IV.HASIL DAN PEMBAHASAN

4.1. Gambaran Umum Perusahaan

4.1.1 Sejarah Singkat PT. Energi XYZ

Semula pengusahaan gas XYZ di Indonesia adalah perusahaan gas swasta

Belanda yang berdiri pada tahun 1859. Pada tahun 1958 perusahaan tersebut

dinasionalisasi yang selanjutnya pada tanggal 13 Mei 1965 berubah menjadi

Perusahaan ENERGI XYZ. Tanggal inilah yang kemudian diperingati sebagai

hari jadi ENERGI XYZ pada tiap tahunnya. Perusahaan ini mulai menyalurkan

gas alam menggantikan gas buatan dari batu bara dan minyak yang tidak

ekonomis pada tahun 1974. Konsumennya adalah sektor rumah tangga, komersial

dan industri. Penyaluran gas alam untuk pertama kali dilakukan di Cirebon tahun

1974, kemudian disusul berturut-turut di wilayah Jakarta tahun 1979, Bogor tahun

1980, Medan tahun 1985, Surabaya tahun 1994, dan Palembang tahun 1996.

Berdasarkan kinerjanya yang terus mengalami peningkatan, maka pada

tahun 1984 statusnya berubah menjadi Perum dan pada tahun 1994 statusnya

ditingkatkan lagi menjadi Persero dengan penambahan ruang lingkup usaha yang

lebih luas yaitu selain di bidang distribusi gas bumi juga di bidang yang lebih ke

sektor hulu yaitu di bidang transmisi, dimana Perusahaan energi XYZ berfungsi

sebagai transporter

A. Visi Perusahaan

Menjadi perusahaan kelas dunia di bidang pemanfaatan gas bumi.

B. Misi Perusahaan

Meningkatkan nilai tambah perusahaan bagi stakeholder melalui :

a. Penguatan bisnis inti di bidang transportasi, niaga gas bumi dan

pengembangannya;

b. Pengembangan usaha pengolahan gas;

c. Pengembangan usaha jasa operasi, pemeliharaan dan keteknikan

yang berkaitan dengan industri migas;

d. Profitisasi sumber daya dan asset perusahaan dengan mengembangkan

usaha lainnya.

4.1.2 Perkembangan PT Energi XYZ

Perusahaan energi XYZ merupakan perusahaan infrastruktur yang

berpengalaman menyalurkan dan menyediakan gas bumi bagi kepentingan umum

(public utility). Sebagai perusahaan infrastruktur, Perusahaan energi XYZ

memiliki jaringan pipa transmisi dan distribusi yang handal. Kegiatan usaha

perusahaan XYZ adalah transporter, distributor dan trader di bidang gas bumi.

Sebagai transporter, Perusahaan Energi XYZ menyediakan infrastruktur jaringan

pipa transmisi yang menghubungkansumber-sumber gas ke konsumen akhir atau

ke stasiun penerima di jaringan distribusi. Sebagai distributor, perusahaan energi

XYZ menyediakan infrastruktur jaringan pipa distribusi yang menghubungkan

stasiun penerima dengan konsumen akhir yaitu kepada pelanggan rumah tangga,

komersial dan industri. Tugas utama Perusahaan energy XYZ di bidang distribusi

adalah untuk meningkatkan pemanfaatan energi melalui pendayagunaan gas bumi

sebagai substitusi BBM. Sebagai trader perusahaan energi XYZ melaksanakan

pembelian gas dari produsen dan menjualnya kepada pelanggan Rumah Tangga,

Komersial dan Industri melalui jaringan pipa.

Pada bulan Januari 2002, Perusahaan energi XYZ melakukan restrukturisasi

usaha menjadi 3 (tiga) Strategic Business Unit (SBU), wilayah distribusi seperti

SBU A, SBU B dan SBU C, dan pada tahun 2003 perusahaan energi XYZ 1

(satu) Unit Transmisi Sumatera Tengah (UTST) yang kemudian menjadi anak

perusahaan. Pada akhir tahun 2006 dibentuk juga Strategic Business Unit (SBU)

Transmisi Sumatera-Jawa, dan pada awal Januari 2007 secara resmi didirikan

anak perusahaan bidang telekomunikasi. Adapun secara lengkap, wilayah usaha

Perusahaan Energi XYZ dapat dijelaskan sebagai berikut :

1. SBU Distribusi Wilayah A

Mencakup SBU usahadistribusi gas bumi di wilayah-wilayah Jakarta, Banten,

dan Jawa Barat, termasuk Sumatera Selatan dan Lampung.

