecakapan dalam membuat alternatif penyelesaian dengan memperhitungkan akibat yang akan terjadi pada setiap pilihan. Tahap selanjutnya seteleh menentukan penyelesaian adalah mengimplementasikan pemikiran menjadi sebuah aksi nyata.

Keseluruhan tahapan ini disebut sebagai sebuah siklus yang berulang. Di mana ketika sudah sampai tahap menentukan pilihan kemudian diimplementasikan dan dilihat kembali solusi tersebut apakah berfungsi atau tidak. Apabila hasilnya tidak maksimal dan masalah tidak terselesaikan dengan baik, maka harus diperhatikan kembali pada tahap 1 yakni identifikasi masalah. Dengan demikian siklus kembali berlanjut hingga sampai pada solusi yang diharapkan dapat menyelesaikan masalah.

Pada proses pencarian alternatif solusi terkadang diperlukan wawasan sebagai sudut pandang dalam menentukan jawaban. Wawasan atau insight adalah solusi tiba-tiba untuk masalah lama, pengenalan ide baru yang muncul tiba-tiba, atau pemahaman yang tiba-tiba tentang situasi yang kompleks. Hal tersebut disebut pula sebagai momen Aha!. Solusi yang ditemukan melalui wawasan seringkali lebih akurat daripada yang ditemukan melalui analisis langkah demi langkah. Untuk memecahkan lebih banyak masalah pada tingkat yang lebih cepat, wawasan diperlukan untuk memilih langkah-langkah produktif pada berbagai tahap siklus pemecahan masalah. Strategi pemecahan masalah ini berkaitan secara khusus dengan masalah yang disebut sebagai masalah wawasan.

Penyelesaian masalah sederhana dan kompleks

Pemecahan masalah kompleks (CPS) dapat dibedakan dari pemecahan masalah sederhana (SPS). Ketika berhadapan dengan SPS akan ditemui satu kendala sederhana yang terdapat di antara keadaan awal dan tujuan ingin dicapai. Namun, CPS dapat terdiri dari satu atau lebih kendala pada suatu waktu, berupa hambatan yang kompleksitas dan berubah secara dinamis dari waktu ke waktu. Dalam contoh kehidupan nyata, seorang ahli bedah di tempat kerja memiliki masalah yang jauh lebih kompleks daripada seorang individu yang memutuskan sepatu apa yang akan dipakai. Dengan demikian dalam kehidupan, sangat mungkin ditemui penyelesaian masalah sederhana maupun kompleks.

Faktor yang memengaruhi penyelesaian masalah

Penyelesaian masalah merupakan salah satu keterampilan intelektual yang lebih tinggi dari keterampilan lainnya. Hal ini karena apabila dilihat dari aspek kognitifnya dalam memecahkan masalah tentunya diperlukan kemampuan atau keterampilan dasar tertentu. Kemampuan penyelesaian masalah ini bukan hanya sekedar pengetahuan dan pemahaman, akan tetapi sudah mencapai tingkatan analisis.

Terdapat beberapa faktor yang memengaruhi penyelesaian masalah, diantaranya:

1. Faktor Internal

Faktor internal adalah faktor yang memengaruhi proses penyelesaian masalah dam berasal dari dalam diri seseorang.

• Motivasi

Motivasi yang rendah akan mengalihkan perhatian seseorang sehingga mereka tidak fokus akan masalah yang dihadapinya. Sementara motivasi yang tinggi akan membatasi fleksibilitas seseorang. Jika seseorang memfokuskan perhatiannya pada beragam masalah, maka tindakan menceburkan diri ke dalam masalah itu merupakan salah satu sebab membesarnya masalah. Melibatkan diri ke dalam masalah-masalah orang lain itu lebih buruk hasilnya dari yang diharapkan.

• Kepercayaan dan sikap yang salah

Asumsi yang salah dapat menyesatkan seseorang, selanjutnya rujukan yang tidak cermat dapat menghambat efektivitas penyelesaian masalah. Sikap yang defensif, (misalnya, kurang kepercayaan pada diri sendiri), akan cenderung menolak informasi baru, merasionalisasikan kekeliruan, dan mempersukar penyelesaian.

• Kebiasaan

Kebiasaan dapat mendorong kecenderungan untuk mempertahankan pola pikir tertentu sehingga hanya melihat masalah hanya dari satu sisi. Kebiasaan ini cenderung dibentuk berdasarkan aktivitas harian yang berulang dilakukan. Dengan demikian, mencari wawasan dan pengetahuan baru dapat mengembangkan pola pikir yang dapat membantu memandang masalah dari berbagai sudut pandang.

• Emosi

Emosi dapat mewarnai cara berpikir seseorang sebagai manusia. Namun, ketika emosi sudah mencapai intesitas tinggi akan menyebabkan stress sehingga kesulitan untuk berpikir secara efisien. Emosi juga akan mengurangi kemampuan mengantarkan kepada ketidakmampuan untuk bertindak dalam kondisi yang berbeda-beda, serta tidak mampu untuk menghadapi masalah-masalahnya atau berpikir jernih dalam mencari solusinya.

2. Faktor Eksternal

Faktor eksternal siswa adalah faktor yang berasal dari luar siswa, yang meliputi lingkungan sosial dan faktor lingkungan nonsosial.

Faktor lingkungan sosial adalah faktor yang meliputi keberadaan orang lain yang mendukung pembentukan proses penyelesaian masalah, misalnya para guru, staf administrasi, teman-teman, rekan kerja, keluarga, dan lainnya. Faktor nonsosial adalah faktor yang keberadaannya dan penggunaannya diharapkan dapat berfungsi sebagai sarana untuk tercapainya tujuan belajar yang telah dirancang dan turut menentukan tingkat keberhasilan dalam belajar meliputi keberadaan gedung sekolah, tempat tinggal, alat-alat praktikum, perpustakaan, sarana prasarana dan lain-lain. Selain itu, khusus bagi siswa, model atau metode pembelajaran yang digunakan, lingkungan belajar yang diciptakan dan pemberian motivasi dari guru.

