Prediksi Kebutuhan Bbm Menggunakan Metode Arima Di Pertamina Upms-1 Medan
PREDIKSI KEBUTUHAN BBM MENGGUNAKAN METODE ARIMA DI
PERTAMINA UPMS-1 MEDAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi
Informasi
CHRISTIAN JULIANDRA KETAREN
091402057
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
PERSETUJUAN
Judul
:
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
:
:
:
:
:
PREDIKSI KEBUTUHAN BBM MENGGUNAKAN
METODE ARIMA DI PERTAMINA UPMS-1 MEDAN
SKRIPSI
CHRISTIAN JULIANDRA KETAREN
091042057
SARJANA (S1) TEKNOLOGI INFORMASI
ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
(FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 10 Februari 2017
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Romi Fadillah Rahmat, B.Com.Sc, M.Sc
Baihaqi Siregar S.Si., M.T
NIP 19800110 200801 1 010
NIP 19790108 201212 1 002
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar, S.T, M.MIT
NIP 19800110 200801 1 010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI KEBUTUHAN BBM MENGGUNAKAN METODE ARIMA DI PERTAMINA
UPMS-1 MEDAN
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 29 April2017
Christian Juliandra Ketaren
091402057
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Segala Puji Syukur Kehadirat Tuhan Yang Maha Esa atas segala berkatnya sehingga
penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul “PREDIKSI KEBUTUHAN
BBM MENGGUNAKAN METODE ARIMA di PERTAMINA UPMS-1 Medan”. Skripsi
ini disusun sebagai salah satu syarat memperoleh gelar Sarjana Strata 1 (S1) pada Program Studi
S1 Teknologi Informasi Universitas Sumatera Utara.
Penyusunanskripsiini tidak akan berhasil apabila dilakukan olehpenulis sendiri,
tetapiskripsiini telah melibatkan banyak pihak yang membantu, baik secaralangsung maupun
tidak langsung.Oleh karena itu,penulisingin mengucapkan rasaterima kasih kepada:
1.
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara.
2.
Ketua dan Sekretaris Program Studi S1 Teknologi Informasi Bapak Muhammad Anggia
Muchtar ST., MM. IT dan Mohammad Fadly Syahputera B.Sc., MSc, IT.
3.
Bapak Baihaqi Siregar S.Si., M.T selaku Dosen Pembimbing I yang telah memberikan
bimbingan, pengarahan, saran serta masukan kepada penulis dalam penyusunan skripsi
ini.
4.
Bapak Romi Fadillah Rahmat B.Comp.Sc., M.Sc selaku Dosen Pembimbing II skripsi
ini yang juga telah memberikan bimbingan, pengarahan, saran serta masukan kepada
penulis dalam penyusunan skripsi ini.
5.
Seluruh Dosen dan Staff Pegawai Fakultas Ilmu Komputer dan Teknologi Informasi
USU yang telah memberi bantuan kepada penulis sampai terselesainya skripsi ini.
6.
Kepada Keluarga Besar, terutama Kedua Orang Tua penulis yang telah mencurahkan
kasih sayangnya, doa, Semangat serta dukungan moril ataupun materil kepada penulis
dalam menyelesaikan skripsi ini.
Universitas Sumatera Utara
7.
Kepada sahabat-sahabat penulis baik yang ada di sekitar lingkungan rumah maupun
yang ada di lingkungan Program Studi Teknologi Informasi yang telah memberikan
Dukungan dan Semangat kepada penulis selama ini.
8.
Kepada Kakak, adik dan saudara-saudara saya yang selalu memberikan dorongan,
nasihat serta doa selama penyusunan skripsi ini.
9.
Dan semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah memberikan
bantuan baik secara langsung maupun tidak langsung dalam penulisan skripsi ini.
Penulis menyadari bahwaskripsiini masih jauh dari sempurna, oleh karena
itupenulismengharapkan saran dan kritik yang membangun kepada semua pihakapabila ada
kesalahan atau kata-kata yang kurang berkenan.penulisberharap semogaskripsiini dapat
memberikan manfaat kepada pembaca.
