SIMULASI SISTEM PENGELOLAAN KUOTA BAHAN BAKAR MINYAK (BBM) DI DKI JAKARTA Erma Suryani, Indah Mayang Sari, Retno Aulia Vinarti Jurusan Sistem Informasi, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember Kampus Keputih, Sukolilo,Surabaya,60111 Telp : (031) 5922949, Fax : (031) 5964965 E-mail :
[email protected] Abstract Fuel (BBM) is a natural resource that is used by public in a wide-scale, both domestic and abroad. In Indonesia, fuel is managed by Oil and Gas Company or better known by Pertamina. Oftenly, the stability of fuel prices will have a big impact on the stability of other trade commodities in Indonesia, this is because fuel becomes a primary benchmark for commodity sell prices. Therefore, considering a causal relationship that affect and are affected by fuel prices is a complex effort and associated with many things. Dynamic simulation, have the ability, by loopback feature that describes the interrelationship of each of the factors that affect fuel prices. The first stage that carried out to establish a dynamic system model is to analyze what are the variables that affect and are affected by fuel prices, so that from this stage will generate causatic chart or diagram illustrating a causal relationship. The next stage is the construction of flow diagrams, which began with incorporate mathematical equations and types of data distributions of each variable that has been identified in the first stage. The third stage is the most important stage, that stage of validation which aims to ensure whether the flow diagram has been created can represent the actual conditions precisely or not. The next stage is the scenario stage, which began with making conditions that are different from actual conditions in order to obtain the best solution. The last stage of this research is the analysis phase of baseline (without scenario) with the scenario, from this stage will be produced possible solutions and their impact. From these results, it was found that policy to increase the value of imports fuel does not have a significant impact for the fulfillment of demand for gasoline in Jakarta area. Similar results were also shown from the scenario of increasing production of Cilacap refinery. However, the scenario results show that by increasing the production rate per capacity could reduce the risk to the fullest. Abstrak Bahan Bakar Minyak (BBM) merupakan sumberdaya alam yang digunakan oleh khalayak umum secara luas, baik di dalam negeri maupun di luar negeri. Di Indonesia, BBM dikelola oleh Perusahaan Pertambangan Minyak dan Gas Bumi atau yang lebih dikenal dengan Pertamina. Seringkali, kestabilan harga BBM akan berpengaruh besar pada stabilnya komoditas-komoditas perdagangan lainnya di Indonesia, hal ini karena BBM menjadi tolak ukur utama bagi harga jual komoditas tersebut. Oleh karena itu, menilik hubungan sebab-akibat yang mempengaruhi dan dipengaruhi oleh harga BBM merupakan upaya yang kompleks dan berhubungan dengan banyak hal. Simulasi Dinamik, memiliki kemampuan tersebut, dengan adanya fitur loopback yang menggambarkan hubungan timbal balik dari setiap faktor yang mempengaruhi harga BBM. Tahap pertama yang dilakukan untuk membangun sebuah model system dinamik adalah menganalisa variable-variabel apa sajakah yang mempengaruhi dan dipengaruhi harga BBM, sehingga dari tahap ini akan muncul diagram kausatik atau diagram yang menggambarkan hubungan sebab akibat. Tahap berikutnya adalah pembangunan flow diagram, yaitu mulai memasukkan persamaan-persamaan matematis dan jenis distribusi-distribusi data tiap variable yang telah diidentifikasi pada tahap pertama. Tahap ketiga merupakan tahap yang paling penting, yaitu tahap validasi yang bertujuan untuk meyakinkan apakah flow diagram yang telah dibuat, dapat merepresentasikan kondisi actual dengan presisi atau tidak. Tahap berikutnya yaitu tahap skenarioisasi, yaitu mulai melakukan kondisikondisi yang berbeda dengan kondisi actual dengan tujuan untuk mencari solusi terbaik yang bisa didapatkan. Tahap terakhir dari penelitian ini adalah tahap analisa hasil baseline (tanpa scenario) dengan hasil scenario, dari tahap ini akan muncul solusi-solusi yang mungkin beserta dampaknya. Dari hasil penelitian ini, didapatkan bahwa kebijakan untuk penambahan nilai import BBM tidak memberikan dampak yang signifikan bagi pemenuhan permintaan kebutuhan BBM di wilayah DKI Jakarta. Hasil yang sama juga ditunjukkan dari skenario penambahan produksi kilang minyak Cilacap. Hasil skenarioisasi menunjukkan bahwa dengan menambah rate produksi per kapasitas dapat mengurangi resiko secara maksimal. Kata kunci : simulasi, kuota BBM, kebutuhan BBM.