2. SBU Distribusi Wilayah B

Wilayah ini mencakup jaringan eksisting di Jawa Timur.

3. SBU Distribusi Wilayah C

Wilayah ini mencakup jaringan eksisting di Sumatera Utara, Batam, dan

Pekanbaru.

4.4.3 Lokasi Perusahaan

Kantor pusat Perusahaan Energi XYZ terletak Jakarta. Namun perusahaan

memliki 3 kantor cabang di masing-masing Strategic Business Unit (SBU) untuk

wilayah usaha transmisi Sumatera-Jawa

4.1.4 Struktur organisasi

Untuk meningkatkan mutu hasil kerja, maka Perusahaan senatiasa

mengembangkan diri dari segi teknik maupun non tekniks, diketahui bahwa

Perusahaan Energi XYZ saat ini baru berkiprah dalam kegiatan distribusi gas

dengan manajemen terpusat, dimana kegiatan bisnisnya meningkat selama lima

tahun terakhir dengan kondisi keuangan yang baik. Akan tetapi dengan adanya

rencana pengembangan usaha yang saat ini hanya bergerak dibidang distribusi

gas, menjadi perusahaan yang akan bergerak dibidang transmisi dan distribusi gas,

maka perlu dilakukan perubahan struktur organisasi dimana Perusahaan Energi

XYZ sebagai holding company dengan bentuk struktur organisasi multidivisi

dengan penerapan manajemen tidak terpusat. Pada akhirnya, keberhasilan

pelaksanaan dari proses perubahan struktur organisasi ini selain bermula dari

perumusan strateginya, perlu perhatian terhadap momentum waktu dalam

pelaksananaan dan keterbukaan dalam informasi bagi segala lapisan yang terkait.

4.2. Indetifikasin pola data

Dalam menetukan metode-metode peramalan yang akan diujikan terlebih

dahulu diperhatikan pola datanya atau sifat pergerakan dari deret data yang akan

di ramalkan. Hal ini penting dilakukan, karena beberapa metode peramalan

memiliki aumsi yang berbeda tentang pola pergerakan data. Adapun data pasokan

pada Perusahan energi XYZ pada periode januari 2005-desember 2010 seperti

pada lampiran 1 dan lampiran table 2. Plot data pasokan Gas pada Perusahaan Gas

XYZ dapat di lihat pada gambar

5.6

5.8

6.0

6.2

6.4

6.6

6.8

7.0

2005 2006 2007 2008 2009

PASOKAN

Gambar 4. Plot pasokan gas

Plot data penjualan Gas pada Perusahaan Gas XYZ dapat di lihat pada gambar

5.4

5.6

5.8

6.0

6.2

6.4

6.6

6.8

2005 2006 2007 2008 2009

PENJUALAN

Gambar 5. Plot penjualan gas

Plot data menunjukan bahwa pasokan dan sedangkan penjualan Gas

memiliki pola data yang mengalami peningkatan. Hal tersebut dapat di lihat dari

sepanjang tahun 2005 sampai tahun 2010 yang cenderung naik.

4.2.1 Uji stasioneritas

Uji stasioneritas merupakan utama dan langkah penting untuk menjelaskan

model koreksi kesalahan pada data time series nonstationer dan mengetahui

penerapan model koreksi kesalahan. Dalam penelitian ini, uji stasioneritas yang

digunakan adalah uji pasokan gas dan uji penjualan gas. hubungan keseimbangan

jangka panjang antara variabel-variabel yang berhubungan sangat diperlukan

untuk melakukan peramalan. Hasil peramalan ini sangat berguna sebagai alat

pengambilan keputusan. Hubungan jangka panjang tersebut dapat diketahui

melalui pendekatan kointegrasi. Kointegrasi merupakan hubungan antara variabel-

variabel yang stasioner pada derajat yang sama. Sehingga stasioneritas merupakan

syarat yang penting dalam pendekatan kointegrasi Apabila variabel yang

digunakan tidak stasioner akan menyebabkan hasil regresimeragukan atau disebut

regresi lancung (spurious regression). Regresi lancung adalah situasi dimana hasil

