universitas indonesia penentuan lokasi spbg...

UNIVERSITAS INDONESIA

PENENTUAN LOKASI SPBG CNG DI WILAYAH DKI JAKARTA DENGAN

MENGGUNAKAN PROGRAMA INTEGER

SKRIPSI

HARUMI DIAH WIJAYANTI 0806458883

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK

DEPOK JUNI 2012

Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012

ii Universitas Indonesia

UNIVERSITAS INDONESIA

PENENTUAN LOKASI SPBG CNG DI WILAYAH DKI JAKARTA DENGAN

MENGGUNAKAN PROGRAMA INTEGER

SKRIPSI

Diajukan sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik

HARUMI DIAH WIJAYANTI 0806458883

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK

DEPOK JUNI 2012


iii Universitas IndonesiaUniversitas Indonesia


iv Universitas IndonesiaUniversitas Indonesia


v Universitas Indonesia

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan

rahmat, nikmat kesehatan, nikmat kemudahan dan perlindungan-Nya, sehingga

penulis dapat menyelesaikan skripsi ini hingga selesai.

Penulisan skripsi ini dilakukan dalam rangka memenuhi salah satu syarat

untuk mencapai gelar Sarjana Teknik Jurusan Teknik Industri pada Fakultas

Teknik Universitas Indonesia. Penulis pun menyadari banyaknya bantuan,

bimbingan, dan dukungan dari berbagai pihak selama masa perkuliahan sampai

penyelesain penulisan skripsi ini. Oleh karena itu, tak lupa penulis ingin

mengucapkan terima kasih kepada:

1. Allah SWT yang selalu memberi rahmat, nikmat kesehatan, nikmat

kemudahan dan perlindungan yang tiada batas kepada penulis;

2. Bapak Farizal, PhD selaku dosen pembimbing yang telah menyediakan

waktu, tenaga, dan pikiran untuk mengarahkan penulis dalam pembuatan

skripsi ini. Terima kasih sebanyak-banyaknya, semoga Allah SWT selalu

melindungi dan memberikan yang terbaik untuk Bapak;

3. Bapak Ir. Djoko Sihono Gabriel M.T. selaku Pembimbing Akademis yang

selama 4 tahun sudah penulis repotkan setiap semesternya;

4. Bapak Ir. Amar Rachman MEIM. atas kesediaannya membantu penulis

mendapatkan software LINGO.10

5. Kedua orang tua dan adik yang selalu memberikan doa dan dukungan kepada

penulis. Terima kasih atas pengertian kalian selama penulis sibuk menyusun

skripsi ini;

6. Seluruh Dosen Teknik Industri UI yang telah memberikan banyak ilmu yang

berguna bagi penulis

7. Teman-teman seperguruan dan seperjuangan Indah, Wenty, Lilis, Fitri, Patty,

Bang Ifu, dan Dede yang selalu menjadi penyemangat tersendiri bagi penulis,

dan menjadi teman berbagi dalam suka duka penyusunan skripsi ini;

8. Teman-teman angkatan 2008 Teknik Industri FTUI khususnya Novi, Dwi,

Visky, Gita, Manda, Berli, dan teman-teman TI 08 lainnya yang selalu

memberikan semangat, kasih sayang, dan sudah memberikan kenangan yang

sangat berarti bagi penulis selama 4 tahun ini


vi Universitas Indonesia

9. Seluruh staf Departemen Teknik Industri UI, Bu Har, Mba Willy, Babe

mursyid, dll. Dan tak lupa Mba Hesty, atas pinjaman skripsi dan bukunya

serta atas dukungan dan semangat yang diberikan;

10. semua orang-orang baik, yang tersebut maupun tidak, yang membantu baik

secara langsung maupun tidak langsung dalam penyusunan laporan ini.

Akhir kata, penulis mengucapkan terima kasih kepada seluruh pihak yang

telah memberikan bantuan dalam pembuatan skripsi ini. Semoga skripsi ini kelak

dapat memberikan manfaat untuk pengembangan ilmu selanjutnya.

Depok, 15 Juni 2012

Penulis


vii Universitas Indonesia

Universitas Indonesia


viii Universitas Indonesia

ABSTRAK

Nama : Harumi Diah Wijayanti Program Studi : Teknik Industri Judul : Penentuan Lokasi SPBG CNG di Wilayah DKI Jakarta

dengan Menggunakan Programa Integer

Penelitian ini bertujuan untuk menentukan lokasi SPBG CNG di wilayah DKI Jakarta dengan menggunakan permodelan programa integer. Fungsi tujuan yang akan dicapai adalah meminimumkan nilai objective yang merupakan hasil perkalian jarak dengan jumlah permintaan. Variabel keputusan dalam pembangunan SPBG CNG baru yang digunakan adalah binary integer atau integer 0,1. Jika Yij = 1 maka lokasi tersebut dapat dibangun SPBG, sebaliknya jika Yij = 0 maka lokasi tersebut tidak potensial untuk lokasi SPBG baru. Penelitian ini menggunakan software LINGO 10 untuk menentukan solusi penyelesainnya dan menggunakan 3 skenario; penentuan lokasi SPBG CNG dengan jumlah yang ditargetkan pemerintah; penentuan lokasi SPBG CNG dengan jumlah SPBG yang paling optimum; penentuan lokasi dan jumlah SPBG CNG yang sedikitnya harus dibangun di wilayah DKI Jakarta. Dari 37 kandidat lokasi, diperoleh hasil 18 lokasi SPBG baru untuk skenario pertama, 13 lokasi untuk skenario kedua, dan sedikitnya 6 lokasi SPBG baru harus dibangun untuk dapat memenuhi permintaan.

Kata Kunci : Optimasi, Programa Integer, SPBG CNG, Penentuan Lokasi


ix Universitas Indonesia

ABSTRACT

Name : Harumi Diah Wijayanti Study Program : Industrial Engineering Title : Location Determination of CNG Fueling Station in DKI

Jakarta Using Integer Programming

This study aims to determine the location of CNG fueling station in Jakarta using integer programming. The objective function to be achieved is to minimize the product of distance and the number of demands while the decision variables in the construction of a new CNG fueling station are binary integer , Yij = 0,1. If Yij = 1 then the fueling station may be built, otherwise if Yij = 0, the location may not potential for new fueling station location. This study uses the Lingo software version 10 to solve the models which have three scenarios: location of CNG fueling station with the number targeted by the government; location of CNG fueling station with the most optimum number fueling station; the least number and location be built. Of the 37 candidate sites, the results are 18 new locations fueling station for the first scenario, 13 sites for the second scenario, and at least 6 new fueling station location should be built. Kata Kunci :Optimization, Integer Programming, CNG Fueling Station, Location

Problem


x Universitas Indonesia

DAFTAR ISI

HALAMAN JUDUL .............................................................................................. ii HALAMAN PERNYATAAN ORISINALITAS .................................................. iii HALAMAN PENGESAHAN ............................................................................... iv KATA PENGANTAR ............................................................................................ v HALAMAN PERSETUJUAN PUBLIKASI KARYA ILMIAH ......................... vii ABSTRAK ........................................................................................................... viii ABSTRACT ............................................................................................................. ix DAFTAR ISI ........................................................................................................... x DAFTAR TABEL ................................................................................................. xii DAFTAR GAMBAR ........................................................................................... xiii BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ...................................................................................... 1 1.2 Diagram Keterkaitan Masalah .............................................................. 6 1.3 Rumusan Masalah ................................................................................. 6 1.4 Tujuan Penelitian .................................................................................. 6 1.5 Batasan Masalah ................................................................................... 6 1.6 Metode Penelitian ................................................................................. 8 1.7Sistematika Penulisanan……………………………………………. ..10

BAB 2 LANDASAN TEORI .............................................................................. 12 2.1 Sistem Informasi Geografis ................................................................ 12 2.1.1 Pengertian Sistem Informasi Geografis ..................................... 12 2.1.2 Pengukuran Jarak ....................................................................... 12 2.1.1 Google Earth .............................................................................. 13 2.5 Metode Pemilihan Alternatif Lokasi ................................................... 14 2.5.1 Metode Ranking Prosedur .......................................................... 15 2.5.2 Metode Brown-Gibson ............................................................... 15 2.5.1 Metode Matematik ..................................................................... 16 2.3 Programa Integer ................................................................................. 17