.
Universitas Sumatera Utara
ABSTRAK
Konsumsi BBMselalumenarikuntukditeliti,selainpemakaianyang digunakan olehsemuakalangan
masyarakat
tetapijugakarenaperanpenting
BBM
tersebutsebagaiindikatoruntuk
menentukantingkat kabutuhan pemakaian BBM pada kalangan Masyarakat. BBM juga memiliki
peranan penting dalam
perekonomian Indonesia. Akan tetapi konsumsi BBM mengalami
peningkatan dari tahun ke tahun sehingga permintaan pasar semakin lama semakin meningkat
pula. Oleh karena dibutuhkanlah suatu alat bantu yang dapat memprediksi nilai kebutuhan akan
BBM di masa datang dalam mempersiapkan produksi BBM. Pada penelitan ini digunakan
metode ARIMA dalam melakukan prediksi kebutuhan BBM di masa datang. Metode ARIMA ini
dapat melakukan estimasi parameter untuk proses prediksi dan dapat membentuk model prediksi
ARIMA terbaik yang akan digunakan di dalam penghitungan prediksi. Berdasarkan hasil
penelitian ini, model ARIMA terbaik untuk premium adalah ARIMA(0,1,1) dengan tingkat
standard error
terkecil 0,10106. Sedangkan untuk minyak tanah
diperoleh model
ARIMA(2,1,0) dengan standard error terkecil 0,1283. Sementara untuk solar diperoleh model
ARIMA(0,1,1)dengan standard error terkecil 0,1109.
Katakunci:BBM,Metode ARIMA, Model ARIMA, prediksi kebutuhan BBM
Universitas Sumatera Utara
FUEL OIL NEEDS PREDICTION USING ARIMA METHOD IN PERTAMINA UPMS-1
MEDAN
ABSTRACT
Fuel oil consumption is always interesting to study. Not only it always used by all the
community, but also because of the the fuel oil has important role as an indicator to determine
the level of fuel oil consumption needs in the Community. BBM also belongs an important role
in the Indonesian economy. However, fuel oil consumption has increased from year to year so
that the longer the market needs is increasing as well. Therefore a tool is required to predict the
value of the fuel oil needs in the future in preparation for the fuel oil production . In this
research ARIMA is used method in predicting fuel oilneeds in the future. ARIMA method can
estimate the parameters for prediction process and can form the best ARIMA prediction model to
be used in the calculation of prediction. Based on these results, the best ARIMA models for the
premium is ARIMA (0,1,1) with the smallest standard error 0.10106 level. As for kerosene
obtained ARIMA (2,1,0) with the smallest standard error 0.1283. As for diesel obtained ARIMA
(0,1,1) with the smallest standard error 0.1109.
Keywords:fuel oil, ARIMA method, ARIMA model, predicted fuel oilneeds.
Universitas Sumatera Utara
DAFTAR TABEL
Tabel 2.1
Nilai Parameter cox-box transformation..................................................
15
Tabel 2.2
Daftar Penelitian Terdahulu sebagai refrensi dalam penelitian...............
26
Tabel 3.1
Rangkuman data penjualan minyak ………………………………
32
Tabel 4.1
Rangkuman data hasil prediksi premium ………………………………
54
Tabel 4.2
Rangkuman data hasil prediksi minyak tanah …………………………..
56
Tabel 4.3
Rangkuman data hasil prediksi solar ……………………………………
58
Tabel 4.4
Rangkuman nilai error prediksi premium ……………………………….. 65
Tabel 4.5
Rangkuman nilai error prediksi minyak tanah ………………………….
66
Tabel 4.5
Rangkuman nilai error prediksi solar ……………………………………
66
Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1
Pola yang menunjukkan adanya tren .............................................. 12
Gambar 2.2Pola yang menunjukkan adanya siklis..............................................
