IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA

dokumen-dokumen yang mirip
PERAMALAN NILAI TUKAR DOLAR SINGAPURA (SGD) TERHADAP DOLAR AMERIKA (USD) DENGAN MODEL ARIMA DAN GARCH

Analisis Time Series Pada Penjualan Shampoo Zwitsal daerah Jakarta dan Jawa Barat di PT. Sara Lee Indonesia. Oleh : Pomi Kartin Yunus

METODE PENELITIAN. Penelitian ini dilakukan pada semester genap tahun akademik 2014/2015

Pemodelan ARIMA Non- Musim Musi am

PREDIKSI HARGA SAHAM PT. BRI, Tbk. MENGGUNAKAN METODE ARIMA (Autoregressive Integrated Moving Average)

PENDUGAAN DATA RUNTUT WAKTU MENGGUNAKAN METODE ARIMA

Analisis Peramalan Data Produk Domestik Regional Bruto (PDRB) Sebagai Tolak Ukur Kinerja Perekonomian Provinsi Kepulauan Bangka Belitung

DAFTAR ISI ABSTRAK... KATA PENGANTAR... UCAPAN TERIMA KASIH... DAFTAR ISI... DAFTAR TABEL... DAFTAR GAMBAR... DAFTAR LAMPIRAN...

FORECASTING INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN MENGGUNAKAN METODE ARIMA

TINJAUAN PUSTAKA. perubahan harga yang dibayar konsumen atau masyarakat dari gaji atau upah yang

Metode Box - Jenkins (ARIMA)

BAB 2 LANDASAN TEORI

PERBANDINGAN MODEL ARCH/GARCH MODEL ARIMA DENGAN MODEL FUNGSI TRANSFER

Peramalan Kecepatan Angin Di Kota Pekanbaru Menggunakan Metode Box-Jenkins

II. TINJAUAN PUSTAKA. Analisis ARIMA (Autoregressive Integrated Moving Average) umumnya

HASIL DAN PEMBAHASAN. Eksplorasi Data

PERAMALAN PENJUALAN PRODUKSI TEH BOTOL SOSRO PADA PT. SINAR SOSRO SUMATERA BAGIAN UTARA TAHUN 2014 DENGAN METODE ARIMA BOX-JENKINS

ANALISIS INTERVENSI KENAIKAN HARGA BBM BERSUBSIDI PADA DATA INFLASI KOTA SEMARANG

UNNES Journal of Mathematics

BAB 1 PENDAHULUAN. 1.1 Pendahuluan. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

PENGGUNAAN MODEL GENERALIZED AUTOREGRESSIVE CONDITIONAL HETEROSCEDASTICITY (P,Q) UNTUK PERAMALAN HARGA DAGING AYAM BROILER DI PROVINSI JAWA TIMUR

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

UNNES Journal of Mathematics

Model Autoregressive Integrated Moving Average (ARIMA) adl teknik untuk mencari pola yg paling cocok dari sekelompok data Model ARIMA dapat digunakan

PERAMALAN SAHAM JAKARTA ISLAMIC INDEX MENGGUNAKAN METODE ARIMA BULAN MEI-JULI 2010

PERAMALAN PENYEBARAN JUMLAH KASUS VIRUS EBOLA DI GUINEA DENGAN METODE ARIMA

BAB IV HASIL PENELITIAN DAN PEMBAHASAN. Adapun langkah-langkah pada analisis runtun waktu dengan model ARIMA

PERAMALAN PEMAKAIAN ENERGI LISTRIK DI MEDAN DENGAN METODE ARIMA

BAB 2 LANDASAN TEORI

BAB II LANDASAN TEORI

Seasonal ARIMA adalah model ARIMA yang mengandung faktor musiman.