regresi menunjukkan koefisien regresi yang signifikan dan nilai koefisien

determinasi yang tinggi namun hubungan antara variabel independen dan variabel

dependen di dalam model tidak saling berhubungan. Hal ini terjadi karena

hubungan keduanya yang merupakan data time series hanya menunjukkan trend

saja. Untuk melakukan uji stasioneritas digunakan uji akar unit. Uji akar unit

mula-mula dikembangkan oleh D.A. Dickey dan W.A. Fuller yang dikenal

sebagai uji akar unit Dickey-Fuller. Uji akar unit Dickey-Fuller mengasumsikan

bahwa residual t e adalah residual yang bersifat independen dengan rata-rata nol,

varian konstan, dan tidak saling berhubungan (non autokorelasi). Akan tetapi

dalam banyak kasus, residual t e sering kali saling berhubungan atau mengandung

unsur autokorelasi. Sehingga perlu dikembangkan uji akar unit terhadap data yang

mengandung autokorelasi pada residual t e .

Untuk mengembangkan uji akar unit Dickey-Fuller pada permasalahan

data dengan sifat autokorelasi pada residual, digunakan uji akar unit yang

dikembangkan oleh Peter C.B. Phillips dan P.Perron. Uji ini dilakukan dengan

menggunakan metode statistik nonparametric dalam menjelaskan adanya

autokorelasi antara residual tanpa memasukkan variabel independen kelambanan

diferensi. Keuntungan menggunakan uji ini adalah asumsi bahwa tidak terdapat

bentuk fungsi untuk variabel proses residual sehingga uji PP dikatakan uji non

parametrik. Karena bersifat non parametrik maka uji PP dapat digunakan untuk

banyak kasus dan pada sampel yang besar, uji PP akan menunjukkan hasil yang

bagus. Uji stasioneritas dengan Uji Akar Unit Phillips-Perron (PP), dilakukan

dengan hipotesis.

H0 : α = 1( t Y tidak stasioner)

H1 : α < 1( t Y stasioner)

Tabel 3. Hasil uji stasioneritas

Variable Level 1’st Differencs

p-value Keterangan p-value Keterangan

PASOKAN 0.5305* Tidak stasioner 0.0000 Stasioner

PENJUALAN 0.1729* Tidak stasioner 0.0000 Stasioner

Keterangan : ADF Pasokan> nilai kritis ADF = tidak stasioner; ADF Penjualan<nilai kritis = tidak

stationer

ADF=stasioner;signifikan pada **) α =1%

Hasil uji akar unit pada level menunjukan bahwa semua variabel belum

stationer pada tarif nyata yang digunakan yaitu lima persen. Penelitian yang

menggunakan data yang belum stationer ini akan menghasilkan regresi lancung

(spurious regression) yaitu regresi yang menggambarkan hubungan antara dua

variabel atau lebih yang Nampak signifikan severa statistic tapi kenyatannya tidak

atau tidak sebesar yang Nampak dari regresi yang dihasilkan. Akibatnya terjadi

mislending dalam penelitian terhadap suatu fenomena ekonomi yang sedang

terjadi. Oleh karena itu, penggujian akar unit di lanjutkan dengan melakukan uji

akar unit firstdifference.

Pada Table 3 terlihat bahwa pengujian akar pada tingkat firt difference

menunjukan bahwa semua data sudah stationer. Hal ini terlihat dari nilai probilitas

yang lebih kecil dari taraf nyata yaitu lima persen. Dengan demikian dapat

dijelaskan bahwa seluruh variabel yang akan diestimasi dalam penlitian ini telah

stasioner. Penggunan data firt difference tidak dianjurkan karena akan

menghilangkan informasi jangka panjang, sehingga model VAR akan

dikombinasikan dengan model VECM agar tidak menghilangkan informasi jangka

panjang tersebut. Dalam penelitian ini dapat disimpulkan model yang dipilih

adalah VECM.