2.3.1 Definisi Programa Integer .......................................................... 17 2.3.2 Jenis-Jenis Programa Integer .................................................... 19 2.3.3 Langkah-Langkah pembuatan Optimasi ................................... 21

2.4 Stasiun Pengisian Bahan Bakar Gas ................................................... 22 2.4.1 Compressed natural Gas ............................................................ 22 2.4.2 Sistem SPBG ............................................................................. 22 2.5 LINGO ................................................................................................ 24

BAB 3 PENGUMPULAN DAN PENGOLAHAN DATA ............................... 25 3.1 Profil DKI Jakarta ............................................................................... 25

3.1.1 Permasalahan di DKI Jakarta…………………………..... ... ..25 3.1.2 Sistem Transportasi di DKI Jakarta……………………..... . ..26 3.1.2.1Terminal di DKI Jakarta…………………………..... ..27 3.1.2.2 SPBG di DKI Jakarta…………………………..... ... ..28

3.2 Spesifikasi SPBG ................................................................................ 28 3.3 Pengumpulan dan Pengolahan Data ...................................................... 2


xi Universitas Indonesia

3.3.1 Penentuan Kandidat Lokasi dan Titik Permintaan ..................... 30 3.3.2 Penentuan Kebutuhan BBG ....................................................... 32 3.3.3 Kebutuhan BBG per Titik Permintaan ....................................... 33 3.3.4 Perhitungan Jarak ....................................................................... 34 3.3.5 Kapasitas SPBG ......................................................................... 35 3.3.6 Skenario Pembangunan SPBG ................................................... 36 3.3.7 Model Matematis ....................................................................... 36 3.3.8 Validasi Model ........................................................................... 40

3.4 Analisis Sensitivitas ............................................................................ 42 BAB 4 ANALISIS HASIL .................................................................................. 43

4.1 Analisis Lokasi SPBG ......................................................................... 43 4.1.1 Analisis Solusi Skenario 1 ......................................................... 43 4.1.1 Analisis Solusi Skenario 1 ......................................................... 50 4.1.1 Analisis Solusi Skenario 1 ......................................................... 53

4.2 Analisis Sensitivitas ............................................................................ 54 4.2.1 Analisis Sensitivitas Skenario 1 ................................................. 55 4.2.2 Analisis Sensitivitas Skenario 2 ................................................. 58 4.2.2 Analisis Sensitivitas Skenario 3 ................................................. 60

BAB 5 KESIMPULAN DAN SARAN ............................................................... 61 5.1 Kesimpulan ......................................................................................... 61 5.2 Saran ................................................................................................... 62

REFERENSI ......................................................................................................... 64 LAMPIRAN 1 ....................................................................................................... 65 LAMPIRAN 2 ....................................................................................................... 67


xii Universitas Indonesia

DAFTAR TABEL

Tabel 1.1 Cadangan terbukti dan Produksi Energi Indonesia ................................. 2 Tabel 1.2. Kondisi Infrastruktur Energi Indonesia ................................................. 5 Tabel 3.1 Daftar Terminal Angkutan Umum di Wilayah DKI Jakarta ................. 27 Tabel 3.2 Daftar SPBG di Wilayah DKI Jakarta .................................................. 28 Tabel 3.3 Kandidat Lokasi SPBG di wilayah DKI Jakarta ................................... 31 Tabel 3.4 Kebutuhan Gas Per Jenis Kendaraan .................................................... 32 Tabel 3.5 Target Jumlah Angkutan Umum Terkonversi ...................................... 32 Tabel 3.6 Jumlah kebutuhan BBG per titik permintaan ....................................... 34 Tabel 3.7 Kapasitas SPBG di wilayah DKI Jakarta .............................................. 35 Tabel 3.8 Data Uji Validasi................................................................................... 40 Tabel 3.9 Hasil Perhitungan Manual uji validasi .................................................. 41 Tabel 4.1 Rekapitulasi Alokasi Kebutuhan BBG ................................................. 48 Tabel 4.2 Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 1 . 55 Tabel 4.3 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced Cost pada Skenario 1 ............................................................................. 57 Tabel 4.4 Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 2 . 58 Tabel 4.5 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced Cost pada Skenario 2 ............................................................................ 59 Tabel 4.6 Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 3 . 60 Tabel 4.7 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced Cost pada Skenario 3 ............................................................................... 6


xiii Universitas Indonesia

DAFTAR GAMBAR

Gambar 1.1 Grafik Konsumsi dan Produksi Minyak Indonesia ........................... 1 Gambar 1.2 Diagram Keterkaitan Masalah............................................................. 7 Gambar 1.3 Diagram Alir Metodologi Penelitian ................................................... 9 Gambar 2.1 Sistem transportasi mother – daughter .............................................. 23 Gambar 2.2 Metode Branch and Bound ............................................................... 24 Gambar 2.2 Model Kepuasan Pelanggan Mobil di Taiwan .................................. 15 Gambar 3.1 Penghitungan Jarak dengan Google earth ......................................... 35 Gambar 4.1 Tampilan Proses Pengolahan Data LINGO ...................................... 44 Gambar 4.2 Hasil LINGO SPBG Skenario 1 ........................................................ 45 Gambar 4.3 Peta Pesebaran Lokasi SPBG Skenario 1.......................................... 46 Gambar 4.4 Hasil LINGO Alokasi Permintaan Skenario 1 .................................. 47 Gambar 4.6 Peta Pesebaran Lokasi SPBG Skenario 2.......................................... 52 Gambar 4.7 Hasil LINGO Skenario 3 ................................................................... 53 Gambar 4.8 Peta Pesebaran Lokasi SPBG Skenario 3.......................................... 54 Gambar 4.9 Grafik Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 1 .................................................................................................... 56 Gambar 4.10 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced Cost pada Skenario 1.............................................................................. 57 Gambar 4.11 Grafik Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 2 ..................................................................................................... 58 Gambar 4.12 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced Cost pada Skenario 2.............................................................................. 59 Gambar 4.13 Grafik Pengaruh Perubahan Kapasitas terhadap Dual Price pada Skenario 3 ..................................................................................................... 61


1 Universitas Indonesia

BAB 1 PENDAHULUAN

1. PENDAHULUAN

1.1. Latar Belakang

Permasalahan energi terutama energi fosil merupakan permasalahan yang

kian hari kian menjadi sorotan dunia. Energi fosil merupakan energi non

terbarukan,dengan kata lain tidak dapat diperbaharui. Dapat dikatakan bahwa

kebutuhan energi sudah menjadi kebutuhan primer bagi manusia. Selain itu

energi mempunyai peran yang strategis sebagai modal pembangunan bangsa.

Hampir semua sektor pembangunan baik ekonomi, sosial, perhubungan,

lingkungan, dll berkaitan dan bergantung dari ketersediaan energi. Oleh karena

itu, pengelolaan energi harus dilaksanakan secara optimal bukan hanya untuk saat

ini tapi juga untuk di masa yang akan datang.

Gambar 1.1 Grafik Konsumsi dan Produksi Minyak Indonesia

(Sumber : BP Migas,2011)

Kebutuhan energi diperkirakan akan terus mengalami peningkatan

disebabkan oleh beberapa faktor seperti meningkatnya jumlah kendaraan pribadi,

dll. Dapat dilihat pada grafik diatas (gambar 1.) bahwa konsumsi minyak di

Indonesia cenderung mengalami peningkatan dari tahun ke tahun sedangkan


2


sebaliknya produksi minyak cenderung mengalami penurunan. Pada tahun 2003

merupakan titik dimana konsumsi dan produksi minyak di Indonesia mengalami

titik temu. Dan pada tahun 2004 untuk pertama kalinya Indonesia mengimpor

minyak untuk memenuhi kebutuhan dalam negeri. Ketidakseimbangan yang

terjadi antara penyediaan dan permintaan, disebabkan laju konsumsi masyarakat

lebih cepat dibandingkan kemampuan untuk produksinya.

Harga BBM yang murah karena disubsidi dan kurangnya kesadaran

masyarakat bahwa minyak merupakan energi yang tidak dapat diperbaharui

sehingga dalam kurun waktu tertentu akan habis, menyebabkan tingginya

konsumsi minyak di Indonesia. Rendahnya kualitas transportasi publik di

Indonesia pada akhirnya juga menjadi penyebab meningkatnya jumlah kendaraan

pribadi di Indonesia. Hal ini tentunya juga akan berimbas pada tingginya

penggunaan BBM.