PEMODELAN DATA RUNTUK WAKTU PADA DATA PRODUKSI SUSU SAPI DI AMERIKA SEJAK TAHUN

LULIK PRESDITA W APLIKASI MODEL ARCH- GARCH DALAM PERAMALAN TINGKAT INFLASI

LAPORAN PRAKTIKUM ANALISIS RUNTUN WAKTU. Laporan VI ARIMA Analisis Runtun Waktu Model Box Jenkins

BAB IV ANALISIS DAN PEMBAHASAN

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU SULAWESI TENGAH

Jurnal Jilid 7, No. 2, 2017, Hal ISSN

PEMODELAN SARIMAX DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) V PURWOKERTO

MODEL EXPONENTIAL SMOOTHING HOLT-WINTER DAN MODEL SARIMA UNTUK PERAMALAN TINGKAT HUNIAN HOTEL DI PROPINSI DIY SKRIPSI

Peramalan Penjualan Pipa di PT X

PERAMALAN JUMLAH PENDERITA DEMAM BERDARAH DENGUE DI KOTA DENPASAR MENGGUNAKAN MODEL FUNGSI TRANSFER MULTIVARIAT

BAB 2 LANDASAN TEORI

model Seasonal ARIMA

III. METODE PENELITIAN

PENDETEKSIAN KRISIS KEUANGAN DI INDONESIA MENGGUNAKAN GABUNGAN MODEL VOLATILITAS DAN MARKOV SWITCHING BERDASARKAN INDIKATOR HARGA MINYAK

BAB 2 LANDASAN TEORI

OPTIMALISASI PERENCANAAN PRODUKSI DENGAN PREEMPTIVE GOAL PROGRAMMING (STUDI KASUS: UD. DODOL MADE MERTA TEJAKULA, SINGARAJA)

PERAMALAN INDEKS HARGA KONSUMEN MENGGUNAKAN MODEL INTERVENSI FUNGSI STEP

ESTIMASI PARAMETER BOOTSTRAP PADA PROSES ARMA DAN APLIKASINYA PADA HARGA SAHAM

VI PERAMALAN PENJUALAN AYAM BROILER DAN PERAMALAN HARGA AYAM BROILER

Analisys Time Series Terhadap Penjualan Ban Luar Sepeda Motor di Toko Putra Jaya Motor Bangkalan

BAB II TINJAUAN PUSTAKA

SKRIPSI. Disusun oleh: Firda Megawati

PERAMALAN JUMLAH KUNJUNGAN WISATAWAN MANCANEGARA YANG BEKUNJUNG KE BALI MENGGUNAKAN FUNGSI TRANSFER

Prediksi Jumlah Penumpang Kapal Laut di Pelabuhan Laut Manado Menggunakan Model ARMA

PENGGUNAAN METODE PERAMALAN KOMBINASI TREND DETERMINISTIK DAN STOKASTIK PADA DATA JUMLAH PENUMPANG KERETA API (Studi Kasus: KA Argo Muria)

HALAMAN PERSETUJUAN PEMBIMBING...iii. HALAMAN PENGESAHAN...iv. HALAMAN PERSEMBAHAN... vi. KATA PENGANTAR... viii. DAFTAR ISI... x. DAFTAR TABEL...

PEMODELAN DAN PERAMALAN DATA DERET WAKTU DENGAN METODE SEASONAL ARIMA

PENJUALAN SEPATU MEREK NIKE DENGAN METODE AUTOREGRESSIVE INTREGATED MOVING AVERAGE (ARIMA)

JURNAL SAINS DAN SENI POMITS Vol. 2, No.2, (2013) ( X Print) D-300

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

Model Penjualan Plywood PT. Linggarjati Mahardika Mulia

Peramalan Permintaan Paving Blok dengan Metode ARIMA

PERAMALAN INDEKS HARGA KONSUMEN DAN INFLASI INDONESIA DENGAN METODE ARIMA BOX-JENKINS

1. I Wayan Sumarjaya, S.Si, M.Stats. 2. I Gusti Ayu Made Srinadi, S.Si, M.Si. ABSTRAK

PERAMALAN JUMLAH PERMINTAAN DARAH UDD PMI KABUPATEN BANYUMAS DENGAN METODE PERAMALAN KOMBINASI

PENERAPAN MODEL ARFIMA (AUTOREGRESSIVE FRACTIONALLY INTEGRATED MOVING AVERAGE) DALAM PERAMALAN SUKU BUNGA SERTIFIKAT BANK INDONESIA (SBI)

