Professional Documents
Culture Documents
BAB IV Sony
BAB IV Sony
Karya Ilmiah
Nanse H. Pattiasina.,ST.,MT
NIP: 19780109 200604 2 001
Abstrac
Further Analysis of 2019 Oil Production from PT. Pertamina Hulu Sanga-Sanga and Bob PT
Siak Pusako-Pertaminan Hulu Using Parametric Statistical Methods
Karya Ilmiah: PITER SONY LEASAAM NIM: 1320184034 Email: pitersonleasaam gmail.com
Keywords : oil production, PT PERTAMINA HULU SANGA-SANGA DAN BOB PT.BUMI SIAK PUSAKO-PERTAMINA HULU,
Parametric statistics.
Abstrak
Analisa Lanjut Produksi Minyak Tahun 2019 dari PT PERTAMINA HULU SANGA-SANGA DAN
BOB PT.BUMI SIAK PUSAKO-PERTAMINA HULU Menggunakan Metode Statistic Parametrik
Karya Ilmiah : PITER SONY LEASAAM NIM: 1320184034 Email: pitersonleasaam@gmail.com
Ketidakpastian ekonomi global pada tahun 2019 berdampak pada pelambatan ekonomi
Indonesia. Hal tersebut boleh jadi juga berdampak pada kegiatan usaha di subsektor migas.
Hampir semua statistik subsektor migas mengalami penurunan angka, terlepas dari adanya
penerapan kebijakan-kebijakan tertentu. Di sisi hulu, angka investasi migas di bidang hulu pada
tahun 2019 mengalami sedikit penurunan sebesar 1,05% dibandingkan investasi migas hulu
pada tahun 2018. Hal tersebut disebabkan beberapa faktor seperti tertundanya realisasi
eksplorasi dan eksploitasi lapangan, program eksplorasi dan pengembangan yang masih
berjalan dan belum selesai 100%, dan harga minyak dunia. Penurunan terbesar terjadi pada
investasi di bidang eksplorasi sebesar 24,83%. Namun demikian terjadi peningkatan kegiatan
survei seismik 2D, kendati survei seismik 3D mengalami penurunan. Kegiatan survei seismic
Ketidakpastian ekonomi global pada tahun 2019 berdampak pada pelambatan ekonomi
Indonesia. Hal tersebut boleh jadi juga berdampak pada kegiatan usaha di subsektor migas.
Hampir semua statistik subsektor migas mengalami penurunan angka, terlepas dari adanya
penerapan kebijakan-kebijakan tertentu. Di sisi hulu, angka investasi migas di bidang hulu pada
tahun 2019 mengalami sedikit penurunan sebesar 1,05% dibandingkan investasi migas hulu
pada tahun 2018. Hal tersebut disebabkan beberapa faktor seperti tertundanya realisasi
eksplorasi dan eksploitasi lapangan, program eksplorasi dan pengembangan yang masih
berjalan dan belum selesai 100%, dan harga minyak dunia. Penurunan terbesar terjadi pada
investasi di bidang eksplorasi sebesar 24,83%. Namun demikian terjadi peningkatan kegiatan
survei seismik 2D, kendati survei seismik 3D mengalami penurunan. Kegiatan survei
seismikKetidakpastian ekonomi global pada tahun 2019 berdampak pada pelambatan ekonomi
Indonesia. Hal tersebut boleh jadi juga berdampak pada kegiatan usaha di subsektor migas.
Hampir semua statistik subsektor migas mengalami penurunan angka, terlepas dari adanya
penerapan kebijakan-kebijakan tertentu. Di sisi hulu, angka investasi migas di bidang hulu pada
tahun 2019 mengalami sedikit penurunan sebesar 1,05% dibandingkan investasi migas hulu
pada tahun 2018. Maka, permasalahan dari penelitian ini adalah: perbedaan dan rata-rata
estimasi Produksi minyak bumi perbulan tahun 2019 pada PT. Pertamina Hulu Kalimantan
Timur dan Petronas Carigali (Ketapang) LTD.
Tujuan dari penelitian inii adalah untuk mengetahui perbedaan dan rata-rata estimasi
Produksi minyak bumi perbulan tahun 2019 pada PT. Pertamina Hulu Kalimantan Timur dan
Petronas Carigali (Ketapang) LTD. Dalam penelitian ini penulis menggunakan pendekatan
kuantitatif, sebagai prosedur penelitian yang menghasilkan metode explanatory. Metode ini
bertujuan untuk menguji suatu hipotesis atau teori guna memperkuat suatu hipotesis atau teori
yang sudah ada sebelumya.
Hasil penelitian ini adalah mendapatkan estimasi nilai interval parameter dari means
populasi minyak bumi perbulan tahun 2019 pada PT. Pertamina Hulu Kalimantan Timur adalah
berkisar antara 10665,9 BOPD s/d 11692,11 BOPD dan Petronas Carigali (Ketapang) LTD adalah
berkisar berkisar antara 10164,12 BOPD s/d 12185,87 BOPD.
