Perpustakaan Digital ITB
Minyak fosil, sumber energi penting yang 32% pada bauran energi global yang merupakan penyumbang energi terbesar kedua di Indonesia, mendorong aktivitas ekonomi secara signifikan dengan kontribusi 19% terhadap pendapatan negara bukan pajak. Pertamina Group mendominasi sektor ini, dengan kontribusi 93% dalam produksi sektor hulu, 100% dalam sektor midstream, dan 95,05% dari sektor hilir. Corporate Sales Sulawesi, salah satu divisi penjualan bahan bakar B2B dari PT Pertamina Patra Niaga, menghadapi tantangan dalam meramalkan permintaan Biosolar, sumber pendapatan utamanya, yang menyebabkan kinerja di bawah ekspektasi Key Performance Index (KPI) untuk Forecasting, yang mensyaratkan keakurasiannya berada dalam kisaran 95–105% dari aktual. Persainganyang ketat dan daya tawar pembeli yang tinggi di Sulawesi memperburuk masalah ini, sehingga diperlukan pendekatan forecasting yang kuat. Metode judgmental forecasting saat ini, yang bergantung pada perkiraan subjektif, terbukti tidak memadai, mendorong pengkajian untuk model peramalan yang lebih modern. Studi ini membandingkan model ARIMA (Autoregressive Integrated Moving Average) dan ANN (Artificial Neural Network) dengan Jugmental Forecast, menggunakan data penjualan Biosolar, indeks harga Means of Platts Singapore (MOPS), harga jual Biosolar, dan nilai tukar USD-IDR dari Januari 2018 hingga September 2024. Wawancara juga dilakukan untuk memvalidasi masalah bisnis dan memberikan konteks operasional. Model ANN memberikan hasil yang paling unggul dari metode laimya, dengan pencapaian deviasi 3,52% dari target KPI, dibandingkan dengan 6,27% untuk ARIMA dan 6,80% untuk metode judgmental, menunjukkan kemampuan untuk menangkap pola data yang kompleks. Rekomendasi yang diberikan mencakup penerapan model ANN untuk meningkatkan akurasi peramalan dan mengurangi subjektivitas, serta melatih personel dalam teknik peramalan yang lebih lanjut. Penelitian di masa depan disarankan dengan cara memperluas cakupan geografis di luar Sulawesi, memasukkan variabel tambahan seperti indikator ekonomi regional, dan mengevaluasi model untuk jenis bahan bakar lainnya, seperti bensin.ALI