12
Gambar 2.3Pola yang menunjukkan adanya musiman ………………………..
12
Gambar 2.4Grafik perbandingan data stationer dengan non-stationer...............
14
Gambar 3.1Grafik Penjualan Minyak................................................................
23
Gambar 3.2
Arsitektur umum Sistem................................................................... 26
Gambar 3.3
Proses peramalan arima.................................................................... 32
Gambar 4.1
Penjualan BBM Jenis Premium ………………………………….. 34
Gambar 4.2
Penjualan BBM Jenis Minyak Tanah ……………………………... 35
Gambar 4.3
Penjualan BBM Jenis Solar ……………………………………….. 36
Gambar 4.4
Total Penjualan BBM ……………………………………………. 36
Gambar 4.5
Grafik Total Penjualan BBM ……………………………………... 36
Gambar 4.6
Nilai Diffrencing BBM Jenis Premium …………………………… 37
Gambar 4.7
Nilai Diffrencing BBM Jenis Minyak Tanah ……………………. 38
Gambar 4.8
Nilai Diffrencing BBM Jenis Solar ……………………………… 38
Gambar 4.9
Grafik Diffrencing Total Penjualan BBM ……………………….. 39
Gambar 4.10 Nilai Log 10 Penjualan BBM Jenis Premium ……………………. 39
Gambar 4.11 Nilai Log 10 Penjualan BBM Jenis Minyak Tanah ……………
40
Gambar 4.12 Nilai Log 10 Penjualan BBM Jenis Solar ………………………
41
Gambar 4.13 Grafik Nilai Log 10 Total Penjualan BBM ……………………
41
Gambar 4.14 Diffrencing dan Log10 dari Total Penjualan BBM Jenis
Premium ………………………………………………………...... 42
Gambar 4.15 Diffrencing dan Log10 dari Total Penjualan BBM Jenis
Minyak Tanah …………………………………………………..
43
Gambar 4.16 Diffrencing dan Log10 dari Total Penjualan BBM Jenis Solar …
43
Gambar 4.17 Diffrencing dan Log10 dari Total Penjualan BBM ……………... 44
Universitas Sumatera Utara
Gambar 4.18 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Premium …………………………………………………… ……
45
Gambar 4.19 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Minyak Tanah …………………………………………………… 45
Gambar 4.20 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Solar ……………………………………………………………… 46
Gambar 4.21 Grafik Diffrencing dan Log10 dari Total Penjualan BBM ……… 47
Gambar 4.22 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Premium ……………………………………………….. 47
Gambar 4.23 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Minyak Tanah ………………………………………….. 48
Gambar 4.24 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Solar …………………………………………………..
49
Gambar 4.25 Grafik ACF dan PACF untuk menemukan model AR dan
MA Total BBM ………………………………………………….
50
Gambar 4.26 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Premium …………………………………………………… 51
Gambar 4.27 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Minyak Tanah ……………………………………………… 52
Gambar 4.28 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Solar ……………………………………………………….. 53
Gambar 4.29 Nilai ACF dan PACF untuk menemukan model AR dan MA
Total BBM ………………………………………………………. 54
Gambar 4.30 Grafik Hasil Prediksil Kebutuhan BBM Jenis Premium ………… 61
Universitas Sumatera Utara
Gambar 4.31 Grafik Hasil Prediksil Kebutuhan BBM Jenis Minyak Tanah …… 61
Gambar 4.32 Grafik Hasil Prediksil Kebutuhan BBM Jenis Solar …………….. 62
Gambar 4.33 Pengujian Residual ACF dan PACF Model Premium …………… 63
Gambar 4.34 Pengujian Residual ACF dan PACF Model Minyak Tanah ……….64
Gambar 4.35 Pengujian Residual ACF dan PACF Model Solar ………………… 64
Universitas Sumatera Utara
PERTAMINA UPMS-1 MEDAN
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi
Informasi
CHRISTIAN JULIANDRA KETAREN
091402057