Kata kunci: Produksi Minyak, PT.Pertamina Hulu Sanga-Sanga, Bob PT. Bumi Siak Pusako- Pertaminan Hulu, Statistik
Parametrik
KATA PENGANTAR
Puji syukur saya panjatkan kepada Tuhan Yang Maha Esa, karena oleh pimpinan-Nya
dan limpahan berkat, hikmat, dan pengetahuan bagi saya sehingga karya ilmiah ini telah selesai
dikerjakan sebagaimana mestinya.
Penulisan karya ilmiah dengan judul “Analisa Lanjut Produksi Minyak Tahun 2019 Dari
PT.Pertamina Hulu dan Pertamina Hulu Energi Menggunakan Metode Statistik Parametrik” di
susun dengan maksud untuk memenuhi salah satu persyaratan tugas Metodologi Penelitian
Program Studi Teknik Produksi Migas.
Karya ilmiah ini dapat terselesaikan karena dukungan dari berbagai pihak, karena itu pada
kesempatan ini saya menyampaikan terima kasih yang tak terhingga kepada :
1. Direktur Politeknik Negeri Ambon.
2. Ketua Jurusan Teknik Mesin Politeknik Negeri Ambon.
3. Ketua Program Studi Teknik Produksi Migas.
4. Pembimbing I dan Pembimbing II, yang telah memberikan arahan, bantuan, dan dengan
sabar selalu membimbing saya mengerjakan karya ilmiah ini.
5. Seluruh Dosen dan Staf Tata Usaha Program Studi.
6. Keluarga dan Saudara, yang selalu memberikan dukungan dan fasilitas untuk
mengerjakan karya ilmiah ini.
7. Seluruh sahabat dan teman – teman di kelas yang turut membantu menjelaskan hal – hal
yang saya tanyai guna melengkapi karya ilmiah ini.
8. Semua pihak yang telah membantu memberikan masukan untuk melengkapi karya ilmiah
ini.
Karya ilmiah ini tentunya masih memiliki kekurangan, sehingga kritik dan saran sangat
diharapkan agar kedepannya saya mampu memperbaiki dan menulis karya ilmiah yang lebih
baik lagi. Semoga karya ilmiah ini dapat membantu mahasiswa/i, pembaca, dan semua pihak
yang membutuhkan.
Halaman Judul
Halaman
Pengesahan
Abstrac i
Abstrak ii
Kata Pengantar iii
Daftar Isi iv
Daftar Tabel v
Daftar Gambar vi
BAB I PENDAHULUAN 1
1.1 Latar Belakang Masalah 1
1.2 Identifikasi dan Perumusan Masalah 2
1.3 Tujuan Penelitian 2
1.4 Kegunaan Penelitian 2
BAB II KAJIAN PUSTAKA, KERANGKA PEMIKIRAN DAN 3
HPOTESIS/PENDEKATAN MASALAH
2.1 Kajian Pustaka 3
2.2 Kerangka Pemikiran 13
2.3 Hipotesis/Pendekatan Masalah 13
BAB III OBJEK DAN METODE PENELITIAN 14
3.1 Objek Penelitian 14
3.2 Metode dan Disain Penelitian 14
3.3 Operasional Variabel/Langkah-langkah Penelitian 14
3.4 Sumber data dan alat pengumpulan data 14
3.5 Teknik pengolahan data 14
BAB IV HASIL PENELITIAN DAN PEMBAHASAN 15
4.1 Hasil Penelitian 15
4.2 Pembahasan
4.3 Uji Perbandingan rata-rata produksi populasi-1 dan populasi-2 18
BAB V KESIMPULAN DAN SARAN 19
5.1 Kesimpulan 19
5.2 Saran 19
DAFTAR PUSTAKA 20
LAMPIRAN 21
DAFTAR TABEL
Halaman
Tabel 2.1: Skor Z untuk tingkat kepercayaan tertentu 8
Tabel 4.1: Data Produksi Minyak PT. “A” 16
Tabel 4.2: Data Produksi Minyak PT. “B” 16
DAFTAR GAMBAR
Halaman
PT Pertamina Hulu Sanga-Sanga adalah salah satu anak perusahaan dari PT Pertamina (Persero) yang
beroperasi di wilayah Hulu Sanga-Sanga. Wilayah ini memiliki potensi sumber daya minyak bumi yang
signifikan, dan PT Pertamina Hulu Sanga-Sanga memainkan peran penting dalam pengelolaan dan
produksi minyak di daerah ini.