Pemodelan Autoregressive (AR) pada Data Hilang dan Aplikasinya pada Data Kurs Mata Uang Rupiah

PERAMALAN PERMINTAAN PRODUK SARUNG TANGAN GOLF MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) DI PT. ADI SATRIA ABADI ABSTRAK

PERAMALAN HASIL PRODUKSI ALUMINIUM BATANGAN PADA PT INALUM DENGAN METODE ARIMA

BAB III MODEL ARIMAX DENGAN EFEK VARIASI KALENDER

ESTIMASI DATA YANG HILANG DENGAN MENGGUNAKAN PROSES PENYARINGAN DALAM PEMODELAN DATA TIME SERIES

PENGARUH INSIDEN BOM BALI I DAN BOM BALI II TERHADAP BANYAKNYA WISATAWAN MANCANEGARA YANG DATANG KE BALI

Model Hibrida ARIMA dan Fuzzy Time Series Markov Chain

MODEL FUNGSI TRANSFER BIVARIAT UNTUK MERAMALKAN CURAH HUJAN DI KABUPATEN DELI SERDANG SKRIPSI DYAH RARA

4 BAB IV HASIL PEMBAHASAN DAN EVALUASI. lebih dikenal dengan metode Box-Jenkins adalah sebagai berikut :

PERAMALAN KUNJUNGAN WISATAWAN MENGGUNAKAN MODEL ARMAX DENGAN NILAI KURS DAN EKSPOR-IMPOR SEBAGAI FAKTOR EKSOGEN

PENERAPAN MODEL ARIMA UNTUK MEMPREDIKSI HARGA SAHAM PT. TELKOM Tbk. APPLICATION OF ARIMA TO FORECASTING STOCK PRICE OF PT. TELOKM Tbk.

Peramalan Volume Pemakaian Air di PDAM Kota Surabaya dengan Menggunakan Metode Time Series

PERAMALAN KUNJUNGAN WISATA DENGAN PENDEKATAN MODEL SARIMA (STUDI KASUS : KUSUMA AGROWISATA)

OUTLINE. Pendahuluan. Tinjauan Pustaka. Metodologi Penelitian. Analisis dan Pembahasan. Kesimpulan dan Saran

BAB 2. Peramalan adalah kegiatan memperkirakan apa yang akan terjadi pada masa yang

VERIFIKASI MODEL ARIMA MUSIMAN MENGGUNAKAN PETA KENDALI MOVING RANGE

BAB 2 LANDASAN TEORI

ADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA PERAMALAN TINGKAT INFLASI NASIONAL DENGAN MULTI INPUT SKRIPSI

Metode Variasi Kalender untuk Meramalkan Banyaknya Penumpang Kereta Api

BAB I PENDAHULUAN. untuk mendapatkan sebuah hasil yang optimal, sementara terdapat selang

Bab IV. Pembahasan dan Hasil Penelitian

PEMODELAN DATA TIME SERIES DENGAN METODE BOX-JENKINS

PEMODELAN ARIMA DALAM PERAMALAN PENUMPANG KERETA API PADA DAERAH OPERASI (DAOP) IX JEMBER

Analisis Dasar dalam Runtun Waktu

BAB I PENDAHULUAN. berasal dari sumber tetap yang terjadinya berdasarkan indeks waktu t secara

BAB II LANDASAN TEORI. nonstasioneritas, Autocorrelation Function (ACF) dan Parsial Autocorrelation

