Mengukur dan memverifikasi penghematan energi: garis dasar, batas pengukuran, normalisasi terhadap produksi dan cuaca, regresi garis dasar, jumlah kumulatif CUSUM, ketidakpastian penghematan, dan laporan

Pemasok penukar panas menawarkan sistem pemulihan panas air buang untuk laundry sebuah hotel dengan janji penghematan gas 20 persen. Manajemen menyetujui proyek itu dengan satu syarat: enam bulan setelah pemasangan, tim teknik harus membuktikan penghematannya. Ketika enam bulan berlalu, bagian keuangan membandingkan tagihan. Gas enam bulan itu 4.098 GJ, hanya 1,4 persen lebih rendah daripada 4.155 GJ pada enam bulan yang sama tahun sebelumnya (angka latihan). Bagian keuangan menyimpulkan proyek gagal.

Pemasok menjawab bahwa okupansi naik, linen yang dicuci bertambah 4,6 persen, dan penghematan "tertutup" oleh produksi. Kedua pihak memakai angka yang benar, tetapi tidak ada yang menjawab pertanyaan manajemen: berapa gas yang akan terpakai seandainya penukar panas tidak dipasang, dan seberapa yakin kita tentang selisihnya? Bab ini menjelaskan cara menjawabnya dan melaporkannya dengan jujur.

Batas pembahasan

Bab ini membahas metode verifikasi penghematan energi. Sumber kehilangan energi laundry, cara memilih proyek, dan masa balik modal dibahas di Bab 11 · Utilitas tentang efisiensi energi utilitas laundry; neraca utilitas laundry rumah sakit di Bab 12 · Utilitas tentang neraca utilitas; regresi linear sederhana, simpangan baku residu, koefisien determinasi, dan batas ekstrapolasi di Bab 7 tentang korelasi dan regresi; selang kepercayaan di Bab 8 tentang uji perbandingan; ketidakpastian meter di Bab 5 tentang ketidakpastian gabungan; energi dari daya di Bab 11 · Satuan & Matematika tentang luas di bawah kurva; KPI energi per kilogram di Bab 20 · Laundry tentang konsistensi operasi; pembersihan data meter di Bab 13 tentang membersihkan data. Diagram kendali CUSUM statistik tidak dibahas. Sumbernya adalah empat narasi disiplin, OpenStax, serta panduan dan halaman lembaga resmi yang terbaca lewat cuplikan pencarian, ditambah pengetahuan umum yang ditandai di peta sumber. Teks resmi IPMVP, ISO 50006, ISO 50015, dan ASHRAE Guideline 14 tidak terbaca; isinya ditulis dengan atribusi. Semua data contoh adalah angka latihan.

Garis dasar dan persamaan penghematan

Penghematan tidak dapat diukur langsung, karena energi yang tidak terpakai tidak melewati meter. Yang diukur adalah pemakaian sesudah tindakan, lalu dibandingkan dengan perkiraan pemakaian tanpa tindakan pada keadaan yang sama (pengetahuan umum).

Garis dasar energi (energy baseline) adalah hubungan terukur antara pemakaian energi dan faktor penggeraknya selama periode sebelum tindakan hemat energi, yang dipakai untuk memperkirakan pemakaian bila tindakan tidak dilakukan. Periode pelaporan (reporting period) adalah rentang waktu sesudah tindakan yang penghematannya dihitung. Faktor penggerak (driver atau relevant variable) adalah besaran yang ikut menentukan pemakaian energi, seperti kilogram linen, kamar terisi, atau derajat hari. Bentuk persamaan penghematan yang lazim dipakai IPMVP, yang teks resminya tidak terbaca (pengetahuan umum):

$$S = E_{dasar,disesuaikan} - E_{pelaporan} \pm A_{tidak\,rutin}$$

$S$ adalah penghematan, $E_{dasar,disesuaikan}$ pemakaian yang diperkirakan garis dasar untuk keadaan periode pelaporan, $E_{pelaporan}$ pemakaian terukur pada periode pelaporan, dan $A_{tidak\,rutin}$ penyesuaian untuk perubahan tetap yang bukan bagian tindakan, misalnya mesin cuci tambahan atau jam operasi baru; semuanya dalam GJ atau kWh. Penyesuaian rutin, yaitu perubahan produksi dan cuaca, sudah masuk ke $E_{dasar,disesuaikan}$ melalui model garis dasar.

