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.