Analisa Lanjut Produksi Minyak Tahun 2019 Dari PT.

Pertamina Hulu dan

Pertamina Hulu Energi Menggunakan Metode Statistik Parametrik

Karya Ilmiah

Diajukan Sebagai Syarat Kelulusan

Mata Kuliah Metodologi Penelitian

NAMA: PITER SONY LEASAAM

NIM: 1320184034

PROGRAM STUDI TEKNOLOGI PRODUKSI MINYAK DAN GAS BUMI

JURUSAN TEKNIK MESIN
POLITEKNIK NEGERI AMBON
2023
 Lembaran Pengesahan

Karya Ilmiah ini telah diperiksa oleh

Pengajar Mata Kuliah Metodologi Penelitian

Pada Tanggal: …………………………. 2023

Pengajar Mata kuliah

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

Global economic uncertainty in 2019 resulted in a slowdown in the Indonesian

economy. This could also have an impact on business activities in the oil and gas subsector.
Almost all oil and gas subsector statistics experienced a decline in numbers, regardless of the
existence of certain policies. On the upstream side, oil and gas investment figures in the
upstream sector in 2019 experienced a slight decrease of 1.05% compared to upstream oil and
gas investment in 2018. This was due to several factors such as delays in the realization of field
exploration and exploitation, ongoing exploration and development programs and not yet 100%
complete, and world oil prices. The largest decline occurred in investment in the exploration
sector by 24.83%. However, there has been an increase in 2D seismic survey activities, even
though 3D seismic surveys have decreased. Seismic survey activities Global economic
uncertainty in 2019 resulted in a slowdown in the Indonesian economy. This could also have an
impact on business activities in the oil and gas subsector. Almost all oil and gas subsector
statistics experienced a decline in numbers, regardless of the existence of certain policies. On
the upstream side, oil and gas investment figures in the upstream sector in 2019 experienced a
slight decrease of 1.05% compared to upstream oil and gas investment in 2018. This was due to
several factors such as delays in the realization of field exploration and exploitation, ongoing
exploration and development programs and not yet 100% complete, and world oil prices. The
largest decline occurred in investment in the exploration sector by 24.83%. However, there has
been an increase in 2D seismic survey activities, even though 3D seismic surveys have
decreased. Seismic survey activities Global economic uncertainty in 2019 resulted in a
slowdown in the Indonesian economy. This could also have an impact on business activities in
the oil and gas subsector. Almost all oil and gas subsector statistics experienced a decline in
numbers, regardless of the existence of certain policies. On the upstream side, oil and gas
investment figures in the upstream sector in 2019 experienced a slight decrease of 1.05%
compared to upstream oil and gas investment in 2018. So, the problem of this research is: the
difference and average estimate of monthly petroleum production in 2019 in PT. Pertamina
Hulu East Kalimantan and Petronas Carigali (Ketapang) LTD.
The aim of this research is to determine the differences and average estimates of
monthly petroleum production in 2019 at PT. Pertamina Hulu East Kalimantan and Petronas
Carigali (Ketapang) LTD. In this research the author uses a quantitative approach, as a research
procedure that produces an explanatory method. This method aims to test a hypothesis or
theory in order to strengthen a pre-existing hypothesis or theory
 The result of this research is to obtain an estimate of the interval parameter values of
the monthly petroleum population means in 2019 at PT. Pertamina Hulu East Kalimantan
ranges between 10665.9 BOPD to 11692.11 BOPD and Petronas Carigali (Ketapang) LTD ranges
from 10164.12 BOPD to 12185.87 BOPD.

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.

Ambon, Oktober 2023

Penulis

PITER SONY LEASAAM

 DAFTAR ISI

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

Gambar 2.1: Probability Densiti Fungsional 5

Gambar 2.2: Distribusi Sampling Normal (Gaussian) 6

Gambar 2.3: Pertimbangan Lebar Interval Estimasi 7

Gambar 2.4: Pengaruh Ukuran Sampel terhadap bentuk Distribusi 9

Gambar 2.5: Distribusi dari notasi 10

Gambar 2.6: Bentuk umum Distribusi F 11

Gambar 4.1: Grafik Uji Normalitas Data Produksi Minyak PT “A” 17

Gambar 4.2: Grafik Uji Normalitas Data Produksi Minyak PT “B” 18

 BAB I
PENDAHULUAN

1.1 Latar Belakang Masalah

Tahun 2019 merupakan tahun penting dalam sektor minyak dan gas bumi di Indonesia. Pada tahun
ini, data statistik produksi minyak dari dua perusahaan berpengaruh di industri tersebut menjadi
perhatian utama. PT Pertamina Hulu Sanga-Sanga dan PT Bumi Siak Pusako - Pertamina Hulu merupakan
dua perusahaan yang memainkan peran kunci dalam produksi minyak bumi di Indonesia.