Garis dasar sebaiknya mencakup seluruh rentang faktor penggerak, misalnya satu tahun penuh untuk beban yang dipengaruhi cuaca, supaya model tidak dipakai di luar data asalnya; anjuran ini muncul dalam bahan pelatihan penyusunan garis dasar energi fasilitas yang terbaca lewat cuplikan. Narasi Troubleshooting dan RCA mengutip buku panduan solusi rekayasa kelistrikan bahwa peramalan beban didasarkan pada kumpulan data historis yang konsisten. Garis dasar dari data yang belum dibersihkan, seperti Juni yang terhitung dua kali di Bab 13 tentang membersihkan data, menghasilkan penghematan yang salah sejak awal.

Batas pengukuran dan opsi IPMVP

Batas pengukuran (measurement boundary) adalah garis khayal yang memisahkan peralatan atau bagian fasilitas yang energinya diukur dari yang tidak. Protokol pengukuran dan verifikasi internasional IPMVP membedakan empat opsi menurut letak batas pengukuran. Rangkuman berikut berasal dari panduan pengukuran dan verifikasi pemerintah negara bagian New South Wales, Australia, yang terbaca lewat cuplikan, dilengkapi sumber sekunder:

Menurut rangkuman sumber sekunder, opsi C dan D dipakai bila ada beberapa tindakan sekaligus atau efek interaktif yang rumit. Satu sumber sekunder menyebut opsi B sebagai estimasi penghematan yang ditetapkan; bab ini mengikuti bacaan panduan pemerintah bahwa opsi B mengukur semua parameter. Narasi Utilitas Industri mengutip manual sebuah pengering yang menampilkan total konsumsi listrik motor kipas dan drum mesin itu; penghitung seperti itu dapat menjadi meter opsi B untuk satu mesin bila ketelitiannya diketahui (penalaran editorial).

Pilihan opsi menentukan seberapa kecil penghematan yang dapat dibuktikan. Opsi C membaca penghematan dari meter seluruh laundry, sehingga penghematan kecil tenggelam dalam variasinya; opsi B mengukur langsung panas yang dipulihkan, tetapi tidak melihat efek di luar batasnya. Pada kasus pembuka dipakai opsi C karena hanya meter gas laundry yang tersedia (penalaran editorial).

Dua standar ISO berkaitan dengan bab ini. Menurut halaman ISO yang terbaca lewat cuplikan, ISO 50006:2023 memberi panduan menyusun, memakai, dan memelihara indikator kinerja energi dan garis dasar energi untuk organisasi apa pun, dengan daftar isi yang memuat batas indikator, aliran energi, variabel yang berkaitan dengan kinerja energi, dan penetapan garis dasar. Menurut katalog standar yang terbaca lewat cuplikan, ISO 50015:2014 memuat prinsip dan pedoman umum pengukuran dan verifikasi kinerja energi organisasi atau bagiannya, dapat dipakai sendiri atau bersama protokol lain, dan berlaku untuk semua jenis energi.

Normalisasi terhadap produksi

Bab 11 · Utilitas tentang efisiensi energi laundry meminta intensitas, yaitu energi per kilogram linen, dibandingkan dengan angka dasar. Narasi Statistik dan Data Teknis memuat rumus biaya per satuan yang sejenis, yaitu bahan, energi, dan air dibagi jumlah satuan baik yang dihasilkan. Intensitas adalah normalisasi paling sederhana dan cukup untuk memantau tren bulanan.

Untuk membuktikan penghematan, intensitas sering salah karena menganggap seluruh energi sebanding dengan produksi. Laundry mempunyai beban dasar (base load), yaitu pemakaian energi yang tetap ada walaupun produksi berubah, seperti kehilangan panas boiler dan pipa, pemanasan awal mesin, dan penerangan. Model garis dasar yang lebih jujur memisahkan beban dasar dari bagian yang mengikuti produksi:

$$\hat{E} = a + b\,m$$

$\hat{E}$ adalah pemakaian gas yang diperkirakan per bulan (GJ), $a$ beban dasar (GJ per bulan), $b$ energi tambahan per ton linen (GJ/ton), dan $m$ linen per bulan (ton). Bila produksi naik, intensitas turun dengan sendirinya karena beban dasar terbagi ke lebih banyak linen. Cara intensitas lalu menghitung penurunan itu sebagai penghematan (Contoh 6).