4.2.2 Uji korelasi parsial

Dalam penelitian ini, menunjukan bagaimana mengukur keeratan

hubungan antara pasokan gas dan penjualan gas tersebut. Korelasi parsial adalah

korelasi antara satu variabel bebas dengan variabel terikat dengan dengan variabel

bebas lainnya bersifat tetap.

Tabel 4. Hasil analisis korelasi parsial

Analisis korelasi parsial

Covariance Analysis: Ordinary

Date: 06/10/11 Time: 13:48

Sample: 2005M01 2009M09

Included observations: 57 Correlation

Probability PENJUALAN PASOKAN

PENJUALAN 1.000000

-----

PASOKAN 0.802378 1.000000

0.0000 -----

Berdasarkan hasil analisis korelasi parsial di atas dapat disimpulkan bahwa

hubungan variable anatara penjualan dengan pasokan sebesar 0.802378 dengan

Nilai-P (0.000)<ALPHA 1 Persen Artinya hubungan antara penjualan dengan

pasokan sangat kuat dan searah, jika pasokan meningkat maka penjualan

meningkat.

.4.2.3 Uji Kaulitas Grenger

Uji ini pada intinya mengindikasikan apakah suatu variable mempunyai

hubungan dua arah, atau hanya satu arah saja, dan uji Kausalitas Granger yang

dilihat adalah pengaruh masa lalu terhadap kondisi sekarang, sehingga data yang

digunakan adalah data time series. Uji Kausalitas Granger digunakan untuk

mengetahui hubungan antara variabel satu dengan variabel lainnya saling

mempengaruhi. Berkaitan dengan uji ini, tahap awal yang harus dilakukan adalah

menentukan panjang lag optimal dengan menggunakan kriteria likehood Ratio

(LR) kemudian mengestimasinya. Penggunaan lag optimum pada uji kausalitas

Granger adalah satu karena data stasioner pada tingkat first difference. Setelah di

dapat hasil uji kausalitas Granger, maka untuk menentukan signifikan tidaknya

antar variabel adalah dengan membandingkan F hitung dengan F tabel. Jika F

hitung lebih besar dari F tabel maka signifikan, begitupun sebaliknya.

Tabel 5. Hasil uji kausalitas Grenger

Pairwise Granger Causality Tests

Date: 06/10/11 Time: 13:49

Sample: 2005M01 2009M09

Lags: 1 Null Hypothesis: Obs F-Statistic Prob. PASOKAN does not Granger Cause PENJUALAN 56 2.35442 0.1309

PENJUALAN does not Granger Cause PASOKAN 0.05907 0.8089

Dalam tabel 5 berdasarkan uji kausalitas Granger menunjukan bahwa pada

lag 1 variabel-variabel yang digunakan yaitu Pasokan tidak berpengaruh

signifikan terhadap penjualan karena probabilitas lebih kecil daripada nilai

kritisnya yaitu α= 1 persen, sedangkan variabel Penjualan tidak signifikan

berpengaruh terhadap Pasokan yaitu α= 8 persen.Berdasarkan uji kaulitas

Granger kedua hipotesis memiliki nilai-P > alpha 5 persen artinya tidak ada

hubungan sebab akibat antara pasokan dan penjualan.

4.2.4 Uji lag optimum

Penentuan panjang lag menjadi tahap yang penting karena lag terlalu

pendek berisiko terjadi kesalahan spesifikasi model, sedangkan lag terlalu

panjang banyak mengurangi derajat kebebasan. Untuk menghindari kesalahan

spesifikasi, penentuan panjang lag dalam penelitian ini menggunakan

kriteriaAkaike (AIC). Penentuan panjang lag digunakan untuk mengetahui

lamanya periode keterpengaruhan suatu variabel terhadap variabel masa lalunya

maupun terhadap variabel endogen lainnya. Penentuan lag dapat digunakan

dengan beberpa pendekatan antara lain Likelihood Ratio (LR), Final Prediction

Error (FPE), Akaike Information Criterion (AIC), dan Schwarz Criterion (SC).