207
Jurnal Sistem Informasi, Volume 4, Nomor 3, September 2012, hlm 207-213
1. PENDAHULUAN
simulasi tersebut, pihak Pertamina dapat mempertimbangkan kebijakan-kebijakan yang telah dilakukan dalam pengaturan kuota BBM, khususnya di wilayah DKI Jakarta.
Bahan bakar minyak atau BBM merupakan salah satu bahan sembako yang sangat dibutuhkan oleh setiap masyarakat dalam beraktivitas. Di Indonesia, BBM dikelola oleh PT Pertamina, sebuah perusahaan BUMN yang menangani pengelolaan persediaan bahan bakar minyak di Indonesia. PT Pertamina pun memiliki tanggung jawab dalam pengelolaan BBM bersubsidi yaitu premium. Penelitian-penelitian serupa yang telah dilakukan sebelumnya, mengenai simulasi bahan bakar juga telah dilakukan. (Uffelen, dkk, 2012; Ogata, dkk, 2012).
Sehingga pada makalah ini akan melakukan simulasi dari faktor-faktor yang mempengaruhi pengelolaan persediaan BBM di wilayah DKI Jakarta serta menganalisa bagaimana pengaruhnya terhadap data saat ini yang telah didapatkan. Setelah membuat simulasi tersebut, akan dilakukan skenarioisasi mengenai bagaimana sajakah cara untuk meningkatkan performa pengelolaan persediaan dengan tujuan untuk memenuhi kebutuhan akan BBM di wilayah DKI Jakarta. Penelitian ini hanya terbatas pada simulasi sistem pengelolaan kuota BBM dengan data aktual selama kurun waktu tiga tahun yang akan digunakan untuk memperkirakan persediaan untuk tiga tahun ke depan dalam ruang lingkup wilayah DKI Jakarta.
Kelangkaan BBM tidak hanya dialami oleh Jakarta Indonesia, namun hal ini juga dialami oleh negaranegara lainnya di dunia seperti US (Hemmingsen, E, 2010). Selain dikarenakan permasalahan ekologi (Batabyal, A.A, dkk, 2003), kelangkaan juga dikarenakan pada saat produksi dan persediaan berkurang, beberapa depo bahan bakar minyak mengalami kelangkaan BBM. Dan ini tentunya berdampak besar terhadap stabilitas dan aktivitas sehari-hari masyarakat, khususnya di wilayah DKI Jakarta, sebagai pusat ibukota yang memiliki kepadatan penduduk dan mobilitas yang tinggi. Oleh karena itu, untuk meningkatkan performa PT Pertamina dalam memberikan pelayanan sebaik mungkin dalam pengelolaan kuota BBM di setiap depo bahan bakar minyak, maka kami mengambil sistem pengelolaan ini untuk disimulasikan. Sehingga, nantinya dari hasil yang didapatkan dari
2. METODOLOGI Sistem Pengelolaan Kuota BBM di wilayah DKI Jakarta ini dipengaruhi oleh beberapa faktor baik internal maupun eksternal yang terdiri dari beberapa variable dengan sifat kausal yang harus dipenuhi seperti yang ditunjukkan pada gambar 1. Enam puluh sifat kausal tersebut akan diilustrasikan sebagai diagram flow yang memiliki komponen dari sistem yang tertera pada table 1. Komponen pada table 1 akan digambarkan pada diagram flow seperti yang terlihat pada gambar 1.
