ANALISIS PENJUALAN BAHAN BAKAR MINYAK (BBM) dari PT. PERTAMINA (PERSERO) UPms V SURABAYA dengan METODE ARIMA BOX JENKINS Oleh: Rizky Amlia Rachmawati (1306.030.046) Dosen Pembimbing: Dra. Madu Ratna, M.Si
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 2010. Kata Kunci: BBM Solar, BBM Premium, Manova, ARIMA Box Jenkins
Latar Belakang Bahan Bakar Minyak (BBM) PT. Pertamina (Persero) UPms V Surabaya Daerah Pemasaran dan Produk PT. Pertamina
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.
Batasan Masalah Analisis data menggunakan Bahan Bakar Minyak (BBM) Solar dan BBM Premium pada data pemasaran PT. PERTAMINA (Persero) UPms V tahun 2006-2009 pada wilayah Jawa Timur yaitu Surabaya, Malang dan Madiun.
Manfaat Penelitian Mengetahui nilai peramalan data penjualan BBM pada tahun 2010. Hasil penelitian ini dapat digunakan sebagai referensi bagi PT. PERTAMINA (Persero) UPms V untuk pengambilan kebijakan perusahaan.
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
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 2006-2009 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
Analisis dan Pembahasan Descriptive Statistics: Solar_Sby; Solar_Mlg; Solar_Mdn; Premium_Sby;... Variable Mean StDev Minimum Maximum Solar_Sby 70849 6765 55973 86407 Solar_Mlg 8915 3536 3704 16842 Solar_Mdn 11356 2605 6957 16899 Premium_Sby 127373 10179 101808 148154 Premium_Mlg 25235 6861 17373 41713 Premium_Mdn 23296 3575 17083 33591
20.0 Scatterplot of q vs dd 17.5 q 15.0 12.5 10.0 Premium 7.5 5.0-200 -150-100 dd -50 0 20.0 Scatterplot of q vs dd 17.5 Solar q 15.0 12.5 10.0 7.5 5.0 5 10 15 dd 20 25 30
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' 0,31618 2,477 22 70 0,002 Lawley-Hotelling 1,69226 2,615 22 68 0,001 Pillai's 0,83259 2,334 22 72 0,004 Roy's 1,34152
Uji Tukey Solar One-way ANOVA: Solar_Sby; Solar_Mlg Source DF SS MS F P Factor 1 92060431753 92060431753 3160,13 0,000 Error 94 2738395588 29131868 Total 95 94798827341 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 1 84945878291 84945878291 3233,24 0,000 Error 94 2469633732 26272699 Total 95 87415512023 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 1 143038208 143038208 14,83 0,000 Error 94 906721368 9645972 Total 95 1049759576 S = 3106 R-Sq = 13,63% R-Sq(adj) = 12,71%
Uji Tukey Premium One-way ANOVA: Premium_Sby; Premium_Mlg Source DF SS MS F P Factor 1 2,50371E+11 2,50371E+11 3323,06 0,000 Error 94 7082303883 75343658 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+11 4467,01 0,000 Error 94 5470574264 58197599 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 1 90262391 90262391 3,02 0,086 Error 94 2812898637 29924454 Total 95 2903161029 S = 5470 R-Sq = 3,11% R-Sq(adj) = 2,08%
Time Series Solar Time Series Plot of sby Time Series Plot of malang 85000 17500 80000 15000 sby 75000 70000 malang 12500 10000 65000 7500 5000 60000 1 5 10 15 20 25 Index 30 35 40 45 1 5 10 15 20 25 Index 30 35 40 45 Time Series Plot of Madiun 16000 15000 14000 13000 Madiun 12000 11000 10000 9000 8000 7000 4 8 12 16 20 24 Index 28 32 36 40 44
Time Series Premium 140000 Time Series Plot of Surabaya 135000 Surabaya 130000 125000 120000 115000 4 8 12 16 20 Index 24 28 32 36 Time Series Plot of Madiun 27000 26000 25000 Madiun 24000 23000 22000 21000 20000 19000 4 8 12 16 20 Index 24 28 32 36
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
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.
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.
Daftar Pustaka Green, P. 1977. Analyzing multivariate data. New York, John Wiley & Sons, Inc. http:\jonathansarwono.infomvariat\multivariat\ http:\faculty.petra.ac.id\halimindex_files\forecastingforecast\ 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. 1999. 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. 1990. Time Series Analysis, Univariate and Multivariate Methods, Canada, Addison Wesley Publishing Company.