Hasil penentuan panjang lag secara lengkap dapat dilihat pada tabel.

Tabel 6. Hasil lag optimum

VAR Lag Order Selection Criteria

Endogenous variables: PASOKAN PENJUALAN

Exogenous variables: C

Date: 06/10/11 Time: 13:49

Sample: 2005M01 2009M09

Included observations: 52 Lag LogL LR FPE AIC SC HQ 0 -14.70960 NA 0.006519 0.642677 0.717725 0.671448

1 109.6900 234.4453* 6.36e-05* -3.988075* -3.762932* -3.901760*

2 111.1647 2.665944 7.01e-05 -3.890951 -3.515712 -3.747093

3 113.3040 3.702610 7.55e-05 -3.819385 -3.294050 -3.617984

4 114.9980 2.801663 8.28e-05 -3.730694 -3.055264 -3.471750

5 116.7326 2.735321 9.08e-05 -3.643563 -2.818037 -3.327076 * indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)

FPE: Final prediction error

AIC: Akaike information criterion

SC: Schwarz information criterion HQ: Hannan-Quinn information criterion

Berdasarkan hasil table di atas nilai LR, FPE, AIC dan SC menentukan

panjang lag yang sama yaitu pada lag ke satu. Karena empat kriteria memberikan

hasil yang sama, maka dipilih panjang lag satu.

4.2.5 Uji kointegrasi

Uji kointegrasi dilakukan untuk melihat suatu hubungan ekulibrium jangka

panjang anatara variable-variabel yang tidak stationer tetapi memliki kombinasi

linier yang stationer karena data yang digunakan berfluktuasi dengan asumsi tidak

stasioner. Selanjutnya, untuk mengetahui keterkaitan jangka panjang antar

variabel-variabel penjualan dilakukan analisis dengan mengaplikasikan uji

kointegrsi Johansen. Variabel-variabel yang akan diuji harus merupakan variabel

yang stasioner pada derajat yang sama.

Hasilnya jika nilai Trace statistic lebih kecil dibandingkan dengan nilai Critical

Value maka variabel-variabel tidak terkointegrasi, sebaliknya jika nilai Trace

Statistic nya lebih besar dibandingkan dengan nilai Critical Value maka variabel-

variabel terkointegrasi. Hasil uji kointegrasi dapat dilihat pada tabel.

Tabel 7. Hasil Uji kointegrasi

Date: 06/10/11 Time: 13:53

Sample (adjusted): 2005M07 2009M09

Included observations: 51 after adjustments

Trend assumption: Quadratic deterministic trend

Series: PASOKAN PENJUALAN

Lags interval (in first differences): 1 to 5

Unrestricted Cointegration Rank Test (Trace) Hypothesized Trace 0.05

No. of CE(s) Eigenvalue Statistic Critical Value Prob.** None * 0.299910 21.28805 18.39771 0.0192

At most 1 0.059051 3.104198 3.841466 0.0781 Trace test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Berdasarkan uji akar-akar unit diketahui bahwa semua data tidak stasioner

pada derajat nol kecuali variabel Pasokan dan Penjualan, sementara hasil uji

derajat integrasi pada diferensi pertama terlihat bahwa variabel-variabel yang

digunakan telah stasioner pada derajat kepercayaan 5%. Dengan demikian dapat

dijelaskan bahwa seluruh variabel dalam penelitian ini telah stasioner pada derajat

integrasi yang sama. Setelah mengetahui karakteristik masing-masing data yang

akan digunakan dalam penelitian, maka hubungan jangka panjang dari model

analisis dapat diketahui melalui uji kointegrasi Johansen. Hubungan saling

mempengaruhi dapat di lihat dari kointegrasi yang terjadi antar variabel itu

sendiri. Jika terdapat kointegrasi antar variabel maka hubungan saling

mempengaruhi berjalan secara menyeluruh dan informasi yang tersebar secara

paralel.

Hasil Uji kointegrasi Johansen menunjukkan ada 1 vektor kointegrasi . Hal

ini menunjukkan bahwa kedua data tersebut saling terintegrasi. Nilai-

P(0.0192)<ALPHA 5 persen maka artinya terkoitegrasi seimbang jangka

panjang.