Normalisasi terhadap cuaca: derajat hari pendinginan

Untuk beban pendinginan gedung, faktor penggerak utamanya cuaca. Derajat hari pendinginan (cooling degree day, CDD) adalah selisih suhu rata-rata harian di atas suhu dasar tertentu, dijumlahkan untuk setiap hari dalam satu periode. Menurut halaman lembaga informasi energi Amerika Serikat (EIA) yang terbaca lewat cuplikan, suhu rata-rata harian adalah rata-rata suhu maksimum dan minimum; di Amerika Serikat suhu dasarnya 65 °F; hari dengan rata-rata di atas suhu dasar memberi CDD sebesar selisihnya, dan CDD dijumlahkan untuk bulan atau musim:

$$CDD_{hari} = \max\!\left(0,\ \frac{T_{maks} + T_{min}}{2} - T_{dasar}\right)$$

$T_{maks}$ dan $T_{min}$ adalah suhu udara luar harian tertinggi dan terendah, $T_{dasar}$ suhu dasar, dan CDD dalam satuan derajat kali hari. Suhu dasar 65 °F (18,3 °C) adalah konvensi Amerika Serikat; tidak ditemukan suhu dasar baku untuk Indonesia. Untuk gedung tropis, suhu dasar sebaiknya dipilih dari data, yaitu suhu udara luar ketika pemakaian pendingin mulai naik, bukan disalin (penalaran editorial). Model listrik bulanan hotel lalu berbentuk $\hat{E} = a + b \cdot CDD$, dengan $a$ beban yang tidak bergantung cuaca.

Regresi garis dasar dan kecocokan model

Koefisien $a$ dan $b$ dihitung dengan kuadrat terkecil seperti di Bab 7 tentang regresi. Bila ada dua faktor penggerak atau lebih, misalnya linen dan CDD, dipakai regresi berganda. Menurut buku statistik bisnis terbuka OpenStax, regresi sederhana adalah kasus khusus regresi berganda, dan variabel boneka bernilai 0 atau 1 menggeser garis naik atau turun sebesar koefisiennya; variabel boneka berguna untuk bulan dengan keadaan berbeda yang dapat dijelaskan, seperti bulan dengan satu mesin cuci tambahan. Narasi Fluida, Termal, dan Utilitas Industri mengutip buku perancangan teknik kimia bahwa sifat yang diperkirakan program simulasi proses sebaiknya selalu dibandingkan dengan data terukur; prinsip yang sama berlaku untuk model energi.

Dua ukuran kecocokan sering dipakai untuk model energi:

$$CV(RMSE) = \frac{1}{\bar{y}}\sqrt{\frac{\sum (y_i - \hat{y}_i)^2}{n - p}}, \qquad NMBE = \frac{\sum (y_i - \hat{y}_i)}{(n - p)\,\bar{y}}$$

$y_i$ adalah pemakaian terukur, $\hat{y}_i$ pemakaian dari model, dan $\bar{y}$ rata-rata pemakaian, dalam GJ atau kWh; $n$ jumlah data; $p$ jumlah parameter model (2 untuk garis lurus); keduanya dinyatakan dalam persen. Penyebut persisnya dapat berbeda antaredisi pedoman (pengetahuan umum). Pada regresi kuadrat terkecil dengan konstanta, jumlah residu nol, sehingga NMBE pada data pembentuk model selalu nol; NMBE berguna untuk menguji model pada data lain.

Kriteria ASHRAE Guideline 14 tidak dapat dibaca dari pedoman aslinya yang berbayar, dan angkanya berbeda antarsumber. Menurut forum komunitas pemodelan energi gedung dan makalah universitas yang terbaca lewat cuplikan, kriteria yang paling sering dikutip untuk model simulasi terkalibrasi adalah CV(RMSE) paling besar 15 persen dan NMBE dalam plus minus 5 persen untuk data bulanan, serta 30 persen dan plus minus 10 persen untuk data per jam. Sumber lain menyebut CV(RMSE) paling besar 20 persen untuk data bulanan, mungkin untuk model regresi seluruh gedung, dan NMBE plus minus 5 persen untuk data per jam; angka ini belum dapat dipastikan dari sumber resmi per 18 Oktober 2026, dan edisi 2002 serta 2014 sama-sama dirujuk. Penalaran editorial: sebut angka-angka itu sebagai kriteria yang sering dikutip, bukan syarat resmi atau syarat kontrak, dan tetap periksa residu seperti di Bab 7 tentang regresi. Model dengan CV(RMSE) kecil tetap tidak dapat diandalkan untuk bulan dengan produksi di luar rentang garis dasar; OpenStax menyebut prediksi di luar rentang $x$ yang teramati sebagai ekstrapolasi yang tidak dapat diandalkan.

