I. PENDAHULUAN
1.1. Latar Belakang
Pada kehidupan sehari-hari manusia tidak akan lepas dari kebutuhan akan bahan bakar. Pentingnya bahan bakar minyak maupun bahan bakar yang berbentuk gas dalam kehidupan manusia adalah untuk kelangsungan hidup, sehingga harus dikembangkan dan dapat dimanfaatkan secara optimal. Kebutuhan manusia akan energi terutama terhadap energi yang dihasilkan oleh bahan bakar minyak (BBM) maupun bahan bakar yang berbentuk gas (BBG) merupakan salah satu bentuk dari energi kalor. Bahan bakar adalah materi yang bisa diubah menjadi energi. Salah satu contoh bahan bakar yang cukup populer adalah Bahan Bakar Minyak (BBM). Selain minyak mentah, Indonesia menghasilkan gas bumi yang di gunakan sebagai energi atau bahan bakar penganti BBM.
Permintaan bahan bakar minyak di Indonesia sangat tinggi. Namun, produksi minyak mentah Indonesia dari tahun ke tahun mengalami penurunan. Produksi tahun 2005 diperkirakan sebesar 1.113 juta barel/hari (176.967.000 liter/hari). Konsumsi BBM dalam negeri mengalami kenaikan sebesar 2 persen hingga 3 persen per tahun. Tahun 2005 konsumsi BBM sekitar 1.03 juta barel/hari (163.770.000 liter/hari). Kekurangan impor minyak mentah sebesar 208 ribu barel/hari (33.072.000 liter/hari), dan kekurangan impor BBM sebesar 210 ribu barel/hari (33.390 liter/hari). Kondisi tersebut merupakan dasar acuan bahwa BBM tidak dapat dijadikan bahan bakar utama untuk menunjang kehidupan. Kebijakan yang telah ditetapkan pemerintah disebut Kebijakan Energi Nasional (KEN) periode 2005-2025, dimana BBM yang mahal perlu segera disubsitusi dengan bahan bakar lain yang salah satunya adalah gas bumi (Purnomohadi, 2010).
tidak beracun. Di Indonesia, sumber energi yang sangat potensial adalah gas bumi di mana berdasarkan data awal produksi gas bumi pada tahun 2010 sebesar 9.336 MMSCFD, mengalami kenaikan sebesar 1.034 MMSCFD dari 8.302 MMSCFD pada tahun 2009. Kenaikan produksi tersebut antara lain karena mulai berproduksinya beberapa lapangan gas baru dan optimalisasi produksi sementara permintaan gas bumi di Indonesia, khususnya di Pulau Jawa, semakin meningkat.
Kebutuhan akan energi ini membuat meningkatnya permintaan energi tersebut, maka membutuhkan manajemen produksi maupun distribusi yang baik. Peningkatan akan kebutuhan permintaan bahan bakar minyak dan Gas menjadi suatu tantangan bagi industri yang bergerak dalam bidang minyak dan gas (MIGAS) untuk memenuhi peningkatan permintaan tersebut Pada tahun 2000 permintaan gas bumi Indonesia mencapai 7.094.100.0 MMSCFD kemudian meningkat terus menerus hingga mencapai 8.160.100.0 MMSCFD pada tahun 2005. Pada tahun 2010, permintaan gas diprediksi mencapai 10.7 TCF (skenario rendah) atau 12 TCF (skenario tinggi).
memprediksi dengan tepat jumlah yang harus diperoleh untuk dapat berproduksi sesuai target yang telah ditetapkan. Salah satu teknik peramalan yang tepat yaitu dengan menggunakan model deret waktu (time series). Metode time series menggunakan data-data yang bersifat time series yaitu data yang dihimpun menurut urutan berdasarkan interval waktu yang sama secara berkala. Penggunaan data pasokan di masa lalu dapat memprediksi jumlah pasokan yang dibutuhkan perusahaan untuk berproduksi sesuai target pada masa yang akan datang.
Persaingan yang semakin ketat diantara industri yang bergerak pada bidang migas membutuhkan suatu teknik peramalan dan strategi pemasaran yang tepat. Salah satu industri migas di Indonesia yang sedang berkembang yaitu Perusahaan energi XYZ. Perusahaan migas energi XYZ membutuhkan suatu teknik peramalan yang tepat yaitu dengan menggunakan model deret waktu untuk membantu perusahaan dalam mengeluarkan keputusan dalam pengadaan bahan baku untuk memenuhi permintaan pasar yang semakin meningkat. Penggunaan model deret waktu ini dapat membantu perusahaan energi XYZ dalam mengusai pangsa pasar yang semakin meningkat. Suatu pemenuhan permintaan yang berkesinambungan akan menciptakan citra baik dan kepercayaan masyarakat untuk menggunakan produk dari perusahaan energi XYZ.
oleh pemerintah sehingga pendistribusian produk hanya difokuskan untuk memenuhi kebutuhan pasar domestik yang semakin meningkat. Berikut ini Tabel gas yang disalurkan oleh perusahaan energi XYZ.
Tabel 1. Gas yang disalurkan oleh perusahan energy XYZ
Tahun Energi yang di salurkan ke pelanggan
2001 2.131.278 m3
2002 2.418.186 m3
2003 2.706.657 m3
2004 2.977.167 m3
2005 3.181.425 m3
2006 3.297.763 m3
Pentingnya suatu ketepatan teknik peramalan yang digunakan perusahaan yang ingin bersaing dalam industri migas seperti perusahaan energi XYZ untuk memenuhi peningkatan konsumsi masyarakat terhadap bahan bakar khususnya gas bumi dari tahun ke tahun dan melakukan startegi pemasaran dengan melihat hasil peramalan, maka Peneliti tertarik untuk membuat mengenai penelitian yang berkaitan dengan perusahaan yang bergerak di bidang Gas dengan topik ”Analisis
Peramalan Penjualan menggunakan kointegrasi antar komoditas di Perusahaan Energi XYZ”
1.2. Perumusan Masalah
Perusahaan energi XYZ harus mampu melakukan peramalan dengan berbagai metode permalan untuk mendapatkan metode dan hasil terbaik. Hasil peramalan yang baik inilah yang akan mempengaruhui prospek penjualan dan strategi pemasaran di masa mendatang sehingga peningkatan pendapatan perusahaan bisa dicapai. Pada persaingan antara industri migas yang semakin ketat, suatu teknik peramalan yang akurat akan mampu memberikan gambaran tentang masa depan perusahaan dan keberlangsungan penjualan suatu produk melalui proses perencanaan pemasaran yang matang. Atas dasar gambaran yang diperoleh, pihak manajemen perusahaan akan semakin mampu dalam meningkatkan kinerjanya melalui perencanaan yang baik dalam kaitannya dengan perumusan strategi pemasaran secara kopentitif maupun penciptaan program yang tepat sehingga angka penjualan pun terdongkrak. Berdasarkan uraian tersebut, maka permasalahan yang di angkat dalam penelitian ini :
1. Bagaimana kointegrasi antara penjualan gas dan pasokan gas di perusahaan energi XYZ?
2. Bagaimana penjualan dan pasokan gas Alam untuk 50 bulan kedepan dari penjualan oktober 2010 dan tingkat pengaruh antara pasokan dan penjualan ? 3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi
dalam perencanaan strategi yang mungkin diterapkan perusahaan ?