Tabel 1.1 Cadangan terbukti dan Produksi Energi Indonesia

Cadangan

Terbukti dan

produksi

2000 2001 2002 2003 2004 2005 2006 2007 2008

Cadangan terbukti

minyak bumi

5.1 5.1 4.7 4.8 4.3 4.2 4.4 4.4 3.7

Cadangan

potensial minyak

bumi

4.5 4.7 5.0 4.4 4.3 4.4 4.6 4.0 4.5

Produksi Minyak

bumi

1.42 1.34 1.25 1.14 1.1 1.05 0.98 0.97 0.98

Cadangan terbukti

gas bumi

94.8 92.1 90.3 91.2 90.5 97.3 94 105.9 112.3

Cadangan

Potensial gas bumi

75.6 76.1 86.3 87.0 97.8 88.5 93.1 69 57.7

Produksi Gas

Bumi

7.95 7.69 8.33 8.64 8.3 8.18 8.09 6.5 7.88

(Sumber : Kebijakan Energi Nasional, 2010)


3


Pada tabel 1.1 dapat dilihat bahwa baik cadangan terbukti, cadangan

potensial ataupun produksi minyak bumi cenderung mengalami penurunan dari

tahun ketahun, sedangkan untuk gas bumi cenderung mengalami peningkatan.

Namun produksi gas bumi saat ini baru 7.88 per 57.7 cadangan potensial gas bumi

atau sekitar 13.7%. Hal ini menunjukkan bahwa sampai saat ini gas bumi belum

dimanfaatkan secarra optimal..

Pada tahun 2005, penggunaan gas bumi masih di dominasi untuk

memenuhi kebutuhan ekspor yaitu sebesar 75 milyar meter kubik per tahun,

sedangkan untuk kebutuhan dalam negeri permintaannya hanya sebesar 39 milyar

meter kubik per tahun. Menurut data yang dikeluarkan oleh kementrian ESDM

bahwa untuk kebutuhan domestic pemanfaatan gas yang digunakan untuk sektor

transportasi hanya sebesar 3,8% sisanya digunakan untuk pembangkit tenaga

listrik sebesar 24%, industri 19%, industri pupuk 11%, produksi migas 3,8%, dan

gas kota 0,023% .

Berdasarkan perkiraan yang dilakukan dewan energi nasional terhadap

jumlah cadangan dan tingkat produksi yang ada saat ini, dapat diperkirakan

cadangan terbukti minyak hanya dapat bertahan atau hanya dapat diproduksi

sampai 10 tahun kedepan. Sementara untuk gas bumi dapat diproduksi untuk 39

tahun kedepan, serta batu bara untuk 23 tahun lagi.

Selain cadangannya yang masih cukup potensial, gas bumi juga memiliki

kelebihan sebagai bahan bakar yang lebih ramah lingkungan. Pengurangan emisi

spesifik berdasarkan penelitian LIP untuk kendaraan BBG dibandingkan dengan

bensin adalah :

- CO, 60-80%

- Gas organik non metana (NMOG), 87%

- NOx, 50-80%

- CO2 , 20%

- Reaktivitas produksi ozon, 80-90%

(nilai bervariasi bergantung pada kendaraan pembanding yang digunakan)


4


Sejak resminya Indonesia menjadi negara pengimpor minyak, pemerintah

memberlakukan berbagai kebijakan untuk membendung laju konsumsi

masyarakat terhadap bahan bakar minyak seperti dengan mengurangi subsidi, dll.

Namun, angka laju konsumsi bahan bakar minyak tetap terus mengalami

peningkatan, jika keadaan tersebut dibiarkan maka krisis energi tidak dapat

dihindari lagi. Untuk mengantisipasi krisis energi tersebut, saat ini pemerintah

mulai melakukan sosialisasi terkait konversi bahan bakar minyak ke gas. Namun,

kebijakan pemerintah untuk mendorong masyarakat untuk beralih ke gas kurang

mendapat respon positif. Hal ini disebabkan oleh berbagai macam faktor seperti

murahnya harga bahan bakar minyak bersubsidi, rendahnya kesadaran masyarakat

akan krisis energi, serta kurangnya kesiapan pemerintah dalam mendorong

kesuksesan konversi seperti minimnya infrastruktur yang ada.

Infrastruktur merupakan salah satu faktor pendukung dalam hal distribusi

energi dan mempunyai peran yang sangat penting. Namun, saat ini infrastruktur di

Indonesia masih belum memadai. Sebagai akibatnya penyediaan dan

pendistribusian energi masih menjadi kendala. Permasalahan infrastruktur ini juga

mengakibatkan tidak meratanya akses masyarakat terhadap energi. Hal ini

tentunya tidak sesuai dengan Pasal 33 Undang-Undang Dasar Negara Republik

Indonesia tahun 1945 yang mengamanatkan agar sumber daya energi

dimanfaatkan sebesar-besarnya untuk kemakmuran masyarakat, maka

infrastruktur merupakan faktor penting untuk mewujudkan amanat tersebut.

Akses masyarakat terhadap infrastruktur ditentukan dari jarak lokasi

infrastruktur tersebut dengan titik permintaan. Kemudahan menjangkau sebuah

infrastruktur atau fasilitas merupakan sesuatu hal yang sangat penting dalam

penentuan lokasi. Lokasi juga pada akhirnya menentukan rantai pasokan barang

dari supplier ke distributor yang pada akhirnya juga menetukan besarnya biaya

transportasi. Disamping itu, lokasi dari sebuah fasilitas juga menentukan strategi

dari perusahaan. Pada halaman selanjutnya dipaparkan tabel kondisi infrastruktur

energi di Indonesia.


5


Tabel 1.2. Kondisi Infrastruktur Energi Indonesia

(Sumber : Kebijakan Energi Nasional, 2010)

Menurut hasil survey World Economic Forum dalam Global

Competitiveness Report 2008-2009 Pembangunan infrastruktur di Indonesia

menempati peringkat ke 86 dari 143 negara. Diketahui dari table diatas untuk

rasio elektrifikasi listrik hanya sebesar 66% pada tahun 2008. Rasio elektrifikasi

ini menunjukkan bahwa hanya 66% masyarakat Indonesia yang sudah merasakan

manfaat listrik. Sedangkan untuk Gas saat ini terdapat 3 kilang LNG yang

terdapat di Arun, Bontang, dan Tangguh dengan kapasitas 42, 09 MMTPA.

Sedangkan untuk LPG 4,55 juta ton per tahun.

No. Jenis Infrastruktur Unit Kapasitas

1. Kilang BBM 10 1.16 juta bph

2. Depot 175 4.43 juta KL

3. Kilang LNG 3 42.09 MMTPA

4. Kilang LPG (minyak) 5 1.07 juta ton per tahun

5. Kilang LPG (gas) 16 3.48 juta ton per tahun

6. Pipa transmisi gas bumi 4.27 ribu km

7. Pipa distribusi Gas Bumi 3.21 ribu km

752 MMSCFD

8. Pelabuhan batubara 26 5000- 210.000 DWT

9. Pembangkit Listrik 30.480 MW

10. Jaringan Transmisi 500 KV 5.092 Kms

11. Jaringan Transmisi 275 kV 782,25 Kms

12. Jaringan transmisi 150 kV 23.678,60 Kms

13. Jaringan transmisi listrik 70 kV 4.619,03 Kms

14. Jaringan transmisi listrik 25-30

kV

11, 97 Kms

15. Gardu Induk 55.989 MVA

16. Jaringan tegangan menengah 6-

20 kV

261.163 Kms

17. Jaringan tegangan rendah 353.762 Kms


6


Distribusi Gas (CNG) yang melalui jaringan pipa transmisi pada tahun

2008 mencapai 4,27 ribu km dan pipa distribusi sepanjang 3,21 ribu km. Jaringan

pipa tersebut terdistribusi di Sumatera, Jawa, Kalimantan dan Sulawesi Selatan.

Saat ini baru terdapat 18 SPBG CNG di Jakarta dan dari 18 SPBG tidak sampai

10 yang beroperasi. Dari jumlah SPBG yang aktif 5 diantaranya adalah SPBG Bus

Trans Jakarta.