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

Hal tersebut terjadi karena hal-hal sebagai berikut:

1. Adanya perubahan perhitungan klasifikasi cadangan yang didasarkan pada Petroleum
Resources Management System (PRMS) 2018,dimana lapangan-lapangan yang tidak ada
kegiatan pemroduksian (tidak diusahakan), status cadangannya berpindah kelas menjadi
contingent dan unrecoverable.
2. Penurunan besaran cadangan Kontraktor karena adanya perhitungan ulang dengan adanya
pengeboran-pengeboran baru, ataupun adanya data penunjang baru yang lain.
 (Buku Statistik Minyak dan Gas Bumi 2019, Direktorat Jenderal Minyak dan Gas Bumi
Kementerian Energi dan Sumber Daya Mineral, hal 10).

1.2 Identifikasi dan Perumusan Masalah

Berdasarkan latar belakang di atas, maka masalah dapat rumusan pada penelitian ini
diantaranya:
1. Berapa rata-rata estimasi Produksi minyak bumi perbulan tahun 2019 pada
PT.PERTAMINA HULU SANGA-SANGA ?
2. Berapa rata-rata estimasi Produksi minyak bumi perbulan tahun 2019 pada BOB
PT. BUMI SIAK PUSAKO- PERTAMINA HULU ?
3. Apakah ada perbedaan yang signifikan terhadap Produksi minyak bumi perbulan
tahun 2019 dari PT PERTAMINA HULU SANGA-SANGA ?
1.3 Tujuan Penelitian
Berdasarkan permasalahan yg disebutkan maka tujuan penelitian dirumuskan sebagai
berikut:
1. Untuk mengetahui berapa rata-rata estimasi Produksi minyak bumi perbulan tahun
2019 pada PT.PERTAMINA HULU SANGA-SANGA
2. Untuk mengetahui berapa rata-rata estimasi Produksi minyak bumi perbulan tahun
2019 pada BOB. PT BUMI SIAK PUSAKO-PERTAMINA HULU
3. Untuk mengetahui apakah ada perbedaan yang signifikan terhadap Produksi minyak
bumi perbulan tahun 2019 dari PT.PERTAMINA HULU SANGA-SANGA dan Produksi
BOB. PT BUMI SIAK PUSAKO-PERTAMINA HULU
4. Untuk memenuhi syarat kelulusan mata kuliah Metologi Penelitian pada program
study Teknik produksi migas jurusan Teknik mesin politeknik negeri ambon.

1.4 Kegunaan Penelitian

1. Untuk memberikan gambaran yang lebih luas terhadap hasil produki minyak perbulan
tahun 2019 pada PT.PERTAMINA HULU SANGA-SANGA dan Produksi BOB. PT BUMI SIAK
PUSAKO-PERTAMINA HULU
2. Untuk menambah pengetahuan bagi penulis
 BAB II
KAJIAN PUSTAKA, KERANGKA PEMIKIRAN DAN
HIPOTESIS/PENDEKATAN MASALAH

2.1 Kajian Pustaka

2.1.1 Pengertian Migas

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.

2.1.1.1 Industri Migas

Industri minyak dan gas telah berkembang sejak awal 1900-an, yaitu pada era
Rockafeller dengan standar oilnya. Kegiatan usaha inti (core business) di industri migas
dibedakan menjadi dua, yaitu kegiatan hulu dan kegiatan hilir.Kegiatan hulu industri
migas meliputi eksplorasi, pengembangan lapangan migas, produksi atau eksploitasi, dan
pengangkatan (lifting). Setelah itu, ada kegiatan usaha hilir minyak dan gas yang terdiri
dari kegiatan usaha pengolahan, pengangkutan, penyimpanan, dan niaga (pemasaran). Di
 Indonesia, hampir seluruh kegiatan eksplorasi migas dilakukan oleh kontraktor minyak
asing yang bekerja sama dengan Pemerintah.Industri migas bersifat global, penuh resiko,
dan juga mahal karena membutuhkan biaya yang besar. Untuk memastikan adanya
hidrokarbon di bawah lapisan bumi, industri migas memerlukan peralatan dengan
teknologi yang canggih (Kholifatu Nurlali Mahardika, April 25, 2022).