Disadur dari: 

Kumpulan data (atau dataset) adalah kumpulan data. Dalam kasus data tabular, kumpulan data berhubungan dengan satu atau beberapa tabel basis data, di mana setiap kolom tabel mewakili variabel tertentu, dan setiap baris berhubungan dengan catatan tertentu dari kumpulan data yang dimaksud. Kumpulan data mencantumkan nilai untuk setiap variabel, seperti misalnya tinggi dan berat objek, untuk setiap anggota kumpulan data. Kumpulan data juga dapat terdiri dari kumpulan dokumen atau file.

Dalam disiplin data terbuka, set data adalah unit untuk mengukur informasi yang dirilis dalam repositori data terbuka publik. Portal data.europa.eu mengumpulkan lebih dari satu juta set data.

Properti

Beberapa karakteristik mendefinisikan struktur dan properti set data. Ini termasuk jumlah dan jenis atribut atau variabel, dan berbagai ukuran statistik yang berlaku untuk mereka, seperti deviasi standar dan kurtosis.

Nilai dapat berupa angka, seperti bilangan real atau bilangan bulat, misalnya mewakili tinggi badan seseorang dalam sentimeter, tetapi juga dapat berupa data nominal (yaitu, tidak terdiri dari nilai numerik), misalnya mewakili etnis seseorang. Secara lebih umum, nilai dapat berupa salah satu jenis yang digambarkan sebagai tingkat pengukuran. Untuk setiap variabel, nilainya biasanya memiliki jenis yang sama. Nilai yang hilang mungkin ada, yang harus ditunjukkan dengan cara apa pun.

Dalam statistik, kumpulan data biasanya berasal dari pengamatan aktual yang diperoleh dengan mengambil sampel dari populasi statistik, dan setiap baris sesuai dengan pengamatan pada satu elemen dari populasi tersebut. Kumpulan data selanjutnya dapat dihasilkan oleh algoritme untuk tujuan pengujian jenis perangkat lunak tertentu. Beberapa perangkat lunak analisis statistik modern seperti SPSS masih menyajikan data mereka dalam bentuk kumpulan data klasik. Jika ada data yang hilang atau mencurigakan, metode imputasi dapat digunakan untuk melengkapi kumpulan data.

Klasik

Beberapa set data klasik telah digunakan secara luas dalam literatur statistik:

• Kumpulan data bunga iris - Kumpulan data multivariat yang diperkenalkan oleh Ronald Fisher (1936). Disediakan secara online oleh University of California-Irvine Machine Learning Repository.
• Basis data MNIST - Gambar angka tulisan tangan yang biasa digunakan untuk menguji algoritma klasifikasi, pengelompokan, dan pemrosesan gambar
• Analisis data kategorikal - Kumpulan data yang digunakan dalam buku, Pengantar Analisis Data Kategorikal, yang disediakan secara online oleh UCLA Advanced Research Computing.
• Statistik yang kuat - Kumpulan data yang digunakan dalam Robust Regression and Outlier Detection (Rousseeuw dan Leroy, 1968). Disediakan secara online di University of Cologne.
• Deret waktu - Data yang digunakan dalam buku Chatfield, Analisis Deret Waktu, disediakan secara online oleh StatLib.
• Nilai-nilai ekstrem - Data yang digunakan dalam buku, Pengantar Pemodelan Statistik Nilai Ekstrem adalah cuplikan data yang disediakan secara online oleh Stuart Coles, penulis buku tersebut.
• Analisis Data Bayesian - Data yang digunakan dalam buku ini disediakan secara online (tautan arsip) oleh Andrew Gelman, salah satu penulis buku ini.
• Data hati Bupa - Digunakan dalam beberapa makalah dalam literatur pembelajaran mesin (data mining).
• Kuartet Anscombe - Kumpulan data kecil yang menggambarkan pentingnya membuat grafik data untuk menghindari kekeliruan statistik

Disadur dari: https://en.wikipedia.org/

Visualisasi data dilihat oleh banyak bidang ilmu sebagai komunikasi visual modern. Visualisasi data tidak berada di bawah bidang manapun, melainkan interpretasi di antara banyak bidang (misalnya, terkadang dilihat sebagai cabang modern dari statistik deskriptif oleh beberapa orang, tetapi juga sebagai dasar alat pengembangan oleh yang lain). Visualisasi data mengikutkan pembuatan dan kajian dari representasi visual dari data, artinya "informasi yang telah diabstraksikan dalam bentuk skematis, termasuk atribut atau variabel dari unit informasi". 

Tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna lewat grafik informasi yang dipilih, seperti tabel dan grafik. Visualisasi yang efektif membantu pengguna dalam menganalisis dan penalaran tentang data dan bukti. Ia membuat data yang kompleks bisa diakses, dipahami dan berguna. Pengguna bisa melakukan pekerjaan analisis tertentu, seperti melakukan pembandingan atau memahami kausalitas, dan prinsip perancangan dari grafik (contohnya, memperlihatkan perbandingan atau kausalitas) mengikuti pekerjaan tersebut. Tabel pada umumnya digunakan saat pengguna akan melihat ukuran tertentu dari sebuah variabel, sementara grafik dari berbagai tipe digunakan untuk melihat pola atau keterkaitan dalam data untuk satu atau lebih variabel.

Visualisasi data adalah seni dan sains. Laju di mana data dikeluarkan telah meningkat, dipicu oleh meningkatnya ekonomi berbasis informasi. Data yang dibuat oleh aktivitas internet dan sejumlah sensor yang makin bertambah dalam lingkungan, seperti satelit dan kamera jalan, disebut sebagai "Big data". Pemrosesan, analisis dan mengkomunikasikan data tersebut menciptakan berbagai tantangan analisis bagi visualisasi data. Bidang ilmu data dan pelakunya yang disebut ilmuwan data telah muncul untuk membantu mengatasi tantangan tersebut.