Prediksi Laju Inflasi di Kota Ambon Menggunakan Metode ARIMA Box Jenkins

Peramalan Harga Minyak Mentah Standar West Texas Intermediate dengan Pendekatan Metode ARIMA

TREND ANALYSIS INFANT MORTALITY RATE DENGAN AUTOREGRESIVE INTEGRATED MOVING AVERAGE (ARIMA)

PEMODELAN AUTOREGRESSIVE INTEGRATED MOVING AVERAGE PADA DATA REDAMAN HUJAN DI SURABAYA. Nur Hukim

ANALISIS POLA HUBUNGAN PEMODELAN ARIMA CURAH HUJAN DENGAN CURAH HUJAN MAKSIMUM, LAMA WAKTU HUJAN, DAN CURAH HUJAN RATA-RATA

BAB II TINJAUAN PUSTAKA. autokovarians (ACVF) dan fungsi autokorelasi (ACF), fungsi autokorelasi parsial

Transkripsi:

Jurnal Ilmiah Matematika dan Pendidikan Matematika (JMP) Vol. 9 No. 2, Desember 2017, hal. 87-94 ISSN (Cetak) : 2085-1456; ISSN (Online) : 2550-0422; https://jmpunsoed.com/ IMPLEMENTASI METODE BOX-JENKINS UNTUK MEMPREDIKSI HARGA MINYAK DUNIA DAN PENGARUHNYA TERHADAP HARGA MINYAK INDONESIA Desty Rakhmawati STMIK AMIKOM PURWOKERTO destyrakhmawati@yahoo.com Eka Tripustikasari STMIK AMIKOM PURWOKERTO ABSTRACT. Recently Indonesia's oil prices have declined despite oil consumption increases. The decline in Indonesia oil prices is affected by world oil prices. Therefore, the aim of this research is to predict WTI-type world oil price using Box-Jenkins method for non seasonal ARIMA modeling and how big does it influence to Indonesia oil price. WTI world oil price predictions for January to December 2017 are 54.17035, 54.89475, 55.12885, 55.20406, 55.22817, 55.23590, 55.23837, 55.23916, 55.23942, 55.23950, 55.23953, and 55.23953 dollars per barrels, respectively. Then the magnitude of the effect of WTI world oil prices to Indonesia oil prices is 1.735229 dollars per barrels. Keywords: non seasonal ARIMA, Box-Jenkins method, prediction ABSTRAK. Akhir-akhir ini harga minyak Indonesia mengalami penurunan meskipun terjadi kenaikan konsumsi minyak. Penurunan harga minyak Indonesia dipengaruhi oleh harga minyak dunia. Oleh karena itu, tujuan penelitian ini adalah memprediksi harga minyak dunia yaitu minyak bumi jenis WTI menggunakan metode Box-Jenkins untuk pemodelan ARIMA non musiman dan seberapa besar pengaruhnya terhadap harga minyak Indonesia. Hasil prediksi harga minyak dunia WTI untuk bulan Januari 2017 sebesar 54,17035 dollar per barel, untuk bulan Februari 2017 sebesar 54,89475 dolar per barel, untuk bulan Maret 2017 sebesar 55,12885 dolar per barel, untuk bulan April sebesar 55, 20406 dolar per barel, untuk bulan Mei sebesar 55,22817 dolar per barel, untuk bulan Juni sebesar 55,23590 dolar per barel, untuk bulan Juli sebesar 55,23837 dolar per barel, untuk bulan Agustus sebesar 55,23916 dolar per barel, untuk bulan September sebesar 55,23942 dolars per barel, untuk bulan Oktober sebesar 55,23950 dollar per barel, untuk bulan November sebesar 55,23953 dolar per barel, untuk bulan Desemberr sebesar 55,23953 dolar per barel. Kemudian besarnya pengaruh harga minyak dunia WTI terhadap harga minyak Indonesia adalah sebesar 1,735229 dolar per barrel. Kata Kunci: ARIMA non musiman, metode Box-Jenkins, prediksi 1. PENDAHULUAN Prediksi atau peramalan adalah alat atau teknik yang digunakan untuk memperkirakan kejadian di masa mendatang menggunakan metode tertentu. 87