2.1.2 Perusahaan Migas

Di Indonesia, ada beberapa perusahaan yang bergerak dalam industri minyak dan gas.
Tiga perusahaan migas terbesar yaitu Mobil Cepu Ltd, PT Chevron Pacific Indonesia, dan
PT Pertamina. Di antara ketiga perusahaan itu, salah satunya merupakan perusahaan
BUMN, yaitu PT Pertamina.
Perusahaan migas pada umumnya memiliki sembilan divisi penting, yaitu:
1. Health, Safety, Security, Environment
2. Technician
3. Engineering
4. Technology
5. Wells
6. Project
7. Trading
8. Commercial
9. Business Infrastructure atau Shared System

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).

2.1.2.2 BOB PT.BUMI SIAK PUSAKO-PERTAMINAN HULU

Petronas Carigali (Ketapang) LTD merupakan anak perusahaan Peeronas, perusahaan
mnyak dan gas asal Malasya. Perusahaan ini beroperasi di Blok Ketapang, yang terletak
sekitar 110 km lepas Pantai Jawa Timur, Indonesia.
Petronas adalah operator blook Ketapang dan memegang 80% hak partisipasi melalui dua
anak perusahaannya, PC Ketapang II ltd dan Petronas Carigali (Ketapang) LTD. Sisa 20%
saham di blook tersebut dimiliki oleh PT. Saka Ketapang Perdana.

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 Statistik Parametrik

2.1.3.1 Pengertian dan Konsep Dasar
Pada pembahasan sebelumnya telah dijelaskan bahwa tahap statistik inferensial adalah,
proses untuk sampai pada sebuah kesimpulan mengenai parameter populasi yang tidak
diketahui, berdasarkan pada statistik suatu sampel.
Pada beberapa topik terakhir kita telah juga membahas mengenai konsep probabilitas dan
sampling yang mendasari proses estimasi ini. Jadi dalam bab ini akan dijelaskan bagaimana
konsep-konsep statistik inferensial, memungkinkan kita untuk menggunakan data sampel
untuk mengestimasi nilai dari suatu nilai rata-rata (mean), persentase, atau varians dari
populasi yang tidak diketahui.
2.1.3.2 Estimate, Estimator dan Estimasi

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).

2.1.3.3 Konsep Dasar Estimasi Interval Mean Populasi

Dalam prakteknya, hanya sampel dari populasi yang diambil dan kemudian statistik sampel
tersebut (mean, varians) dihitung serta kemudian sebuah estimate terhadap parameter populasi
ditentukan. Jadi, untuk mengestimasi parameter populasi harus diketahui sesuatu hal mengenai
hubungannya dengan mean-mean sampel.
2.1.3.3.1 Distribusi Sampling
Tinjauan ulang sejenak terhadap konsep distribusi mean-mean sampling (sampling
distribution of the means) memberikan dasar teoritis bagi estimasi interval dari mean
populasi. Apabila ukuran sampel cukup besar maka distribusi mean-mean samplingnya
akan mendekati distribusi normal/Gaussian. Sebagaimana telah dibahas sebelumnya dan
juga ditunjukkan oleh Gambar 2.1, mean dari distribusi mean-mean samplingnya akan
sama dengan mean dari populasinya.
Sebagai tambahan, dalam kisaran dua error standard (2σ x ) dari mean distribusi mean-
mean sampling itu tercakup 95,46 persen mean-mean sampel yang mungkin. Dari
uraian tersebut dapat dipahami bahwa, seandainya mungkin dilakukan pengambilan 1000
sampel yang ukurannya sama dari suatu populasi, maka sekitar 954 mean-mean
 sampel itu akan berada dalam kisaran 2 error standard pada kedua sisi dari mean
populasi.

x−z . σ x < μ x < x+ z . σ x (2.2)

Gambar 2.2 Distribusi Sampling Normal (Gaussian)

2.1.3.3.2 Pertimbangan Lebar Interval

Dengan kembali meninjau Gambar 2.2, jika 95,4 persen dari seluruh nilai mean sampel yang
mungkin berada dalam kisaran 2 error standard (2σ x ) dari mean populasi maka jelaslah
bahwa mean populasi ( μ x) akan bemilai pada kisaran 2 error standard (2σ x ) dari 95,4
persen nilai mean-mean yang mungkin.
Sebagai ilustrasi penggunaan prinsip di atas perhatikan Gambar 2.2 Andaikan kita bisa
mendapatkan 1000 sampel yang mungkin dan memperoleh 1000 mean sampel, tiga di
antaranya ditunjukkan pada gambar. Sebagai tambahan, mean populasi akan diestimasi
sebagai berada pada jarak 2 error standard dari nilai mean sampel. Dengan kriteria x ± 2σ x
tersebut, setiap interval mungkin memuat atau tidak memuat nilai mean populasi. Misalkan
pada gambar interval yang dibentuk menggunakan x 1 dan x 2 memuat μ x sementara interval
yang dibentuk dengan menggunakan x 3 tidak dapat memuat µx.