1.3. Tujuan Penelitian
1. Menganalisis kointegrasi antara penjualan gas dan pasokan gas di perusahaan energi XYZ
2. Mengetahui penjualan dan pasokan gas Alam untuk 50 bulan kedepan dari penjualan Oktober 2010 dan tingkat pengaruh antara pasokan dan penjualan. 3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi
1.4. Manfaat Penelitian
Adapun manfaat dari penelitian ini adalah : a. Perusahaan
Memberikan informasi atau masukan kepada perusahaan dalam meningkatkan jumlah distibusi dan penjualan untuk memenuhi kebutuhan domestik yang semakin meningkat, sebagai bahan pertimbangan pengembangan produk dalam meningkatkan produksi perusahaan.
b. Penulis
Sarana kegiatan belajar dalam menambah wawasan, pemahaman, pengalaman dan pengembangan ilmu dalam mengahapi suatu masalah dalam mendalam, melatih diri dalam mengemukkan dan menyelesaikan masalah secara mandiri dan ilmiah.
c. Pihak lain
Sebagai bahan informasi dan acuan bagi para peneliti dan pihak-pihak lain yang berkepentingan. Sebagai informasi dan referensi bagi para peneliti untuk melakukan penelitian pada biadang sejenis.
1.5 Ruang Lingkup Penelitian
II. TINJAUAN PUSTAKA
2.1. Gas
Menurut Bachrawi (2002) Gas bumi adalah sebuah sejenis hidrokarbon yang berupa gas yang komponen terpentingnya yakni methane, ethane , propane dan heksana. Komponen utama dalam gas alam adalah metana (CH4), yang merupakan molekul hidrokarbon rantai terpendek dan teringan. Gas alam juga mengandung molekul-molekul hidrokarbon yang lebih berat seperti etana (C2H6), propana (C3H8) dan butana (C4H10), selain juga gas-gas yang mengandung sulfur (belerang). Gas alam juga merupakan sumber utama untuk sumber gas helium.
Metana adalah gas rumah kaca yang dapat menciptakan pemanasan global ketika terlepas ke atmosfer, dan umumnya dianggap sebagai polutan ketimbang sumber energi yang berguna. Meskipun begitu, metana di atmosfer bereaksi dengan ozon, memproduksi karbon dioksida dan air, sehingga efek rumah kaca dari metana yang terlepas ke udara relatif hanya berlangsung sesaat. Sumber metana yang berasal dari makhluk hidup kebanyakan berasal dari rayap, ternak (mamalia) dan pertanian (diperkirakan kadar emisinya sekitar 15, 75 dan 100 juta ton per tahun secara berturut-turut).
Tabel 2. Komponen gas
Komponen %
Metana (CH4) 80-95 Etana (C2H6) 5-15 Propana (C3H8) and Butane (C4H10) < 5
Nitrogen, helium, karbon dioksida (CO2), hidrogen sulfida (H2S), dan air dapat juga terkandung di dalam gas alam. Merkuri dapat juga terkandung dalam jumlah kecil. Komposisi gas alam bervariasi sesuai dengan sumber ladang gasnya.
berasal dari tudung gas. Dan jenis Non Associated gas yakni gas bumi yang didalam reservoir tidak mengandung miyak dalam jumlah berarti
Bahan bakar berkelanjutan bersumber pada materi yang masih bisa digunakan lagi dan tidak akan habis keberadaannya di alam. Misalnya tenaga matahari. Gas alam sering juga disebut sebagai gas bumi atau gas rawa, adalah bahan bakar fosil berbentuk gas yang terutama terdiri dari metana CH4. Ia dapat ditemukan di ladang minyak, ladang gas bumi dan juga tambang batu bara. Ketika gas yang kaya dengan metana diproduksi melalui pembusukan oleh bakteri anaerobik dari bahan-bahan organik selain dari fosil, maka ia disebut biogas. Sumber biogas dapat ditemukan di rawa-rawa, tempat pembuangan akhir sampah, serta penampungan kotoran manusia dan hewan.
Gas Alam adalah pilihan pertama energi dapat dilihat dari dua sisi, efisiensi pembakaran dan emisi gas. Efisiensi pembakaran gas alam lebih tinggi dari bahan bakar minyak, dan gas emisi dari pembakaran gas alam jauh lebih rendah dari pada bahan bakar minyak, karena yang dihasilkan NOx, SOx, dan COx jauh di bawah standar emisi.
Secara garis besar pemanfaatan gas alam dibagi atas 3 kelompok yaitu :
2.2. Teori Peramalan
Menurut Subagyo (1986) peramalan adalah apa yang akan terjadi pada waktu yang akan datang, sedang rencana merupakan penentuan apa yang akan dilakukan pada waktu yang akan datang. Dengan sendirinya terjadi perbedaan antara forecast dengan rencana. Forecast adalah peramalan apa yang akan terjadi, tetapi belum tentu bisa dilaksanakan oleh perusahaan.
Definisi dan tujuan peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu (Handoko, 1984). Dalam kehidupan sosial segala sesuatu itu serba tidak pasti, sukar untuk diperkirakan secara tepat. Dalam hal ini perlu diadakan forecast. Forecasting yang dibuat selalu diupayakan agar dapat meminimumkan pengaruh ketidakpastian ini terhadap perusahaan. Dengan kata lain forecasting bertujuan mendapatkan forecast yang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan mean squared error, mean absolute error (Subagyo, 1986).