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS
SUMATERA UTARA
MEDAN
2017
Universitas Sumatera Utara
PERSETUJUAN
Judul
:
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Fakultas
:
:
:
:
:
PREDIKSI KEBUTUHAN BBM MENGGUNAKAN
METODE ARIMA DI PERTAMINA UPMS-1 MEDAN
SKRIPSI
CHRISTIAN JULIANDRA KETAREN
091042057
SARJANA (S1) TEKNOLOGI INFORMASI
ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
(FASILKOM-TI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, 10 Februari 2017
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Romi Fadillah Rahmat, B.Com.Sc, M.Sc
Baihaqi Siregar S.Si., M.T
NIP 19800110 200801 1 010
NIP 19790108 201212 1 002
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar, S.T, M.MIT
NIP 19800110 200801 1 010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI KEBUTUHAN BBM MENGGUNAKAN METODE ARIMA DI PERTAMINA
UPMS-1 MEDAN
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 29 April2017
Christian Juliandra Ketaren
091402057
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Segala Puji Syukur Kehadirat Tuhan Yang Maha Esa atas segala berkatnya sehingga
penulis dapat menyelesaikan penyusunan skripsi ini yang berjudul “PREDIKSI KEBUTUHAN
BBM MENGGUNAKAN METODE ARIMA di PERTAMINA UPMS-1 Medan”. Skripsi
ini disusun sebagai salah satu syarat memperoleh gelar Sarjana Strata 1 (S1) pada Program Studi
S1 Teknologi Informasi Universitas Sumatera Utara.
Penyusunanskripsiini tidak akan berhasil apabila dilakukan olehpenulis sendiri,
tetapiskripsiini telah melibatkan banyak pihak yang membantu, baik secaralangsung maupun
tidak langsung.Oleh karena itu,penulisingin mengucapkan rasaterima kasih kepada:
1.
Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara.
2.
Ketua dan Sekretaris Program Studi S1 Teknologi Informasi Bapak Muhammad Anggia
Muchtar ST., MM. IT dan Mohammad Fadly Syahputera B.Sc., MSc, IT.
3.
Bapak Baihaqi Siregar S.Si., M.T selaku Dosen Pembimbing I yang telah memberikan
bimbingan, pengarahan, saran serta masukan kepada penulis dalam penyusunan skripsi
ini.
4.
Bapak Romi Fadillah Rahmat B.Comp.Sc., M.Sc selaku Dosen Pembimbing II skripsi
ini yang juga telah memberikan bimbingan, pengarahan, saran serta masukan kepada
penulis dalam penyusunan skripsi ini.
5.
Seluruh Dosen dan Staff Pegawai Fakultas Ilmu Komputer dan Teknologi Informasi
USU yang telah memberi bantuan kepada penulis sampai terselesainya skripsi ini.
6.
Kepada Keluarga Besar, terutama Kedua Orang Tua penulis yang telah mencurahkan
kasih sayangnya, doa, Semangat serta dukungan moril ataupun materil kepada penulis
dalam menyelesaikan skripsi ini.
Universitas Sumatera Utara
7.
Kepada sahabat-sahabat penulis baik yang ada di sekitar lingkungan rumah maupun
yang ada di lingkungan Program Studi Teknologi Informasi yang telah memberikan
Dukungan dan Semangat kepada penulis selama ini.
8.
Kepada Kakak, adik dan saudara-saudara saya yang selalu memberikan dorongan,
nasihat serta doa selama penyusunan skripsi ini.
9.
Dan semua pihak yang tidak dapat penulis sebutkan satu persatu yang telah memberikan
bantuan baik secara langsung maupun tidak langsung dalam penulisan skripsi ini.
Penulis menyadari bahwaskripsiini masih jauh dari sempurna, oleh karena
itupenulismengharapkan saran dan kritik yang membangun kepada semua pihakapabila ada
kesalahan atau kata-kata yang kurang berkenan.penulisberharap semogaskripsiini dapat
memberikan manfaat kepada pembaca.
.
