Peramalan Alokasi BBM Subsidi Kereta Api dengan Metode Statistika dan Machine Learning (Studi Kasus: Badan Pengatur Hilir Minyak dan Gas Bumi Jakarta)

Penulis

  • Yelita Iskandar Pertamina University
  • Nadia Carolina Universitas Pertamina

DOI:

https://doi.org/10.21009/logistik.v15i01.26497

Kata Kunci:

Peramalan, Bahan Bakar Minyak Bersubsidi, Statistika, Machine Learning, MAPE

Abstrak

Berdasarkan hasil on-desk verification pada 2 Juni 2021, ditemukan adanya overstock (bahan bakar minyak) BBM bersubsidi yang cukup signifikan di PT KAI (Kereta Api Indonesia) pada masa pandemi Covid-19, yaitu 42,9% pada triwulan I tahun 2021 untuk jenis kereta penumpang. Tujuan dari penelitian ini adalah untuk mengetahui peramalan dengan metode statistik dan machine learning dalam menyelesaikan masalah overstock dengan mencari skenario alokasi BBM bersubsidi yang terbaik untuk PT KAI dengan benchmark pengukuran yang menghasilkan error terkecil menggunakan Mean Absolute Percentage Error (MAPE). Hasil percobaan menunjukkan bahwa metode eksponensial dengan nilai MAPE sebesar 7,37% baik dalam memprediksi alokasi KA penumpang PT KAI sebesar 8.474,52 dan 7.836,58 kiloliter untuk triwulan III dan IV tahun 2021, 7.246,65 dan 6.701,14 kiloliter untuk triwulan I dan II triwulan tahun 2022. Penelitian ini dilakukan dengan pertimbangan belum adanya penelitian sebelumnya yang memperkirakan kebutuhan bahan bakar minyak bersubsidi pada KA penumpang PT KAI pada masa pandemi Covid-19.

Unduhan

Diterbitkan

2022-04-22

Terbitan

Vol 15 No 01 (2022): Logistik

Bagian

Articles

Lisensi

Authors who publish with this Journal agree to the following terms:

  1. Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution licensethat allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
  2. Authors are able to enter into separate, additional contractual arrangementfor the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
  3. Authors are permitted and encouraged to post their work online(e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.

  4. Users/public use of this website will be licensed to CC BY-NC-SA  Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License