Proses peramalan menurut Handoko 1994, proses peramalan biasanya terdiri dari langkah-langkah sebagai berikut:
a. Penentuan Tujuan
Analisis membicarakan dengan para pembuat keputusan dalam perusahaan untuk mengetahui apa kebutuhan-kebutuhan mereka dan menentukan:
1) Variabel-variabel apa yang akan diestimasi, 2) Siapa yang akan menggunakan hasil peramalan,
3) Untuk tujuan-tujuan apa hasil peramalan akan digunakan, 4) Estimasi jangka panjang atau jangka pendek yang diinginkan, 5) Derajat ketepatan estimasi yang diinginkan,
6) Kapan estimasi dibutuhkan,
7) Bagian-bagian peramalan yang diinginkan, seperti peramalan untuk kelompok pembeli, kelompok produk atau daerah geografis.
b. Pengembangan Model
masukan menghasilkan estimasi penjualan di waktu mendatang (atau variabel apa saja yang diramal). Analisis hendaknya memilih suatu model yang menggambarkan secara realistis perilaku variabel-variabel yang dipertimbangkan. Sebagai contoh, bila perusahaan ingin meramalkan volume penjualan yang polanya berbentuk linier, model yang dipilih mungkin Y = A + BX, dimana Y menunjukkan besarnya volume penjualan; X menunjukkan unit waktu, serta A dan B adalah parameter-parameter yang menggambarkan posisi dan kemiringan garis pada grafik.
2.2.1 Tujuan Peramalan
Dalam dunia usaha sangat penting diperkirakan hal-hal yang terjadi di masa depan sebagai dasar untuk pengambilan keputusan, terutama dunia usaha itu merupakan bagian dari kehidupan sosial, dimana segala sesuatu yang terjadi serba tidak pasti, sukar diprediksi dengan tepat. Oleh karena itu perlu dilakukan sebuah peramalan yang dibuat selalu diupayakan agar dapat:
a. Meminimumkan pengaruh ketidakpastian terhadap perusahaan,
b. Forecasting bertujuan mendapatkan forecast yang bias meminimumkan kesalahanm peramal (forecast error) yang biasanya diukur dengan mean squared error(MSE), mean absolute error (MAE), dan sebagainya (Subagyo, 1986).
2.2.2 Metode Peramalan
Untuk memecahkan masalah dalam membuat peramalan harus mengunakan metode tertentu, semua metode peramalan memiliki ide yang sama, yaitu mengunakan data masa lalu untuk memperkirakan atau memperoyeksikan data di masa yang akan datang. Terdapat dua metode dalam peramalan, yaitu metode Peramalan kualitatif dan Peramalan Kuantitatif ( Baroto 1997) .
1. Metode Peramalan Kualitatif
Dalam Metode peramalan kulitatif digunakan bila tidak ada atau sedikit data masa lalu yang tersedia. Pendapat pakar dan prediksi mereka di jadikan dasar untuk menetapkan permintaan yang akan datang. Metode ini lebih mengandalkan judgment dan intuisi manusia ketimbang penggunaan data historis yang di miliki.
2. Metode Peramalan Kuantitatif
Untuk meramalan permintaan masa datang dengan metode peramalan kuantutatif menggunakan data masa lalu memadai tanpa penilaian atau prediksi pakar yang melakukan peramalan dengan data yang tersedia secara memadai dan tanpa intuisi maupun penilaian subjektif dari orang yang melakukan peramalan. Teknik kuantitatif biasanya dikelompokkan menjadi dua yaitu teknik statistik dan teknik deterministik.
2.2.3 Data time series
Data Time series (runtun waktu) merupakan data yang dihimpun meutut urutan berdasarkan interval waktu yang sama secara berkala. Di dunia bisnis, data deret waktu diperlukan sebagai bahan acuan pembuatan keputusan sekarang, untuk proyeksi maupun perencanaan di masa depan. Untuk dapat menggunakan data deret waktu dalam keperluan pembuatan proyeksi, perlu di ketahui beberapa asumsi yang penting antara lain :
a.) Adanya ketergantunagn kejadian masa yang akan datang dengan sebelumnya.
b.) Aktivitas di masa yang akan datang mengikuti pola yang terjadi di masa lalu.
c.) Hubungan atau keterkaitan masa lalau dapat ditentukan dengan observasi atau penelitian. Dalam hal ini, akurasi dan proyeksi yang dihasilakan tentu saja akan sangat tergantung pada seberapa jauh asumsi-asumsi ini dapat dipenuhui.
Ada beberapa tahapan dalam melakukan analisa time series, yaitu : 1. Identifikasi Model
Tahap ini memilih model tepat yang bias mewakili deret pengamatan. Identifikasi model dilakukan dengan membuat plot time series. Dengan plot time series, kita dapat mengetahui pola data dan tren deret pengamatan
2. Taksiran Model
Tahap memilih taksiran model baik. Menaksirkan model di lakukan dengan metode kuadrat kecil atau maksimum likelihood
3. Diagnosa Model
Model yang di buat belum tentu sesuai dengan data yang dimiliki atau dengan model yang di buat. Mendiagnosais model yang telah dibuat dengan menyesuaikannya dengan hasil peramalan.
Eviews merupakan program statistika yang memberikan kelebihan dalam mengolah Analisys of Variance (ANOVA), desain eksperimen, pengendalian kualitas statistic, analisis multivariate, peramalan. Minitab memberikan fasikitas membuat grafik statistic secara mudah dan menampilkannya dalam bentuk lebih menarik, informasi, dan sekaligus memceritakan probabilitas.
2.3. Kointegrasi
Regresi dari dua variabel yang non-stasioner akan menyebabkan terjadinya spurios regression sehingga proses diferensiasi harus terlebih dahulu dilakukan (Engle dan Granger, 1987). Tetapi, proses ini justru akan menghilangkan hubungan jangka panjang yang mungkin terdapat dalam variabel-variabel time series yang diteliti dan hanya memberikan hubungan jangka pendek time series. Disinilah penting nya proses kointegrasi dimana konsep ini membantu memberikan informasi mengenai hubungan jangka panjang yang ada dengan menggunakan time series non-stasioner.
Didalam konsep kointegrsi ini terdapat beberapa hal penting yang perlu diperhatikan, yaitu (Enders, 2004):
1. Kointegrasi merupakan kombinasi linear dari dua atau lebih dari time series yang tidak stasioner. Vektor kointegrasi dari kombinasi linear tersebut tidak unik karena dengan suatu konstanta yang tidak nol (λ), maka λβ juga benar sebagai vektor kointegrasi. Oleh karena itu, biasanya salah satu besaran digunakan untuk normalisasi vektor kointegrasi dengan menetapkan koefisiennya menjadi satu.
2. Semua variabel harus terintegrasi pada orde yang sama. Tetapi tidak semua variabel yang terintegrasi pada orde yang sama terkointegrasi.
3. Bila vektor mempunyai n komponen, maka akan ada n-1 vektor kointegrasi linear yang tidak tergantung satu dengan yang lainnya. Jumlah vektor kointegrasi ini dinamakan peringkat kointegrasi (cointegration rank), biasanya dilambagkan dengan r.
