ANALISIS IMPOR SEMENTARA KAPAL WISATA ASING DI WILAYAH PT. XYZ

ANALISIS IMPOR SEMENTARA KAPAL WISATA ASING DI WILAYAH PT. XYZ

1,2Logistik Minyak dan Gas, Politeknik Energi dan Mineral Akamigas, Jl. Gajah Mada No.38, Karangboyo, Cepu, Blora, Jawa Tengah, 58315

*Ciciluturmas40741@gmail.com

ABSTRAK

PT. XYZ merupakan perusahaan yang mempunyai peran penting dalam kegiatan ekspor dan impor. PT. XYZ dapat juga berfungsi sebagai trade facilitator, revenue collector, community protector. Pada dasarnya pengaturan forecastting akan Impor Sementara Kapal Wisata Asing dilakukan dengan cara mengumpulkan data historis Vessel Declaration Impor Sementara Kapal Wisata Asing di PT. XYZ dalam kurung waktu empat tahun sebelumnya yaitu dari tahun 2016 sampai awal tahun 2019. Setelah itu, metode forecasting yang dipilih berdasarkan jenis dan pola data yang dimiliki serta memilih metode yang memiliki nilai kesalahan (error) terkecil di antara semua metode yang ditawarkan. Dalam mengolah data Vessel Declaration Impor Sementara Kapal Wisata Asing di PT. XYZ, pola data yang dimiliki adalah berupa pola data musiman sehingga digunakan pendekatan kuantitatif, dengan metode time series yaitu winter dan decomposition. Dari dua metode yang direkomendasikan di atas, metode yang digunakan untuk meramalkan data Impor Sementara adalah decomposition method dikarenakan memiliki nilai error terkecil dibandingkan denga winter’s method. Setelah didapatkan hasil forecast untuk 2 tahun tahun kedepan, selanjutnya dilakukan perhitungan persentase penurunan dikarenakan hasil forecast lebih kecil dibandingkan dengan 24 bulan sebelumnya untuk mengetahui berapa persen penurunan Impor Sementara Kapal Wisata Asing (yacht) pada tahun 2020 dan 2021 pada PT. XYZ.

Kata Kunci : Impor Sementara, yacht, vessel declaration, forecasting

1. PENDAHULUAN

Pada dasarnya tidak ada satupun negara didunia yang dapat hidup sendiri karena saling membutuhkan dan juga memiliki karakter yang berbeda-beda baik itu dari segi ekonomi, iklim, demografi, alam, sumber daya manusia dan lainnya. Perbedaan itulah yang menyebabkan perbedaan komoditas yang dihasilkan oleh setiap negara serta kualitas dan kuantitas produk, sehingga dengan adanya interpedensi kebutuhan inilah yang menyebabkan kegiatan perdagangan internasional. Ada dua jenis kegiatan perdagangan internasional yaitu kegiatan ekspor dan impor[4]. Terkait dengan kegiatan impor dan ekspor, sangat berkaitan dengan supply chain management dimana terdapat tiga aliran sederhana yaitu aliran material, uang dan informasi. Salah satu aliran terpenting dalam supply chain management adalah informasi. Untuk dapat memasukkan Kapal Wisata Asing ke dalam daerah atau wilayah PT. XYZ dengan Impor Sementara, importir atau kuasanya menyampaikan informasi melalui Vessel Declaration Kapal Wisata Asing kepada Kepala PT.XYZ. Terkait dengan hal tersebut, penulis tertarik untuk mengkaji dan mengambil judul “Analisis Impor Sementara Kapal Wisata Asing di Wilayah XYZ” dengan menggunakan metode peramalan. Peramalan (forecasting) adalah perhitungan objektif dengan menggunakan data di masa lampau untuk digunakan dalam menentukan yang akan terjadi di masa yang akan datang. Selain itu peramalan (forecasting) dapat juga diartikan sebagai sebuah proses untuk memperkirakan kebutuhan di masa mendatang yang mencakup ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan demi memenuhi permintaan barang ataupun

Cici Mega Luturmas1 , Bambang Sugito 2

jasa, sehingga dapat disimpulkan bahwa peramalan adalah sebuah perhitungan untuk meramalkan kejadian yang terjadi di masa depan berdasarkan referensi data-data di masa lampau. Peramalan Impor Sementara Kapal Wisata Asing di wilayah PT. XYZ dilakukan dengan cara mengumpulkan data historis Vessel Declaration Impor Sementara Kapal Wisata Asing kurun waktu empat tahun sebelumnya , yaitu dari tahun 2016 sampai awal tahun 2019.