Di sisi lain, PT Bumi Siak Pusako - Pertamina Hulu adalah perusahaan patungan antara PT Pertamina
(Persero) dan Bumi Siak Pusako Group yang berfokus pada produksi minyak dan gas bumi di wilayah
Rokan, Sumatra. Wilayah ini juga dikenal sebagai salah satu daerah dengan cadangan minyak bumi yang
cukup besar di Indonesia.
Pada tahun 2019, produksi minyak dari kedua perusahaan ini menjadi sorotan karena memiliki dampak
besar pada pasokan minyak bumi nasional dan pendapatan negara. Data statistik mengenai produksi
minyak dari PT Pertamina Hulu Sanga-Sanga dan PT Bumi Siak Pusako - Pertamina Hulu pada tahun
tersebut menjadi indikator penting untuk mengukur kinerja perusahaan dan dampaknya pada sektor
energi nasional.
Seiring dengan perubahan dinamika industri minyak dan gas bumi secara global, informasi mengenai
produksi minyak pada tahun 2019 di PT Pertamina Hulu Sanga-Sanga dan PT Bumi Siak Pusako -
Pertamina Hulu dapat memberikan wawasan yang berharga terkait dengan kontribusi perusahaan ini
dalam memenuhi kebutuhan energi Indonesia dan melihat sejauh mana mereka berkontribusi dalam
pencapaian target produksi minyak bumi nasional.
Pemahaman yang mendalam tentang data statistik produksi minyak pada tahun 2019 dari dua
perusahaan ini akan memberikan landasan yang kuat untuk analisis lebih lanjut
Proses pengeboran dan penelitian geologi yang dilakukan untuk menemukan cadangan minyak
bumi dan gas alam di bawah tanah.
Pengeboran sumur-sumur minyak dan gas, ekstraksi minyak dan gas, serta transportasi ke
fasilitas.
Pengolahan minyak mentah dan gas alam di kilang minyak untuk memisahkan berbagai
komponen seperti bahan bakar, bahan kimia, dan produk turunan lainnya.
Distribusi dan penyampaian minyak bumi, gas alam, dan produk-produk terkait kepada
konsumen, seperti bahan bakar kendaraan, bahan bakar pemanas, dan bahan kimia industri.
Perdagangan minyak bumi dan gas alam, termasuk pasar komoditas global dan perdagangan
internasional.
Kebijakan dan Regulasi: Kerangka hukum dan peraturan yang mengatur industri migas, termasuk
aspek lingkungan, perpajakan, dan keamanan energi.
Riset dan Pengembangan: Upaya penelitian dan pengembangan untuk meningkatkan teknologi
ekstraksi, pengolahan, dan penghematan energi dalam industri migas.
Lingkungan dan Keberlanjutan: Upaya untuk mengelola dampak lingkungan dari industri migas
dan mendorong keberlanjutan dalam penggunaan sumber daya alam.
Kesehatan dan Keselamatan Kerja: Praktik-praktik dan kebijakan keselamatan untuk melindungi
pekerja di sektor migas.
3
2.1.2.1 PT Pertamina Hulu Sanga-Sanga
PT Pertamina Hulu Sanga Sanga (PHSS) merupakan anak Perusahaan PHI yang merupakan
bagian dari Zona 9 untuk menjalankan di Wilayah Kerja Sanga Sanga Kalimantan Timur.
Indonesia atau biasa disingkat menjadi PHI, adalah anak usaha Pertamina Hulu Energi yang
melakukan pengeboran minyak dan gas di blok-blok yang sebelumnya dikelola oleh perusahaan
lain di Pulau Kalimantan.
Perusahaan ini didirikan oleh Pertamina pada tanggal 28 Desember 2015. Pada tahun 2018,
perusahan ini mulai mengelola Blok Mahakam, Blok Sanga Sang a, serta Blok East Kalimantan dan
Attaka, yang sebelumnya masing-masing dikelola oleh tiga Kontraktor Kontrak Kerja Sama (KKKS)
lain selama 20 tahun.
Perusahaan ini pun menempatkan diri sebagai sebuah wadah percampuran dari berbagai budaya
yang berasal dari KKKS sebelumnya, salah satunya dengan menyerap praktik-praktik terbaik dari
masing-masing KKKS untuk meningkatkan kemampuan perusahaan ini dalam menciptakan nilai
tambah dan pertumbuhan yang sehat. Pada tanggal 1 September 2021, Pertamina resmi
menyerahkan mayoritas saham perusahaan ini ke Pertamina Hulu Energi, yang sebelumnya
telah ditunjuk sebagai induk subholding Hulu di lingkungan Pertamina. Pada tahun 2022,
Pertamina Hulu Energi resmi menunjuk perusahaan ini sebagai koordinator untuk semua
bisnisnya yang terletak di Pulau Kalimantan.