Gambaran Umum

Visualisasi data mengacu pada teknik yang digunakan untuk mengkomunikasi data atau informasi dengan membuatnya sebagai objek visual (misalnya, titik, garis, atau batang) dalam grafik. Tujuannya yaitu untuk mengkomunikasikan informasi secara jelas dan efisien kepada pengguna. Ia merupakan salah satu tahap dalam analisis data atau ilmu data. Menurut Friedman (2008) "tujuan utama dari visualisasi data adalah untuk mengkomunikasikan informasi secara jelas dan efektif dengan cara grafis. Bukan berarti visualisasi data harus terlihat membosankan supaya berfungsi atau sangat canggih supaya terlihat menarik. Untuk memaparkan ide secara efektif, bentuk estetis dan fungsionalitas harus berbarengan, menyediakan wawasan bagi kumpulan data yang kompleks dan jarang dengan mengkomunikasikan aspek-aspek kunci dengan cara yang intuitif. Namun perancang terkadang gagal mencapai keseimbangan antara bentuk dan fungsi, menciptakan visualisasi data yang menawan yang gagal menyediakan tujuan utamanya -- untuk mengkomunikasikan informasi". 

Fernanda Viegas dan Martin M. Wattenberg menyarankan bahwa sebuah visualisasi yang ideal tidak hanya harus mengkomunikasikan secara jelas, tetapi menstimulasi atensi dan keterlibatan penonton. 

Visualisasi data secara dekat berkaitan dengan grafik informasi, visualisasi informasi, visualisasi ilmiah, eksplorasi analisis data dan grafik statistis. Pada milenia baru, visualisasi data telah menjadi wilayah penelitian, pengajaran dan pengembangan yang aktif. Menurut Post dkk. (2002), visualisasi data telah menyatukan visualisasi informasi dan ilmiah. 

Karakteristik dari penampilan grafik yang efektif

Profesor Edward Tufte menjelaskan bahwa pengguna dari tampilan informasi melakukan pekerjaan analitis tertentu seperti membuat perbandingan atau menentukan kausalitas. Prinsip perancangan dari grafik informasi harus mendukung pekerjaan analitis, memperlihatkan perbandingan atau kausalitas. 

Dalam bukunya tahun 1983 The Visual Display of Quantitative Information, Edward Tufte mendefinisikan 'tampilan grafik' dan prinsip-prinsip dari tampilan grafik yang efektif sebagai berikut: "Keberhasilan dalam grafik statistik terdiri dari mengkomunikasikan ide yang kompleks dengan kejelasan, ketepatan dan efisiensi. Tampilan grafis seharusnya:

• Memperlihatkan data
• Mendorong penglihat untuk berpikir tentang substansi bukan metodologi, rancangan grafik, teknologi dari produksi grafik atau hal lainnya
• Menghindari pengelabuan terhadap apa yang dikatakan oleh data
• Memberikan banyak angka dalam ruang yang kecil
• Membuat kumpulan data yang besar koheren
• Mendorong mata untuk membandingkan berbagai bagian berbeda dari data
• Membuka data pada beberapa tingkat kerincian, dari gambaran umum sampai struktur terakhir
• Melayani sebuah tujuan yang jelas: deskripsi, eksplorasi, tabulasi atau dekorasi
• Secara dekat berintegrasi dengan statistik dan deskripsi verbal dari sebuah kumpulan data.

Grafik menyingkap data. Tentu saja grafik bisa lebih tepat dan membuka daripada komputasi statisik konvensional." 

Sebagai contohnya, diagram Minard memperlihatkan kekalahan yang dialami oleh tentara Napoleon dalam periode 1812-1813. Enam variabel dipaparkan: ukuran tentara, lokasinya dalam dua-dimensi (x dan y), waktu, arah pergerakan, dan temperatur. Tampilan multivarian tersebut dalam dua dimensi menceritakan sebuah cerita yang dapat ditangkap langsung sementara mengidentifikasi sumber data untuk membangun sebuah kredibilitas. Tufte menulis pada tahun 1983 bahwa: "Ia mungkin saja grafik statistik terbaik yang pernah dilukis."

Dengan tidak menerapkan prinsip-prinsip tersebut bisa menghasilkan grafik menyesatkan, yang mengganggu pesan atau mendukung kesimpulan yang salah. Menurut Tufte, sampah-grafik mengacu pada dekorasi tambahan dari grafik yang tidak meningkatkan pesan, atau efek tiga dimensi atau perspektif yang serampangan. Secara sia-sia memisahkan kunci penjelasan dari gambar itu sendiri, membuat mata berpindah dari gambar ke penjelasan, adalah suatu bentuk dari "puing administratif". Rasio dari "data ke tinta" harus dimaksimalkan, menghapus tinta-tinta yang bukan data bila memungkinkan. 

Congressional Budge Office menyimpulkan beberapa praktik terbaik dalam menampilkan grafik dalam presentasi bulan Juni 2014, yaitu: a) Kenali penonton anda; b) Merancang grafik yang dapat berdiri sendiri di luar konteks dari laporan; dan c) Merancang grafik yang mengkomunikasikan pesan kunci dalam laporan. 

Pesan Kuantitatif

Sebuah rangkaian waktu digambarkan dengan grafik garis memperlihatkan tren pada pengeluaran dan pendapatan A.S. sepanjang waktu.

Sebuah scatterplot memperlihatkan korelasi negatif antara dua variabel (inflasi dan pengangguran ) dihitung sebagai titik dalam waktu.
Penulis Stephen Few menjelaskan delapan tipe pesan kuantitatif yang pengguna coba pahami atau komunikasikan dari sekumpulan data dan grafik yang digunakan untuk membantu mengkomunikasikan pesan:

