ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS

Transkripsi

1 ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati ( ) Dosen Pembimbing: Dra. Madu Ratna, M.Si

2 ABSTRAK Bahan Bakar Minyak (BBM) merupakan kebutuhan yang fundamental. Hal ini disebabkan BBM sangat dibutuhkan dalam berbagai bidang kehidupan. Oleh karena itu, Pemerintah menjadikan PT PERTAMINA (Persero) sebagai salah satu Badan Usaha Milik Negara (BUMN) yang bertanggung jawab dalam pemasaran dan pendistribusian BBM di Indonesia. Dan ilmu statistika menerapkan metode peramalan dan metode multivariat pada Bahan Bakar Minyak Premium dan Solar. Tujuan penelitian ini adalah yang pertama apakah terdapat kesamaan rata-rata di wilayah Jawa Timur dan metode yang digunakan adalah analisis MANOVA. Dan yang kedua adalah bagaimana hasil peramalan dari wilayah Jawa Timur dengan menggunakan metode ARIMA Box Jenkins. Data yang digunakan merupakan data sekunder yang diperoleh dari PT. PERTAMINA (Persero) Unit Pemasaran V Surabaya. Dari analisis didapatkan hasil yang pertama adalah bahwa terdapat perbedaan antara Instalasi Surabaya, Depot Malang dan Depot Madiun pada BBM Solar sedangkan pada BBM Premium terdapat kesamaan antara Depot Malang dengan Depot Madiun. Dan hasil yang kedua adalah dari hasil peramalan bahwa penjualan BBM akan mengalami kenaikan pada bulan Januari 2010 sampai Desember Kata Kunci: BBM Solar, BBM Premium, Manova, ARIMA Box Jenkins

3 Latar Belakang Bahan Bakar Minyak (BBM) PT. Pertamina (Persero) UPms V Surabaya Daerah Pemasaran dan Produk PT. Pertamina

4 Permasalahan dan Tujuan Permasalahan Bagaimana hasil pengujian kesamaan rata-rata antara BBM Solar dan BBM Premium pada wilayah Jawa Timur? Bagaimana hasil forecast penjualan BBM pada tahun 2010? Tujuan Mengetahui hasil pengujian kesamaan rata-rata antara BBM Solar dan BBM Premium pada wilayah Jawa Timur. Mengetahui hasil forecast penjualan BBM pada tahun 2010.

5 Batasan Masalah Analisis data menggunakan Bahan Bakar Minyak (BBM) Solar dan BBM Premium pada data pemasaran PT. PERTAMINA (Persero) UPms V tahun pada wilayah Jawa Timur yaitu Surabaya, Malang dan Madiun.

6 Manfaat Penelitian Mengetahui nilai peramalan data penjualan BBM pada tahun Hasil penelitian ini dapat digunakan sebagai referensi bagi PT. PERTAMINA (Persero) UPms V untuk pengambilan kebijakan perusahaan.

7 TINJAUAN PUSTAKA Tinjauan Non Statistik 1. Kendaraan Bermotor 2. Produk PT. PERTAMINA (Persero) Tinjauan Statistik 1. MANOVA satu arah 2. Distribusi Normal Multivariat 3. Metode Peramalan 4. Metode ARIMA Box Jenkins

8 Metodologi Sumber Data Data-data yang dibutuhkan pada analisis time series dan analisis multivariate merupakan data pada penjualan Bahan Bakar Minyak (BBM) PT. Pertamina (Persero) UPms V Surabaya pada data Solar dan Premium tahun yang terdapat di wilayah Jawa Timur yaitu Instalasi Surabaya, Depot Malang dan Depot Madiun. Dan data penjualan BBM Solar merupakan data bulanan. Variabel Penelitian 1. Untuk jenis BBM yang di analisis : Y1 = Bahan Bakar Minyak Solar dengan satuan KL. Y2 = Bahan Bakar Minyak Premium dengan satuan KL. 2. Variabel penelitian lain: X1 = Instalasi Surabaya X2 = Depot Malang X3 = Depot Madiun

9 Analisis dan Pembahasan Descriptive Statistics: Solar_Sby; Solar_Mlg; Solar_Mdn; Premium_Sby;... Variable Mean StDev Minimum Maximum Solar_Sby Solar_Mlg Solar_Mdn Premium_Sby Premium_Mlg Premium_Mdn