88 Desty Rakhmawati dan Eka Tripustikasari Dalam kehidupan sehari-hari, prediksi dipakai untuk meramalkan cuaca, pertumbuhan ekonomi, ramalan situasi politik, dan dalam penelitian ini, yaitu untuk meramalkan harga minyak dunia. Minyak bumi termasuk dalam sumber daya alam yang tidak dapat diperbaharui. Menurut Widyatmiko (2007), minyak bumi disebut juga crude oil atau minyak mentah. Manfaat utama minyak bumi, menurut Nandi (2006), adalah sebagai sumber tenaga untuk menggerakkan kendaraan. Selain sebagai bahan bakar dan pelumas, minyak bumi juga digunakan dalam berbagai industri seperti pembuatan pelarut, baja serta racun perusak, sabun dan detergen, plastik, bahan peledak, dan lain- lain. Jika melihat begitu besar peranan minyak bumi terhadap kehidupan masyarakat dan seiring dengan peningkatan pertumbuhan penduduk, maka semakin banyak pula konsumsi minyak bumi. Hal ini dapat dilihat dari salah satu penggunaan minyak bumi yaitu penggunaan Bahan Bakar Minyak (BBM) atau yang sering disebut dengan bensin yang meningkat pesat. Kenaikan konsumsi BBM di Indonesia ini tidak diimbangi dengan kenaikan harga BBM. Faktor utama turunnya harga BBM atau harga minyak di Indonesia adalah harga minyak dunia yang menurun. Oleh karena itu, tujuan penelitian ini adalah peramalan harga minyak dunia, yang dapat digunakan untuk mengetahui pengaruh naik turunnya terhadap harga minyak di Indonesia. Harga minyak dunia yang menjadi acuan harga minyak global dan yang akan diramalkan adalah harga minyak jenis West Texas Intermediate (WTI). Prediksi harga minyak dunia WTI ini dilakukan dengan menggunakan metode Box-Jenkins untuk pemodelan ARIMA (Autoregressive Integrated Moving Average) non musiman. Kemudian, manfaat yang diperoleh, peramalan ini dapat digunakan untuk melihat seberapa besar pengaruh harga minyak WTI terhadap harga minyak Indonesia. 2. METODE PENELITIAN Data harga minyak WTI diprediksi dengan menggunakan metode Box Jenkins untuk pemodelan ARIMA non musiman. Langkah-langkah dalam pemodelan ARIMA untuk data harga minyak dunia menurut Rosadi (2011) :

Implementasi Metode Box-Jenkins 89 1. Preprocessing data dan identifikasi model stasioner Preprocessing data dan identifikasi model stasioner digunakan untuk mengetahui pola data, yaitu pola data harga minyak di dunia, apakah memiliki komponen musiman, trend, dan yang lainnya. Selain itu, langkah ini juga digunakan untuk melihat apakah data tersebut sudah stasioner atau belum. Jika data masih belum stasioner maka data tersebut harus distasionerkan terlebih dahulu dengan transformasi data (transformasi logaritma, atau transformasi Box-Cox). Data yang sudah stasioner dapat dilihat dari bentuk fungsi estimator dari fungsi autokorelasi (sampel ACF), fungsi autokorelasi parsial (sampel PACF), atau unit root terhadap data. Jika data sudah stasioner maka model ARIMA dapat dibentuk berdasarkan sifat dari plot sampel ACF dan PACF. 2. Estimasi Model Estimasi model yaitu mengestimasi parameter dalam model, seperti koefisien dan nilai variansi dari residual. Untuk melihat koefisien hasil estimasi significant atau tidak, statistik uji t dilakukan dengan asumsi bahwa Ho 0 dan Ha 0, derajat bebas = n-1 dengan n adalah banyaknya sampel. 3. Diagnostic check dan pemilihan model terbaik Jika modelnya tepat maka data yang dihitung dengan model (fitted value) akan memiliki sifat- sifat yang mirip dengan data asli, sehingga residual yang dihitung berdasarkan model yang telah diestimasi mengikuti asumsi error dari model teoretis. Seperti sifat white noise, sifat-sifat tersebut dapat dilihat dengan cara melihat plot sampel ACF/ PACF residual yang terstandarisari atau Ljung Box k ^ 2 ( 2) ( ) / ( ) Q n n j n j 4. Aplikasi model untuk simulasi, peramalan, dan lain- lain j1 Jika model terbaik sudah diperoleh, maka model tersebut dapat digunakan untuk meramalkan sifat- sifat data di masa yang mendatang. (1)