• Rangkaian-waktu: sebuah variabel tunggal ditangkap selama periode waktu, seperti laju pengangguran selama 10 tahun. Sebuah grafik baris bisa digunakan untuk memperlihatkan tren ini.
• Peringkat: Pembagian kategoris diperingkatkan secara terurut menaik atau menurun, seperti peringkat peformansi penjualan (ukuran) berdasarkan penjual (kategori, dengan setiap penjual sebagai pembagian kategoris) selama satu periode tunggal. Sebuah grafik batang bisa digunakan untuk memperlihatkan perbandingan antara penjual.
• Sebagian-untuk-keseluruhan: Pembagian kategoris diukur sebagai sebuah rasio terhadap keseluruhan (misalnya, sebuah persentase dari 100%). Sebuah grafik lingkaran atau grafik batang dapat memperlihatkan perbandingan rasio, seperti kepemilikan saham direpresentasikan oleh kompetitor dalam sebuah pasar.
• Deviasi: Pembagian kategori dibandingkan dengan sebuah referensi, seperti perbandingan pengeluaran aktual terhadap anggaran untuk beberapa departemen dari sebuah bisnis pada periode waktu tertentu. Grafik batang dapat memperlihatkan perbandingan nilai aktual terhadap jumlah yang diacu.
• Distribusi frekuensi: Memperlihatkan jumlah observasi dari variabel tertentu terhadap rentang waktu tertentu, seperti jumlah tahun di mana pasar saham menguntungkan adalah antara interval seperti 0-10%, 11-20%, dll. Sebuah histogram, tipe dari grafik batang, bisa digunakan untuk analisis ini.
• Korelasi: Perbandingan antara observasi direpresentasikan oleh dua variabel (X, Y) untuk menentukan apakah mereka condong bergerak ke arah yang sama atau berlawanan. Sebagai contohnya, memplotkan pengangguran (X) dan inflasi (Y) untuk sampel beberapa bulan. Sebuah scatter plot biasanya digunakan untuk menyampaikan pesan tersebut.
• Perbandingan nominal: Membandingkan pembagian kategori tanpa urutan tertentu, seperti jumlah penjualan berdasarkan kode produk. Grafik batang bisa digunakan untuk pembandingan ini.
• Geografis atau geospasial: Perbandingan dari sebuah variabel di peta atau letak, seperti laju pengangguran berdasarkan negara bagian atau jumlah orang pada lantai di sebuah bangunan. Bagan yang digunakan biasanya adalah sebuah cartogram.

Analis yang meninjau sekumpulan data bisa mempertimbangkan apakah beberapa atau semua pesan dan tipe grafik di atas bisa diterapkan pada pekerjaan atau penonton mereka. Proses uji coba untuk mengidentifikasi keterkaitan dan makna pesan pada data adalah bagian dari eksplorasi analisis data.

Persepsi visual dan visualisasi data

Seseorang bisa membedakan perbedaan antara panjang dua garis, orientasi bentuk, dan warna (corak) tanpa usaha pemrosesan yang signifikan; hal ini disebut sebagai "atribut pra-atensi." Sebagai contohnya, mungkin membutuhkan waktu dan usaha ("pemrosesan atensi") untuk mengidentifikasi berapa kali angka "5" muncul dalam sekumpulan angka; tetapi jika angka tersebut berbeda dalam ukuran, orientasi, atau warna, instan dari angka tersebut dapat dilihat lebih cepat lewat pemrosesan pra-atensi. 

Grafik yang efektif menggunakan kelebihan pemrosesan pra-atensi dan atribut dan kekuatan relatif dan atribut tersebut. Sebagai contohnya, secara manusia dapat dengan mudah memroses perbedaan panjang garis daripada wilayah permukaan, akan lebih efektif menggunakan grafik batang (yang mengambil keuntungan panjang garis untuk memperlihatkan perbandingan) daripada grafik lingkaran (yang menggunakan wilayah permukaan). 

Terminologi

Visualisasi data mengikutkan terminologi khusus, beberapa diturunkan dari statistik. Sebagai contohnya, penulis Stephen Few mendefinisikan dua tipe data, yang digunakan secara kombinasi untuk mendukung analisis atau visualisasi yang bermakna:

• Kategorial: label teks menjelaskan sifat dari data, seperti "Nama" atau "Umur". Istilah ini melingkupi data kualitatif (bukan angka).
• Kuantitatif: Pengukuran angka, seperti "25" untuk merepresentasikan umur dalam tahun.

Dua tipe utama dari tampilan informasi adalah tabel dan bagan.

• Sebuah tabel mengandung data kuantitatif diatur dalam baris dan kolom dengan label kategorial. Secara umum digunakan untuk melihat nilai ilmiah. Pada contoh di atas, tabel bisa memiliki label kolom kategorial merepresentasikan nama (sebuah variabel kualitatif) dan umur (variabel kuantitatif) dengan setiap baris dari data merepresentasikan satu orang (unit eksperimental atau pembagian kategori dari sampel).
• Sebuah bagan biasanya digunakan untuk memperlihatkan keterkaitan antara data dan menggambarkan nilai yang dikodekan sebagai objek visual (misalnya, garis, batang, atau titik). Nilai numerik ditampilkan dalam sebuah wilayah yang digambarkan dengan satu atau lebih sumbu. Sumbu tersebut menyediakan skala (kuantitatif dan kategorial) yang digunakan untuk label dan memberi nilai ke objek visual. Banyak grafik disebut juga sebagai bagan.

Perpustakaan KPI telah mengembangkan "Tabel Periodik dari Metode Visualisasi", sebuah bagan interaktif yang memperlihatkan berbagai metode visualisasi data. Ia mengikutkan enam tipe dari metode visualisasi data: data, informasi, konsep, strategi, metafora dan gabungan. 

Perspektif lain

Ada pendekatan berbeda dalam ruang lingkup visualisasi data. Salah satu fokus umum yaitu pada presentasi informasi, seperti yang Friedman (2008) berikan. Dalam cara ini Friendly (2008) menganggap dua bagian utama dari visualisasi data: grafik statistik, dan kartografi tematik.  Dalam artikel "Data Visualization: Modern Approaches" (2007) memberikan ikhtisar tentang tujuh subjek dari visualisasi data: 

• Artikel dan sumber daya
• Menampilkan koneksi
• Menampilkan data
• Menampilkan berita
• Menampilkan situs
• Peta pikiran
• Alat dan layanan

Semua subjek tersebut secara dekat berkaitan dengan perancangan grafik dan representasi informasi.

Di lain sisi, dari perspektif ilmu komputer, Frits H. Post (2002) mengkategorikan bidang ilmu ini menjadi sejumlah sub-bidang:

• Visualisasi informasi
• Teknik interaksi dan arsitektur
• Teknik pemodelan
• Metode Multiresolusi
• Algoritme dan teknik visualisasi
• Visualisasi volume

Arsitektur presentasi data

Arsitektur Presentasi Data (APD) adalah sekumpulan keahlian yang mencoba mengidentifikasi, menempatkan, memanipulasi, memformat dan memberikan data dengan suatu cara untuk secara optimal mengkomunikasi makna dan memberikan pengetahuan.