Dengan diterapkannya Pergub No 141 tahun 2007 yang menetapkan

bahwa kendaraan umum di DKI Jakarta wajib menggunakan bahan bakar gas, dan

dan ditetapkannya target pemerintah dalam Kebijakan Energi Nasional untuk

kendaraan yang menggunakan BBG yaitu 70% untuk Angkutan Umum dan 20%

untuk kendaraan pribadi, maka faktor ketersediaan infrastruktur ini menjadi

permasalahan yang paling utama untuk diselesaikan. Oleh karena itu perlu

dilakukan analisa mengenai pembangunan lokasi - lokasi SPBG baru di wilayah

DKI Jakarta.

1.2. Rumusan Permasalahan

Berdasarkan latar belakang diatas, permasalahan inti yang menjadi fokus

dalam penelitian ini yaitu menganalisa jumlah SPBG yang optimum dan lokasi

SPBG di wilayah DKI Jakarta.

1.3. Diagram Keterkaitan Masalah

Berdasarkan uraian latar belakang diatas, dapat dibuat sebuah diagram

keterkaitan masalah yang dapat memvisualisasikan permasalahan secara

sistematis. Diagram keterkaitan masalah dari penelitian ini ditampilkan pada

gambar.2, halaman selanjutnya.

1.4. Tujuan Penelitian

Adapun tujuan yang ingin dicapai oleh penulis dalam penelitian ini adalah

memperoleh suatu usulan mengenai jumlah dan lokasi yang optimum untuk

pembangunan SPBG di wilayah DKI Jakarta.


7


Gambar 1.2. Diagram Keterkaitan Masalah


8


1.5. Batasan Penelitian

Dalam penelitian ini dilakukan pembatasan ruang lingkup masalah agar

penelitian dapat terfokus dan menghasilkan keluaran yang sesuai dengan tujuan

pelaksanaannya. Ruang lingkup penelitian ini ditentukan sebagai berikut :

1. Penentuan SPBG dilakukan untuk wilayah DKI Jakarta

2. Jumlah pengguna BBG sesuai dengan target yang ditetapkan pemerintah

3. SPBG yang akan dibangun adalah SPBG untuk CNG yang difokuskan

untuk angkutan umum

4. Waktu dan jumlah pelayanan maksimum disamakan untuk semua SPBG

5. Faktor kemacetan tidak dimasukkan kedalam variabel dalam penelitian

6. Faktor antrian tidak dimasukan kedalam variabel dalam penelitian

1.6. Metodologi Penelitian

Metodologi penelitian yang digunakan dalam penelitian ini secara

sistematis ditampilkan pada gambar.3. Dengan penjelasan sebagai berikut :

1. Identifikasi Masalah

Identifikasi masalah dilakukan dengan melakukan diskusi

dengan dosen pembimbing. Kemudian melakukan studi literatur

melalui internet, dll untuk mencari solusi serta fakta-fakta untuk

mendukung topik yang dipilih. Adapun topik dari penelitian ini

adalah menentukan SPBG CNG di wilayah DKI Jakarta dengan

menggunakan programa integer.

2. Penetapan tujuan penelitian

Tujuan penelitian ini merupakan hasil akhir yang

diharapkan. Dalam penelitian ini, tujuan yang ingin dicapai adalah

memperoleh hasil yang optimal untuk penentuan lokasi SPBG CNG

di wilayah DKI Jakarta sehingga ketika pemerintah memberlakukan

peraturan terkait konversi BBM ke BBG sudah siap secara

infrastruktur


9


Gambar 1.3 Diagram Alir Metodologi Penelitian


10


3. Penentuan ruang lingkup masalah

Penentuan ruang lingkup masalah adalah proses untuk

membatasi penelitian sehingga hasil yang diperoleh lebih terarah.

Selain itu, pada tahap ini merupakan bentuk kesepakatan dalam

melakukan asumsi sehingga hasil yang diperoleh mendekati keadaan

sebenarnya.

4. Penentuan landasan teori

Dalam tahap penentuan landasan teori, ditentukan landasan

teori yang berhubungan dengan topic penelitian dan akan digunakan

sebagai dasar dalam penelitian ini. Adapun landasan teori yang terkait

adalah problema lokasi fasilitas (facility location problem/ FLP) dan

Programa Integer.

5. Pengumpulan data

Kebutuhan data untuk menyelesaikan tujuan dari penelitian

ini akan diidentifikasikan dan merupakan input untuk melakukan

pengolahan data serta pengambilan keputusan. Data yang

digunakadata dengan menggunakan software LINGO untuk

penyelesaian model programa linier. Penyelesaian ini dibuat untuk

wilayah Jakarta Selatan hingga tahun 2020. Dengan data dan batasan

masalah yang ada selanjutnya dibuat model matematis. Fungsi ini

akan memberikan keputusan optimum dalam penentuan lokasi SPBG

di wilayah Jakarta Selatan.

6. Kesimpulan

Pada akhir penelitian, disajikan kesimpulan hasil penelitian

sehingga dapat diketahui lokasi SPBG CNG yang optimum di

wilayah DKI Jakarta.

1.7. Sistematika Penulisan

Hasil Penelitian ini terdiri dari lima bagian : pendahuluan, landasan teori,

pengumpulan dan pengolahan data, analisis hasil perencanaan , serta kesimpulan.

Bab 1 berisi tentang pondasi awal penelitian yang meliputi identifikasi masalah,

tujuan penelitian serta metodologi yang digunakan untuk mencari solusi dari

permasalahan yang ditemui.


11


Bab II akan memberikan penjelasan mengenai landasan teori berupa teori-

teori yang mendukung dalam memecahkan permasalahn dalam penelitian ini.

Landasan teori mencakup metode-metode dalam transportasi, metode

penyelesaian yaitu programa integer dan software yang digunakan.

Bab III akan dipaparkan data-data yang digunakan dan didapatkan beserta

pengolahannya. Data-data yang ada berasal dari dokumentasi dinas perhubungan,

kementrian ESDM, direktorat jenderal migas, Perusahaan Gas Negara, dan

Pertamina, dll.

Bab IV berisi pengolahan data yang selanjutnya akan dianalisis terhadap

hasil yang diperoleh. Pada bab terakhir, yaitu bab V berisi kesimpulan dari

keseluruhan proses penelitian yang dilakukan.



BAB 2 LANDASAN TEORI

2. STUDI PUSTAKA

2.1. Sistem Informasi Geografis

2.1.1. Pengertian Sistem Informasi Geografis

Sistem Informasi Geografis (Geographic Information System/GIS) yang

selanjutnya akan disebut SIG merupakan sistem informasi berbasis komputer

yang digunakan untuk mengolah dan menyimpan data atau informasi geografis

(Aronoff, 1989). Secara umum pengertian SIG adalah suatu komponen yang

terdiri dari perangkat keras, perangkat lunak, data geografis dan sumberdaya

manusia yang bekerja bersama secara efektif untuk memasukan, menyimpan,

memperbaiki, memperbaharui, mengelola, memanipulasi, mengintegrasikan,

menganalisa dan menampilkan data dalam suatu informasi berbasis geografis .

SIG yang berbasis komputer akan sangat membantu ketika data geografis

merupakan data yang besar (dalam jumlah dan ukuran) dan terdiri dari banyak

tema yang saling berkaitan. SIG mempunyai kemampuan untuk menghubungkan

berbagai data pada suatu titik tertentu di bumi, menggabungkannya, menganalisa

dan akhirnya memetakan hasilnya. Data yang akan diolah pada SIG merupakan

data spasial yaitu sebuah data yang berorientasi geografis.

SIG adalah suatu kesatuan sistem yang terdiri dari berbagai komponen,

tidak hanya perangkat keras komputer beserta dengan perangkat lunaknya saja

akan tetapi harus tersedia data geografis yang benar dan sumberdaya manusia

untuk melaksanakan perannya dalam memformulasikan dan menganalisa

persoalan yang menentukan keberhasilan SIG.

2.1.2. Pengukuran Jarak

Dalam melakukan pengukuran jarak terdapat beberapa metode yang dapat

digunakan, antara lain :

- Euclidean

Metode euclidean mengukur jarak garis lurus antar pusat fasilitas.

Meskipun dirasakan realistis, namun metode ini umum dipakai karena


13


kegunaannya dan mudah dalam memahami dan memodelkan.

