The use of electrical energy loads will arise problems if the power generated is greater than the demand on the side of the load, then there will be energy waste. Conversely, if the power generated is smaller than the demand on the side of the load, there will be a blackout. Short-term peak load forecasting at PT. PLN (Persero) East Java has been using the manual input system through spreadsheet. The Monte Carlo method can be used to forecast short-term peak loads using historical data at PT. PLN (Persero) East Java. There are 3 (three) series of experimental simulations this time which aim to compare the results of forecasting on each sample. The forecasting result is the value of the load for the next 7 (seven) days so that there are 7 (seven) forecasting times in each sample of the simulation data. A large number of data samples in the Monte Carlo calculation process affects the accuracy of forecasting. The level of accuracy in forecasting using the first simulation, namely 7 load data with 20 random number samples reaching 91.29% with MAPE value of 8.71%. By using the second simulation of 14 load data with 40 samples of random numbers obtained the results of MAPE values of 5.73% with an accuracy of 94.27%. In the third simulation, there were 21 load data with 60 random number samples resulting in MAPE values of 4.17% with an accuracy of 95.83%.

Penggunaan beban energi listrik akan timbul permasalahan apabila daya yang dibangkitkan lebih besar daripada permintaan pada sisi beban, maka akan terjadi pemborosan energi. Sebaliknya, apabila daya yang dibangkitkan lebih kecil daripada permintaan pada sisi beban, maka akan terjadi pemadaman. Peramalan beban puncak jangka pendek pada PT. PLN (Persero) Jawa Timur selama ini masih menggunakan sistem input konvensional melalui software pengolah angka. Metode Monte Carlo dapat digunakan untuk melakukan peramalan beban puncak jangka pendek dengan menggunakan data historis pada PT. PLN (Persero) Jawa Timur. Ada 3 (tiga) rangkaian simulasi percobaan kali ini yang bertujuan untuk membandingkan hasil peramalan pada masing masing sampel. Hasil peramalan adalah nilai beban untuk 7 (tujuh) hari berikutnya, sehingga ada 7 (tujuh) kali peramalan pada tiap sampel data simulasi. Banyaknya sampel data pada proses perhitungan Monte Carlo mempengaruhi tingkat akurasi peramalan. Tingkat akurasi pada peramalan dengan menggunakan simulasi pertama, yaitu 7 data beban dengan 20 sampel angka random mencapai 91,29% dengan nilai MAPE sebesar 8,71%. Dengan menggunakan simulasi kedua sebanyak 14 data beban dengan 40 sampel angka random diperoleh hasil nilai MAPE sebesar 5,73% dengan akurasi 94,27%. Pada simulasi ketiga sebanyak 21 data beban dengan 60 sampel angka random hasil nilai MAPE sebesar 4,17% dengan akurasi 95,83%.