Menurut sejarah, istilah APD diatribusikan ke Kelly Lautt:  "Arsitektur Presentasi Data adalah penerapan keahlian yang jarang digunakan untuk kesuksesan dan nilai dari Intelijensi Bisnis. Arsitektur presentasi data mengawinkan ilmu angka, data dan statisik dalam menemukan informasi yang berharga dari data dan membuatnya berguna, berkaitan dan dapat diaksikan dengan seni dari visualisasi data, komunikasi, psikologi organisasi dan manajemen perubahan dengan tujuan untuk menyediakan solusi intelijensi bisnis dengan ruang lingkup data, pemilihan waktu penyampaian, format dan visualisasi yang secara efektif akan mendukung dan mengarahkan perilaku operasional, taktikal, dan strategik ke arah tujuan bisnis (atau organisasi) yang dapat dipahami. APD bukanlah kemampuan teknologi informasi (TI) atau bisnis tetapi berada sebagai bagian ilmu keahlian yang terpisah. Terkadang dianggap dengan visualisasi data, APD adalah keahlian yang lebih luas yang mengikutkan penentuan data apa dan pada waktu kapan dan dalam format apa akan dipresentasikan, tidak hanya cara terbaik menampilkan data yang telah dipilih sebelumnya (yaitu visualisasi data). Kemampuan visualisasi data adalah salah satu elemen dari APD.

Objektif

PAD memiliki dua objektif utama:

• Menggunakan data untuk menyediakan pengetahuan dengan cara yang seefisien mungkin (meminimalkan noise, kompleksitas, dan data yang tidak perlu terhadap kebutuhan dan peran penonton)
• Menggunakan data untuk menyediakan pengetahuan dengan cara seefektif mungkin (menyediakan data yang relevan, berdasarkan waktu dan komplet untuk setiap anggota pengguna dengan cara yang jelas dan mudah dipahami sehingga menyingkap makna yang penting, dapat diaksikan dan dapat mempengaruhi pemahaman, perilaju dan keputusan)

Ruang lingkup

Dengan objektif di atas, pekerjaan sebenarnya dari arsitektur presentasi data terdiri dari:

• Membuat mekanisme penyampaian yang efektif untuk setiap pengguna bergantung kepada peran, pekerjaan, lokasi dan akses mereka terhadap teknologi
• Menentukan makna yang penting (pengetahuan yang berkaitan) yang dibutuhkan oleh setiap anggota pengguna di setiap konteks
• Menentukan periode perbaruan dari data yang dibutuhkan (peredaran dari data)
• Menentukan waktu yang tepat untuk presentasi data (kapan dan seberapa sering pengguna membutuhkan untuk melihat data)
• Menemukan data yang tepat (wilayah subjek, pencapaian riwayat, luasnya, tingkat kerincian, dll)
• Menggunakan analisis, pengelompokan, visualisasi, dan format presentasi lainnya yang tepat

Bidang ilmu terkait

Pekerjaan APD memiliki kesamaan dengan beberapa bidang lainnya, termasuk:

• Analisis bisnis dalam menentukan tujuan bisnis, mengumpulkan kebutuhan, pemetaan pemrosesan.
• Perbaikan proses bisnis yang mana tujuannya adalah untuk meningkatkan dan mempersingkat aksi dan keputusan dalam mendorong tujuan bisnis
• Visualisasi data dengan menggunakan teori-teori visualisasi yang telah pakem untuk menambahkan atau menyoroti makna atau kepentingan dalam presentasi data.
• Perancangan grafik atau pengguna: Saat istilah APD digunakan, ia menjadi semacam rancangan yang tidak mengindahkan beberapa rincian seperti selera warna, gaya, label dan perhatian estetika lainnya, kecuali elemen-elemen rancangan yang secara spesifik dibutuhkan atau menguntungkan bagi komunikasi makna, pengaruh, kesulitan atau informasi lain dari nilai bisnis. Sebagai contohnya,

1. Memilih lokasi untuk berbagai elemen representasi data pada sebuah halaman presentasi (seperti portal perusahaan, dalam sebuah laporan atau situs web) dengan tujuan untuk memperlihatkan hierarki, prioritas, kepentingan atau sebuah progres yang rasional bagi pengguna adalah bagian dari kemampuan APD.
2. Memilih untuk memberikan warna tertentu pada elemen grafis yang merepresentasikan data terhadap makna atau perhatian tertentu adalah bagian dari kemampuan APD.

• Arsitektur informasi, arsitektur informasi fokus pada data tak-terstruktur dan transformasi langsung dari konten yang sebenarnya (data, untuk APD) menjadi entitas dan kombinasi baru.
• Arsitektur solusi dalam menentukan rincian solusi yang optimal, termasuk ruang lingkup data yang digunakan, terhadap tujuan bisnis
• Analisis statistik atau analisis data yang mana ia menciptakan informasi dan pengetahuan dari data.

Disadur dari: https://en.wikipedia.org/

Manajemen permintaan energi, juga dikenal sebagai manajemen sisi permintaan (DSM) atau respons sisi permintaan (DSR), adalah modifikasi permintaan konsumen akan energi melalui berbagai metode seperti insentif keuangan dan perubahan perilaku melalui pendidikan.

Biasanya, tujuan dari manajemen sisi permintaan adalah untuk mendorong konsumen menggunakan lebih sedikit energi selama jam sibuk, atau untuk memindahkan waktu penggunaan energi ke waktu tidak sibuk seperti malam hari dan akhir pekan. Manajemen permintaan puncak tidak serta merta menurunkan konsumsi energi total, tetapi diharapkan dapat mengurangi kebutuhan investasi jaringan dan/atau pembangkit listrik untuk memenuhi permintaan puncak. Contohnya adalah penggunaan unit penyimpanan energi untuk menyimpan energi selama jam tidak sibuk dan mengeluarkannya selama jam sibuk.

Aplikasi yang lebih baru untuk DSM adalah untuk membantu operator jaringan dalam menyeimbangkan pembangkitan intermiten dari unit angin dan matahari, terutama ketika waktu dan besarnya permintaan energi tidak sesuai dengan pembangkit yang terbarukan. Generator yang disambungkan selama periode permintaan puncak seringkali merupakan unit bahan bakar fosil. Meminimalkan penggunaannya mengurangi emisi karbon dioksida dan polutan lainnya.