2. METODE

Pada penelitian ini penulis menggunakan metode peramalan (forecasting)[8]. Peramalam adalah perhitungan yang objektif dan dengan menggunakan data-data masa lalu, menurut Sumayang dalam [1]. Untuk menentukan sesuatu di masa yang akan datang, metode forecasting yang dipilih berdasarkan jenis dan pola data yang dimiliki serta memilih metode yang memiliki nilai kesalahan (error) terkecil di antara semua metode yang ditawarkan.

A. Prosedur Pengumpulan Data

Teknik penelitian yang digunakan untuk memperoleh dan melengkapi data adalah dengan melakukan studi lapangan. Studi lapangan dilakukan untuk mengetahui kondisi sebenarnya objek penelitian dengan melakukan pengamatan secara langsung dan pencatatan secara sistematis terhadap objek yang diteliti dengan cara:

- pengambilan data yang dilakukan dengan tanya jawab kepada pihak perusahan yang berhubungan dengan penelitian

- Observasi Cara pengumpulan data dengan melakukan pengamatan secara langsung kondisi lokasi penilitian di wilayah PT. XYZ

B. Tahap Pengolahan Data

Pada tahap pengolahan data, dilakukan dengan mengumpulkan data impor sementara melalui pemberitahuan impor sementara (vessel declaration) pada taun 2016-2019 dan selanjutnya diimplementasikan dalam software minitab dan menggunakan metode forecasting.

C. Tahapan Analisis

Dalam suatu penelitian, tentunta ada permasalahan. Untuk menyelesaikan permasalahan dalam penelitian ini diperlukan tahapan analisis sebagai berikut :

- Memahami alur Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ - Melakukan analisis terhadap metode forecasting yang digunakan

- Melakukan observasi dan wawancara langsung dengan pihak-pihak yang terkait dengan objek penelitian.

- Menganalisis hasil observasi dan wawancara yang didapatkan dengan menggunakan software minitab dan melakukan diskusi dengan pihak perusahan untuk mencari akar penyebab permasalahan.

- Memberikan usulan perbaikan dari hasil identifikasi permasalahan

3. PEMBAHASAN

A. Supply Chain Management

Supply Chain Management merupakan konsep yang semakin penting pada era perdagangan bebas dan globalisasi [2] . Dalam era tersebut, persaingan bukan lagi produk melawan produk atau perusahaan melawan perusahaan akan tetapi lebih kepada rantai pasok (supply chain) melawan rantai pasok. Salah satu aliran dari supply chain management adalah informasi. Berikut adalah informasi persetujuan Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ[5] :

Pemohon Kepala PT. XYZ Pegawai PT.XYZ Pelaksana Pemeriksa

Mulai

Penyemapaian VD

Penerimaan &

Mendisposisi

Penerimaan &

Mendisposisi

Menerima &

meneliti

Lengkap

& Sesuai

Mengembalikan permohonan untuk

diperbaiki

Melakukan pemeriksaan fisik

Formulir permohonan

Pemohon Kepala Kantor Pabean Pejabat Bea dan Cukai

Pelaksana Pemeriksa

Tabel.1 Aliran Informasi Persetujuan Impor Sementara Kapal Wisata Asing B. Vessel Declaration Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ

Pemberitahuan impor sementara kapal wisata asing yang selanjutnya disebut dengan vessel declaration adalah pemberitahuan yang digunakan saat impor sementara dan sekaligus digunakan saat eskpor kembali atas kapal wisata asing dan/atau suku cadang (spare parts).

Berikut adalah data historis beberapa vessel declaration dari tahun 2016 – 2019 untuk Impor Sementara di wilayah PT. XYZ

Bulan Data Vessel Declaration Impor Sementara Kapal Wisata Asing di Wilayah PT.XYZ

2016 2017 2018 2019

Januari 21 17 18 20

Februari 19 15 19 18

Maret 15 16 15 17

April 17 19 17 19

Mei 13 20 21 16

Juni 16 21 17 15

Juli 17 19 16 17

Menerima dan menandatangani

Menerima dan meneliti

Merekam dokumentasi pemeriksaan fisik pada SKP dan mencetak formulir VD

Menyetujui Penolakan VD

Persetujuan VD

Pesetujuan VD

Selesai

T

Y

Agustus 19 22 18 20

September 20 15 19 17

Oktober 22 18 20 15

November 19 14 17 13

Desember 22 17 20 14

Tabel 1. Data Vessel Declaration Impor Sementara Kapal Wisata Asing di Wilayah PT.XYZ