4.2.6 Uji Stabilitas Model

Pengujian selanjutnya adalah menguji stabilitas model VECM yang

digunakan Kestabilitas model yang digunakan mutlak perlu karena jika model

yang digunakan tidak stabil, maka estimasi model pun menjadi tidak valid,

demikian pula yang digunakan hasil IRF dan FEVD-nya.. Jika model memiliki

stabilitas maka hasil estimasinya akan tidak berubah dengan deviasi yang besar

meskipun periode nya diperpanjang sehingga hasil estimasinya dapat

dipertanggungjawabkan. Berdasrakan hasil Pada Tabel 8 terlihat nilai akar

karakteristik atau modulus semuanya menunjukan nilai kurang dari satu, sehingga

dapat disimpulkan bahwa model vecm yang digunakan memiliki stabilitas.

Tabel 8. Hasil uji Stabilitas Model

Roots of Characteristic Polynomial

Endogenous variables: PASOKAN PENJUALAN

Exogenous variables: C

Lag specification: 1 1

Date: 06/10/11 Time: 13:54 Root Modulus 0.967162 0.967162

0.902248 0.902248 No root lies outside the unit circle.

VAR satisfies the stability condition.

4.2.7 Impluse Response Function (IRF)

Impulse Response adalah respon variabel endogen akibat adanya akibat

adanya kejutan dari variabel endogen yang lain. Dengan menggunakan analisis

Impulse Respon dapat disimulasikan dampak perubahan salah satu variabel bebas

terhadap fluktuasi variabel terikatnya pada masa yang akan datang. Dalam

penelitian ini, IRF digunakan untuk menetukan respon variabel penjualan gas dan

pasokan gas di perusahaan energi XYZ terhadap guncangan (shock) dan melihat

berapa lama pengaruh guncaangan tersebut terjadi. Respon tersebut diukur

berdasarkan deviasi dari rentang waktu yang diharapkan. Respon yang positif

mengindikasikan bahwa variabel yang diuji akan meningkat terkait dengan

guncangan yang di berikan, dan sebaliknya. Hasil analisis IRF variabel penjualan

gas dan pasokan gas perusahan energi XYZ dapat di lihat selacara lengkap pada

Lampiran 10.

-.025

-.020

-.015

-.010

-.005

.000

.005

5 10 15 20 25 30 35 40 45 50

Response of PENJUALAN to Cholesky

One S.D. PASOKAN Innovation

Gambar 6. Impulse response pasokan

Respon yang pertama dianalisa adalah respon variabel Pasokan . Dari

gambar 6 kita bisa melihat bagaimana respon variabel pasokan terhadap variabel

penjualan gas itu sendiri. Jika kita lihat respon yang diberikan variabel pasokan

pada perubahan satu standar deviasi variabel itu sendiri sudah bernilai Negatif

semua. Jadi jika pasokan terjadi tekanan maka respon yang didapat oleh penjualan

akan menurun.

-.05

-.04

-.03

-.02

-.01

.00

5 10 15 20 25 30 35 40 45 50

Response of PASOKAN to CholeskyOne S.D. PENJUALAN Innovation

Gambar 7. Impulse response penjualan

Respon yang kedua dianalisa adalah respon variabel Penjualan . Dari

gambar 7 kita bisa melihat bagaimana respon variabel penjualan terhadap

variabel pasokan gas itu sendiri. Jika kita lihat respon yang diberikan variabel

penjualan pada perubahan satu standar deviasi variabel itu sendiri sudah bernilai

Negatif semua. Jadi jika penjualan terjadi tekanan maka respon yang didapat oleh

pasokan akan menurun

4.2.8 Forecasting Error Variance Decomposition (FEVD)

Forcasting Error Variance Decompotion (FEVD) digunakan untuk

menghitung dan menganalisis seberapa besar pengaruh acak guncangan dari

variable tertentu terhadap variable endogen. FEVD menghasilkan informasi

menganai relative pentingnya masing-masing inovasi acak atau seberapa kuat

komposisi dari peranan variable tertentu terhadap variable lainnya dalam model

VAR/VECM. Pengururtan variable dalam analisis FEVD ini berdasarkan

faktorisasi Choleksky. Hasil dari analisis FEVD Pasokan dan penjualan gas di

perusahaan Energi XYZ dapat dilihat pada Lampiran 11.