Industri tenaga listrik Amerika awalnya sangat bergantung pada impor energi asing, baik berupa listrik yang dapat dikonsumsi maupun bahan bakar fosil yang kemudian digunakan untuk menghasilkan listrik. Selama masa krisis energi pada tahun 1970-an, pemerintah federal mengesahkan Undang-Undang Kebijakan Pengaturan Utilitas Publik (PURPA), dengan harapan dapat mengurangi ketergantungan pada minyak asing dan mempromosikan efisiensi energi dan sumber energi alternatif. Tindakan ini memaksa utilitas untuk mendapatkan daya semurah mungkin dari produsen listrik independen, yang pada gilirannya mempromosikan energi terbarukan dan mendorong utilitas untuk mengurangi jumlah daya yang mereka butuhkan, sehingga mendorong agenda ke depan untuk efisiensi energi dan manajemen permintaan.

Istilah DSM diciptakan setelah masa krisis energi 1973 dan krisis energi 1979. Pemerintah di banyak negara mengamanatkan kinerja berbagai program untuk manajemen permintaan. Contoh awal adalah Undang-Undang Kebijakan Konservasi Energi Nasional tahun 1978 di AS, didahului oleh tindakan serupa di California dan Wisconsin. Manajemen sisi permintaan diperkenalkan secara publik oleh Electric Power Research Institute (EPRI) pada 1980-an. Saat ini, teknologi DSM menjadi semakin layak karena integrasi teknologi informasi dan komunikasi dan sistem tenaga, istilah baru seperti manajemen sisi permintaan terintegrasi (IDSM), atau smart grid.

Operasi

Penggunaan listrik dapat bervariasi secara dramatis pada jangka waktu pendek dan menengah, tergantung pada pola cuaca saat ini. Umumnya sistem kelistrikan grosir menyesuaikan dengan perubahan permintaan dengan mengirimkan pembangkit tambahan atau lebih sedikit. Namun, selama periode puncak, pembangkit tambahan biasanya disuplai oleh sumber yang kurang efisien ("puncak"). Sayangnya, biaya keuangan dan lingkungan seketika dari penggunaan sumber "puncak" ini tidak selalu tercermin dalam sistem harga eceran. Selain itu, kemampuan atau kemauan konsumen listrik untuk menyesuaikan diri dengan sinyal harga dengan mengubah permintaan (elastisitas permintaan) mungkin rendah, terutama dalam jangka waktu yang pendek. Di banyak pasar, konsumen (khususnya pelanggan ritel) sama sekali tidak menghadapi penetapan harga waktu nyata, tetapi membayar tarif berdasarkan biaya tahunan rata-rata atau harga yang dibuat lainnya.

Kegiatan manajemen permintaan energi berusaha untuk membawa permintaan dan pasokan listrik lebih dekat ke optimal yang dirasakan, dan membantu memberikan manfaat kepada pengguna akhir listrik untuk mengurangi permintaan mereka. Dalam sistem modern, pendekatan terpadu untuk manajemen sisi permintaan menjadi semakin umum. IDSM secara otomatis mengirimkan sinyal ke sistem pengguna akhir untuk melepaskan beban tergantung pada kondisi sistem. Hal ini memungkinkan penyetelan permintaan yang sangat tepat untuk memastikan bahwa permintaan tersebut sesuai dengan pasokan setiap saat, mengurangi pengeluaran modal untuk utilitas. Kondisi sistem kritis dapat menjadi waktu puncak, atau di daerah dengan tingkat energi terbarukan yang bervariasi, pada saat permintaan harus disesuaikan ke atas untuk menghindari pembangkitan berlebih atau ke bawah untuk membantu kebutuhan yang meningkat.

Secara umum, penyesuaian permintaan dapat terjadi dalam berbagai cara: melalui respons terhadap sinyal harga, seperti tarif diferensial permanen untuk waktu sore dan siang hari atau hari penggunaan dengan harga tinggi, perubahan perilaku yang dicapai melalui jaringan area rumah, kontrol otomatis seperti dengan kendali jarak jauh. AC, atau dengan penyesuaian beban permanen dengan peralatan hemat energi.

Fondasi logis

Permintaan komoditas apapun dapat dimodifikasi oleh tindakan pelaku pasar dan pemerintah (regulasi dan perpajakan). Manajemen permintaan energi menyiratkan tindakan yang mempengaruhi permintaan energi. DSM awalnya diadopsi dalam listrik, tetapi hari ini diterapkan secara luas untuk utilitas termasuk air dan gas juga.

Mengurangi permintaan energi bertentangan dengan apa yang telah dilakukan oleh pemasok energi dan pemerintah selama sebagian besar sejarah industri modern. Sedangkan harga riil berbagai bentuk energi telah menurun selama sebagian besar era industri, karena skala ekonomi dan teknologi, harapan untuk masa depan adalah sebaliknya. Sebelumnya, tidak masuk akal untuk mempromosikan penggunaan energi karena sumber energi yang lebih banyak dan lebih murah dapat diantisipasi di masa depan atau pemasok telah memasang kelebihan kapasitas yang akan dibuat lebih menguntungkan dengan peningkatan konsumsi.

Dalam ekonomi yang direncanakan secara terpusat, mensubsidi energi adalah salah satu alat pembangunan ekonomi utama. Subsidi untuk industri pasokan energi masih umum di beberapa negara.

Berlawanan dengan situasi historis, harga dan ketersediaan energi diperkirakan akan memburuk. Pemerintah dan aktor publik lainnya, jika bukan pemasok energi itu sendiri, cenderung menggunakan langkah-langkah permintaan energi yang akan meningkatkan efisiensi konsumsi energi.