Universitas Sumatera Utara
ABSTRAK
Konsumsi BBMselalumenarikuntukditeliti,selainpemakaianyang digunakan olehsemuakalangan
masyarakat
tetapijugakarenaperanpenting
BBM
tersebutsebagaiindikatoruntuk
menentukantingkat kabutuhan pemakaian BBM pada kalangan Masyarakat. BBM juga memiliki
peranan penting dalam
perekonomian Indonesia. Akan tetapi konsumsi BBM mengalami
peningkatan dari tahun ke tahun sehingga permintaan pasar semakin lama semakin meningkat
pula. Oleh karena dibutuhkanlah suatu alat bantu yang dapat memprediksi nilai kebutuhan akan
BBM di masa datang dalam mempersiapkan produksi BBM. Pada penelitan ini digunakan
metode ARIMA dalam melakukan prediksi kebutuhan BBM di masa datang. Metode ARIMA ini
dapat melakukan estimasi parameter untuk proses prediksi dan dapat membentuk model prediksi
ARIMA terbaik yang akan digunakan di dalam penghitungan prediksi. Berdasarkan hasil
penelitian ini, model ARIMA terbaik untuk premium adalah ARIMA(0,1,1) dengan tingkat
standard error
terkecil 0,10106. Sedangkan untuk minyak tanah
diperoleh model
ARIMA(2,1,0) dengan standard error terkecil 0,1283. Sementara untuk solar diperoleh model
ARIMA(0,1,1)dengan standard error terkecil 0,1109.
Katakunci:BBM,Metode ARIMA, Model ARIMA, prediksi kebutuhan BBM
Universitas Sumatera Utara
FUEL OIL NEEDS PREDICTION USING ARIMA METHOD IN PERTAMINA UPMS-1
MEDAN
ABSTRACT
Fuel oil consumption is always interesting to study. Not only it always used by all the
community, but also because of the the fuel oil has important role as an indicator to determine
the level of fuel oil consumption needs in the Community. BBM also belongs an important role
in the Indonesian economy. However, fuel oil consumption has increased from year to year so
that the longer the market needs is increasing as well. Therefore a tool is required to predict the
value of the fuel oil needs in the future in preparation for the fuel oil production . In this
research ARIMA is used method in predicting fuel oilneeds in the future. ARIMA method can
estimate the parameters for prediction process and can form the best ARIMA prediction model to
be used in the calculation of prediction. Based on these results, the best ARIMA models for the
premium is ARIMA (0,1,1) with the smallest standard error 0.10106 level. As for kerosene
obtained ARIMA (2,1,0) with the smallest standard error 0.1283. As for diesel obtained ARIMA
(0,1,1) with the smallest standard error 0.1109.
Keywords:fuel oil, ARIMA method, ARIMA model, predicted fuel oilneeds.
Universitas Sumatera Utara
DAFTAR TABEL
Tabel 2.1
Nilai Parameter cox-box transformation..................................................
15
Tabel 2.2
Daftar Penelitian Terdahulu sebagai refrensi dalam penelitian...............
26
Tabel 3.1
Rangkuman data penjualan minyak ………………………………
32
Tabel 4.1
Rangkuman data hasil prediksi premium ………………………………
54
Tabel 4.2
Rangkuman data hasil prediksi minyak tanah …………………………..
56
Tabel 4.3
Rangkuman data hasil prediksi solar ……………………………………
58
Tabel 4.4
Rangkuman nilai error prediksi premium ……………………………….. 65
Tabel 4.5
Rangkuman nilai error prediksi minyak tanah ………………………….
66
Tabel 4.5
Rangkuman nilai error prediksi solar ……………………………………
66
Universitas Sumatera Utara
DAFTAR GAMBAR
Gambar 2.1
Pola yang menunjukkan adanya tren .............................................. 12
Gambar 2.2Pola yang menunjukkan adanya siklis..............................................
12
Gambar 2.3Pola yang menunjukkan adanya musiman ………………………..