Simulasi Analisis FEVD Pasokan Gas terhadap Penjualan Gas di

perusahaan Energi XYZ

Gambar 8. Variance Decomposition pasokan gas terhadap penjualan gas

Simulasi Analisis FEVD Penjualan Gas terhadap Pasokan Gas perusahaan

Energi XYZ

Gambar 9. Variance Decomposition penjualan gas terhadap pasokan gas

Dari kedua variance decomposition untuk peramalan selama 50 bulan

kedepan pengaruh penjualan ke pasokan berkisar 47 persen, sedangakan pengaruh

pasokan ke penjualan berkisar 39 persen. Jadi pengaruh penjualan ke pasokan

lebih tingi di bandingkan pasokan ke penjualan Kesimpulan yang di dapat

perusahaan energi XYZ sebaiknya memperbaiki penjualan gas ke konsumen.

Karena pengaruh penjualan ke konsumen lebih tinggi.

4.3. Implikasi Manajerial

Setelah melakukan analisis kointegrasi terdapat hubungan kointegrasi

pada penjualan gas dan pasokan gas. hal ini menunjukan bahwa adanya hubungan

jangka panjang antara penjualan dan pasokan tersebut. Berdasarkan hasil IRF

menunjukan bahwa dalam jangka panjang terlihat jika pasokan diimplus maka

respon penjualan akan menurun dan sebaliknya dalam guncangan variabel

tersebut. Berdasarkan hasil analisis FEVD bahwa dapat dilihat secara keseluruhan

guncangan atas variabel yang lebih berpengaruh terhadap variabel penjualan ke

pasokan lebih tinggi dibandingkan pegaruh pasokan kepenjualan.

Dari hasil tersebut perusahaan bisa menafsirkan variabel apa saja yang

ingin ditingkatkan dan hambatan apa saja yang harus ditanggulangi agar tingkat

menjual terus bertambah. Implikasi dari analisis dan interprasi ini akan

mempengaruhui keputusan menejerial salah satunya dalam merencanakan

pemasaran yang mungkin dilakukan.

Perusahaan energi XYZ dapat mengadakan kegiatan edukasi pasar

mengenai keunggulan dari gas yang murah dan ramah lingkungan dan kelebihan

perusahaan sebagai langkah memperkenalkan Gas dari perusahaan energi XYZ

kepada calon pelangan di segmen yang dituju sekaligus wadah promosi untuk

memperkenalkan produk dan layanan ini. Salah satu caranya dengan mengadakan

workshop mengenai keunggulan dan layanan yang diberikan perusahaan energi

XYZ dengan mengunang pelangaan baru. Setelah pasar terbidik akan lebih mudah

bagi perusahaan energi XYZ dalam menjual dan memasarkan gas perusahaan

energi XYZ. Keuntungan lain setelah edukasi pasar yang dilanjutkan dengan

perkenalan produk dan layanan ini, dengan workshop gas perusahaan energi XYZ

dapat meningkatkan brand equty dan brand awareness di benak konsumennya.

Positioning yang dimiliki oleh perusahaan energi XYZ sangat kuat dan

secara tegas menancap dibenak para pelanggan, untuk itu diferensiasi perusahaan

energi XYZ hendaknya dapat digunakan sebagai pendukung nilai tambah (value

added) dalam promosi produk dan layanannya. Perusahaan energi XYZ harus

menojolkan keunggulan kompetitif secara baik dalam media promosi contohnya

mencantumkan keunggulan- keunggulan tersebut dalam flyer, advertorial, dan

media promosi lainya dalam rangka mengedukasi pasar sekaligus

memperkenalkan perusahaan energi XYZ kepada calon pelanggan dan pengguna

yang sama sekali belum mengetahui produk dan layanan distribusi sehingga

promosi lebih persuasive. Perusahaan energi XYZ juga dapat mencoba untuk

beriklan di media elektronik seperti Televisi pada jam tertentu di mana para

segmen sesaran banyak penonton.