Jumlah kumulatif CUSUM

Jumlah kumulatif selisih (cumulative sum, CUSUM) adalah jumlah berjalan selisih antara pemakaian energi terukur dan pemakaian yang diperkirakan model garis dasar. Menurut panduan pemantauan dan penargetan energi dari lembaga pemerintah dan sumber sekunder yang terbaca lewat cuplikan, pemakaian di atas model menaikkan garis CUSUM dan pemakaian di bawah model menurunkannya; lereng turun berarti penghematan, lereng naik berarti pemborosan, dan perubahan lereng menandai saat tindakan mulai berpengaruh. Rumusnya, dengan tanda yang dipakai di bab ini:

$$C_k = \sum_{j=1}^{k} \left(E_j - \hat{E}_j\right)$$

$E_j$ adalah pemakaian terukur bulan ke-$j$, $\hat{E}_j$ prediksi garis dasar bulan itu, dan $C_k$ jumlah kumulatif sampai bulan ke-$k$, dalam GJ. Sebagian perangkat lunak memakai tanda sebaliknya, prediksi dikurangi terukur, sehingga laporan selalu menyebut tanda yang dipakai. CUSUM peka terhadap pergeseran kecil yang menetap karena penjumlahan meratakan sebaran acak bulanan (pengetahuan umum). CUSUM di sini adalah grafik selisih kumulatif untuk pemantauan energi, bukan diagram kendali CUSUM statistik; diagram kendali dibahas di Bab 3 tentang kontrol proses.

Garis CUSUM yang turun lurus menunjukkan penghematan stabil; garis yang melandai lagi sering menandai penghematan yang mulai hilang, misalnya penukar panas yang tersumbat serat. Bab 11 · Utilitas mengingatkan bahwa penghematan dari perawatan hilang bila perawatannya berhenti; CUSUM membuat hal itu terlihat.

Ketidakpastian penghematan

Penghematan adalah selisih dua besaran yang masing-masing tidak pasti: prediksi model dan pemakaian terukur (pengetahuan umum). Untuk model garis lurus dengan galat bulanan yang saling bebas, ragam jumlah penghematan $m$ bulan pelaporan diturunkan dari selang prediksi regresi di buku statistik bisnis OpenStax (pengetahuan umum):

$$U_{95} \approx t_{0{,}975;\,n-2}\; s_e \sqrt{m + \frac{m^2}{n} + \frac{\left(\sum_j (x_j - \bar{x})\right)^2}{S_{xx}}}$$

$U_{95}$ adalah ketidakpastian diperluas pada tingkat kepercayaan sekitar 95 persen (GJ); $s_e$ simpangan baku residu model (GJ); $m$ jumlah bulan pelaporan; $n$ jumlah bulan garis dasar; $x_j$ faktor penggerak bulan pelaporan dan $\bar{x}$ rata-ratanya di garis dasar (ton); $S_{xx}$ jumlah kuadrat simpangan $x$ di garis dasar (ton²). Suku pertama berasal dari sebaran bulanan, suku kedua dan ketiga dari ketidakpastian koefisien model. Menurut buku yang sama, selang prediksi melebar bila $x$ jauh dari pusat data.

Rumus ini belum memuat ketidakpastian meter, yang digabung dengan cara di Bab 5 tentang ketidakpastian gabungan, dan menganggap galat bulanan bebas; galat yang saling berkorelasi memperbesar ketidakpastian. Cara ASHRAE Guideline 14 merumuskan ketidakpastian penghematan belum dapat dipastikan dari sumber resmi per 18 Oktober 2026.

Laporan verifikasi dan konteks Indonesia

Laporan verifikasi yang dapat diperiksa memuat (penalaran editorial): tindakan dan tanggalnya; batas pengukuran dan opsi; periode garis dasar dan pelaporan; meter, kalibrasi, dan pembersihan data; model dengan koefisien, rentang data, dan ukuran kecocokan; penyesuaian tidak rutin; penghematan dengan ketidakpastiannya; grafik CUSUM; dan perbandingan dengan janji pemasok beserta dasar janji itu. Cara menyajikannya ke manajemen dibahas di Bab 16 tentang menyajikan data teknis.