Jenis

• Efisiensi energi: Menggunakan lebih sedikit daya untuk melakukan tugas yang sama. Ini melibatkan pengurangan permintaan secara permanen dengan menggunakan peralatan intensif beban yang lebih efisien seperti pemanas air, lemari es, atau mesin cuci.
• Respon permintaan: Metode reaktif atau pencegahan apa pun untuk mengurangi, meratakan, atau mengalihkan permintaan. Secara historis, program respons permintaan telah berfokus pada pengurangan puncak untuk menunda tingginya biaya pembangunan kapasitas pembangkitan. Namun, program respons permintaan sekarang sedang dicari untuk membantu mengubah bentuk beban bersih juga, beban dikurangi pembangkit tenaga surya dan angin, untuk membantu integrasi energi terbarukan variabel. Respon permintaan mencakup semua modifikasi yang disengaja terhadap pola konsumsi listrik pelanggan pengguna akhir yang dimaksudkan untuk mengubah waktu, tingkat permintaan sesaat, atau total konsumsi listrik. Respon permintaan mengacu pada berbagai tindakan yang dapat diambil di sisi pelanggan meteran listrik dalam menanggapi kondisi tertentu dalam sistem kelistrikan (seperti kemacetan jaringan periode puncak atau harga tinggi), termasuk IDSM yang disebutkan di atas.
• Permintaan dinamis: Majukan atau tunda siklus pengoperasian alat beberapa detik untuk meningkatkan faktor keragaman rangkaian beban. Konsepnya adalah bahwa dengan memantau faktor daya jaringan listrik, serta parameter kontrolnya sendiri, masing-masing, beban terputus-putus akan menyala atau mati pada momen optimal untuk menyeimbangkan beban sistem secara keseluruhan dengan pembangkitan, mengurangi ketidaksesuaian daya kritis. Karena peralihan ini hanya akan memajukan atau menunda siklus pengoperasian alat selama beberapa detik, itu tidak akan terlihat oleh pengguna akhir. Di Amerika Serikat, pada tahun 1982, paten (sekarang sudah tidak berlaku) untuk ide ini dikeluarkan untuk insinyur sistem tenaga Fred Schweppe. Jenis kontrol permintaan dinamis ini sering digunakan untuk AC. Salah satu contohnya adalah melalui program SmartAC di California.
• Sumber Daya Energi Terdistribusi: Pembangkitan terdistribusi, juga energi terdistribusi, pembangkitan di tempat (OSG) atau energi kabupaten/terdesentralisasi adalah pembangkitan dan penyimpanan listrik yang dilakukan oleh berbagai perangkat kecil yang terhubung ke jaringan yang disebut sebagai sumber daya energi terdistribusi (DER). Pembangkit listrik konvensional, seperti pembangkit listrik tenaga batu bara, gas dan nuklir, serta bendungan hidroelektrik dan pembangkit listrik tenaga surya skala besar, terpusat dan seringkali membutuhkan energi listrik untuk ditransmisikan dalam jarak jauh. Sebaliknya, sistem DER adalah teknologi terdesentralisasi, modular dan lebih fleksibel, yang terletak dekat dengan beban yang mereka layani, meskipun memiliki kapasitas hanya 10 megawatt (MW) atau kurang. Sistem ini dapat terdiri dari beberapa generasi dan komponen penyimpanan; dalam hal ini mereka disebut sebagai sistem tenaga hibrida. Sistem DER biasanya menggunakan sumber energi terbarukan, termasuk hidro kecil, biomassa, biogas, tenaga surya, tenaga angin, dan tenaga panas bumi, dan semakin memainkan peran penting untuk sistem distribusi tenaga listrik. Perangkat yang terhubung ke jaringan untuk penyimpanan listrik juga dapat diklasifikasikan sebagai sistem DER, dan sering disebut sistem penyimpanan energi terdistribusi (DESS). Melalui antarmuka, sistem DER dapat dikelola dan dikoordinasikan dalam smart grid. Pembangkitan dan penyimpanan terdistribusi memungkinkan pengumpulan energi dari berbagai sumber dan dapat menurunkan dampak lingkungan dan meningkatkan keamanan pasokan.

Skala

Secara garis besar, manajemen sisi permintaan dapat diklasifikasikan ke dalam empat kategori: skala nasional, skala utilitas, skala komunitas, dan skala rumah tangga individu.

Skala nasional

Peningkatan efisiensi energi adalah salah satu strategi manajemen sisi permintaan yang paling penting.[16] Peningkatan efisiensi dapat dilaksanakan secara nasional melalui undang-undang dan standar di perumahan, gedung, peralatan, transportasi, mesin, dll.

Skala utilitas

Selama permintaan puncak waktu, utilitas dapat mengontrol pemanas air penyimpanan, pompa kolam, dan AC di area yang luas untuk mengurangi permintaan puncak, mis. Australia dan Swiss. Salah satu teknologi umum adalah kontrol riak: sinyal frekuensi tinggi (misalnya 1000 Hz) ditumpangkan ke listrik normal (50 atau 60 Hz) untuk menghidupkan atau mematikan perangkat. Di negara-negara yang lebih berbasis layanan, seperti Australia, permintaan puncak jaringan listrik sering terjadi pada sore hari hingga sore hari (4 sore hingga 8 malam). Permintaan residensial dan komersial adalah bagian terpenting dari jenis permintaan puncak ini. Oleh karena itu, masuk akal bagi utilitas (distributor jaringan listrik) untuk mengelola pemanas air penyimpanan perumahan, pompa kolam, dan pendingin udara.

Skala komunitas

Nama lain bisa berupa kelurahan, kecamatan, atau distrik. Sistem pemanas sentral komunitas telah ada selama beberapa dekade di daerah musim dingin. Demikian pula, permintaan puncak di daerah puncak musim panas perlu dikelola, mis. Texas & Florida di AS, Queensland dan New South Wales di Australia. Manajemen sisi permintaan dapat diterapkan dalam skala komunitas untuk mengurangi permintaan puncak untuk pemanasan atau pendinginan. Aspek lainnya adalah untuk mencapai pembangunan atau komunitas bersih tanpa energi.

Mengelola energi, permintaan puncak, dan tagihan di tingkat masyarakat mungkin lebih layak dan layak, karena daya beli kolektif, daya tawar, lebih banyak pilihan dalam efisiensi atau penyimpanan energi, lebih banyak fleksibilitas dan keragaman dalam menghasilkan dan mengonsumsi energi di berbagai kali, mis. menggunakan PV untuk mengimbangi konsumsi siang hari atau untuk penyimpanan energi.

Skala rumah tangga

Di wilayah Australia, lebih dari 30% (2016) rumah tangga memiliki sistem fotovoltaik atap. Hal ini berguna bagi mereka untuk menggunakan energi bebas dari matahari untuk mengurangi impor energi dari grid. Selanjutnya, manajemen sisi permintaan dapat membantu ketika pendekatan sistematis dipertimbangkan: pengoperasian fotovoltaik, AC, sistem penyimpanan energi baterai, pemanas air penyimpanan, kinerja gedung dan langkah-langkah efisiensi energi.