Pada Tanggal 30 juny 2023, Pertamina Hulu Kalimantan Timur mencatat realisasi produksi
minyak dan kondensat mencapai 9,629 BOPD. Sedangkan realisasi liftingnya mencapai
10,992 BOPD. Realisasi produksi Pertamina Hulu KalTim baru mencapai 91,7 persen dari
target liftng yang ditetapkan dalam APBN 2023 yang sebesar 10,500 BOPD. Realisasi
produksi Pertamina Hulu KalTim tersebut juga baru mencapai 97,8 persen dari WPNB-nya
yag sebesar 9,850 BOPD (Wikipedia).
Pada bulan juny 2022, Petronas North Ketapang, anak perusahaan Petronas lainnya,
menandatangani kontrak bagi hasil (PSC) untuk Blok North Ketapang di Indonesia, yang
terletak di darat dan leas Pantai Jawa Timur pada kedalaman air hinga 100 mm di bawah
permukaan laut.
Blok Ketapang diperkirakan bisa memproduksi 3.700 barel minyak per-hari. Petronas
Carigali (Ketapang) LTD bergerak dala bidang jasa ladang minyak dan gas.
2.1.3.2.1 Estimate
Estimate (hasil estimasi) adalah sebuah nilai spesifik atau kuantitas dari suatu statistik
seperti nilai mean sampel, persentase sampel, atau varians sampel.
2.1.3.2.2 Estimator
Estimator adalah setiap statistik dari (mean sampel, persentase sampel, varians sampel)
yang digunakan untuk mengestimasi sebuah parameter populasi.
Jadi, mean sampel ( x ) adalah estimator bagi mean populasi μx), persentase sampel
(p) adalah estimator bagi persentase populasi (π), dan varians sampel (s2) adalah
estimator bagi varians populasi ( ❑x 2).
Terdapat beberapa jenis estimator, meliputi estimator tak-bias (unbiased estimator),
estimator konsisten (consistent estimator), estimator terbaik (best estimator), dan
estimator yang mencukupi (sufficient estimator). Di antara estimator- estimator tersebut,
estimator tak-bias dan estimator terbaik merupakan jenis estimator yang penting untuk
dikaji pada tahap dasar.
Estimator tak-bias adalah sebuah estimator yang menghasilkan suatu distribusi
sampling (sampling distribution) yang memilki mean yang sama dengan parameter
populasi yang akan diestimasi. Secara matematik dinyatakan bahwa jika sebuah
estimator θ^ adalah estimator tak-bias dari parameter θ , maka E(θ^ ¿ = θ untuk seluruh
nilai θ yang mungkin. Jika θ^ bukan estimator tak-bias, maka perbedaan E(θ^ ¿−1
disebut bias dari θ^ .
Prinsip dasar yang harus diikuti dalam melakukan estimasi adalah diantara beberapa
estimator dari parameter populasi yang dikaji, kita harus bisa memilih istimator yang
tak-bias.Sedangkan estimator terbaik(best estimator) adalah estimator yang
memenuhi syarat-syarat sebagai suatu estimator tak-bias dan juga memiliki varians
yang terkecil (minimum variance unbiased estimator / MVUE). Gambar 2.1
mengilustrasikan konsep ini.
2.1.3.2.3 Estimasi
Estimasi adalah keseluruhan proses yang menggunakan sebuah estimator untuk
menghasilkan sebuah estimate dari suatu parameter. Terdapat dua jenis estimasi, yaitu:
Estimasi Titik
Sebuah estimasi titik (point estimate) dari sebuah parameter Ө adalah suatu angka
tunggal yang dapat dianggap sebagai nilai yang masuk akal bagi Ө.
Gambar 2.1
Probability Densiti
Fungsion (Pdf) Estimator
Tak Bias dan Estimator
Terbaik.
Estimate titik diperoleh dengan memilih statistik yang tepat dan menghitung nilainya dari
data sampel. Statistik yang dipilih disebut sebagai estimator titik (point estimator) dan
proses mengestimasi dengan suatu angka tunggal disebut sebagai estimasi titik (point
estimation).
Estimasi Interval
Sebuah estimasi interval (interval estimate) dari sebuah parameter θ adalah suatu
sebaran nilai-nilai yang digunakan untuk mengestimasi θ. Proses mengestimasi dengan
suatu sebaran nilai-nilai ini disebut estimasi interval (interval estimation).