Tabel 1. Tabel Penjelasan komponen dari simulasi Pengelolaan Kuota BBM DKI Jakarta
Komponen
Nama Variable
Representasi Rumus
Persediaan BBM Produksi BBM
Level
Impor BBM
Pemakaian BBM Rate / Auxiliary
Alokasi BBM untuk DKI Jakarta Total produksi kilang Total kebutuhan BBM di DKI Jakarta
208
Impor BBM + Produksi BBM - Pemakaian BBM Initial Value = 3.63636+007 Total Produksi Kilang IF THEN ELSE (Total kebutuhan BBM diluar DKI Jakarta + Total kebutuhan BBM DKI Jakarta > Persediaan BBM, IF THEN ELSE ((Total Kebutuhan BBM diluar DKI Jakarta + Total Kebutuhan BBM DKI Jakarta - Persediaan BBM)*Harga BBM Internasional < Anggaran dana subsidi BBM, Total Kebutuhan BBM diluar DKI Jakarta + Total Kebutuhan BBM DKI Jakarta - Persediaan BBM, Anggaran Dana Subsidi BBM / Harga BBM Internasional), 0) Total Kebutuhan BBM diluar DKI Jakarta + Total kebutuhan BBM DKI Jakarta Total kebutuhan BBM DKI Jakarta
Suryani dkk., Simulasi Sistem Pengelolaan Kuota Bahan Bakar Minyak (BBM) di DKI Jakarta
Total kebutuhan BBM di luar DKI Jakarta Jumlah penduduk DKI Jakarta Kuota BBM DKI Jakarta Kuota BBM Jakarta Utara Kuota BBM Jakarta Selatan Kuota BBM Jakarta Barat Kuota BBM Jakarta Timur Kuota BBM Jakarta Pusat Kuota BBM Kepulauan Seribu Jumlah kendaraan bermotor DKI Jakarta Jumlah kendaraan bermotor luar DKI Jakarta Jumlah penduduk luar Jakarta Jumlah penduduk Jakarta Utara Jumlah penduduk Jakarta Selatan Jumlah penduduk Jakarta Barat Jumlah penduduk Jakarta Timur Jumlah penduduk Jakarta Pusat Jumlah penduduk Kepulauan Seribu Konstanta
Produksi UP 1 Produksi UP 2 Produksi UP 3 Produksi UP 4 Produksi UP 5 Produksi UP 6 Produksi UP 7 Harga BBM Internasional Anggaran dana subsidi BBM
Gambar 2 sampai 4 menunjukkan hasil dari simulasi dengan base model yang telah dimasukkan pada setiap konstanta atau level. Grafik 2 menggambarkan total produksi minyak Indonesia, dari gambar tersebut KL akan meningkat secara linear. Dapat dilihat pada gambar 1 bahwa pada bulan ke 12 akan mencapai sekitar 475000000 kl, dengan total produksi awal pada bulan ke 0 adalah 50000000 kl. Sehingga dapat disimpulkan bahwa
Tabel 2. Tabel Parameter Pengaturan Simulasi Vensim
Parameter Pengaturan Initial Time Final Time Time Step Units for Time Integration Type
Jumlah Penduduk DKI Jakarta*1.04321 Random Normal (Jumlah Penduduk Luar Jakarta*1/1000, Jumlah Penduduk Luar Jakarta*5/1000, Jumlah Penduduk Luar Jakarta*3/1000, 0.5, 0) 2e+008 RandomNormal (1e+006, 2e+006, 1.68703e+006, 0.2, 0) RandomNormal (1.5e+006, 2.2e+006, 2e+006, 0.02, 0) RandomNormal (17000, 22000, 21000, 0.2, 0) RandomNormal (2e+006, 2.8e+006, 2.68703e+006, 0.2, 0) RandomNormal (800000, 900000, 850000, 0.2, 0) RandomNormal (17000, 22000, 21000, 0.2, 0) RandomNormal (150000, 200000, 175000, 0.5, 0) RandomNormal (5e+006, 6.2e+006, 5.9e+006, 0.5, 0) RandomNormal (3.5e+006, 4.2e+006, 4e+006, 0.5, 0) RandomNormal (1e+008, 1.2e+008, 1.1e+008, 0.5, 0) RandomNormal (8.6e+006, 9.3e+006, 9e+006, 0.5, 0) RandomNormal (4e+006, 4.5e+006, 4.3e+006, 0.5, 0) RandomNormal (300000, 400000, 350000, 0.5, 0) 9000 RandomNormal (5e+011, 1e+012, 7e+011, 0.5, 0)
Nilai Parameter Pengaturan 0 12 1 Month Euler
209
Jurnal Sistem Informasi, Volume 4, Nomor 3, September 2012, hlm 207-213
setiap bulannya total produksi akan bertambah seki-
tar 35410000 kl.