Pengukuran metode ini adalah sebagai berikut :

d ij = [(x i x j) 2 + (y i y j) 2]0.5

- Rectilinier

Metode ini disebut juga dengan Manhattan, right angle, atau

rectangular metric. Metode ini banyak digunakan karena kemudahan

dalam memahami dan tepat untuk beberapa permasalahan. Metode ini

menjumlahkan selisih nilai x dan y dari dua buah titik. Metode ini

dinamakan manhattan karena di kota Manhattan Amerika, jarak dari dua

lokasi umunya dihitung dari blok-blok yang harus dilalui dan tidak bisa

dilintasi secara diagonal. Penghitungan jarak menggunakan metode

Manhattan diformulasikan sebagai berikut :

d ij = | x i -x j | + |y i -y j |.

- Tchebychev

Pengukuran ini diapliasikan pada permasalahan system picking,

dimana dimensi yang dipakai adalah tiga dimensi, sehingga formulasi

yang diberikan adalah d ij =

|x i -x j | , |y i -y j |, |z i -z j |

- Aisle Distance

Aisle Distance digunakan dengan mengukur jarak secara aktual,

jarak yang diukur adalah jarak yang dilalui.

- Shortest path

Dalam permasalahan jaringan lokasi, metode ini dipakai untuk

menentukan jarak diantara dua titik (nodes).


14


2.1.3. Google Earth

Google earth adalah salah satu software informasi geografi yang dapat

memperlihatkan tempat-tempat diseluruh dunia. Google earth mengambil foto

dari satelit canggih. Sampai saat ini sudah terdapat tiga generasi satelit yang

digunakan untuk mengambil foto-foto oleh google earth yaitu quickbird, worlview

I, dan worlview II.

Google Earth (GE) adalah Atlas Digital Dunia dan merupakan software

buatan Google yang mampu memberikan gambar-gambar dari satelit menjadi

salah satu Applikasi GIS (Geographic Information System) gratis yang paling

mudah untuk digunakan.

Aplikasi aplikasi yang dapat digunakan dalam google earth adalah sebagai

berikut :

• Street View

• Pepohonan 3D

• Citra Historis

• Navigasi

• Menelusuri Tempat

• Menggambar dan Mengukur

• Penanda Letak dan Tur

• Menjelajahi Mars, Bulan, dan Langit

• Tur Bulan di Google Earth

Pengukuran jarak dengan google earth ini dapat menggunakan dua cara

yaitu menggunakan Euclidian dan menggunakan jarak real. Hasil yang didapatkan

dapat dipilih antara jarak terpendek dan jarak dengan waktu tempuh tercepat.

2.2. Metode Pemilihan Alternatif Lokasi

Lokasi merupakan faktor yang sangat penting dalam menentukan

pembangunan sebuah fasilitas. Selain itu, lokasi juga erat kaitannya dengan

langkah strategis perusahaan, alur distribusi, dll. Terdapat beberapa metode dalam

menenetukan alternatif lokasi, antara lain metode rangking prosedur, metode

Brown-Gibson, dan metode program linier.


15


2.2.1 Metode Ranking Prosedur

Metode rangking prosedur adalah metode pemilihan alternatif lokasi

industry yang digunakan untuk problem yang bersifat kualitatif/subyektif, Metode

ini biasa digunakan untuk permasalahan yang sulit untuk dikuantifikasikan

dengan menggunakan pembobotan kriteria penentu dan pemberian skor terhadap

alternatif berdasarkan kriteria penentu. Berikut merupakan langka-langkah dalam

metode ranking prosedur :

1. Menentukan alternatif-alternatif lokasi yang akan dipilih.

2. Melakukan identifikasi faktor-faktor penentu yang relevan dan siginifikan

dalam penentuan lokasi .

3. Melakukan pemberian bobot dari masing-masing faktor penentu

berdasarkan derajat kepentingan yang dimiliki.

4. Melakukan pemberian nilai terhadap tiap alternatif lokasi berdasarkan

masing-masing faktor penentu.

5. Menentukan total nilai dari masing-masing alternatif lokasi dengan cara

mengalikan bobot dari tiap faktor penentu dengan skor dari tiap alternatif

lokasi.

2.2.2 Metode Brown – Gibson

Metode Brown Gibson adalah metode yang bertujuan untuk memberikan

keputusan atau solusi yang terbaik dari beberapa alternative. Metode ini

menggabungkan faktor objektif dan subjektif dalam pembuatan keputusan

sehingga didapat keputusan yang terbaik.Brown Gibson Model adalah salah satu

dari banyak teknik untuk pengambilan keputusan multi-atribut. Metode ini

dikembangkan pada tahun 1972 oleh Philip Brown dan David Gibson. Metode ini

adalah salah satu dari beberapa metode yang menggabungkan kedua faktor

obyektif dan subyektif dalam pengambilan keputusan. Tahapan dalam metode

Brown-Gibson adalah sebagai berikut :

1. Melakukan eliminasi pada lokasi yang secara sepintas terlihat jelas bahwa

lokasi tersebut tidak layak.


16


2. Melakukan perhitungan faktor kuantitatif dan penetapan ukuran prestasi

dari faktor objektif untuk setiap kandidat lokasi.

3. Melakukan perhitungan faktor kualitatif yang memberikan signifikansi

dan harus dipertimbangkan dalam pemilihan lokasi.

4. Melakukan perhitungan kombinasi antara faktor kualitatif dan faktor

kuantitatif.

2.2.3 Metode Matematik (Program Linier)

Metode matematika adalah teknik penyelesaian sebuah masalah dengan

menggunakan teknik matematika. Pada penentuan lokasi, salah satu metode

matematika yang dapat digunakan adalah program linier. Terdapat beberapa

metode dalam program linier untuk menyelesaikan permasalahan lokasi,

diantaranya sebagai berikut :

• Set Covering Problem

Set Covering Problem (SCP) memiliki tujuan untuk meminimalisasi biaya

kepuasan lokasi pada level tertentu. SCP memiliki model sebagai berikut :

i : index permintaan ;

j: index fasilitas .

• Maximal Covering Location Problem

Maximal Covering Location Problem (MCLP) memiliki tujuan untuk

memaksimalkan jumlah permintaan yang dapat tercakup oleh fasilitas. MCLP

memiliki model sebagai berikut :


17


i : index permintaan ;

j: index fasilitas ;

h : permintaan dari index i terhadap j

s : jarak atau waktu dari index i terhadap j

• Hierarchical covering problem

Hierarchical covering problem (HCP) memiliki tujuan untuk

memaksimalkan populasi yang terjangkau dengan diberikan batas tertentu di

setiap fasilitas biasanya batasan berupa total investasi di setiap jenis fasilitas.HCP

memmiliki model matematis sebagai berikut:

2.3. Programa Integer

2.3.1. Definisi Programa Integer

Pada penyelesaian programa linier, masalah yang sering ditemui adalah

mengenai pembulatan. Hal ini terjadi karena hasil yang didapat dari program

linier seringkali berupa bilangan pecahan. Hasil ini tentunya akan menimbulkan


18


masalah pada kasus-kasus tertentu yang variabel basisnya tidak dapat berbentuk

pecahan seperti penentuan jumlah sumber daya manusia, pembangunan lokasi, dll.

Oleh karena itu terdapat metode programa linier integer sebagai solusi

permasalahan tersebut.

Programa linier integer adalah model programa linier yang memiliki

batasan variabel keputusan berupa bilangan bulat (integer)__Variabel basis yang

dihasilkan adalah 0 atau bilangan bulat positif. Programa integer memiliki tiga

elemen yaitu :

1. Fungsi Tujuan (Objective Function)

Fungsi tujuan adalah fungsi yang menggambarkan tujuan/sasaran dari

dalam permasalahan integer linear programming yang berkaitan dengan

pengaturan secara optimal sumber daya-sumber daya untuk mencapai hasil yang

optimal. Fungsi tujuan dapat berupa :

2. Fungsi Pembatas/ Kendala (Constraint Function)

Fungsi pembatas merupakan bentuk penyajian secara matematis batasan-

batasan kapasitas yang tersedia yang akan dialokasikan secara optimal ke berbagai

kegiatan. Fungsi pembatas / kendala dapat berbentuk sebagai berikut :

3. Variabel Keputusan (Decision Variables)

Variabel keputusan merupakan aspek dalam model yang dapat

dikendalikan. Nilai variabel keputusan merupakan alternatif yang mungkin dari

fungsi linier. Variabel keputusan pada umunya berbentuk : X1, X2, X3,…..,Xn.