Namun dapat dipahami bahwa dari seluruh interval x ± 2σ x yang mungkin dibentuk, µ akan
termuat dalam 95,4 persen darinya. Jika prinsip di atas digeneralisasi, kita dapat menerapkan
berbagai estimate interval untuk berbagai situasi. Jika distribusi samplingnya normal, maka estimate
interval untuk mean populasi µx dapat dibentuk dengan cara berikut:
x−z . σ x < μ x < x+ z . σ x
Dimana:
µ = mean atau rata-rata nilai populasi
x
σx = error standard dari mean
Z = nilai skor Z yang ditentukan dengan probabilitas estimasi
interval
1,64
90% x−1.645 . σ x < μ x < x +1.645 . σ x
5
1,96
95% x−1.960 . σ x < μ x < x +1.960 . σ x
0
2,57
99% x−2.575 . σ x < μ x < x +2.575 . σ x
5
2.1.3.4 Mengestimasi Mean dengan Ukuran Sampel Kurang dari 30 (n < 30)
Estimasi mean populasi dengan besar sampel lebih dari 30 dengan prosedur yang telah
diuraikan di atas, bisa dilakukan karena distribusi sampling yang terbentuk berupa
distribusi normal (Gaussian), tanpa tergantung pada hentuk distribusi populasi
sebenamya (lihat teorema limit pusat).
Apabila sampel yang digunakan berukuran kecil (n < 30) maka estimasi dengan
prosedur di atas tidak bisa dipakai. Secara teoritis (lihat kembali Gambar 3.4), estimasi
memang masih dimungkinkan dengan mengunakan distribusi normal “Z” jika distribusi
populasinya bisa dipastikan terdistribusi normal dan deviasi standard populasi telah
diketahui.
Namun, untuk kebanyakan situasi, hal ini sulit sekali dipenuhi.Jika distribusi populasinya
bisa dipastikan normal namun deviasi standard populasi tidak diketahui, maka distribusi
mean sampling akan mengikuti distribusi-t (sering juga disebut distribusi student-t).
Sementara jika populasinya tidak bisa dipastikan terdistribusi normal maka baik
distribusi “Z” maupun distribusi-t tidak bisa digunakan.
Gambar 2.4 Mengilustrasikan pengaruh ukuran sampel terhadap bentuk dan distribusi-t.
2.1.3.4.2 Notasi
Notasi tα;n, digunakan untuk menyatakan nilai kritis t (t critical value). Nilai kritis t
merupakan nilai numerik pada sumbu t dimana luas daerah dibawah kurva
distribusi-t dengan derajat kebebasan n disebelah kanan t, n adalah α. Gambar 3.5
mengilustrasikan notasi t n dengan luas daerah di bawah kurva distribusi-t.
2.1.3.4.4 Mengestimasi Mean Jika Sampel Berukuran Kecil (n < 30) dan Deviasi
Standard Populasi Tidak Diketahui.
Jika deviasi standard populasi tidak diketahui dan ukuran sampel kecil (n < 30).
Gambar 2.5
Distribusi
Dimana:
tα = Nilai kritis “t” yang tergantung pada tingkat kepercayaan dan derajat
;v
2
kebebasan
α = 1 – tingkat kepercayaan (disebut juga chance of error)
v = Derajat kebebasan (df) = n – 1
Dengan menggabungkan pengertian sebelumnya untuk sampel besar (n > 30) dan
sampel kecil (n < 30), dapat dibentuk suatu prosedur umum untuk estimasi interval
mean populasi dengan deviasi standard yang tidak diketahui.
2.1.3.5.1Pengantar
Pada banyak persoalan keteknikan seringkali ingin diketahui apakah suatu karak-
teristik yang diamati dari dua populasi serupa atau berbeda. Misalnya seorang ahli
pompa ingin mengetahui apakah kapasitas atau kemampuan dan tinggi tekan sebuah
pompa minyak yang diuji dengan posisi instalasi pipa vertikal sama dengan hasil
pengujian secara horizontal, atau apakah motor penggerak fan yang digunakan pada
menara pendingin (cooling tower) yang dibuat oleh perusahaan A lebih berdaya
tahan lama dibandingkan dengan buatan perusahaan B untuk spesifikasi teknis yang
sama. Dalam hal ini perlu dilakukan uji hipotesis sampel-ganda.
Satu hal penting yang harus diperhatikan adalah bahwa pengujian hipotesis sampel-
ganda ini bukan untuk mengestimasi nilai-nilai mutlak dari parameter- parameter
yang ditinjau, melainkan untuk mengetahui nilai relatif dari parameter-parameter
tersebut.
Jadi tujuan dari uji hipotesis sampel-ganda adalah dengan menggunakan data dari
dua sampel yang diperoleh dari dua populasi, untuk mengetahui apakah ada
perbedaan yang secara statistik cukup berarti (significant) antara parameter-
parameter dari kedua populasi tersebut.
Untuk memperoleh hasil yang berguna, uji hipotesis sampel-ganda harus memenuhi
asumsi sebagai berikut:
Data di kedua populasi yang diambil sebagai sampel harus terdistribusi normal.
Sumber data pada populasi pertama harus independen terhadap sumber data
di populasi kedua (independent sample).