C. Uji Normalitas

Uji normalitas dilakukan menggunakan aplikasi minitab. Apabila P-Value > 0,05 maka data dinyatakan berdistribusi normal. Cara melakukan uji normalitas yaitu “membuka aplikasi minitab  memasukkan data Vessel Decalaration Impor Sementara Kapal Wisata Asing  klik stat  basic statistics  normalitas test”. Uji normalitas pada aplikasi minitab berdasarkan uji Kolmogorov Smirnov. Pada gambar berikut dapat dilihat bahwa data Vessel Decalaration Impor Sementara Kapal Wisata Asing dinyatakan berdistribusi normal karena memiliki P-Value 0,081 yang berarti 0,081 > 0,05 sehingga dapat disimpulkan bahwa data Vessel Decalaration Impor Sementara Kapal Wisata Asing merupakan data yang normal karena telah memenuhi persyaratan pertama yaitu berdistribusi normal.

Gambar 1. Uji Normalitas

D. Uji Pola Data

Dalam menentukan metode peramalan (forecasting) maka harus mengetahui jenis pola data yang dimililki dengan melihat time series plot [9] pada aplikasi minitab. Cara melakukan uji pola data yaitu “membuka aplikasi minitab  memasukkan data Vessel Declaration Impor Sementara Kapal Wisata Asing  klik stat  time series  time series plot.

Gambar 2. Grafik Time Series Plot

Berdasarkan pada pola grafik di atas, menunjukkan bahwa pola data yang dimiliki adalah bersifat musiman karena mengalami kenaikan di tiap periode ke-4 sehingga metode peramalan yang digunakan adalah metode yang memiliki komponen musiman yaitu winter’s method dan decomposition.

E. Metode Peramalan

Langkah selanjutnya adalah mencari metode peramalan yang cocok untuk data dengan cara membandingkan metode winter’s method dan decomposition. Perbandingan dilakukan dengan melihat besar kecilnya eror pada yang dihasilkan yaitu Mean Absolute Precentage Error (MAPE), Mean Absolute Deviation (MAD), dan Mean Square Deviation (MSD).

1. Decomposition Method

Untuk melakukan peramalan (forecasting) dengan metode decomposition yaitu

“membuka aplikasi minitab  memasukkan data Vessel Declaration Impor Sementara Kapal Wisata Asing  klik stat  time series  decomposition  menginput variable Vessel Declaration Impor Sementara Kapal Wisata Asing”.

Gambar 3. Output Metode Decomposition

Dari output metode decomposition di atas, dapat diketahui nilai kesalahan atau error yaitu MAPE adalah 623853, MAD adalah 101906 dan MSD adalah 341179.

2. Winter’s method

Cara melakukan peramalan dengan menggunakan winter’s method adalah [6]

“membuka aplikasi minitab  memasukkan data Vessel Declaration Impor Sementara Kapal Wisata Asing  klik stat  time series  winter’s method  menginput variable Vessel Declaration Impor Sementara Kapal Wisata Asing ”.

Gambar 4. Output Winter’s Method

Dari output winter’s method di atas, dapat diketahui nilai kesalahan atau error

Tabel 2. Perbandingan Nilai MAPE, MAD dan MSD

Berdasarkan perbandingan pada tabel diatas, maka ditetapkan decomposition sebagai metode peramalan terbaik karena memiliki niai kesalahan (error) yang lebih kecil jika dibandingkan dengan metode winter’s method. Sehingga dari hasil peramalan Impor Sementara Kapal Wisata Asing 1 tahun kedepan dengan mengunakan decomposition method, maka dapat diketahui hasil peramalan yang dapat dilihat pada tabel di bawah ini:

Periode ke - Bulan Hasil Forecast Impor

Sementara Kapal Wisata Asing

49 Januari 17

50 Februari 18

51 Maret 14

52 April 16

53 Mei 20

54 Juni 16

55 Juli 15

56 Agustus 17

57 September 18

58 Oktober 19

59 November 16

60 Desember 19

61 Januari 16

62 Februari 14

63 Maret 15

64 April 18

65 Mei 18

66 Juni 19 67 Juli 17

68 Agustus 20

69 September 14

70 Oktober 16

71 November 13

72 Desember 16

Tabel 3. Hasil Forecast Impor Sementara Kapal Wisata Asing di Wilayah PT.