Di Indonesia, Kementerian ESDM menyebut empat sektor pengguna energi yang wajib melakukan manajemen energi, dengan ambang untuk bangunan 500 TOE per tahun; kewajibannya meliputi menunjuk manajer energi bersertifikat, menyusun program konservasi energi, audit energi oleh auditor bersertifikat, melaksanakan rekomendasi, dan melaporkan. Halaman yang sama menyebut 410 entitas melapor untuk tahun 2023 dengan penghematan 10,42 juta setara barel minyak. Nomor peraturan yang mendasarinya belum dapat dipastikan dari sumber resmi per 18 Oktober 2026. Satu TOE setara 41,868 GJ (nilai literatur umum), sehingga 500 TOE setara 20.934 GJ; cara resmi menghitung listrik dan bahan bakar ke TOE mengikuti ketentuan kementerian. Hotel atau rumah sakit besar dapat mendekati ambang itu, dan laporan verifikasi menjadi bahan laporan manajer energinya (penalaran editorial).

Contoh kerja

Contoh 1: model garis dasar. Dua belas bulan sebelum pemasangan, linen (ton per bulan) 42, 45, 48, 44, 50, 52, 47, 49, 51, 46, 43, 48 (jumlah 565) dan gas (GJ per bulan) 648, 662, 721, 645, 736, 743, 713, 711, 726, 693, 644, 714 (jumlah 8.356). Maka $\bar{x} = 47{,}083$ ton, $\bar{y} = 696{,}33$ GJ, $S_{xx} = 110{,}917$ ton², dan $S_{xy} = 1.219{,}67$ GJ·ton. Kemiringan $b = 1.219{,}67/110{,}917 = 10{,}996$ GJ/ton dan $a = 696{,}33 - 10{,}996 \times 47{,}083 = 178{,}6$ GJ per bulan, jadi $\hat{E} = 178{,}6 + 11{,}00\,m$. Beban dasar 178,6 GJ sebulan, sekitar 26 persen gas setahun.

Contoh 2: kecocokan model. Residu bulanan 7,6; minus 11,4; 14,6; minus 17,4; 7,6; minus 7,4; 17,6; minus 6,4; minus 13,4; 8,6; minus 7,4; 7,6 GJ, tanpa pola yang jelas terhadap linen atau urutan bulan (suku kuadrat yang dicoba tidak bermakna), dan semuanya di dalam $\pm 2 s_e$. Jumlah kuadratnya 1.532,9, sehingga $s_e = \sqrt{1.532{,}9/10} = 12{,}38$ GJ, $R^2 = 0{,}897$, dan $CV(RMSE) = 12{,}38/696{,}33 = 1{,}78\%$. NMBE pada data pembentuk model nol. Model jauh di dalam kriteria yang sering dikutip, tetapi hanya berlaku untuk linen 42 sampai 52 ton.

Contoh 3: prediksi dan selisih bulanan. Enam bulan pelaporan memproses linen 47, 50, 53, 49, 44, 51 ton dengan gas terukur 669, 682, 733, 677, 640, 697 GJ (jumlah 4.098). Prediksi garis dasar dengan koefisien penuh adalah 695,4; 728,4; 761,4; 717,4; 662,4; 739,4 GJ (jumlah 4.304,5). Selisih terukur dikurangi prediksi: minus 26,4; minus 46,4; minus 28,4; minus 40,4; minus 22,4; minus 42,4 GJ. Bulan ketiga dengan 53 ton sedikit di luar rentang garis dasar dan diberi catatan.

Contoh 4: CUSUM. Jumlah berjalan selisih itu: minus 26,4; minus 72,8; minus 101,2; minus 141,6; minus 164,1; minus 206,5 GJ. Garisnya turun hampir lurus sekitar 34 GJ sebulan, tanda penghematan stabil. Penghematan enam bulan 206,5 GJ, atau $206{,}5/4.304{,}5 = 4{,}8\%$ dari pemakaian yang diperkirakan tanpa proyek.

Contoh 5: ketidakpastian. Dengan $m = 6$, $n = 12$, $\sum (x_j - \bar{x}) = 294 - 6 \times 47{,}083 = 11{,}5$ ton:

$$s_e\sqrt{6 + \frac{36}{12} + \frac{11{,}5^2}{110{,}917}} = 12{,}38 \times \sqrt{10{,}19} = 39{,}5\ \text{GJ}$$

Dengan $t_{0{,}975;10} = 2{,}228$, $U_{95} \approx 88$ GJ. Penghematan dilaporkan 206 plus minus 88 GJ, atau 4,8 plus minus 2,0 persen, pada tingkat kepercayaan sekitar 95 persen. Rentangnya 118 sampai 295 GJ, seluruhnya di atas nol.