Min/Max Z(x) : ∑ ��

gi(x) = ai,

gi(x) ≤ ai, dst Dimana g(x) adalah

fungsi kendala yang

berisi variabel


19


2.3.2. Jenis-Jenis Programa Integer

Programa integer diklasifikasikan kedalam 3 jenis :

1. Mixed Integer Linear Programming

Mixed integer linier programming atau programa integer

campuran adalah suatu tipe integer linear programming di mana beberapa

variabel keputusan (tapi tidak semua) diharuskan mempunyai solusi

integer.

Bentuk formulasi :

Objective Function : max atau min Z = cx + hy

Subject to : Ax + Gy ≤ atau = atau ≥ b

x ≥ 0

y ≥ 0 dan integer

2. Pure Integer Linear Programming

Pure integer linier programming atau disebut juga programa

integer murni adalah suatu tipe integer linear programming di mana

semua variabel keputusan diharuskan berupa bilangan bulat (integer).

Bentuk formulasi :

Objective Function : max atau min Z = cx + hy

Subject to : Ax + Gy ≤ or = or ≥ b

x, y ≥ 0 dan integer

3. Binary Integer Linear Programming

Binary integer programming adalah sebuah model penyelesaian

matematis yang memungkinkan hasil penyelesaian kasus pemrograman

linear yang berupa bilangan pecahan diubah menjadi bilangan biner (0 dan

1) tanpa meninggalkan optimalitas penyelesaian. Nilai xi = 1


20


menunjukkan bahwa keputusan I dipilih, sedangkan xi = 0 menunjukkan

bahwa keputusan terseebut tidak dipilih. Dalam menentukan kendala pada

binary integer programming terdapat berbagai jenis kendala yang dapat

digunakan :

1. Mutually exclusives restriction

- Salah satu keputusan a atau b harus dipilih :

Xa + Xb ≤ 1

- Maksimal satu keputusan yang dapat dipilih dari sejumlah n

keputusan:

� � � 5�

��

- Tepat satu keputusan harus dipilih dari sejumlah n keputusan :

�� 1�

��

- Tepat satu keputusan harus dipilih dari lima buah pilihan keputusan:

Xa + Xb + Xc + Xd + Xe = 1

2. Multiple choice restriction

- Terdapat paling banyak k keputusan yang dipilih dari sejumlah n

pilihan keputusan :

��

��

- Terdapat sejumlah k keputusan yang harus dipilih dari sejumlah n

pilihan :

��

��

- Terdapat dua buah keputusan baris yang dipilih dari n buah pilihan

keputusan :

Xa + Xb + Xc + …..+ Xn = 2


21


3. Conditional Relationship

Kendala jenis ini memungkinkan pemilihan keputusan dapat dilakukan

setelah keputusan lain terpenuhi. Berikut merupakan contoh kendala :

- Keputusan k dapat dipilih jika keputusan m terpenuhi :

Xk ≤ Xm atau Xk – Xm ≤ 0

- Keputusan k sama dengan keputusan m :

Xk = Xm atau Xk – Xm = 0

2.3.3. Langkah – Langkah Pembuatan Model Optimasi

Langkah – langkah untuk membuat model optimasi adalah sebagai

berikut:

1. Mendefinisikan permasalahan

Hal yang pertama harus dilakukan adalah mengidentifikasi dan

mendefinisikan masalah yang terjadi. Definisi masalah harus jelas dan

benar-benar menggambarkan masalah tersebut.

2. Melakukan formulasi model

Model adalah gambaran abstrak dari permasalahan yang akan

diselesaikan. Ketepatan model dapat dilihat dari komponen utama

dalam formulasi model :

- Variabel keputusan

Variabel keputusan merupakan parameter terkontrol yang

mempengaruhi sistem. Nilai variabel keputusan ditentukan melalui

pengamatan lapangan atau asumsi yang dapat digunakan.

- Fungsi tujuan

Fungsi tujuan merupakan ukuran kuantitatif mengenai kinerja

sistem berdasarkan variabel – variabel keputusan yang ada.

- Fungsi kendala

Fungsi kendala adalah batasan yang diberikan kepada variabel-

variabel keputusan. Koefisien dan fungsi tujuan dalam model

matematis dinamakan parameter model.

3. Melakukan validasi model


22


Validasi diperlukan untuk mengetahui apakah model sudah

menggambarkan atau sesuai dengan sistem yang diwakilinya.

4. Penyelesaian model

5. Analisis sensitivitas

Analisis sensitivitas adalah analisis yang dilakukan untuk melihat

variasi yang terjadi pada solusi yang disebabkan perubahan koefisien

dan formulasi masalah.

2.4. Stasiun Bahan Bakar Gas

2.4.1. Compressed Natural Gas

Gas alam terkompresi ( Compressed Natural Gas, CNG) secara harfiah

dapat diartikan sebagai gas alam CH4 yang berada dalam tekanan tinggi. CNG

dapat digunakan sebagai bahan bakar alternative selain bahan bakar minyak dan

solar karena CNG memiliki kandungan metana yang memiliki kandungan energi.

CNG dapat dibedakan menjadi 2 jenis yaitu CNG komersial dan CNG untuk

pemakaian kendaraan bermotor yang dikenal juga dengan sebutan NGV (Natural

Gas for Vehicle) atau yang lebih dikenal juga dengan sebutan BBG. Perbedaan

CNG komersial dan NGV adalah pada tekanan operasinya, pada CNG komersial

tekanan operasi > 200, sedangkan pada NGV < 200.

Selain CNG terdapat pula LNG (Liquid Natural Gas), meskipun sama-

sama merupakan gas alam, namun CNG adalah gas alam yang dikompresi,

sedangkan LNG adalah gas alam yang berbentuk cair. CNG secara ekonomis

lebih murah dibandingkan dengan LNG dalam produksi dan penyimpanan

dibandingkan LNG yang membutuhkan pendinginan dan tangki kriogenik yang

mahal. Namun CNG juga memiliki kekurangan dari segi penyimpanan yang

membutuhkan tempat penyimpanan yang lebih besar dengan jumlah massa gas

alam yang sama dengan LNG.

2.4.2. Sistem Stasiun Pengisian Bahan Bakar

Stasiun Pengisian Bahan Bakar (SPBG) memiliki 2 sistem pengisian dan

transportasi :


23


1. Sistem Online

Sistem online adalah sistem pengisian bahan bakar gas dimana

lokasi SPBG dekat dengan pipa gas. Sistem ini menggunakan mikro

box yang dapat menampung gas dari pipa Pertamina ke dalam sebuah

tempat penyimpanan sementara untuk dimampatkan sehingga

tekanannya mencapai 250 bar.

2. Sistem Daughter – Mother

Sistem daughter – mother adalah sistem pengisian bahan bakar gas

untuk lokasi SPBG yang letaknya jauh dari pipa gas. Untuk

transportasi CNG dibutuhkan suatu perangkat sistem guna

mempertahankan sifat aliran gas. BBG dapat dipasok dari ladang gas

marginal ke SPBG dengan menggunakan trailer pengangkut BBG baik

dalam bentuk CNG maupun LNG. Pada moda transportasi BBG

menggunakan trailer, trailer mengambil BBG dari Mini CNG plant

(sebagai SPBG mother) dan kemudian dibawa ke SPBG daughter

untuk melayani kebutuhan kendaraan CNG atau LNG.

Gambar 2.1 Sistem transportasi mother – daughter

(Sumber : Sugiyono,dkk. 2007)

2.5. LINGO 10

LINGO adalah software yang komprehensif yang dirancang untuk

membuat bangunan dan memecahkan Linear, Nonlinear (convex &

nonconvex/Global), Quadratic, Quadratically Constrained, Second Order Cone,

Stochastic, dan Integer optimization lebih cepat, lebih mudah dan lebih efisien.

LINGO dikembangkan mulai tahun 1988 oleh LINDO system Inc.. Saat ini

LINDO sudah merilis sampai pada LINGO ver.13.