Contoh

Queensland, Australia

Perusahaan utilitas di negara bagian Queensland, Australia memiliki perangkat yang dipasang pada peralatan rumah tangga tertentu seperti AC atau meteran rumah tangga untuk mengontrol pemanas air, pompa kolam, dll. Perangkat ini akan memungkinkan perusahaan energi untuk bersepeda jarak jauh menggunakan barang-barang ini selama jam sibuk jam. Rencana mereka juga mencakup peningkatan efisiensi barang-barang yang menggunakan energi dan memberikan insentif keuangan kepada konsumen yang menggunakan listrik selama jam-jam di luar jam sibuk, ketika biaya produksi perusahaan energi lebih murah.

Contoh lain adalah bahwa dengan manajemen sisi permintaan, rumah tangga Queensland Tenggara dapat menggunakan listrik dari sistem fotovoltaik atap untuk memanaskan air.

Toronto Kanada

Pada tahun 2008, Toronto Hydro, distributor energi monopoli Ontario, memiliki lebih dari 40.000 orang yang mendaftar untuk memasang perangkat jarak jauh ke AC yang digunakan perusahaan energi untuk mengimbangi lonjakan permintaan. Juru bicara Tanya Bruckmueller mengatakan bahwa program ini dapat mengurangi permintaan hingga 40 megawatt selama situasi darurat.

California, AS

California memiliki beberapa program manajemen sisi permintaan, termasuk program respons permintaan harga puncak otomatis dan kritis untuk pelanggan komersial dan industri serta konsumen perumahan, potongan harga efisiensi energi, penetapan harga waktu penggunaan berbasis non-acara, tarif pengisian kendaraan listrik khusus, dan penyimpanan terdistribusi. Beberapa dari program ini dijadwalkan untuk ditambahkan ke pasar grosir listrik untuk ditawar sebagai sumber daya "sisi pasokan" yang dapat dikirim oleh operator sistem. Manajemen sisi permintaan di negara bagian akan semakin penting karena tingkat pembangkitan terbarukan mendekati 33% pada tahun 2020, dan diperkirakan akan meningkat melampaui tingkat itu dalam jangka panjang.

Indiana, AS

Operasi Warrick Alcoa berpartisipasi dalam MISO sebagai sumber daya respons permintaan yang memenuhi syarat, yang berarti menyediakan respons permintaan dalam hal energi, cadangan pemintalan, dan layanan regulasi.

Brazil

Manajemen sisi permintaan dapat diterapkan pada sistem kelistrikan berdasarkan pembangkit listrik termal atau sistem di mana energi terbarukan, seperti pembangkit listrik tenaga air, lebih dominan tetapi dengan pembangkit termal komplementer, misalnya, di Brasil.

Dalam kasus Brasil, meskipun pembangkit listrik tenaga air sesuai dengan lebih dari 80% dari total, untuk mencapai keseimbangan praktis dalam sistem pembangkitan, energi yang dihasilkan oleh pembangkit listrik tenaga air memasok konsumsi di bawah permintaan puncak. Pembangkitan puncak disuplai oleh penggunaan pembangkit listrik berbahan bakar fosil. Pada tahun 2008, konsumen Brasil membayar lebih dari U$1 miliar untuk pembangkit termoelektrik komplementer yang sebelumnya tidak diprogram.

Di Brasil, konsumen membayar semua investasi untuk menyediakan energi, bahkan jika pabrik tidak beroperasi. Untuk sebagian besar pembangkit termal berbahan bakar fosil, konsumen membayar "bahan bakar" dan biaya operasi lainnya hanya jika pembangkit ini menghasilkan energi. Energi, per unit yang dihasilkan, lebih mahal dari pembangkit termal daripada dari pembangkit listrik tenaga air. Hanya beberapa pembangkit termoelektrik di Brasil yang menggunakan gas alam, sehingga menimbulkan polusi yang jauh lebih besar daripada pembangkit listrik tenaga air. Tenaga yang dihasilkan untuk memenuhi permintaan puncak memiliki biaya yang lebih tinggi — baik investasi maupun biaya operasi — dan polusi memiliki biaya lingkungan yang signifikan dan berpotensi, kewajiban finansial dan sosial untuk penggunaannya. Dengan demikian, perluasan dan pengoperasian sistem saat ini tidak seefisien yang dapat dilakukan dengan menggunakan manajemen sisi permintaan. Akibat dari inefisiensi ini adalah kenaikan tarif energi yang dibebankan kepada konsumen.

Selain itu, karena energi listrik dihasilkan dan dikonsumsi hampir seketika, semua fasilitas, seperti jalur transmisi dan jaringan distribusi, dibangun untuk konsumsi puncak. Selama periode non-puncak kapasitas penuh mereka tidak digunakan. Pengurangan konsumsi puncak dapat menguntungkan efisiensi sistem kelistrikan, seperti sistem Brasil, dalam berbagai cara: seperti menunda investasi baru dalam jaringan distribusi dan transmisi, dan mengurangi kebutuhan operasi daya termal komplementer selama periode puncak, yang dapat mengurangi keduanya. pembayaran untuk investasi pembangkit listrik baru untuk memasok hanya selama periode puncak dan dampak lingkungan yang terkait dengan emisi gas rumah kaca.

Masalah

Beberapa orang berpendapat bahwa manajemen sisi permintaan tidak efektif karena sering mengakibatkan biaya utilitas yang lebih tinggi bagi konsumen dan lebih sedikit keuntungan untuk utilitas. Salah satu tujuan utama dari manajemen sisi permintaan adalah untuk dapat membebankan konsumen berdasarkan harga sebenarnya dari utilitas pada saat itu. Jika konsumen dapat dikenakan biaya lebih sedikit untuk menggunakan listrik selama jam tidak sibuk, dan lebih banyak selama jam sibuk, maka penawaran dan permintaan secara teoritis akan mendorong konsumen untuk menggunakan lebih sedikit listrik selama jam sibuk, sehingga mencapai tujuan utama dari manajemen sisi permintaan.

 

Disadur dari: en.wikipedia.org