analisis penjualan bahan bakar minyak (bbm) dari pt ... · mengetahui hasil forecast penjualan bbm...
TRANSCRIPT
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
ABSTRAKBahan 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 Statistik1. Kendaraan Bermotor2. Produk PT. PERTAMINA (Persero)
Tinjauan Statistik1. MANOVA satu arah2. Distribusi Normal Multivariat3. Metode Peramalan4. 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 Penelitian1. 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 MaximumSolar_Sby 70849 6765 55973 86407Solar_Mlg 8915 3536 3704 16842Solar_Mdn 11356 2605 6957 16899Premium_Sby 127373 10179 101808 148154Premium_Mlg 25235 6861 17373 41713Premium_Mdn 23296 3575 17083 33591
0-50-100-150-200
20.0
17.5
15.0
12.5
10.0
7.5
5.0
dd
qScatterplot of q vs dd
Premium
30252015105
20.0
17.5
15.0
12.5
10.0
7.5
5.0
dd
q
Scatterplot of q vs dd
Solar
Perhitungan MANOVA
General Linear Model: Solar; Premium versus t
MANOVA for ts = 2 m = 4,0 n = 16,5 Test DFCriterion Statistic F Num Denom PWilks' 0,31618 2,477 22 70 0,002Lawley-Hotelling 1,69226 2,615 22 68 0,001Pillai's 0,83259 2,334 22 72 0,004Roy's 1,34152
Uji Tukey Solar
One-way ANOVA: Solar_Mlg; Solar_Mdn Source DF SS MS F PFactor 1 143038208 143038208 14,83 0,000Error 94 906721368 9645972Total 95 1049759576S = 3106 R-Sq = 13,63% R-Sq(adj) = 12,71%
One-way ANOVA: Solar_Sby; Solar_Mdn Source DF SS MS F PFactor 1 84945878291 84945878291 3233,24 0,000Error 94 2469633732 26272699Total 95 87415512023S = 5126 R-Sq = 97,17% R-Sq(adj) = 97,14%
One-way ANOVA: Solar_Sby; Solar_Mlg Source DF SS MS F PFactor 1 92060431753 92060431753 3160,13 0,000Error 94 2738395588 29131868Total 95 94798827341S = 5397 R-Sq = 97,11% R-Sq(adj) = 97,08%
Uji Tukey Premium
One-way ANOVA: Premium_Mlg; Premium_Mdn Source DF SS MS F PFactor 1 90262391 90262391 3,02 0,086Error 94 2812898637 29924454Total 95 2903161029S = 5470 R-Sq = 3,11% R-Sq(adj) = 2,08%
One-way ANOVA: Premium_Sby; Premium_Mdn Source DF SS MS F PFactor 1 2,59969E+11 2,59969E+11 4467,01 0,000Error 94 5470574264 58197599Total 95 2,65440E+11S = 7629 R-Sq = 97,94% R-Sq(adj) = 97,92%
One-way ANOVA: Premium_Sby; Premium_Mlg Source DF SS MS F PFactor 1 2,50371E+11 2,50371E+11 3323,06 0,000Error 94 7082303883 75343658Total 95 2,57453E+11S = 8680 R-Sq = 97,25% R-Sq(adj) = 97,22%
Time Series Solar
Index
sby
454035302520151051
85000
80000
75000
70000
65000
60000
Time Series Plot of sby
Index
mal
ang
454035302520151051
17500
15000
12500
10000
7500
5000
Time Series Plot of malang
Index
Mad
iun
44403632282420161284
16000
15000
14000
13000
12000
11000
10000
9000
8000
7000
Time Series Plot of Madiun
Time Series Premium
Index
Sura
baya
3632282420161284
140000
135000
130000
125000
120000
115000
Time Series Plot of Surabaya
Index
Mad
iun
3632282420161284
27000
26000
25000
24000
23000
22000
21000
20000
19000
Time Series Plot of Madiun
Model ARIMA
Solar Surabaya ARIMA (1,1,1)
Solar Malang ARIMA
Solar Madiun ARIMA (0,1,1)²
Premium Surabaya ARIMA (0,1,1)²
Premium Madiun ARIMA
5)1,1,0(121 0393,15824,05824,149,115 −−− −+−+= ttttt aaZZZ
55 8503,0 −− −+= tttt aaYY
22 9433,0 −− −+= tttt aaYY
6)0,2,0)(1,1,0(22 9433,0 −− −+= tttt aaYY
16 9269,0 −− −+= tttt aaYY
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.