Sifat penting yang terdapat dalam variabel-variabel yang terkointegrasi adalah perjalanan waktu variabel-variabel tersebut dipengaruhi oleh perubahan atas hubungan keseimbangan jangka panjangnya. Dengan kata lain, variabel-variabel non-stasioner yang terintegrasi pada orde yang sama dan terkointegrasi akan menjadi stasioner dalam jangka panjang (Enders, 2004).
2.4. Vector Autoregressive (VAR)
Vector Autoregressive atau yang dikenal VAR metode yang didasari bahwa sebuah variable bukan saja dapat berlaku sebagai variable endogen tetapi juga dapat berlaku sebagai variable eksogen. Hal ini dapat terjadi karena dengan menggunakan pendakatan structural atas persamaan simultan biasanya menerapkan teori ekonomi di dalam usahanya untuk mendeskripsikan hubungan antara variable yang ingin diuji. Metode ini dikembangkan oleh Christoper Sims pada tahun 1980.
Pemanfaatan VAR untuk menganalisa antara lain (Arsana,2005) :
Impulse Response Functions (IRF), melacak respon saat ini dan masa depan dari setiap variabel akibat perubahan atau shock suatu variabel tertentu.
Forecast Error Decomposition of Variance (FEDVs), prediksi konstribusi persentase varians setiap variabel terhadap perubahan suatu variabel tertentu.
Granger Causality Test, mengetahui hubungan seba akibat antar variable. Model VAR memiliki beberapa keunggulan, antara lain : (Nachrowi, 2006)
1. Model VAR adalah model yang sederhana dan tidak perlu membedakan mana variable yang endogen dan mana yang eksogen. Semua variable endogen. 2. Cara estimasi model VAR sangat mudah, yaitu dengan menggunakan OLS
pada setiap persamaan secara terpisah.
3. Peramalan menggunakan VAR pada beberapa hal lebih baik disbanding menggunakan model dengan persamaan simultan yang lebih kompleks.
Namun demikian, model VAR mempunyai sisi kekurangan. Diantaranya adalah sebagai berikut :
1. Model VAR lebih bersifat a-teoritik karena tidak memanfaatkan informasi atau teori terdahulu. Oleh karenanya, model tersebut sering disebut sebagai model yang tidak structural.
2. Mengingat tujuan utama model utama VAR untuk meramalkan maka model VAR kurang cocok untuk analisis kebijakan.
3. Pemilihan banyaknya lag yang digunakan dalam persamaan juga dapat menimbulkan permasalahan.
4. Semua variable dalam VAR harus stationer, jika tidak stationer, maka harus ditransformasi terlebih dahulu.
5. Interpretasi koefisien yang didapat berdasarkan model VAR tidak mudah.
2.5. Vector Error Correction Model (VECM)
2.6. Penelitian Terdahulu
Rusniar (2008), melakukan penelitian pergerakan nilai tukar rupiah dan empat mata uang Negara ASEAN dengan menggunakan model koreksi kesalahan Vector Error Correction Model (VECM). Hasil empiris penelitian menunjukkan bahwa dasar analisis FEDV (Forcasting Error Decompotisions Of Variance). Pergerakan nilai tukar rupiah terhadap sebelum krisis lebih dominan di pengaruhui oleh kurs rupiah itu sendiri, ringgit dan Bath. Sedangkakan dollar singapura dan peso hanya sedikit pengaruh terhadap pergerakan rupiah itu sendiri. Sedangkan pada periode setelah krisis nilai tukar rupiah masih dominan di pengruhui oleh rupiah itu sendiri dan dollar singapura, namun pengaruh bath justru sangat kecil. Untuk nilai tukar mata uang ASEAN lainnya sebelum krisis pergerakannnya lebih dipengaruhui oleh nilai tukar mata uang lain, sedangkan pada periode setelah krisis pergerakannya lebih dominan dipengaruhui oleh nilai tukar mata uang itu sendiri. Berdasarkan hasil analisis IRF, pada periode sebelum krisis rupiah tidak responsive dalam merespon mata uang ASEAN lain, sementara itu setelah krisis rupiah cukup responsive dalam merespon nilai tukar ASEAN
Adapun variabel CPI memberi pengaruh lebih besar terhadap DPK dan pembiyan syariah dibandingkan terhadap DPK dan kredit konvensional.
III. METODE PENELITIAN
3.1. Kerangka Pemikiran Penelitian
Perusahaan memiliki tujuan yang pada dasarnya mendapatkan keuntungan demi kelancaran usahanya dan mampu bersaing dalam lingkungan bisnis secara global dengan memiliki kelebihan dibandingkan perusahaan lainnya. Kondisi pasar yang terus berubah dan munculnya fenomena dalam lingkungan pemasaran mengakibatkan perlunya peramalan dilakukan untuk memprediksi kejadian di masa yang akan datang.
Pada penelitian ini terlebih dahulu dilakukan pengumpulan informasi mengenai gambaran secara umum perusahaan beserta visi&,misi dan tujuan perusahaan. Terdapat dua jenis data yang digunakan untuk dilakukan analisis VAR (Vector Autoregression) dan analisis VECM (Vector Error Corection Model). Analisis VECM untuk menunjukkan adanya kointegrasi tetapi data tersebut tidak stasioner dan analisis VAR untuk menunjukkan data tersebut kointegrasi tapi stationer. Kemudian melakukan analisis IRF dan FEVD untuk melihat korelasi antara data pasokan dengan data penjualan yang kemudian dilakukan peramalan melalui analisis FEVD. Hasil analisis digunakan untuk merancang strategi pemasaran perusahaan tetapi hanya berbentuk sebuah saran untuk perbaikan strategi pemasaran perusahaan.
yang terdapat pada sistem pemasaran pada perusahaan. Kerangka pemikiran penelitian yang dilakukan dapat dilihat pada Gambar 1.
Gambar 1. Kerangka pemikiran
Stabilitas VAR
Model VECM
Stabilitas
VECM VAR
Analisis Sebab Akibat (Kausalitas Granger)
Menentukan Lag Optimal
Impluse Respond Funtion
Dekomposisi Galat Peramalan
Forecasting Error Variance Decompotion (FEVD)
Hasil Analisis
Implikasi Manajerial ?
