Prediksi Kuota Pemesanan Bahan Bakar Pada SPBU dengan Metode Regresi Linear Berganda Prediction of Fuel Order Quota at Gas Station with Multiple Linear Regression Method
Article Sidebar
Main Article Content
Abstract
Bahan bakar minyak menjadi komoditi penting dalam menjalankan roda perekonomian suatu negara, data Badan Pengatur Hilir Minyak dan Gas(BPH MIGAS) mencatat Indonesia menghabiskan 28,25 juta kiloliter selama tahun 2019, angka ini dihimpun dari seluruh Stasiun Pengisian Bahan Bakar Umum (SPBU) yang menjadi hilir distribusi BBM kepada masyarakat, namun disisi lain SPBU sering kehabisan stok karna kurangnya pengendalian terhadap stok, dampaknya adalah antrian panjang masyarakat di SPBU, bagi SPBU yang kehabisan stok jelas akan mengurangi pemasukan karna delay tidak ada penjualan selama proses pengiriman dari hulu ke hilir, maka dibutuhkan adanya sistem yang mampu membantu memprediksi berapa kuota yang harus dipesan sehingga kondisi out of stock tidak terjadi, untuk melakukan peramalan kuota bahan bakar digunakan metode regresi linier berganda yang terdiri dari variabel independent stok sisa (X1), stok masuk (X2) dan variabel dependent stok keluar (Y). Setelah dilakukan uji asumsi klasik dapat disimpulkan bahwa variabel independent (X1 dan X2) berpengaruh positif terhadap variabel dependent (Y). Dari hasil pengujian tingkat error menggunakan metode MAPE (Mean Absolute Percent Error) diperoleh tingkat error untuk peramalan pertalite selama seminggu sebesar 11,0% dan untuk tingkat error peramalan solar sebesar 13,2%.
Downloads
Article Details
References
[2] N. Puspitasari, A. Tejawati, and F. Prakoso, “Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto,” JRST (Jurnal Ris. Sains dan Teknol., vol. 3, no. 1, p. 9, 2019.
[3] H. Yulius and D. D. Putra, “Pengendalian Perencanaan Produksi Premium Dan Harga Pesan Crude Oil Ekonomis Menggunakan Metode Peramalan Dan Economic Order Quantity ( Studi Kasus Di PT Pertamina RU II Dumai),” J. Edik Inf., vol. 2, pp. 1–11, 2016.
[4] A. Fitriyatus, A. Fauzi, and B. Juanda, “Prediction ofFuel Supply and Consumption in Indonesia with System Dynamics Model,” J. Ekon. dan Pembang. Indones., vol. 17, no. 2, pp. 118–137, 2018.
[5] R. R. A. Siregar and R. Raymond, “Model Sistem Monitoring Tangki Bahan Web Aplikasi Dan Sms Gateway,” vol. 12, 2015.
[6] A. Abdurrasyid, M. N. I. Susanti, and D. S. Ningsih, “IMPLEMENTASI METODE FUZZY MAMDANI PADA APLIKASI INVENTORY UNTUK PREDIKSI PENGADAAN BARANG DI PT. PERTAMINA (PERSERO) PERKAPALAN,” PETIR, vol. 10, no. 2, pp. 1–8, 2017.
[7] Y. Feng and S. Wang, “A forecast for bicycle rental demand based on random forests and multiple linear regression,” Proc. - 16th IEEE/ACIS Int. Conf. Comput. Inf. Sci. ICIS 2017, pp. 101–105, 2017.
[8] E. Triyanto, H. Sismoro, and A. D. Laksito, “IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI PRODUKSI PADI DI KABUPATEN BANTUL,” J. Teknol. dan Sist. Inf. Univrab, vol. 4, no. 2, pp. 73–86, 2019.
[9] M. Angelo, D. Muda, A. Affandi, and Y. K. Suprapto, “Forecasting Medicine Purchase Budget using Multiple Linear Regression Method?: Case Study - For Ende Regency Health Office,” no. Icasess 2019, pp. 186–192, 2020.
[10] L. . T. Nike Syafitri , Sutardi, “Aplikasi Forecasting Mengenai Angka Kelahiran di Kota Kendari Menggunakan Metode Regresi Linear Berganda (Studi Kasus: Dinas Kesehatan Kota Kendari),” Inform. Jur. Tek. Tek. Fak. Oleo, Univ. Halu, vol. 4, no. 1, pp. 31–38, 2018.
[11] T. Indarwati, T. Irawati, and E. Rimawati, “Penggunaan Metode Linear Regression Untuk Prediksi Penjualan Smartphone,” J. Teknol. Inf. dan Komun., vol. 6, no. 2, pp. 2–7, 2019.
[12] I. L. L. Gaol, S. Sinurat, and E. R. Siagian, “Implementasi Data Mining Dengan Metode Regresi Linear Berganda Untuk Memprediksi Data Persediaan Buku Pada Pt. Yudhistira Ghalia Indonesia Area Sumatera Utara,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 130–133, 2019.