10
2.1.3.5.2 Prosedur Uji Dua Varians
Dalam uji dua varians ini, varians sampel (s2) digunakan untuk mengambil
kesimpulan mengenai varians populasi (σ 2). Jadi dalam uji ini diambil sampel acak
dari dua populasi, dihitung varians data dari masing-masing sampel, dan hasilnya
digunakan sebagai dasar untuk membandingkan varians populasi.
Prosedur dalam pengujian dua varians ini juga mengikuti langkah-langkah yang
sama seperti pengujian sampel tunggal, yaitu sebagai berikut:
1. Pernyataan Hipotesis Nol dan Hipotesis Alternatif
Dalam uji dua varians hipotesis nolnya adalah tidak ada perbedaan variabilitas
atau varians pada kedua populasi. Sedangkan hipotesis alternatifnya adalah
terdapat perbedaan berarti antara varians-varians kedua populasi.
Jadi dapat terjadi kemungkinan:
2 2 2 2 2 2
H 0 :σ 1=σ 2 H 0 :σ 1=σ 2 H 0 :σ 1=σ 2
2. 2 2 2 2 2 2
H 1: σ1 ≠ σ2 H 1 : σ 1 >σ 2 H 1 : σ 1 <σ 2
Pemilihan Tingkat Kepentingan (Level of Significance),
3. Penentuan Distribusi Pengujian yang Digunakan
Dalam uji dua varians ini yang digunakan adalah distribusi F yang merupakan
suatu distribusi sampling dengan sifat-sifat sebagai berikut:
Gambar 2.6;
Nilai-nilai dari tabel distribusi F disajikan pada Tabel 2.3 dalam bentuk F α,df1,df2
yang dapat ditentukan dengan mengetahui tiga hal berikut:
2.1.3.6 Uji Hipotesa Mean atau nilai rata-rata dengan Sampel Ganda
2.1.3.6.1 Klasifikasi
Dalam uji hipotesis mean atau nilai rata-rata dengan sampel-ganda, asumsi bahwa
kedua populasi terdistribusi secara normal tetap digunakan (pada penelitian
lapangan kasus seperti ini, uji Normalitas Data mutlak dilakukan). Namun
demikian, prosedur uji hipotesisnya dapat mengikuti tahapan yang berbeda yang
tergantung pada kondisi sampelnya. Secara umum ada 4 prosedur sesuai kondisi
untuk uji ini yaitu:
1. Uji t pasangan untuk populasi yang saling tergantung (dependent population).
2. Uji Z untuk populasi yang independen dan jika varians-varians populasi diketahui
dan jika kedua sampel ukurannya > 30.
3. Uji t sampel ukuran kecil untuk populasi yang independen jika uji F-nya
menunjukkan 12 ≠ 22.
4. Uji t sampel ukuran kecil untuk populasi yang independen jika uji F-nya
menunjukkan 12 = 22.
2.1.3.6.2 Uji t Sampel Ukuran Kecil untuk Populasi yang Independen Jika Uji F-nya
Menunjukkan 12 ≠ 22
Uji ini digunakan bila:
Sampel diambil dari dua populasi yang independen dan terdistribusi
normal
Nilai-nilai deviasi standard populasi 1 dan 2 tidak diketahui
Ukuran sampel n 1 dan juga n 2 kecil (n < 30)
Uji F pada VARIANS menunjukkan bahwa 12 ≠ 22
Prosedur uji hipotesisnya merupakan gabungan prosedur pengujian dua VARIANS
dan uji t dengan ketentuan sebagai berikut:
a) Rasio Uji:
x 1−x 2
RU t =t test = (5.8)
√( s /n ) +( s /n )
2
1 1
2
2 2
b) Derajat kebebasan:
Derajat kebebasan yang digunakan adalah derajat kebebasan yang LEBIH
KECIL diantara dua sampel tersebut.
2.1.3.6.3 Uji-t Sampel Ukuran Kecil untuk Populasi yang Independen Jika Uji F-nya
Menunjukkan 12 = 22
Sampel diambil dari dua populasi yang independen dan terdistribusi normal.
Nilai-nilai deviasi standard populasi 1 dan 2 tidak diketahui.
Ukuran sampel n1 atau n2 kecil (n < 30).
Uji F pada varians menunjukkan bahwa 12 = 22.