12
Gambar 2.4Grafik perbandingan data stationer dengan non-stationer...............
14
Gambar 3.1Grafik Penjualan Minyak................................................................
23
Gambar 3.2
Arsitektur umum Sistem................................................................... 26
Gambar 3.3
Proses peramalan arima.................................................................... 32
Gambar 4.1
Penjualan BBM Jenis Premium ………………………………….. 34
Gambar 4.2
Penjualan BBM Jenis Minyak Tanah ……………………………... 35
Gambar 4.3
Penjualan BBM Jenis Solar ……………………………………….. 36
Gambar 4.4
Total Penjualan BBM ……………………………………………. 36
Gambar 4.5
Grafik Total Penjualan BBM ……………………………………... 36
Gambar 4.6
Nilai Diffrencing BBM Jenis Premium …………………………… 37
Gambar 4.7
Nilai Diffrencing BBM Jenis Minyak Tanah ……………………. 38
Gambar 4.8
Nilai Diffrencing BBM Jenis Solar ……………………………… 38
Gambar 4.9
Grafik Diffrencing Total Penjualan BBM ……………………….. 39
Gambar 4.10 Nilai Log 10 Penjualan BBM Jenis Premium ……………………. 39
Gambar 4.11 Nilai Log 10 Penjualan BBM Jenis Minyak Tanah ……………
40
Gambar 4.12 Nilai Log 10 Penjualan BBM Jenis Solar ………………………
41
Gambar 4.13 Grafik Nilai Log 10 Total Penjualan BBM ……………………
41
Gambar 4.14 Diffrencing dan Log10 dari Total Penjualan BBM Jenis
Premium ………………………………………………………...... 42
Gambar 4.15 Diffrencing dan Log10 dari Total Penjualan BBM Jenis
Minyak Tanah …………………………………………………..
43
Gambar 4.16 Diffrencing dan Log10 dari Total Penjualan BBM Jenis Solar …
43
Gambar 4.17 Diffrencing dan Log10 dari Total Penjualan BBM ……………... 44
Universitas Sumatera Utara
Gambar 4.18 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Premium …………………………………………………… ……
45
Gambar 4.19 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Minyak Tanah …………………………………………………… 45
Gambar 4.20 Grafik Diffrencing dan Log10 dari Penjualan BBM Jenis
Solar ……………………………………………………………… 46
Gambar 4.21 Grafik Diffrencing dan Log10 dari Total Penjualan BBM ……… 47
Gambar 4.22 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Premium ……………………………………………….. 47
Gambar 4.23 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Minyak Tanah ………………………………………….. 48
Gambar 4.24 Grafik ACF dan PACF untuk menemukan model AR dan
MA Jenis Solar …………………………………………………..
49
Gambar 4.25 Grafik ACF dan PACF untuk menemukan model AR dan
MA Total BBM ………………………………………………….
50
Gambar 4.26 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Premium …………………………………………………… 51
Gambar 4.27 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Minyak Tanah ……………………………………………… 52
Gambar 4.28 Nilai ACF dan PACF untuk menemukan model AR dan MA
Jenis Solar ……………………………………………………….. 53
Gambar 4.29 Nilai ACF dan PACF untuk menemukan model AR dan MA
Total BBM ………………………………………………………. 54
Gambar 4.30 Grafik Hasil Prediksil Kebutuhan BBM Jenis Premium ………… 61
Universitas Sumatera Utara
Gambar 4.31 Grafik Hasil Prediksil Kebutuhan BBM Jenis Minyak Tanah …… 61
Gambar 4.32 Grafik Hasil Prediksil Kebutuhan BBM Jenis Solar …………….. 62
Gambar 4.33 Pengujian Residual ACF dan PACF Model Premium …………… 63
Gambar 4.34 Pengujian Residual ACF dan PACF Model Minyak Tanah ……….64
Gambar 4.35 Pengujian Residual ACF dan PACF Model Solar ………………… 64
Universitas Sumatera Utara