Ingin mengetahui hubungan antar pasokan gas dan penjualan gasdigunakan untuk menyususn
perencanaan yang lebih baik
Data Pasokan gas dan penjualan gas
Uji Stasioner
Stasioner
Perusahaan Energi XZY
Uji Kointegrasi
Studi Pustaka dan diskusi
Tahapan Penelitian
Tahapan penelitian disajikan pada Gambar 2 berikut ini Pra Penelitian
Pemilihan Topik Penelitian:
Analisis Peramalan Penjualan menggunakan kointegrasi antar komoditas di Perusahaan Energi XYZ
Perumusan Masalah :
1. Bagaimana kointegrasi antara penjualan gas dan pasokan gas di perusahaan energi XYZ
2. Bagaimana prediksi penjualan dan pasokan Gas Alam untuk 50 bulan kedepan dari penjualan oktober 2010 dan tingkat pengaruh antara pasokan dan penjualan
3. Bagaimana kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan perusahaan
Rancangan Pengumpulan Data:
Identifikasi kebutuhan data, Metode pengumpulan data, Pemilihan teknik analisis Tujuan Penelitian :
1. Mengetahui pola pasokan dan penjulana Gas Alam di Perusahaan Energi XYZ dari tahun 2005 sampai tahun 2010
2. Mengetahui penjualan dan pasokan Gas Alam untuk 50 bulan kedepan dari penjualan oktober 2010 dan tingkat pengaruh antara pasokan dan penjualan
3. kointegrasi produk dan ramalan penjualan memiliki kontribusi dalam perencanaan strategi yang mungkin diterapkan perusahaan 1. Pengumpulan Data dan informasi 2. Identifikasi model Peramalan 3. Pengolahan data dan Analisis
3.2. Lokasi dan Waktu Penelitian
Penelitian dilakukan di Perusahan Energi XYZ yang beralamat Jakarta. Perusahaan Energi XYZ di pilih untuk menjadi tempat penelitian ini merupakan perusahan yang menyediakan dan mendistribusikan dan menyalurkan Energi XYZ ke konsumen di Indonesia. Penelitian ini dilaksanakan pada bulan Januari 2011 sampai dengan Maret 2011
3.3. Metode Pengumpulan Data
Data yang di perlukan dari dua sumber yaitu data primer dan data skunder yang bersifat kualitatif dan kuantitatif. Data primer adalah data yang di peroleh secara langsung dari perusahaan dengan cara hasil analisa dan pengamatan langsung di lapangan serta wawancara langsung dengan pihak manajemen sebagai narasumber. Sedangkan data sekunder yang di dapatkan dari sumber-sumber lain yang berfungsi sebagai pelengkap dari data primer yang di kumpulkan dari buku-buku ataupun laporan penelitian yang relevan, baik itu berupa laporan bulanan dan tahunan menajemen perusahaan yang berkaitan dengan data penjualan, data distibusi dan lain-lain.
Metode yang digunakan dalam mengumpulkan data yang relevan untuk menunjang evaluasi dan analisa dalam penelitian adalah sebagai berikut :
Observasi
Pengamatan langsung obyek penelitian dengan tujuan untuk memahami kondisi proses distribusi dan penjualan yang terjadi. Observasi dilakukan mulai dari bagian data entry sampai dengan produk dilakukan proses muat barang untuk didistribusikan ke pasar domestik.
Wawancara
Studi Literatur
Data sekunder adalah data yang berasal dari buku-buku, jurnal dan hasil penelitian terdahulu.
3.4. Pengolahan Data dan Analisis Data
Pengumpulan data yang di butuhkan kemudian diolah dan dianalisa sehingga dapat melihat gambaran dan penjelasan permasalahan dalam penelitian ini. Pengolahan dan analisis data di harapkan dapat menentukan langkah-langkah prospek pemasaran yang dapat dilakukan dalam pemasaran dan penjualan gas di Perusahaan Energi XYZ. Metode pengolahan data dan analisis data yang digunakan dalam penelitian akan di uraikan secara kualitatif dan kuantitaif. Analisis data kualitatif mengetahui keunggulaan yang dimiliki dari perusahan dari penjualan gas dan layanan dengan membandingkan dengan produk yang sama dari pesaing dan pengolahan data mengambarkan keadaan umum perusahaan. Sedangkan analisis data kuantitatif digunakan untuk meramalkan penjualan Gas selama 50 bulan kedepan dengan mengunakan analisis deret waktu (time series) sehingga hasil dari peramalan pejualan yang akan dijadikan landasan perencanaan penjualan satu tahun mendatang kemudian di jadikan prospek pemasaran terbaik pada bulan yang akan datang.
Gambar 3. Langkah analisis VAR atau VECM
3.4.1 Uji stationeritas Data.
Uji stationer sangat penting dalam analisis time series. Pengujian stasioneritas ini dilakukan dengan menguji akar-akar unit. Data yang tidak stationer akan mempunyai akar-akar unit, sebaliknya data yang stationer tidak ada akar-akar unit. Data yang tidak stationer akan menghasilkan regresi lancing yaitu regresi yang menggambarkan hubungan dua variabel atau lebih yang nampaknya signifikan secara statistik padahal kenyataannya tidak atau tidak sebesar regresi yang dihasilkan tersebut (Laksani, 2004).
Salah satu cara yang dapat digunakan untuk mengetahui kestationeran data adalah pengujian akar-akar unit dengan metode Dickey Fuller (DF). Misalkan model persamaan time series sebagai yt = pyt-1 + e. Dengan mengurangkan kedua sisi persamaan tersebut dengan yt-1 maka akan didapatkan persamaan :
Dimana ∆ merupakan perbedaan pertama dan δ = (p-1) sehingga hipotesis yang diuji adalah Ho : δ < 0. Model pengujian unit root yang digunakan dalam banyak penelitian adalah model Aughmented Dickey Fuller (ADF) test. Model umum dari ADF adalah sebagai berikut :
∆yt = k + αyt-1+ c1∆yt-1 + c2∆yt-2 +….+ cp∆yt-p + et ...(1) Hipotesis yang diuji pada uji ADF adalah apakah Ho : δ = 0 dengan hipotesis alternatif Ho : δ < 0. Jika nilai ADF statistiknya lebih kecil dari Mac Kinnon Critical value maka hipotesis nol yang menyatakan bahwa data tidak stationer ditolak terhadap hipotesis alternatifnya dengan kata lain dengan menolak Ho berarti data stationer. Solusi yang dapat dilakukan apabila data tidak stationer pada uji ADF adalah dengan melakukan difference non stationery process. Test tersebut dilakukan untuk meningkatkan akurasi dari analisis apabila data yang di amati stationer. Test ini hanya merupakan pelengkap dari analisis VAR karena tujuan dari analisis VAR adalah untuk menilai adanya hubungan timbal balik diantara variabel yang diamati.