Prosedur uji hipotesisnya merupakan gabungan prosedur pengujian dua varians dan
uji “t” dengan ketentuan sebagai berikut:
a) Rasio Uji:
x 1−x 2
RU t =t test =
√ √
2 2
s 1 ( n1−1) + s 2 ( n2−1) 1 1
+
n1 +n2−1 n1 n2
b) Derajat kebebasan:
df =v =n1 +n2−2
NILAI
DATA AKAN DI INTERVAL
VARIANS
DIOLAH
MENGGUNAKAN
ESTIMASI MEAN NILAI
n<30 DAN INTERVAL
PERHITUNGAN MEANS
POPULASI
Sumber data sekunder yaitu dari buku statistik minyak dan gas 2020 yang memuat
hasil data produksi pada CONOCOPHILLIPS (GRISSIK) LTD dan PHE OGAN
KOMERING dengan jumlah data 12 data yang menggambarkan produksi dari bulan
Januari sampai Desember di uji normalitas data menggunakan Software Minitab 14
dan di hitung estimasi mean n<30 dan
perhitungan varians
BAB III
OBJEK DAN METODE PENELITIAN
MULAI
PENGUMPULAN DATA
DATA SEKUNDER
METODE
PENGOLAHAN
MANUAL DAN
SOFTWARE
DATA
PENULISAN
LAPORAN
3.4 Sumber Data dan Alat Pengumpulan Data
Variabel kuantitatif adalah variabel yang digunakan dalam penelitian ini karena berupa data
hasil produksi bulanan tahun 2019 pada PT. Pertamina Hulu Sanga-Sanga Dan BOB PT. BUMI SIAK
PUSAKO-PERTAMINA HULU. Sumber data yang diperoleh peneliti adalah data sekunder dari buku
Statistik Minyak dan gas 2019.
Dari Hasil Data statisti minyak dan gas bumi tahun 2019 rata-rata produksi minyak pada PT PERTAMINA
HULU SANGA-SANGA DAN BOB PT. BUMI SIAK PUSAKO- PERTAMINA HULU
Sumber: statistic minyak dan gas bumi 2019 ( Direktorat Jenderal Minyak dan Gas Bumi
Kementerian Energi dan Sumber Daya Mineral)
B. Hasil produksi kerja BOB PT. BUMI SIAK PUSAKO- PERTAMINA HULU
Sumber: statistic minyak dan gas bumi 2019 ( Direktorat Jenderal Minyak dan Gas Bumi
Kementerian Energi dan Sumber Daya Mineral)
Produksi Minyak di PT Pertamina Hulu Sanga-Sanga: Data menunjukkan hasil produksi minyak
bulanan (BOPD) selama tahun 2019 di PT Pertamina Hulu Sanga-Sanga. Produksi minyak ini
berfluktuasi dari bulan ke bulan, dengan rata-rata produksi harian tertinggi mencapai 11,363 BOPD
pada bulan Agustus dan terendah sekitar 8,763 BOPD pada bulan Januari.
Produksi Minyak di PT Bumi Siak Pusako-Pertamina Hulu: Data ini mencantumkan hasil produksi
minyak bulanan (BOPD) selama tahun 2019 di PT Bumi Siak Pusako-Pertamina Hulu. Seperti pada
PT Pertamina Hulu Sanga-Sanga, produksi minyak di PT Bumi Siak Pusako-Pertamina Hulu juga
mengalami fluktuasi bulanan. Produksi harian tertinggi adalah sekitar 9,938 BOPD pada bulan
Desember dan terendah adalah sekitar 9,201 BOPD pada bulan September.
Pegujian dilakukan untuk mengetahui perbedaan produksi pada pada PT PERTAMINA HULU SANGA-
SANGA DAN BOB PT. BUMI SIAK PUSAKO- PERTAMINA HULU dengan menggunakan software MINITAB.
HASIL PENGUJIAN NORMALITAS DATA SEBAGAI BERIKUT:
Besaran p-value 0,593 adalah lebih besar dari nilai α. Dimana nilai α = 0,05 atau 5%. Bila nilai p-
value > nilai α, maka kesimpulannya data berdistribusi Normal.
Tahapan Perhitungan:
1. x ̅ = 102995
2. s=865.6
3. α = 1 – tingkat kepercayaan
a. α = 1 – 95% = 5% = 0,05;α/2 = 0,025
4. Derajat kebebasan (df), v = n-1 = 12-1 = 11
a. Dari tabel 3.1: tα/2;v = t0,025;11 = 2,201
5. 𝜎̂ x ̅ = s/ √ n = 865 , 6 /√ 12 = 249,87
6. Estimasi interval
a. x ̅ – ( tα/2;v )(σ ̂ x ̅ ) < µ x < x ̅ + (tα/2;v ) (σ ̂ x ̅ )
b. 102995 – (2,201)(249,87) < µx <102995 + (2,201)(249,87)
c. 102445 < µx < 103544
7. Maka estimasi interval dari PT PERTAMINA HULU SANGA-SANGA berkisar antara 102445 BOPD
s/d 103544 BOPD dengan tingkat kepercayaan 95 persen.
Besaran p-value 0,331 adalah lebih besar dari nilai α. Dimana nilai α = 0,05 atau 5%. Bila nilai p-
value > nilai α, maka kesimpulannya data berdistribusi Normal.