Contoh 6: dua cara hitung yang salah. Cara pertama, membandingkan mentah enam bulan yang sama tahun lalu (4.155 GJ) dengan periode pelaporan (4.098 GJ), memberi 57 GJ. Angka ini terlalu kecil karena linen naik dari 281 menjadi 294 ton. Cara kedua, memakai intensitas dasar $8.356/565 = 14{,}79$ GJ/ton dikalikan linen pelaporan 294 ton, lalu dikurangi 4.098, memberi 250 GJ. Angka ini terlalu besar karena beban dasar 178,6 GJ sebulan ikut dianggap sebanding dengan linen. Regresi memberi 206 GJ, di antara keduanya.

Contoh 7: janji 20 persen dan batas pengukuran. Ternyata janji 20 persen dihitung dari energi pemanasan air cuci, bukan dari seluruh gas laundry. Bila pemanasan air cuci memakai sekitar 25 persen gas laundry (angka latihan), janji itu setara $0{,}20 \times 0{,}25 = 5\%$ gas total, atau sekitar 215 GJ dalam enam bulan. Hasil 206 plus minus 88 GJ sejalan dengan janji yang diperjelas itu, sedangkan 20 persen dari seluruh gas (861 GJ) jauh di luar rentangnya. Meter panas pada air bersih yang dipanaskan awal (opsi B) akan memberi ketidakpastian lebih kecil untuk tindakan ini.

Contoh 8: derajat hari pendinginan. Contoh EIA: suhu maksimum 90 °F dan minimum 66 °F memberi rata-rata 78 °F dan $78 - 65 = 13$ CDD. Di hotel tropis, bila suhu dasar yang dipilih dari data 24 °C (angka latihan) dan rata-rata harian sebulan 28,5 °C, setiap hari memberi 4,5 CDD dan sebulan 30 hari memberi 135 CDD.

Contoh 9: normalisasi cuaca. Model listrik bulanan hotel dari data garis dasar adalah $\hat{E} = 180.000 + 900 \cdot CDD$ kWh (angka latihan). Setelah penggantian pendingin, bulan dengan 150 CDD memakai 290.000 kWh, naik 0,7 persen dari 288.000 kWh pada bulan lalu dengan 120 CDD. Prediksi garis dasar untuk 150 CDD adalah 315.000 kWh, sehingga penghematan bulan itu 25.000 kWh, sekitar 7,9 persen. Tanpa normalisasi, bulan yang lebih panas membuat proyek tampak gagal.

Kondisi berhenti

Jangan menerbitkan angka penghematan, dan serahkan kepada manajer energi, auditor energi bersertifikat, atau ahli pengukuran dan verifikasi bila:

1. Residu model garis dasar berpola, atau periode pelaporan banyak berada di luar rentang faktor penggerak garis dasar.
2. Ada perubahan tidak rutin yang besar, seperti mesin baru, perubahan jam operasi, atau beban baru, tanpa penyesuaian yang disepakati.
3. Meter diganti, tidak terkalibrasi, atau datanya banyak hilang atau ganda.
4. Penghematan menjadi dasar pembayaran kontrak kinerja atau laporan wajib kepada pemerintah; rencana pengukuran dan verifikasi harus disepakati tertulis lebih dulu.
5. Penghematan berasal dari menurunkan suhu disinfeksi, mengurangi ventilasi, atau mematikan perlengkapan pengaman. Penghematan seperti itu tidak dihitung dan tindakannya dihentikan.
6. Ketidakpastian lebih besar daripada penghematan yang diklaim.