3.4.2 Uji korelasi parsial
Uji korelasi Parsial digunakan untuk mengukur keeratan. hubungan antara dua variabel yaitu variabel penjualan dan pasokan. Tingkat keeratan hubungan (koofisiensi korelasi) bergerak dari 0-1, jika r mendekati 1 (misalnya 0,95) ini dikatakan bahwa memliki hubungan yang sangat erat sebaliknya, jika mendekati 0 (misalnya 0.10) dapat dikatakan mempunyai hubungan yang rendah.
3.4.3 Uji Kaulitas Grenger
3.4.4 Uji Lag Optimal
Uji lang optimal dilakukan untuk mengetahui berapa jumah selang yang sesuai untuk diamati. Informasi kriteria untuk menentukan panjang lag yang tepat adalah dengan menggunakan pemilihan kriteria model Final Prediction Error (FPE), Akaike Information Criteria (AIC), Schwarz Criteria (SC), dan Hannan-Quinn (HQ). Pada pengujian pemilihan lag melalui kriteria tersebut, akan didapat kandidat lag pada masing-masing kriteria yang merujuk pada lag optimal. Pada Eviews 6 memberikan tanda bintang pada nilai AIC dan SC terkecil.
Salah satu metode yang paling umum digunakan untuk menentukan panjang lag adalah dengan melihat AIC nya. Rumus AIC adalah (Gujarati, 2004): AIC = T Log | | + 2n...(2) Dimana:
T = jumlah observasi yang digunakan
| | = determinan dari matriks raga/koragam dari sisaan
n = jumlah parameter yang diestimasi dalam semua persamaan
3.4.5 Uji Kointegrasi
Metode kointegrasi yang dapat digunakan diantaranya metode kointegrasi metode kointegrasi Johansen untuk memperoleh hubungan jangka panjang antara variabel-variabel dalam model. Metode kointegrasi Johansen digunakan karena dalam penelitian ini menggunakan metode analisis VAR. Metode kointegrasi Johansen ini berbeda dengan metode Engle Granger yang biasanya menggunakan satu persamaan saja. Metode kointegrasi dilakukan untuk melihat secara empirik hubungan antara teori jangka panjang (the long run theory) dan dinamika jangka pendek.
Untuk menguji batasan kointegrasi, johansen mendefinisikan dua buah matriks α dan β dimensi (nxr) dimana r merupakan peringkat dari , sehingga:
= α β...(3) Dimana:
α = matriks bobot dari setiap vektor kointegrasi yang ada didalam n persamaan VAR. α juga dapat dikatakan sebagai matriks parameter speed of adjusment (Enders, 2004)
Hipotesis dari metode Johansen adalah sebagai berikut (Enders, 2004):
Pengujian pertama menyebutkan hipotesis nol dengan tidak adanya vektor kointegrasi. Jika hipotesis ini gagal ditolak, dapat disimpulkan bahwa tidak ada vektor kointegrasi dan pengujian telah diselesaikan. Namun jika hipotesis tersebut ditolak, maka pengujian akan dilakukan terus menerus dan begitu seterusnya sampai nilai dari r akan meningkat sampai hipotesis tersebut gagal ditolak.
3.4.6 Uji Stabilitas Model
Metode yang digunakan untuk melakukan analisis pengaruh terhadap pasokan dan penjulan gas di Perusahaan energi XYZ adalah analisis impuls respons (IRF) dan analisis peramalan dekomposisi ragam dahulu (FEDV). Namun kedua analisis di uji harus di uji stabilitas VAR dilakukan dengan characteristic poliminal. Jika semua akar dari fungsi polinominal tersebut berada didalam unit circle atau jika nilai absolutnya < 1 maka model var tersebut dianggap stabil sehingga IRF dan FEVD yang dihasilkan dianggap valid (Windarti, 2004).
3.4.7 Analisis Impuls Respon Function (IRF)
VAR adalah metode yang digunakan untuk menentukan sendiri struktur dinamisnya dari suatu model. Setelah melakukan uji VAR, dibutuhkan adanya metode yang dapat mencirikan struktur dinamis yang dihasilkan oleh VAR secara jelas. Pengujian ini dilakukan untuk menguji sturktur dinamis dari sistem variabel dalam model yang dicerminkan oleh variabel inovasi (innovation variable). Salah satu bentuk dari test ini adalah Impuls Respon Function (IRF).
mendapatkan guncangan atau inovasi dari variabel independen sebesar satu standard deviasi. Hasil IRF tersebut sangat peka terhadap pengurutan (ordering) variabel yang digunakan dalam perhitungan. Pengurutan variabel yang didasarkan pada faktorisasi cholesky dilakukan dengan catatan variabel yang memiliki nilai prediksi terhadap variabel lain yang diletakkan di depan berdampingan satu sama lainnya. Sedangkan variabel yang tidak memiliki nilai prediksi terhadap variabel lain diletakkan paling belakang, kemudian variabel lainnya diletakkan diantara kedua variabel tersebut berdasarkan nilai matriks korelasi yang menyatakan tingkat korelasi paling besar.
Kebutuhan ordering ini bisa melalui uji kausalitas Grenger, dimana urutan variabel berdasarkan pada variabel yang paling banyak signifikan mempengaruhi variabel lain. IRF juga digunakan untuk mengetahui berapa lama pengaruh shock dari satu variabel terhadap variabel yang lain terhadap variabel yang lain tersebut terjadi. IRF berfungsi untuk mengisolasi suatu guncangan agar lebih spesifik artinya variabel ekonomi hanya dipengaruhui oleh shock atau guncangan tertentu saja. Apabila hal tersebut tidak dilakukan, maka shock spesifik tersebut tidak dapat diketahui dan yang dapat diketahui adalah shock secara umum.
3.4.8 Analisis Forecast Error Decomposition Of Variance (FEDV)
Forecast Error Decompostion of Variance (FEDV) mampu memberikan informasi mengenai variabel inovasi yang relative lebih penting dalam VAR. Metode ini dapat digunakan untuk melihat bagaimana perubahan dalam suatu variabel makro, yang ditunjukan oleh perubahan variance error yang di pengaruhi oleh variabel-variabel lainnya. Metode ini digunakan untuk merincikan struktur dinamis dalam model VAR. Menggunakan metode ini dapat dilihat juga kekuatan dan kelemahan dari masing-masing variabel dalam mempengaruhui variabel lainnya pada kurun waktu yang panjang (howlong / how persistent).
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;
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
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
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
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 .
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
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
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
Tabel 6. Hasil lag optimum
VAR Lag Order Selection Criteria
Endogenous variables: PASOKAN PENJUALAN Exogenous variables: C
* 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.