XYZ Untuk 24 Bulan yaitu Tahun 2020 dan 2021 Keterangan :

a. Total data 2 tahun sebelumnya (tahun 2018 & 2019) = 418 b. Total hasil forecast tahun 2020 = 207

c. Total hasil forecast tahun 2021 = 196

d. Jumlah hasil forecast tahun 2020 + 2021 = 403 ( < data 2 tahun sebelum forecast) Perbandingan Nilai MAPE, MAD dan MSD

Decomposition Winter’s Method

MAPE 623853 732207

MAD 101906 127560

MSD 341179 274460

Sehingga mengalami penurunan Impor Sementara di Wilayah PT. XYZ

F. Perhitungan Presentase Penurunan Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ

Dikarenakan hasil forecast Impor Sementara Kapal Wisata Asing mengalami penurunan dibandingkan dengan 24 bulan terakhir, maka diperoleh dengan rumus :

 Prsentase Penurunan (%) =^Awal−Akhir_Awal × 100

 Untuk tahun 2020 =^216−207₂₁₆ × 100%

 = 4%

 Untuk tahun 2021 =^207−196

216 × 100%

 = 5%

Maka dapat diperkirakan bahwa pada tahun 2020 Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ mengalami penurunan sebanyak 4% dan pada tahun 2021 Impor Sementara Kapal Wisata Asing mengalami penurunan yaitu 5%.

A. SIMPULAN

Berdasarkan dengan hasil Analisis Impor Sementara Kapal Wisata Asing di Wilayah PT.

XYZ maka dapat disimpulkan bahwa :

1. Aliran informasi Persetujuan Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ dilaksanakan oleh petugas setempat

2. Berdasarkan dengan pola data historis dari data Vessel Declaration Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ yang dimiliki dari tahun 2016 – 2019 adalah jenis pola data musiman, sehingga dapat menggunakan metode peramalan time series winter’s dan decomposition.

3. Berdasarkan dari hasil pengolahan data yang di analisis berdasarkan dengan vessel declaration Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ pada tahun 2016- 2019 untuk mem-forcast Impor Sementara Kapal Wisata di Wilayah PT. XYZ pada Tahun 2020 dan 2021, maka metode decomposition dipilih sebagai metode terbaik dalam melakukan forecasting Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ dalam dua tahun yaitu 2020 dan 2021 dikarena memiliki angka Average Absolute Error (AEE) yang lebih kecil dibandingkan dengan metode winter’s method.

4. Bahawa berdasarkan dengan hasil presentase yang telah dilakukan, maka didapatkan bahwa Impor Sementara Kapal Wisata Asing di Wilayah PT. XYZ mengalami penurunan, yakni pada tahun 2020 sebanyak 4% dan tahun 2021 sebanyak 5%

[1] Sumayang (2003:24)

[2] Chopra, S., and Meindl, P. (2001). Supply chain management: Strategy, planning, and operations. New Jersey - Prentice-Hall.

[3] Peraturan Presiden Nomor 105 Tahun 2015 Tentang Kunjungan Kapal Wisata (Yacht) Asing [4] Peraturan Direktur Jenderal Bea dan Cukai Nomor Per-39/BC/2016

[5] Peraturan Menteri Keuangan Nomor 123/PMK.04/2017 Tanggal 18 September 2017 Tentang Perubahan atas Peraturan Menteri Keuangan Nomor 261/PMK.04/2015

[6] Keputusan Kepala PT.XYZ Nomor Kep-11/WBC.19/KPP.MP.02/2020

[7] Darsyah, M. Y. (2015). Peramalan Pola Data Musiman Dengan Model Winter’s & ARIMA.

[8] Makridakis, G., Wheelwright, S. C., & McGee, V. E. (1991). Metode dan aplikasi peramalan;

Jilid 1. Jakarta: Erlangga.

[9] MONTGOMERY, D. C., JENNINGS, C. L., & KULAHCI, M. (2015). Introduction to Time Series Analysis and Forecasting, Second Edition. Canada: John Wiley & Sons, Inc.

DAFTAR PUSTAKA