LINGO merupakan software yang menggunakan bahasa pemrograman

yang user friendly. Beberapa contoh pengkodingan pada LINGO adalah @for dan


24


@sum, Contohnya perulangan @For, artinya konstrain diulang sebanyak yang

diinginkan dan @sum artinya variabel atau parameter akan dijumlahkan

berdasarkan indeks variabel tersebut. LINGO menggunakan algoritma Branch and

Bound. Algoritma Branch and Bound banyak digunakan untuk memecahkan

berbagai macam permasalahan antara lain persoalan Knapsack 0/1, Travelling

Salesman Problem (TSP), The N-Queens Problem (Persoalan N-Ratu), Graph

Colouring (Pewarnaan Graf), Integer Programming, Nonlinear Programming,

dan lain sebagainya.

Algoritma Branch and Bound adalah metode algoritma yang secara umum

digunakan untuk mencari solusi optimal dari optimum dari berbagai permasalahan

optimasi. Secara bahasa Branch and Bound terdiri dari kata branch yang berarti

cabang dan bound yang berarti diikat atau dibatasi. Branch memiliki pengerttian

bahwa algoritma ini membagi permasalahan prorgama integer menjadi cabang-

cabang permasalahan. Cabang-cabang permasalahan akan berbentuk programa

linear. Sedangkan Bound memiliki pengertian dibatasi dengan kata lain algoritma

ini membatasi pencarian pada percabangan yang menjanjikan saja. Percabangan

dilakukan dengan memeriksa variabel mana yang belum memenuhi kendala pada

integer.

Gambar 2.2 Mode Branch and Bound

(sumber : materi kuliah online,Laboratoire d'informatique théorique,Prancis)



BAB 3 PENGUMPULAN DAN PENGOLAHAN DATA

3.

3.1. Profil DKI Jakarta

Daerah Khusus Ibukota Jakarta (DKI Jakarta, Jakarta Raya) adalah ibu

kota negara Indonesia. Jakarta merupakan satu-satunya kota di Indonesia yang

memiliki status setingkat provinsi. Pada hasil sensus 2011 yang didapat dari

Badan Pusat Statistik, Jakarta memiliki luas sekitar 661,52 km² (lautan: 6.977,5

km²), dengan penduduk berjumlah 9.607.787 jiwa (2010). Menurut kajian yang

dilakukan R.L. Forstall, R.P. Greene, dan J.B. Pick, dalam tulisan “Which are the

largest? Why lists of major urban areas vary so greatly “ wilayah metropolitan

Jakarta (Jabotabek) yang berpenduduk sekitar 28 juta jiwa, merupakan kota

metropolitan terbesar di Indonesia atau urutan keenam dunia.

Sebagai kota metropolitan, Jakarta memiliki beberapa permasalahan dalam

berbagai sektor, salah satunya sektor transportasi. Sektor transportasi yang erat

kaitannya dengan pemakaian bahan bakar kendaraan, mendorong keluarnya

Peraturan Gubernur No. 141 tahun 2007 yang mewajibkan angkutan umum

menggunakan Bahan Bakar Gas sebagai alternatif bakan bakar pengganti minyak.

3.1.1 Permasalahan permasalahan di DKI Jakarta

Sebagai ibukota negara, Jakarta memiliki berbagai permasalahan yang

terjadi di banyak sector. Menurut Badan Perencanaan Pembangunan Daerah

(Bappeda), dari sekian banyak sector, 6 sektor yang menjadi permasalahn terbesar

di DKI Jakarta adalah banjir, sampah, tata ruang, air, infrastruktur, dan

transportasi. Pada sektor transportasi, menurut data dari Dinas Perhubungan DKI,

tercatat 46 kawasan dengan 100 titik simpang rawan macet di Jakarta. Definisi

rawan macet adalah arus tidak stabil, kecepatan rendah serta antrean panjang.

Selain oleh warga Jakarta, kemacetan juga diperparah oleh para pelaju dari kota-

kota di sekitar Jakarta seperti Depok, Bekasi, Tangerang, dan Bogor yang bekerja

di Jakarta. Untuk di dalam kota, kemacetan dapat dilihat di Jalan Sudirman, Jalan


26


Thamrin, Jalan Rasuna Said, Jalan Satrio, dan Jalan Gatot Subroto. Kemacetan

sering terjadi pada pagi dan sore hari, yakni di saat jam pergi dan pulang kantor.

Tingginya penggunaan kendaraan bermotor menjadi pemicu utama

problem kemacetan di Jakarta. Bahkan, hingga saat ini tercatat jumlah kendaraan

bermotor sudah mencapai 6,5 juta unit, di mana 6,4 juta unit atau 98,6 persen

merupakan kendaraan pribadi dan 88.477 unit atau sekitar 1,4 persen adalah

angkutan umum, dengan pertumbuhan kendaraan mencapai 11 persen setiap

tahunnya. Jika dibandingkan dengan pertumbuhan ruas jalan yang hanya sebesar

0.01% per tahun , tentunya permasalahan ini menjadi penyebab terjadinya

kemacetan di DKI Jakarta.

Berdasarkan data Masyarakat Transportasi Indonesia (MTI), kemacetan

lalu lintas berkepanjangan di Jakarta menyebabkan pemborosan senilai Rp 8,3

triliun per tahun. Perhitungan itu mencakup tiga aspek sebagai konsekuensi

kemacetan, yakni pemborosan BBM akibat biaya operasional kendaraan senilai

Rp 3 triliun, kerugian akibat waktu yang terbuang Rp 2,5 triliun, dan dampak

kesehatan akibat polusi udara sebesar Rp 2,8 triliun. Pertumbuhan jumlah

kendaraan yang sangat pesat ditambah dengan penggunaan bahan bakar yang

menjadi lebih besar sebagai akibat kemacetan, menyebabkan terjadinya

percepatan krisis energi.

3.1.2 Sistem Transportasi di DKI Jakarta

Di DKI Jakarta, tersedia jaringan jalan raya dan jalan tol yang melayani

seluruh kota, namun perkembangan jumlah mobil dengan jumlah jalan sangatlah

tidak seimbang, pertumbuhan jumlah kendaraan yang terus mengalami

peningkatan tidak diseimbangi dengan peningkatan kapasitas jalan raya.

Untuk melayani mobilitas penduduk Jakarta, pemerintah menyediakan

sarana bus PPD dan Trans Jakarta. Selain itu terdapat pula bus kota yang dikelola

oleh pihak swasta, seperti Mayasari Bhakti, Metro Mini, Kopaja, dan Bianglala.

Bus-bus ini melayani rute yang menghubungkan terminal-terminal dalam kota.

Selain bus besar terdapat pula angkutan umum yang terdiri dari KWK, mikrolet,

bajaj, ojek, ataupun taksi.


27


3.1.2.1 Terminal di DKI Jakarta

Terminal secara umum merupakan salah satu komponen dari sistem

transportasi, yaitu sebagai tempat untuk menaikkan dan menurunkan penumpang

dari tranportasi tersebut.

Tabel 3.1 Daftar Terminal Angkutan Umum Di Wilayah Propinsi DKI Jakarta

No. Nama Terminal Lokasi Luas (m2)

Diresmikan

Tahun

1. Pulo Gadung Jl. Raya Bekasi 35,196.00 1976

2. Kampung Rambutan Jl. TB. Simatupang 141,000.00 1992

3. Kali Deres Jl. Daan Mogot 35,344.50 1984

4. Lebak Bulus Jl. Lebak Bulus 27,000.00 1990

5. Blok M Jl. Hasanudin 8,952.88 1968

6. Grogol Jl. Kyai Tapa 14,282.75 1970

7. Senen Jl. Senen Raya 3,675.12 1974

8. Kota Jl. Kali Besar Barat 3,832.25 1972

9. Pinang Ranti Jl. Pd. Gede Raya 23,731.00

10. Tanjung Priok Jl. Enggano 10,963.25 1969

11. Klender Jl. Bunga Rampai 3,675.12 1981

12. Rawamangun Jl. Perserikatan 11,957.50 1972

13. Manggarai Jl. Minangkabau 3,967.62 1971

14. Pasar Minggu Jl. Ps. Minggu 6,460.00 1988

15. Muara Angke Jl. Pluit 1,226.00

16. Cililitan Jl. Letjen Sutoyo 20,791.00

17. Ragunan Jl. Margasatwa 500.00

18. Kampung Melayu Jl. Jatinegara Barat 5,373.25 1968

19. Rawa Buaya Jl. Rawa Buaya 97,541.00

20. Joglo 5,000.00

(Sumber : Dinas Perhubungan DKI Jakarta, 2012)