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.
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
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
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 Cholesky One 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)
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
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.
KESIMPULAN DAN SARAN 1. Kesimpulan
Berdasarkan hasil analisis dan pembahasan, disimpulakan beberapa hal sebagai berikut :
a. Berdasarkan hasil uji 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 guncangan penjualan gas direspon negatif oleh pasokan itu tersebut dan guncangan pasokan di respon negatif oleh pasokan gas, maka apabila pejualan di guncang maka respon pasokan menurun begitupula dengan sebaliknya
b. Berdasarkan hasil analisis FEVD dapat dilihat bahawa secara keseluruhan guncangan variabel penjualan ke pasokan lebih tinggi dibandingkan pengaruh pasokan ke penjualan untuk peramalan 50 bulan kedepan. c. Setelah analisis kointegrasi dilakukan perusahaan mengetahui hubungan
antara penjualan dengan pasokan. Penjualan yang paling dominan dalam memberikan pengaruh positif terhadap pasokan. Penjualan gas ini dapat dijadikan tolak ukur untuk memasokan gas. karena peningkatan penjualan sangat berpengaruh terhadap peningkatan pasokan gas produk, sehingga target penjualan yang telah ditetapkan dapat tercapai.
2. Saran
Adapun saran yang di dapat diberikan berdasarkan hasil penelitian adalah sebagai berikut :
a. Hendaknya perusahaan energi XYZ lebih berhati- hati terhadap respon guncangan terhadap pasokan dan penjualan di karenakan saling berpengaruhui apabila pasokan atau penjualan mendapatpak respon maka salah satunta mendapat guncangan yaitu menurun.
c. Hendaknya perusahaan lebih memperhatikan guncangan pasokan lebih sensitive. Karena pasokan gas di perusahan energi XYZ masih tergantung dengan sumber dari perusahaan – perushaan yang memproduksi gas alam. d. Hendaknya perusahaan melakukan strategi pemasaran yang jalankan dan
di kembangkan di lagi.
ANALISIS PERAMALAN PENJUALAN DENGAN
MENGGUNAKAN KOINTEGRASI ANTAR KOMODITAS
DI PERUSAHAAN ENERGY XYZ
Oleh
ANRIZA JULIANRY
H24087113
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
DAFTAR PUSTAKA
Aritonang L R. 2002. Peramalan Bisnis. Ghalia Indonesia. Jakarta
Arsana, I G P. 2004. Vector Auto Regressive (VAR). Laboraturium komputasi Departemen Ilmu Ekonomi FEUI. LPEM FEUI. Jakarta.
Arsyad L L. 2001. Peramalan Bisnis Fakultas Ekonomi Gajah Mada. Yogyakarta
David, R. 2006. Manajemen Strategi. Salemeba empat. Jakarta.
Bachrawi S. 2002 Peran Migas Dalam Perekonomian Indoensia. Universitas Trisakti, Jakarta.
Baroto, T. 2002. Perencanaaan dan Pengendalian Produksi. Penerbit Ghalia Indonesia. Jakarta.
Enders, W. 2004. “Applied Econometric Time Series”. John Willey and Sons, Inc., New York
Engle, R. F. And C. W. J. Granger. 1987. Econometrica. JSTOR. United States of America
Handoko, H. 1994, Dasar-Dasar Manajemen Produksi dan Operasi. BPFE, Yogyakarta.
Kartajaya, H. 2005. MarkPlus on Sratety. PT Gramedia Pustaka Utama. Jakarta. Koter,P.2000 (a). Manajemen Pemasaran jillid 1. Prenhallindo. Jakarta
2000 (b), Manajemen Pemasaran jillid 1.Prenhallindo. Jakarta
Lovelock, C. H. & L. K. Wright.2002. principles Service Marketing and Management, Second Edition. Pearson Education, New Jersey
Lovelock, C.H. & L.K. Wright. 2005. Manajemen Pemasaran jasa. PT Indeks kelompok Gramedia, Jakarta.
Lupioyadi, R. 2001. Manajemen Pemasaran Jasa: teori dan praktek. Salemba Empat, Jakarta.
Nachrowi, D. 2006 Pendekatan popular dan Praktis EKONOMETRIKA untuk Analisis Ekonomi Dan Keuangan. Faklutas Ekonomi, Universitas Indonesia, Jakarta.
Nursechafia. 2010. Pengaruh Guncangan Variabel Makroekonomi Terhadap Dana Pihak Ketiga Dan Kredit Perbangkan Pada Sistem Perbangkan Ganda Di Indonesia. Skripsi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi Dan Manajemen , Institut Pertanian Bogor, Bogor.
Subagyo P. 1986. Forcasting Konsep dan Aplikasi. BPFE, Yogyakarta Perusahaan Energy XYZ, Tbk. 2009. Laporan Tahunan 2009. Jakarta
Purnomohadi E. 2010 Perlunya aksi untuk optimalisasi Pemanfaatan minyak dan gas bumi Indonesia. BPH Migas, Jakarta.
Ragkuti,F. 2002. Riset Pemasaran. PT Gramedia, Jakarta.
Rusniar. 2008 . Analisis Pergerakan Nilai Tukar Rupiah dan Empat Mata Uang Negara ASEAN. Skripsi pada Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen , Institut Pertanian Bogor, Bogor.
ANALISIS PERAMALAN PENJUALAN DENGAN
MENGGUNAKAN KOINTEGRASI ANTAR KOMODITAS
DI PERUSAHAAN ENERGY XYZ
Oleh
ANRIZA JULIANRY
H24087113
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
ANALISIS PERAMALAN PENJUALAN MENGGUNAKAN
KOINTEGRASI ANTAR KOMODITAS
DI PERUSAHAAN ENERGY XYZ
SKRIPSI
sebagai salah satu syarat untuk memperoleh gelar
SARJANA EKONOMI
pada Program Sarjana Alih Jenis Manajemen
Departemen Manajemen
Fakultas Ekonomi dan Manajemen
Institut Pertanian Bogor
Oleh
ANRIZA JULIANRY
H24087113
PROGRAM SARJANA ALIH JENIS MANAJEMEN
DEPARTEMEN MANAJEMEN
FAKULTAS EKONOMI DAN MANAJEMEN
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Analisis Peramalan Penjualan Menggunakan Kointegrasi Antar Komoditas di Perusahaan Energi XYZ
Nama : Anriza Julianry
NIM : H24087113
Menyetujui Dosen Pembimbing,
(Dr. Ir.Muhamad Syamsun, M.sc.) NIP : 195007271974121001
Mengetahui Ketua Departemen,
(Dr. Ir. Jono M. Munandar, M.Sc) NIP. 196101231986011002
RINGKASAN
ANRIZA JULIANRY H24087113. Analisis Peramalan Penjualan Menggunakan Kointegrasi Antar Komoditas di Perusahaan Energi XYZ. Di bawah bimbingan
MUHAMAD SYAMSUN
RIWAYAT HIDUP
Anriza Julianry dilahirkan pada tanggal 21 July 1987 di Depok. Putra dari pasangan Bapak Amry dan ibu Agustati. Penulis merupakan anak kedua dari dua bersaudara.