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

2.1.3.3.3 Tingkat Kepercayaan

Dalam estimasi secara statistik selalu ditetapkan suatu tingkat kepercayaan
(level of confidence atau confidence coefficient) terhadap estimate-estimate
interval yang dibuat. Jadi, tingkat kepercayaan adalah probabilitas bahwa
parameter populasi yang diduga akan termuat dalam interval estimate. Jadi,
interval-interval kepercayaan (confidence intervals) adalah estimate-estimate
interval berdasarkan pada tingkat kepercayaan tertentu dan batas atas serta
batas bawah interval itu disebut batas-batas kepercayaan (confidence limits)

Gambar 2.3 Pertimbangan Lebar Interval Estimasi

Dalam prakteknya tingkat kepercayaan ditetapkan sebelum estimasi dilakukan.

Jadi, dengan menetapkan tingkat kepercayaan sebesar 90 persen artinya
seseorang yang melakukan estimasi tersebut ingin agar 90 persen yakin bahwa
nilai mean populasi akan termuat dalam interval yang diperoleh. Masalahnya
kemudian adalah menentukan berapa nilai Z yang akan digunakan dalam rumus
(2-1), untuk membentuk estimate interval yang akan memuat mean populasi
sebanyak 90 persen dan keseluruhan estimate interval yang dapat dibuat.
Dengan prinsip bahwa berlaku kurva distribusi normal pada distribusi sampling
maka nilai z tersebut dapat diperoleh dengan tabel skor z untuk nilai Z yang
meliputi 45 persen daerah masing-masing pada separuh kurva distribusi
normal.Tingkat kepercayaan yang umumnya digunakan untuk estimasi
interval terlihat dalam tabel 2.1 berikut ini.

Tabel 2.1 : Skor Z untuk tingkat kepercayaan tertentu.

Tingkat Kepercayaan Skor Bentuk Umum Estimasi Interval
 Z

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.

2.1.3.4.1 Karakteristik Distribusi-t

 Jika x adalah mean dari sampel acak dengan ukuran n dari suatu distribusi normal
dengan mean μx maka variabel acak:
x−μx
T=
S
√n

akan mempunyai sebuah distribusi probabilitas yang disebut distribusi-t dengan

derajat kebebasan (degree of freedom / df), v = n — 1.
Dengan demikian sebuah distribusi-t adalah distribusi dengan sebuah parameter
derajat kebebasan n. Distribusi ini memiliki sifat-sifat berikut:
1. Distribusi ini serupa dengan distribusi normal Z dengan mean nol dan simetris
(berbentuk lonceng / bell shape) terhadap mean.
2. Bentuk distribusinya tergantung pada ukuran sampel. Jadi distribusi-t sesunggubnya
adalah suatu keluarga (kumpulan) distribusi, dan ada perbedaan satu dengan
lainnya yang tergantung pada ukuran sampel.
3. Pada ukuran sampel yang kecil, keruncingan bentuk distribusi-t kurang di-
bandingkan distribusi Z, namun dengan meningkatnya ukuran sampel dan
mendekati 30, bentuk distribusi-t semakin mendekati bentuk distribusi normal z.
(Jadi jika n > 30, dapat digunakan nilai Z).

Gambar 2.4 Mengilustrasikan pengaruh ukuran sampel terhadap bentuk dan distribusi-t.

Gambar 2.4 Pengaruh Ukuran Sampel Terhadap Bentuk 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.

2.1.3.4.3 Tabel Distribusi-t

Tabel-tabel yang berkaitan dengan distribusi-t sering disajikan dalam dua format.
 Format yang pertama disebut sebagai tabel nilai kritis t dan format yang kedua
adalah tabel luas ujung kurva t (t curve tail areas).Kedua jenis tabel tersebut disajikan
pada Tabel 2.1 dan gambar 4.1 (lampiran).