90 Desty Rakhmawati dan Eka Tripustikasari Setelah memperoleh hasil prediksi untuk data harga minyak WTI, kemudian analisis pengaruh harga minyak WTI terhadap harga minyak Indonesia dilakukan dengan menggunakan persamaan regresi linear sederhana. 3. HASIL DAN PEMBAHASAN Dari estimasi model atau perkiraan bentuk model ARIMA non musiman berdasarkan hasil dari identifikasi model, diperoleh beberapa alternatif model ARIMA(p,d,q) : a. Model 1. AR(1) yt 0,3203 yt 1 t yakni log datawti$world_oil_prices adalah model ARIMA(1,1,0) b. Model 2. MA(1) yt 0, 2627 yt 1 t yakni log datawti$world_oil_prices adalah model ARIMA(0,1,1) c. Model 3. ARMA(1,1) yt 0,3924 yt 1 0,0797 yt 1 t yakni log datawti$world_oil_prices adalah model ARIMA(1,1,1) d. Model 4. MA(2) yt 0,3219 yt 1 0, 2271yt 2 t yakni log datawti$world_oil_prices adalah model ARIMA(0,1,2) e. Model 5. ARMA(1,2) yt 0,1439 yt 1 0, 4567 yt 1 0, 2720 yt 2 t yakni log datawti$world_oil_prices adalah model ARIMA(1,1,2) Harga estimasi untuk pengecekan diagnostik bagi model-model yang diamati di atas dapat dilihat dalam tabel berikut. Tabel 1. Rangkuman Hasil Estimasi ARIMA ARIMA ARIMA ARIMA ARIMA Keterangan (1,1,0) (0,1,1) (1,1,1) (0,1,2) (1,1,2) a1 0,3203 0,3924-0,1439 a2 s.e 0,0687 s.e. 0,1585 s.e. 0,2432 b1 0,2627-0,0797 0,3219 0,4567 s.e. 0,0613 s.e. 0,1653 s.e. 0,0717 s.e. 0,2330 b2 0,2271 0,2720 s.e. 0,0780 s.e. 0,1029 SBC/BIC -390,67-386,76-385,64-389,09-384,14