Salah tafsir yang sering terjadi

1. "Tagihan turun berarti proyek berhasil, tagihan naik berarti gagal." Tagihan mencampur pengaruh tindakan dengan produksi, cuaca, dan harga.
2. "Energi per kilogram cukup untuk membuktikan penghematan." Intensitas menganggap beban dasar sebanding dengan produksi dan dapat melebihkan penghematan.
3. "R² tinggi berarti model layak." Periksa residu, rentang data, dan perubahan keadaan.
4. "CV(RMSE) di bawah 15 persen adalah syarat resmi." Angka kriteria ASHRAE Guideline 14 berbeda antarsumber dan berasal dari konteks kalibrasi model.
5. "Penghematan 206 GJ adalah angka pasti." Penghematan selalu dilaporkan dengan ketidakpastiannya.
6. "Garis CUSUM turun membuktikan tindakan itu penyebabnya." CUSUM menunjukkan kapan pemakaian berubah; penyebabnya diperiksa dari catatan perubahan lain.

Hubungan dengan bab lain

Bab 11 · Utilitas tentang efisiensi energi laundry memilih proyek yang diverifikasi di sini, dan Bab 12 · Utilitas tentang neraca utilitas memberi batas sistem dan aliran energinya. Bab 7 tentang regresi, Bab 8 tentang selang kepercayaan, dan Bab 5 tentang ketidakpastian gabungan memberi alat statistiknya. Bab 13 tentang membersihkan data menyiapkan data meter, Bab 20 · Laundry tentang KPI memantau intensitas sehari-hari, dan Bab 16 tentang menyajikan data mengubah hasilnya menjadi laporan untuk manajemen.

Latihan dan pembahasan

1. Dengan model Contoh 1, berapa gas yang diperkirakan untuk bulan dengan linen 55 ton? Apa catatan Anda tentang angka itu?
2. Selisih bulanan terukur dikurangi prediksi (GJ) selama delapan bulan: 5; minus 3; 4; minus 2; minus 20; minus 25; minus 18; minus 22. Hitung CUSUM-nya dan jelaskan kapan tindakan mulai berpengaruh.
3. Jelaskan dengan model Contoh 1 mengapa cara intensitas melebihkan penghematan ketika produksi naik.
4. Suhu rata-rata tiga hari 29,0; 27,5; dan 23,0 °C dengan suhu dasar 24 °C. Berapa CDD ketiga hari itu?
5. Sebuah proyek menghasilkan penghematan 120 plus minus 150 GJ. Apa yang boleh dilaporkan dan apa yang dapat dilakukan?
6. Gas laundry setahun 8.356 GJ. Berapa TOE, dan dapatkah teknisi menyimpulkan hotelnya di bawah ambang wajib manajemen energi?

Kunci jawaban beralasan

1. $\hat{E} = 178{,}6 + 11{,}00 \times 55 \approx 783$ GJ. Angka itu ekstrapolasi karena garis dasar hanya mencakup 42 sampai 52 ton, sehingga ditandai sebagai perkiraan; bila bulan seperti itu sering terjadi, garis dasar perlu diperluas.
2. CUSUM-nya 5; 2; 6; 4; minus 16; minus 41; minus 59; minus 81 GJ. Empat bulan pertama berayun di sekitar nol tanpa lereng, lalu sejak bulan kelima garis turun sekitar 21 GJ sebulan, sehingga tindakan mulai berpengaruh sekitar awal bulan kelima dan tanggal itu dicocokkan dengan catatan pelaksanaan.
3. Intensitas dasar 14,79 GJ/ton memuat beban dasar 178,6 GJ sebulan yang tidak bertambah bila linen bertambah. Dikalikan linen yang lebih banyak, cara intensitas memperkirakan pemakaian tanpa proyek terlalu tinggi, sehingga selisihnya terhadap pemakaian terukur tampak sebagai penghematan yang lebih besar daripada kenyataan.
4. Hari pertama $29{,}0 - 24 = 5{,}0$, hari kedua 3,5, dan hari ketiga 0 karena rata-ratanya di bawah suhu dasar dan CDD tidak pernah negatif. Jumlahnya 8,5 CDD untuk tiga hari itu.
5. Rentang penghematan minus 30 sampai 270 GJ memuat nol, sehingga yang boleh dilaporkan adalah bahwa penghematan belum dapat dibuktikan pada periode ini. Pilihannya memperpanjang periode pelaporan, memasang meter pada peralatan yang terkena tindakan (opsi B), atau memperbaiki model garis dasar dengan faktor penggerak lain.
6. $8.356/41{,}868 = 199{,}6$ TOE untuk gas laundry saja. Ambang bangunan menurut Kementerian ESDM berlaku untuk energi seluruh bangunan, termasuk listrik, dan cara penghitungannya mengikuti ketentuan resmi, sehingga kesimpulan diserahkan kepada manajer energi atau auditor energi.

Referensi