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

 Estimate interval dari mean populasinya berbentuk:

x−t α . σ^ x < μ x < x +t α .^
σx
;v ;v
2 2

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 Uji Hipotesa Varians dengan Sampel-Ganda

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:

 Distribusi F adalah distribusi sampling untuk variabel S12/S22 (rasio varians

sampel).
 Seluruh nilai F > 0.
 Tidak simetris.
 Terdapat perbedaan bentuk distribusi yang tergantung pada jumlah sampelnya
serta banyaknya pengamatan dalam sampel-sampel tersebut.

Gambar 2.6 menunjukkan bentuk umum distribusi F.

Gambar 2.6;

Bentuk Umum Distribusi F

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:

 Tingkat kepentingan (level of significance) , α

 Derajat kebebasan (degree of freedom) untuk sampel yang digunakan sebagai
“pembilang” dalam rasio uji s21 / s22 → (df1 = v1 = n1 -1).
 Derajat kebebasan (degree of freedom) untuk sampel yang digunakan sebagai
“peyebut” dalam rasio uji s21 / s22 → (df2 = v2 = n2 -1)

Sampel dengan VARIANS terbesar dinyatakan sebagai sampel 1, dan selalu

dijadikan sebagai “pembilang” dalam rasio uji.
Jika hipotesis alternatif adalah H1: s12 ≠ s22, maka dilakukan uji dua-ujung. Bila
akan dilakukan uji satu-ujung, maka yang paling mudah adalah menyatakan
hipotesis alternatif adalah H1: s12 > s22.

1. Pendefinisian Daerah-daerah Penolakan atau Kritis

2. Pernyataan Aturan Keputusan (Decision Rule)
 3. Perhitungan Rasio Uji (RU)
Rumus yang digunakan untuk menghitung rasio uji (nilai
F) adalah:
2
s1
RU F =F test = 2
s2
4. Pengambilan Keputusan secara Statistik & Kesimpulan
 Jika nilai rasio uji berada di daerah penerimaan maka hipotesis nol (H 0)
diterima, sedangkan jika berada di daerah penolakan maka hipotesis nol
(H0) ditolak.
 Kesimpulan: ……………………

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

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 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

2.2 Kerangka Pemikiran

Hasil Produksi bulanan
3.
pada 12 data
CONOCOPHILLIPS
4.
(GRISSIK) LTD dan Data Sekunder Data Produksi
5.
PHE OGAN bulanan dari
6.
KOMERING Januari –
7. Desember 2020

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

2.3 Hipotesis/ Pendekatan Masalah

Berdasarkan kasus yang diteliti maka hipotesa pnelitian ini dapat dirumuskan
sebagai berikut:
H0 : Produksi rata-rata bulanan Tahun 2019 PT. Pertamina Hulu Kalimantan
Timur sama dengan produksi rata-rata bulanan tahun 2019 Petronas
Carigali (Ketapang) LTD.
H1 : >produksi rata-rata bulanan Tahun 2019 PT. Pertamina Hulu Kalimantan
Timur tidak sama dengan produksi rata-rata bulanan tahun 2019
 Petronas Carigali (Ketapang) LTD.

BAB III
OBJEK DAN METODE PENELITIAN

3.1 Objek Penelitian

Objek yang akan diamati dalam penelitian ini adalah hasil produksi bulanan Tahun 2019 pada PT.
Pertamina Hulu Sanga-Sanga Dan Bob PT. Bumi siak pusako pertaminan hulu Data yang diberikan
merupakan data sekunder pada pembahasan kasus metodologi penelitian tahun 2019. Penelitian
dikhususkan untuk mendapatkan kesimpulan estimasi nilai-nilai interval parameter dari means populasi
dan Varians populasi. Objek penelitian ini dilaksanakan pada

3.2 Metode dan Disain Penelitian

Pendekatan yang digunakan untuk menganalisis data dengan cara pendekatan kuantitatif dimana
metode explanatory digunakan sebagai prosedur penelitian. Metode Explanatory adalah metode yang
meneliti ada tindaknya pengaruh antar variabel dan untuk menguji teori Statistika Inferensial dalam
kasus yang diteliti.