Tahapan perhitungan:
1. x ̅ = 9595
2. s=210 ,8
3. α = 1 – tingkat kepercayaan
a. α = 1 – 95% = 5% = 0,05;α/2 = 0,025
4. Derajat kebebasan (df), v = n-1 = 12-1 = 11
a. Dari tabel 3.1: tα/2;v = t0,025;11 = 2,201
5. 𝜎̂ x ̅ = s/ √ n = 210 , 8/√ 12 = 608,52
6. Estimasi interval
a. x ̅ – ( tα/2;v )(σ ̂ x ̅ ) < µ x < x ̅ + (tα/2;v ) (σ ̂ x ̅ )
b. 9595 – (2,201)(608,52) < µx <9595 + (2,201)(608,52)
c. 8255,64 < µx< 10934,35
7. Maka estimasi interval dari BOB PT. BUMI SIAK PUSAKO- PERTAMINA HULU berkisar antara
8255,64 BOPD s/d 12185,9 BOPD dengan tingkat kepercayaan 95 persen.
1. Hipotesa:
i.
Ho: σ12=σ22
ii. H1: σ12≠ σ22→uji dua-ujung
2. α= 0,05
3. Pengujian menggunakan distribusi F.
i. Karena varians dari sampel A lebih besar dari sampel B, maka n1 = nA = 12, dan
n2 = nB = 12. Derajat kebebasan (df) untuk pembilang adalah:df1 = v1 = n1-1 =
12-1=11. Derajat kebebasan (df) untuk penyebut adalah:df2 = v2 = n2-1 = 12-
1=11.
4. Batas-batas daerah penolakan (kritis) uji dua-ujung: α = 0,05 → α/2 = 0,025. Dari Tabel F,untuk
α = 0,025; df1(pembilang)= v1 = n1- 1 =10 – 1= 9 dan df2 (penyebut) = v2 =n2 – 1= 12 – 1= 11
i. Batas daerah kritis adalah F0,025; 11;11 = 3,474
5. Aturan keputusan: Tolak H0 dan terima H1, jika RUF > 3,816. Jika tidak demikian terima H0.
6. Rasio Uji: RUF = s12/s22 = 865.62/21082= 0,1686
7. Pengambilan keputusan:
i. Karena nilai RUF = 3,816 adalah > dari 0,1686 maka Ho: σ12=σ22 ditolak. Hal ini
berarti H1: σ12 ≠ σ12 “diterima”.
terima H0
6. Rasio Uji:
i. 𝑅𝑈t = 𝑡𝑡𝑒𝑠𝑡 = 𝑥̅1 − 𝑥̅2 / √(𝑠1 2⁄𝑛1 ) + (𝑠2 2⁄𝑛2)
10295−9595
ii. RUt = ttest = = 0,0460
√65221 /12+25312 /12
7. Pengambilan keputusan:
i. Karena nilai RUF = 0,0460 berada diantara < -2,201 dan > + 2,201, maka Ho: µ12 =
µ22 “diterima”.
7. Pengambilan keputusan: Karena nilai RUz = -2,330 < dari – 2,131, makaHo: µ1= µ2 di-
TOLAK. Hal ini berarti mean rata-rata dari kedua sampel ini tidak sama, (ada perbedaan
besaran rata-rata dari kedua
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan uraian bab-bab diatas, maka dapat disimpulkan beberapa hal sebagai
berikut:
1. Rata-rata estimasi Produksi minyak bumi perbulan tahun 2019 pada PT Pertamina
Hulu Sanga-Sanga berkisar antara 102445 BOPD s/d 103544 BOPD.
2. Rata-rata estimasi Produksi minyak bumi perbulan tahun 2019 pada BOB PT.BUMI
SIAK PUSAKO-PERTAMINA HULU adalah berkisar antara 8255,64 BOPD s/d 12185,9
BOPD.
3. Tidak ada perbedaan yang signifikan terhadap Produksi minyak bumi perbulan tahun
2019 dari PT Pertamina Hulu Sanga-Sanga dan BOB PT. BUMI SIAK PUSAKO-
PERTAMINA HULU.
5.2 Saran
Dari hasil kesimpulan yang didapat pada pembahasan di atas maka dapat disarankan;
1. Perusahaan atau Kementerian ESDM dapat memberikan informasi nilai dalam bentuk
interval untuk produksi bulanan pada suatu perusahaan karena sewaktu – waktu bisa saja
hasil produksi di uji ulang hasilnya tidak sesuai
2. Jika Melakukan estimasi terhadap mean populasi dengan menggunakan data yang
diperoleh dan sampel, harus memperhatikan ukuran sampel (apakah n>30 atau n
<30)
3. Mengecek kebenaran kebenaran informasi tentang distribusi populasinya (apakah
distribusi normal atau tidak).
DAFTAR PUSTAKA