Gambar 1. Diagram flow simulasi sistem pengelolaan kuota BBM DKI Jakarta
Pada gambar 3 dapat dilihat bahwa persediaan BBM meningkat secara eksponensial namun tidak begitu curam pada grafiknya, hal ini dikarenakan variable persediaan BBM pada table x dipengaruhi oleh tiga variable yaitu variable impor BBM, produksi BBM dan penggunaan BBM. Grafik total penggunaan BBM DKI Jakarta dapat dilihat pada gambar 4. Pada gambar 4 dapat dilihat bahwa grafik bersifat stasioner, tidak banyak mengalami perubahan dari bulan satu ke bulan berikutnya dalam rentang waktu satu tahun. Untuk menyatakan valid atau tidaknya suatu sistem, dibutuhkan alat ukur yaitu berupa Error Rate atau Standart Deviasi yang dikeluarkan oleh Barlas, Y (1989). Formula yang Error Rate dan Standart Deviasi tersebut adalah sebagai berikut
Tabel 3. Tabel Perbandingan Data Aktual dengan Data Hasil Simulasi Perkiraan Kebutuhan
Wilayah
Data Aktual
Hasil Simulasi
Kep. Seribu Jakarta Selatan Jakarta Timur Jakarta Pusat Jakarta Barat Jakarta Utara Rata-Rata
371.1456157 36235.22654 47331.67016 15833.72019 40141.23909 28981.98079 28149.16
26508.3 26507 26506.9 26507.1 26506.7 26507.9 26507.18
Pada simulasi dinamik sistem pengelolaan kuota BBM, juga dilakukan uji validasi dengan rumus Error Rate dari Barlas, Y. (1989). Dari data penggunaan BBM DKI Jakarta yang tertera pada table 3, dapat diperoleh nilai rata-rata penggunaan BBM DKI Jakarta yaitu sebesar 28149.16, sedangkan pada hasil simulasi, diperoleh rata-rata penggunaan BBM DKI Jakarta sebesar 26507.18. Didapatkan pada penggunaan rumus 2.1 bahwa Error Rate dari sistem simulasi ini sebesar 0.058331. Nilai tersebut mendekati ambang batas dinyatakan validnya suatu sistem, sehingga dapat disimpulkan bahwa sistem simulasi pengelolaan
(1) (2) dimana: S = rata-rata hasil peramalan A = rata-rata data aktual bagian validasi SS = standart deviasi data hasil peramalan SA= standart deviasi data aktual bagian validasi
210
Suryani dkk., Simulasi Sistem Pengelolaan Kuota Bahan Bakar Minyak (BBM) di DKI Jakarta
kuota BBM adalah valid berdasarkan ukuran Error Rate.
Gambar 2. Grafik Perubahan Total Produksi Minyak Indonesia per bulan
Gambar 3. Grafik perubahan persediaan BBM per bulan
Gambar 4. Grafik Total penggunaan BBM DKI Jakarta
211
Jurnal Sistem Informasi, Volume 4, Nomor 3, September 2012, hlm 207-213
Gambar 5. Grafik Jumlah Produksi Minyak UP 4
3. HASIL dan PEMBAHASAN
perpendek umur kilang minyak yang ada di Cilacap karena kenaikan produksi yang signifikan. Untuk mengantisipasi resiko tersebut, maka perlu disiapkan penambahan produksi di kilang-kilang minyak yang berpotensi untuk menghasilkan produksi minyak lebih banyak. Atau dapat pula mencari sumbersumber minyak baru yang ada di Indonesia.
Pada sistem simulasi ini menerapkan dua skenario dari model utama (baseline model), skenario pertama termasuk pada skenario parameter yaitu menambah total produksi pada setiap kilang minyak. Skenario pertama dilakukan dengan cara menambah total produksi pada setiap kilang minyak yang dimiliki sebesar 62.04%, sedangkan skenario kedua yang termasuk pada skenario struktur yaitu menambah impor BBM sebesar 10% dari total penggunaan BBM DKI Jakarta.
Seperti digambarkan pada sistem gambar 1, bahwa produksi minyak hanya bergantung pada produksi dalam negeri. Terlebih saat beberapa wilayah yang menghasilkan minyak telah dieksplor terus menerus sehingga kilang-kilang yang tersedia mulai habis cadangan minyaknya. Menambahkan struktur Impor BBM dengan asumsi 10% dari Total Penggunaan BBM DKI Jakarta diperkirakan telah memberikan dampak yang lebih baik bagi pemenuhan permintaan BBM.