KATA PENGANTAR
Puji dan syukur kepada Allah SWT yang telah memberikan rahmat, hidayah, dan kesempatan-Nya kepada penulis, sehingga dapat menyelesaikan skripsi ini dengan baik. Shalawat dan salam dilatunkan kepada junjungan nabi Rasullulah SAW. Skripsi berjudul “Analisis Peramalan Penjualan Menggunakan Kointegrasi Antar Komoditas di Perusahaan Energi XYZ” disusun sebagai syarat untuk memperoleh gelar Sarjana Ekonomi pada Departemen Manajemen, Fakultas Ekonomi dan Manajemen Institut Pertanian Bogor.
Penulis menyadari bahwa laporan ini masih banyak kekurangan. Oleh karena itu, penulis mengharapkan saran dan kritik yang bersifat membangun demi penyempurnaan laporan ini. Penulis sangat berharap agar laporan ini dapat bermanfaat bagi ilmu pengetahuan dan pihak-pihak yang memerlukannya, terutama PT Energi XYZ.
Bogor, Desember 2011
UCAPAN TERIMAKASIH
Dalam penyusunan skripsi yang berjudul Analisis Peramalan Penjualan Menggunakan Kointegrasi Antar Komoditas di Perusahaan Energi XYZ, banyak dibantu oleh berbagai pihak baik secara moril maupun materil. Oleh karena itu penulis mengucapkan terimakasih yang sebesar-besarnya kepada :
1. Dr. Ir. Muhamad Syamsun, MSc. Selaku dosen Pembimbing yang telah membimbing, memberikan masukan, dan mendukung penulis selama penyusunan skripsi.
2. Ir. Abdul Basith, MS selaku dosen penguji pada sidang penulis yang telah meluangkan waktunya serta memberikan kritik dan saran demi perbaikan skripsi ini
3. Yusrina Permanasari, ME selaku dosen penguji pada sidang penulis yang telah meluangkan waktunya serta memberikan kritik dan saran demi perbaikan skripsi ini
4. Ayahanda, dan ibunda dan keluarga besar yang selalu kucintai. Terima kasih kasih atas perhatian, kasih sayang yang tulus, arahan, dukungan, semangat, motivasi dan do’anya serta materil yang telah diberikan selama ini.
5. Keluarga besar Perusahaan Energi XYZ atas waktu, informasi, kesempatan dan dukungan yang telah diberikan.
6. Seluruh dosen-dosen dan staf di program sarjana alih jenis manajemen, Departemen Manajemen, Institute Pertanian Bogor, terima kasih atas bimbingan, didikan, pengarahan, semangat dan doa.
7. Rekan-rekan mahasiswa Manajemen, teman-teman dan semua pihak yang telah memebantu dalam penyelessaian skripsi ini.
IV. HASIL DAN PEMBAHASAN ... 30
4.1. Gambaran Umum Perusahaan ... 30 4.1.1 Sejarah Perusahaan ... 30 4.1.2 Perkembangan Perusahaan ... 31
4.1.3 Lokasi Perusahaan ... 32 4.1.4 Struktur Organisasi Perusahaan ... 32 4.2. Indetifikasin Pola Data ... 32 4.2.1 Uji Stasioneritas Data ... 34 4.2.2 Uji Korelasi Parsial ... 36 4.2.2 Uji Kausalitas Granger ... 36 4.2.3 Uji Lag Optimum ... 37 4.2.4 Uji Kointegrasi ... 38 4.2.6 Uji Stabilitas Model ... 40 4.2.7 Impuls Respon Function ... 41 4.2.8 Forecast Error Variance Decomposition... 42 4.3 Perencanaan Strategi Pemasaran ... 44 4.4 Implikasi Manajerial ... 59 KESIMPULAN DAN SARAN ... 51 1. Kesimpulan ... 51 2. Saran ... 51
DAFTAR PUSTAKA ... 53
DAFTAR TABEL
No Halaman
DAFTAR GAMBAR
No Halaman
DAFTAR LAMPIRAN
No Halaman
I. PENDAHULUAN
1.1. Latar Belakang
Pada kehidupan sehari-hari manusia tidak akan lepas dari kebutuhan akan bahan bakar. Pentingnya bahan bakar minyak maupun bahan bakar yang berbentuk gas dalam kehidupan manusia adalah untuk kelangsungan hidup, sehingga harus dikembangkan dan dapat dimanfaatkan secara optimal. Kebutuhan manusia akan energi terutama terhadap energi yang dihasilkan oleh bahan bakar minyak (BBM) maupun bahan bakar yang berbentuk gas (BBG) merupakan salah satu bentuk dari energi kalor. Bahan bakar adalah materi yang bisa diubah menjadi energi. Salah satu contoh bahan bakar yang cukup populer adalah Bahan Bakar Minyak (BBM). Selain minyak mentah, Indonesia menghasilkan gas bumi yang di gunakan sebagai energi atau bahan bakar penganti BBM.
Permintaan bahan bakar minyak di Indonesia sangat tinggi. Namun, produksi minyak mentah Indonesia dari tahun ke tahun mengalami penurunan. Produksi tahun 2005 diperkirakan sebesar 1.113 juta barel/hari (176.967.000 liter/hari). Konsumsi BBM dalam negeri mengalami kenaikan sebesar 2 persen hingga 3 persen per tahun. Tahun 2005 konsumsi BBM sekitar 1.03 juta barel/hari (163.770.000 liter/hari). Kekurangan impor minyak mentah sebesar 208 ribu barel/hari (33.072.000 liter/hari), dan kekurangan impor BBM sebesar 210 ribu barel/hari (33.390 liter/hari). Kondisi tersebut merupakan dasar acuan bahwa BBM tidak dapat dijadikan bahan bakar utama untuk menunjang kehidupan. Kebijakan yang telah ditetapkan pemerintah disebut Kebijakan Energi Nasional (KEN) periode 2005-2025, dimana BBM yang mahal perlu segera disubsitusi dengan bahan bakar lain yang salah satunya adalah gas bumi (Purnomohadi, 2010).