10 20.0 Scatterplot of q vs dd 17.5 q Premium dd Scatterplot of q vs dd 17.5 Solar q dd

11 Perhitungan MANOVA General Linear Model: Solar; Premium versus t MANOVA for t s = 2 m = 4,0 n = 16,5 Test DF Criterion Statistic F Num Denom P Wilks' 0, , ,002 Lawley-Hotelling 1, , ,001 Pillai's 0, , ,004 Roy's 1,34152

12 Uji Tukey Solar One-way ANOVA: Solar_Sby; Solar_Mlg Source DF SS MS F P Factor ,13 0,000 Error Total S = 5397 R-Sq = 97,11% R-Sq(adj) = 97,08% One-way ANOVA: Solar_Sby; Solar_Mdn Source DF SS MS F P Factor ,24 0,000 Error Total S = 5126 R-Sq = 97,17% R-Sq(adj) = 97,14% One-way ANOVA: Solar_Mlg; Solar_Mdn Source DF SS MS F P Factor ,83 0,000 Error Total S = 3106 R-Sq = 13,63% R-Sq(adj) = 12,71%

13 Uji Tukey Premium One-way ANOVA: Premium_Sby; Premium_Mlg Source DF SS MS F P Factor 1 2,50371E+11 2,50371E ,06 0,000 Error Total 95 2,57453E+11 S = 8680 R-Sq = 97,25% R-Sq(adj) = 97,22% One-way ANOVA: Premium_Sby; Premium_Mdn Source DF SS MS F P Factor 1 2,59969E+11 2,59969E ,01 0,000 Error Total 95 2,65440E+11 S = 7629 R-Sq = 97,94% R-Sq(adj) = 97,92% One-way ANOVA: Premium_Mlg; Premium_Mdn Source DF SS MS F P Factor ,02 0,086 Error Total S = 5470 R-Sq = 3,11% R-Sq(adj) = 2,08%

14 Time Series Solar Time Series Plot of sby Time Series Plot of malang sby malang Index Index Time Series Plot of Madiun Madiun Index

15 Time Series Premium Time Series Plot of Surabaya Surabaya Index Time Series Plot of Madiun Madiun Index

16 Model ARIMA Solar Surabaya ARIMA (1,1,1) Z t = 115,49 + 1,5824Z t 1 0,5824Z t 2 + at 1, 0393a t 1 Solar Malang Y t = Yt 5 + at 0, 8503at 5 ARIMA (0,1,1) Solar Madiun ARIMA (0,1,1)² Yt = Yt 2 + at 0, 9433a t 2 Premium Surabaya ARIMA (0,1,1)² Yt = Yt 2 + at 0, 9433a t 2 Premium Madiun ARIMA (0,1,1)(0,2,0) Yt = Yt 6 + at 0, 9269at 1 5 6

17 Kesimpulan Berdasarkan hasil analisis multivariat dapat diperoleh kesimpulan bahwa data penjualan BBM Solar memiliki perbedaan baik dari Instalasi Surabaya, Depot Malang dan depot Madiun. Sedangkan pada BBM Premium terdapat kesamaan antara Depot Malang dengan Depot Madiun. Berdasarkan pengujian multivariat dilanjutkan pengujian Time Series dapat diperoleh hasil bahwa terdapat 5 model ARIMA yang disimpulkan akan mengalami kenaikan penjualan pada bulan Januari 2010 sampai Desember 2010.

18 Saran Dalam proses analisis sebaiknya mengambil data lebih banyak agar hasil analisis peramalan menjadi semakin baik. Dan waktu yang digunakan sebaiknya lebih panjang agar peneliti lebih teliti dan cermat dalam memperoleh permasalahan.

19 Daftar Pustaka Green, P Analyzing multivariate data. New York, John Wiley & Sons, Inc. Johnson, R. A., dan Wichern, D. W. (2007). Applied multivariate statistical analysis. New Jersey: Prentice Hall Inc,. Makridakis, S., Wheelwright, S.C., and McGee, V.E Jilid 1 edisi kedua, Terjemahan Ir. Hari Suminto, Metode dan Aplikasi Peramalan, Jakarta, Bina Rupa Aksara. Walpole, Ronald E., (1995). Edisi ke-3, Pengantar Statistika, Jakarta, PT Gramedia Pustaka Utama. Wei, W.W.S Time Series Analysis, Univariate and Multivariate Methods, Canada, Addison Wesley Publishing Company.

20