3.3. Operasionalisasi Variabel/Lanagkah-langkah 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.

3.5 Teknik Pengolahan Data

Statistik yang digunakan adalah statistik inferensial khusus pada metode estimasi dengan mean
jika sampel berukuran kecil (n < 30) dan deviasi standard tidak diketahui serta menguji hipotesis varians
dan mean dengan sampel ganda.
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Hasil Penelitian

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

a. Hasil produksi wilaya pt pertamina hulu sanga-sanga

NO BULAN Hasil Produksi

bulanan (BOPD)
1 JANUARI 8763
2 FERBUARI 9262
3 MARET 11236
4 APRIL 9381
5 MEI 9852
6 JUNI 10293
7 JULI 10901
8 AGUSTUS 11363
9 SEPTEMBER 10284
10 OKTOBER 10053
11 NOVEMBER 11321
12 DESEMBER 10835

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

NO BULAN Hasil Produksi

bulanan (BOPD)
 1 JANUARI 9742
2 FERBUARI 9633
3 MARET 9676
4 APRIL 9679
5 MEI 9487
6 JUNI 9317
7 JULI 9579
8 AGUSTUS 9396
9 SEPTEMBER 9201
10 OKTOBER 9683
11 NOVEMBER 9793
12 DESEMBER 9938

Sumber: statistic minyak dan gas bumi 2019 ( Direktorat Jenderal Minyak dan Gas Bumi
Kementerian Energi dan Sumber Daya Mineral)

4.1.1 Tinjauan umum objek penelitian

Dalam bagian ini dikemukakan gambaran singkst tentang apa yang diselidiki dalam penilitian
ini,yaitu hasil produksi minyak pada dua entitas sealama 2019. Penilitian lebih lanjut dapat
mencakup analisis ter produksi, perbandingan kinerja antara kedua entitas, dan implikasi
potensialnya dalam industry minyak dan gas.

4.1.2 deskripsi variabel yang diselidiki/ Hasil penilitian dan pemaknaan

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.

4.2 pengujian/ Hasil penelitian

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.

4.3 Uji Perbandingan rata-rata produksi populasi-1 dan populasi-2

Pertama-tama dilakukan uji F:

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”.

uji t sebagai berikut:

1. Hipotesa
i.
Ho: μ12 = μ22
ii. H1: µ12 ≠ µ22→ Uji dua-ujung
2. α= 0,05
3. Pengujian menggunakan distribusi t
4. Batas-batas daerah penolakan (kritis) uji dua-ujung: α = 0,05→ α/2= 0,025. Derajat kebebasan df
= v = 12 – 1= 11 (df yang dipilih adalah yang terkecil dari dua sampel yang ada).
i. Dari tabel t, untuk α = 0,025; dƒ = v=11. Batas daerah kritis adalah F0,025;11= 2,201
5. Aturan keputusan:
i. Tolak H0 dan terima H1, jika RUt < -2,201 atau > +2,201. Jika tidak demikian

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”.

ii. Selanjutnya dilakukan perbandingan

8. Hipotesa:
i. Ho: µ1 = µ2
ii. H1: µ1 ≠ µ2 →uji dua-ujung
b. 2. α = 0,05
c. 3. Pengujian menggunakan distribusi t.
d. 4. Batas-batas daerah penolakan (kritis) → uji dua-ujung. α= 0,05 → α/2 = 0,025 , df = v
= n1 + n2 - 2 = 8 + 9 – 2 = 15. Dari tabel t untuk α/2 = 0,025 dan v = 15, didapat batas
kritis t0,025, 15 =2,131
5. Aturan keputusan: Tolak H0 dan terima H1, jika RUz < -2,131 atau ˃ + 2,131. Jika tidak
demikian terima H0.
6. Rasio Uji: 𝑅𝑈𝑡 = 𝑡𝑡𝑒𝑠𝑡 = 𝑥̅1 − 𝑥̅2 √ 𝑠1 2(𝑛1−1) + 𝑠2 2(𝑛2−1) 𝑛1+ 𝑛2 −1 √ 1 𝑛1 + 1 𝑛2 = 58 −
72,7 √ 260,18(7) +97,82(8) 15 √ 1 8 + 1 9 = −2,330

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

Statistik-Migas., (2022)., Statistik Minyak dan Gas Bumi.

Mahardhika Nurlaili Kholifatu., (2022)., Mengenal Minyak dan Gas (Migas) dan Industrinya.
Statistik-Migas., (2019)., Statistik Minyak dan Gas Bumi.
Mendenhall W. and Sincich T., 1996.,Statistic for Engeenering and Sciences., Prentice-
Hall International , Inc., New Jersy.
 LAMPIRAN

Tabel Distribusi-t - Nilai Kritis-tα , n

Tabel Distribusi-t Luas Ujung Kurva – t (t curva tail

Tabel distribusi F 25
26