Implementasi Metode Box-Jenkins 91 Berdasarkan Tabel 1, diperoleh model 1 yaitu model ARIMA(1,1,0) yang memiliki nilai minimum pada kriteria SBC/ BIC dibandingkan dengan model yang lainnya yang merupakan model terbaik untuk data log datawti$world_oil_prices. Hasil peramalan data harga minyak dunia WTI menggunakan model 1, model ARIMA(1,1,0) dengan model persamaan yt 0,3203 yt 1 t untuk data harga minyak dunia WTI, dapat dilihat pada Tabel 2. Tabel 2. Hasil Prediksi untuk Data Harga Minyak Dunia WTI Periode Prediksi Prediksi Data Januari 2017 54,17035 Februari 2017 54,89475 Maret 2017 55,12885 April 2017 55,20406 Mei 2017 55,22817 Juni 2017 55,23590 Juli 2017 55,23837 Agustus 2017 55,23916 September 2017 55,23942 Oktober 2017 55,23950 November 2017 55,23953 Desember 2017 55,23953 Tabel 2 di atas menunjukkan hasil ramalan untuk bulan Januari 2017 sampai dengan Desember 2017. Analisis data untuk melihat pengaruh harga minyak dunia WTI terhadap harga minyak Indonesia dilakukan dengan menggunakan analisis regresi. Model estimasi persamaan regresi adalah Harga minyak indonesia 0,739401 0, 995828 Harga minyak WTI. Model ini digunakan untuk memprediksi harga minyak Indonesia. Hasil prediksi harga minyak Indonesia selama 12 bulan ke depan dapat dilihat pada Tabel 3 di bawah ini. Tabel 3. Hasil Prediksi untuk Data Harga Minyak Indonesia Periode Prediksi Prediksi Data Januari 2017 54,68373 Februari 2017 55,40510 Maret 2017 55,63823 April 2017 55,71312

92 Desty Rakhmawati dan Eka Tripustikasari Mei 2017 55,73713 Juni 2017 55,74483 Juli 2017 55,74729 Agustus 2017 55,74808 September 2017 55,74834 Oktober 2017 55,74841 November 2017 55,74844 Desember 2017 55,74844 Jadi besarnya pengaruh harga minyak dunia WTI terhadap harga minyak Indonesia adalah sebesar 1,735229 dollars per barrels. 4. KESIMPULAN DAN SARAN Berdasarkan pembahasan di atas, dapat diambil kesimpulan bahwa hasil prediksi harga minyak dunia (WTI) untuk bulan Januari 2017 sebesar 54,17035 dollars per barrels, bulan Februari 2017 sebesar 54,89475 dollars per barrels, bulan Maret 2017 sebesar 55,12885 dollars per barrels, bulan April sebesar 55,20406 dollars per barrels, bulan Mei sebesar 55, 22817 dollars per barrels, bulan Juni sebesar 55,23590 dollars per barrels, bulan Juli sebesar 55,23837 dollars per barrels, bulan Agustus sebesar 55,23916 dollars per barrels, bulan September sebesar 55,23942 dollars per barrels, bulan Oktober sebesar 55,23950 dollars per barrels, bulan November sebesar 55,23953 dollars per barrels, dan bulan Desemberr sebesar 55,23953 dollars per barrels. Besarnya pengaruh harga minyak dunia WTI terhadap harga minyak Indonesia adalah sebesar 1,735229 dollars per barrels. Saran untuk penelitian selanjutnya adalah melakukan prediksi dengan menggunakan data minyak dunia selain jenis WTI. UCAPAN TERIMAKASIH Penulis mengucapkan terima kasih kepada Lembaga Penelitian dan Pengabdian Kepada Masyarakat Kementerian Riset, Teknologi, dan Pendidikan Tinggi yang sudah mendanai penelitian ini.

Implementasi Metode Box-Jenkins 93 DAFTAR PUSTAKA Nandi., Handouts Geologi Lingkungan Minyak Bumi dan Gas, Bandung, Fakultas pendidikan ilmu pengetahuan sosial UPI, 2006. Rosadi, D., Analisis Ekonometrika & Runtun Waktu Terapan Dengan R, Aplikasi untuk Bidang Ekonomi, Bisnis, dan Keuangan, Yogyakarta, C.V Andi Offset, 2011. Rosadi, D., Ekonometrika & Analisis Runtun Waktu Terapan dengan Eviews, Aplikasi untuk Bidang Ekonomi, Bisnis, dan Keuangan, Yogyakarta, C.V Andi Offset, 2012. Widyatmiko dan Siswani, E. D., Makalah Aspek Manajemen Industri dalam Pabrik Pengilangan Minyak Bumi, Yogyakarta, UNY, 2007.

94 Desty Rakhmawati dan Eka Tripustikasari