Untuk mengimplementasikan skenario pertama, pada gambar x ditunjukkan salah satu contoh penambahan total produksi di kilang minyak Cilacap (UP4) sebesar 62.04%. Hal yang sama dilakukan kepada tujuh UP yang dimiliki untuk memenuhi kebutuhan penggunaan BBM DKI Jakarta.
Melakukan impor bahan bakar minyak bukan perkara mudah untuk diputuskan. Namun banyak kendala yang dihadapi pemerintah Indonesia dalam membangun kilang baru, mengharuskan pemerintah untuk mengimpor minyak dengan harga yang mahal. Bahkan kuota 10% dari penggunaan BBM di wilayah DKI Jakarta pun tak memberi cukup perubahan yang signifikan. Bahkan, justru dengan menambah produksi pada kilang minyak negeri sendiri lah yang memberi manfaat terhadap kebutuhan BBM dalam negeri.
Dari hasil menjalankan simulasi dengan parameter pengaturan yang tertera pada table x maka didapatkan hasil seperti gambar 5, 6. Dari gambar 5 dan 6, diperoleh hasil interpretasi dari skenario pertama adalah Wilayah DKI Jakarta merupakan bagian dari pulau Jawa sehingga penambahan produksi kilang minyak sebesar 62% dilakukan di Kilang Minyak yang ada di Cilacap atau di UP 4. Berdasarkan hasil run simulasi, grafik Pemenuhan Permintaan BBM untuk Wilayah DKI Jakarta meningkat. Akan tetapi, resiko dari skenario ini adalah semakin mem-
212
Suryani dkk., Simulasi Sistem Pengelolaan Kuota Bahan Bakar Minyak (BBM) di DKI Jakarta
Gambar 6. Grafik Persediaan BBM
4. SIMPULAN dan SARAN
baik jika obyek penelitian diperluas misalnya untuk seluruh Indonesia, mengingat dampak yang ditimbulkan juga akan mempengaruhi kuota dan kebutuhan BBM se Indonesia.
Dari hasil simulasi yang telah dilakukan, dapat dilihat bahwa kebijakan untuk penambahan struktur (Skenario penambahan Impor BBM), tidak memberikan dampak yang berarti bagi kondisi pemenuhan permintaan kebutuhan BBM di wilayah DKI Jakarta. Begitu pula dengan skenario penambahan produksi pada kilang minyak Cilacap belum tentu pula pemerintah dapat melakukannya mengingat kilang ini sudah berdiri cukup lama. Serta begitu banyak kendala yang dihadapi apabila akan membangun kilang minyak, salah satunya permainan politik di Indonesia sehingga sumbersumber minyak di Indonesia malah dikelola oleh pihak asing. Yang dapat dilakukan secara maksimal adalah menambah rate produksi/kapasitas dari kilang-kilang minyak yang telah ada. Dengan resiko sumberdaya yang dihasilkan kilang tersebut akan menjadi lebih cepat habis dari jangka waktu yang sewajarnya.
5. DAFTAR PUSTAKA Uffelen, P.V., Suzuki, M., 2012. Oxide Fuel Performance Modelling and Simulations. Comperehensive Nuclear Materials, 3, pp.535-577. Ogata, T., Kim, Y.S., Yacout, A.M, 2012. Metal Fuel Performance Modelling and Simulations. Comperehensive Nuclear Materials, 3, pp.713753. Hemmingsen, E., 2010, At the base of Hubbert’s peak: Grounding the Debate on Petroleum Ccarcity. Geoforum, 41 (4), pp.531-540. Batabyal, A.A., Kahn, J.R., O’Neill, R. V., 2003. On the Scarcity Value of Ecosystem Services. Journal of Environmental Economics and Management, 46 (2), pp.334-352. Barlas,1989. Multiple Tests For Validation Of System Dynamics Type Of Simulation Models, European Journal of Operational Research, 42, pp.63
Dari kesimpulan di atas, maka kemungkinan penelitian berikutnya bagi peneliti yang ingin megembangkan penelitian ini selanjutnya dapat dibuat model eksperimen untuk mencari alternatif usulan model kebijakan yang lain. Penelitian mengenai konversi minyak tanah ini akan lebih
213
