OPTIMASI KINERJA DAN KELAYAKAN EKONOMI PENAMBAHAN POMPA SCREW PUMP MENGGUNAKAN METODE ARIMA DI STASIUN D SHIPPING PUMP
DOI:
https://doi.org/10.53026/sntem2025.v5i1.538Keywords:
crude oil, optimasi, Penyaluran, pompaAbstract
PT X ORA adalah perusahaan yang bergerak di bidang logistik minyak dan gas, khususnya dalam transportasi crude oil. Salah satu fasilitas pentingnya adalah Stasiun D Shipping Pump, yang dilengkapi dengan empat unit pompa tipe twin screw pump dengan kapasitas masing – masing 35.000 BOPD. Pe-nelitian ini bertujuan mengoptimalkan kinerja screw pump dengan memprediksi waktu kebutuhan penambahan pompa baru, efisiensi pompa, dan memperhatikan aspek keekonomian, agar pompa tetap dapat berfungsi optimal dalam mendukung penyaluran crude oil. Metode yang digunakan adalah time series forecasting dengan model ARIMA untuk memproyeksikan kebutuhan penyaluran. Hasil perama-lan menunjukkan peningkatan volume penyaluran setiap bulan, hingga pada Mei 2030 mencapai 140.000 BOPD. Selanjutnya, perhitungan efisiensi menunjukkan bahwa twin screw pump di Stasiun D Shipping Pump memiliki tingkat efisiensi sebesar 75 %. Analisis ekonomi terhadap penambahan pompa menghasilkan Net Present Value (NPV) sebesar Rp 696.160.485,87, Profitability Index (PI) 1,07, serta Payback Period 6 tahun 1 bulan, sehingga investasi dinilai layak secara teknis dan ekonomis. Hasil penelitian ini berkontribusi dalam meningkatkan efisiensi sistem pemompaan di industri migas melalui pendekatan integratif antara analisis peramalan, evaluasi teknis, dan kelayakan ekonomi, sehingga dapat menjadi acuan dalam perencanaan kapasitas dan pengelolaan infrastruktur distribusi energi secara berkelanjutan.
References
Kementerian ESDM, “Statistik-Migas-Semester-I-2024,” pp. 1–104, 2024.
A. K. Mishra, S. Singh, S. Gupta, S. Gupta, and R. K. Upadhyay, “Forecasting Future Trends in Crude Oil Production in India by Using Box-Jenkins Arima,” AIP Conf. Proc., vol. 2481, no. November, 2022, doi: 10.1063/5.0103682.
Y. Cheng, J. Yi, X. Yang, K. K. Lai, and L. Seco, “A CEEMD-ARIMA-SVM model with structural breaks to forecast the crude oil prices linked with extreme events,” Soft Comput., vol. 26, no. 17, pp. 8537–8551, 2022, doi: 10.1007/s00500-022-07276-5.
Y. Ning, H. Kazemi, and P. Tahmasebi, “A comparative machine learning study for time series oil production forecasting: ARIMA, LSTM, and Prophet,” Comput. Geosci., vol. 164, no. May, p. 105126, 2022, doi: 10.1016/j.cageo.2022.105126.
M. Li, “Prediction of the West Texas Intermediate Crude Oil Price Using ARIMA Model and ARIMA-GARCH Model,” no. Iampa, pp. 110–118, 2024, doi: 10.5220/0012999200004601.
X. J. He, “Crude Oil Prices Forecasting: Time Series vs. SVR Models,” J. Int. Technol. Inf. Manag., vol. 27, no. 2, pp. 25–42, 2018, doi: 10.58729/1941-6679.1358.
D. Ratra, V. Sehgal, M. P. Yadav, and A. Wajid, “Forecasting the Energy Commodities: An evidence of ARIMA and Intervention Analysis,” Int. J. Monet. Econ. Financ., vol. 1, no. 1, p. 1, 2023, doi: 10.1504/ijmef.2023.10055904.
M. Suleiman et al., “Modelling Nigeria Crude Oil Prices using ARIMA Time Series Models,” NIPES - J. Sci. Technol. Res., vol. 5, no. 1, pp. 230–241, 2023, doi: 10.5281/zenodo.7744937.
A. S. Ahmar, A. Rahman, P. V. Anatolievich, R. Rusli, and S. M. Meliyana R., “Forecasting the Export Value of Oil and Gas in Indonesia using Autoregressive Integrated Moving Average (ARIMA),” Quant. Econ. Manag. Stud., vol. 4, no. 5, pp. 1036–1044, 2023, doi: 10.35877/454ri.daengku1040.
M. Wati, H. Haviluddin, A. Masyudi, A. Septiarini, and H. R. Hatta, “Autoregressive Integrated Moving Average (ARIMA) Model for Forecasting Indonesian Crude Oil Price,” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 9, no. 3, pp. 720–730, 2023, doi: 10.26555/jiteki.v9i3.22286.
S. N. Sarfiah and A. S. Aripulis, “the Implementation of Arima Method in Forcasting Indonesian Crude Oil Export, Production and Consumption,” J. REP (Riset Ekon. Pembangunan), vol. 8, no. 1, pp. 122–141, 2023, doi: 10.31002/rep.v8i1.1389.
M. A. Rofiq and W. S. Huda, “FORECASTING PERSEDIAAN BAHAN BAKU KERTAS MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE (ARIMA) di YUDHARTA ADVERTISING,” JASIEK (Jurnal Apl. Sains, Informasi, Elektron. dan Komputer), vol. 1, no. 2, 2019, doi: 10.26905/jasiek.v1i2.3416.
A. H. Adineh, Z. Narimani, and S. C. Satapathy, “Importance of data preprocessing in time series prediction using SARIMA: A case study,” Int. J. Knowledge-Based Intell. Eng. Syst., vol. 24, no. 4, pp. 331–342, 2021, doi: 10.3233/KES-200065.
P. Więcek and D. Kubek, “The Impact Time Series Selected Characteristics on the Fuel Demand Forecasting Effectiveness Based on Autoregressive Models and Markov Chains,” Energies, vol. 17, no. 16, 2024, doi: 10.3390/en17164163.
Anna Nita Kusumawati, Muhammad Ghofur, Mega Anggraeni Putri, Zaki Abdullah Alfatah, and Mu’adzah, “Peramalan Permintaan Menggunakan Time Series Forecasting Model Untuk Merancang Resources Yang Dibutuhkan IKM Percetakan,” JENIUS J. Terap. Tek. Ind., vol. 2, no. 2, pp. 105–115, 2021, doi: 10.37373/jenius.v2i2.159.
Torishima, Torishima Pump. Osaka, Japan, 2011.
P. D. H. T. Ir. Sularso, MSME, Pompa dan Kompresor Pemilihan, Pemakaian, dan Pemeliharaan. Tokyo, Japan, 1983.
R. Ahmad et al., “Analisis Kelayakan Investasi Usaha Laga Lagi Thrift Menggunakan Pendekatan Capital Budgeting: Studi Kasus Metode Payback Period, NPV, DAN IRR,” J. Akuntansi, Manaj. Dan Ekon., vol. 4, no. 1, pp. 25–35, 2025.
E. Riyanto, “Penentuan Tingkat Diskonto (Discount Rate) Dalam Penilaian Sektor Kehutanan,” J. Pajak Indones., vol. 2, no. 2, pp. 39–48, 2018.
Downloads
Published
Conference Proceedings Volume
Section
License
Copyright (c) 2025 Seminar Nasional Teknologi Energi dan Mineral 2025
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