28


3.1.2.2 Stasiun Pengisian Bahan Bakar di DKI Jakarta

Stasiun pengisian bahan bakar merupakan salah satu fasilitas yang paling

berperan dalam sistem transportasi. Stasiun bahan bakar menyediakan bahan

bakar untuk digunakan sebagai sumber energi bagi alat transportasi. Menurut Bina

Angkutan Darat DKI Jakarta (BAD), sampai desember 2011 di DKI Jakarta

terdapat 264 SPBU yang melayani kendaraan baik kendaraan pribadi maupun

angkutan umum. Sedangkan SPBG sampai saat ini baru terdapat di 11 lokasi yang

terletak di Jabodetabek. Pada tabel 3.2 berikut menampilkan lokasi SPBG yang

sudah dibangun :

Tabel 3.2 Daftar SPBG di Wilayah DKI Jakarta

No. SPBG Alamat

1. SPBG Petros Jl Perintis Kemerdekaan

2. SPBG Kampung Rambutan Terminal Kampung Rambutan

3. SPBG Pinang ranti Terminal Pinang ranti

4. SPBG Rawa Buaya Terminal Rawa buaya

5. SPBU A 31.01.02 Jl. Pluit Raya Selatan No.10

6. SPBU A 31.02.01 Jl. Peta Barat No. 3, Kalideres

7. SPBU A 31.03.01 Jl. Pemuda, Jakarta Timur

8. SPBU A 31.03.03 Jl Raya Bogor, Gandaria

9. SPBU A 31.04.03 Jl. Raya Pasar Minggu, Pancoran

10. SPBU A 34.02.02 Jl. Daan Mogot, Jakarta Barat

11. SPBU Margonda Jl. Margonda Raya, Depok

(sumber : Badan Pengatur Hilir MIGAS,2012)

3.2 Spesifikasi SPBG

Stasiun Pengisian Bahan Bakar Gas yang akan didirikan adalah

SPBG tipe CNG dengan metode transportasi menggunakan mobil trailer (daughter

system). Untuk mendukung program konversi, pemerintah menargetkan terdapat

29 SPBG CNG baru di wilayah DKI Jakarta dan sekitanrnya. Saat ini SPBG yang

sudah ada sebanyak 11 buah. Maka jumlah SPBG akan dibangun adalah sebanyak

18 buah sampai tahun 2015.


29


CNG yang memiliki harga lebih murah yaitu Rp 3.100,-/ lsp

dibandingkan dengan LGV yang memiliki harga Rp 3.600,-/lsp difokuskan

pemerintah untuk angkutan umum. Sedangkan LGV ditargetkan untuk kendaraan

pribadi. Pemerintah mulai melakukan pembagian converter kit gratis untuk

angkutan umum dalam rangka menyukseskan program konversi ini.

Sistem daughter mendapatkan suplai bahan bakar gas dari SPBG tipe

mother. SPBG yang akan dibangun diasumsikan memiliki kapasitas yang sama

yaitu sebesar 30.000 lsp per hari. Kapasitas SPBG yang sudah ada saat ini (SPBG

Bus Transjakarta) dengan 2 nozzles dan 6 menit per pengisian 200 lsp , waktu

operasi 20 jam, SPBG tersebut dapat melayani 240 bus/ hari atau 48.000 lsp/ hari.

Namun, terdapat kebijakan dari Dirjen Migas yang membatasi suplai BBG

perharinya sebesar 30.000 lsp per SPBG. Oleh karena itu, pada penelitian ini

SPBG yang akan dibangun memiliki kapasitas yang sama yaitu 30.000 lsp/ hari.

3.3 Pengumpulan dan Pengolahan Data

Pada bagian ini akan dibahas mengenai tahap pengumpulan dan

pengolahan data. Data yang digunakan merupakan data sekunder yang didapat

dari Kementrian ESDM, Dinas Perhubungan DKI Jakarta, Bidang Angkutan darat

DKI Jakarta, ORGANDA DKI Jakarta, PT Pertamina, PT Perusahaan Gas

Negara, Badan Layananan Umum dll.

Data – data yang didapat akan menjadi input dalam proses pengolahan

data. Berikut merupakan data- data yang didapat :

a. Data angkutan umum mencakup : trayek / rute per nomor angkutan

umum, jumlah armada yang beroperasi per nomor trayek angkutan

umum.

b. Data SPBG yang mencakup : Jumlah dan alamat SPBG yang sudah

dibangun, kapasitas SPBG, kriteria lokasi SPBG, Kuota SPBG per

hari, kontrak dengan penyuplai BBG ( Pertamina, PGN), SPBG tipe

mother yang akan dibangun sampai tahun 2015.

c. Data profil DKI Jakarta yang mencakup : kebijakan-kebijakan yang

diterapkan, lahan milik pemerintah, target pemerintah DKI Jakarta.


30


3.3.1 Penentuan Kandidat Lokasi dan Titik Permintaan

Pada penentuan lokasi SPBG ini, faktor yang menjadi penentu kandidat

lokasi SPBG baru ini adalah:

1. Jarak dari titik permintaan ke kandidat fasilitas yang menjadi

penentu kemudahan akses.

2. Jarak dari SPBG ke SPBG mother sebagai penyuplai BBG

dengan jarak maksimal 50 km.

3. Ketersediaan lahan

Menurut dinas kependudukan DKI Jakarta, Jakarta merupakan kota

terpadat pertama di Indonesia, dengan tingkat kepadatan 15.427 penduduk per

km2. Ketersediaan lahan tentunya menjadi hal yang sangat menjadi kendala

dalam menentukan kandidat lokasi SPBG. Lahan kosong dan strategis yang layak

dijadikan SPBG hampir sudah tidak ada di Jakarta. Bahkan pada kasus

pembangunan SPBG yang sudah ada mengalami sengketa tanah dengan pemilik

tanah. Permasalahan sengketa tanah tentunya akan mengganggu pembangunan

ataupun operasional SPBG.

Pada Kebijakan Energi nasional, pada tahun 2015 pemerintah

menargetkan terdapat 29 buah SPBG dengan 11 SPBG mempunyai status sudah

dibangun. Dengan rata-rata pembangunan SPBG paling cepat 4 bulan (PT.

Pertamina, 2012), maka untuk mempercepat proses pembangunan, kandidat lokasi

adalah tanah milik pemerintah dan SPBU milik pertamina yang memiliki luas luas

lebih 2500 m2. Pembangunan SPBG CNG membutuhkan paling sedikit 1500 m2.

Karena target pembangunan SPBG CNG ini adalah untuk angkutan umum, maka

kandidat lokasi SPBG adalah daerah yang dilewati jalur angkutan umum. Maka

dengan kriteria diatas kandidat lokasi SPBG di Jakarta dapat disimpulkan dalam

tabel 3.2 pada halaman selanjutnya.


31


Tabel 3.3 Kandidat Lokasi SPBG di wilayah DKI Jakarta

Kandidat Fasilitas Alamat Kandidat Fasilitas Alamat

Pulo Gadung Jl. Raya Bekasi Depok Jl. Margonda raya

Lebak Bulus Jl. Lebak Bulus Bekasi Jl. Cut Meutia

Blok M Jl. Hasanudin SPBU 31-13601 Jl. Halim, kebon nanas

Grogol Jl. Kyai Tapa SPBU 31-23101 Jl. Pramuka

Senen Jl. Senen Raya SPBU 31- 0407

Jl. Paku buwono

Kebayoran Lama

Kota Jl. Kali Besar Barat SPBU 31-12801 Jl. Tebet timur

Tanjung Priok Jl. Enggano SPBU 31-13901 Jl. Cakung barat

Klender Jl. Bunga Rampai SPBU 31-10201

Jl. KS Tubun, Tanah

Abang

Rawamangun Jl. Perserikatan SPBU 31-0405

Jl. Melawai Raya

Kebayoran Baru

Manggarai Jl. Minangkabau SPBU 31-10701

Jl. Industri Raya,

Kemayoran

Cililitan Jl. Letjen Sutoyo SPBU 31- 12201 Jl. Ciputat Raya, Bintaro

Joglo Jl. Joglo raya SPBU 31- 12202

Jl. Bintaro Raya,

Pesanggrahan

Kampung Melayu Jl. Jatinegara Barat SPBU 31- 10303 Jl. Cikini Raya

Pada penentuan lokasi, titik permintaan merupakan faktor yang sangat

berpengaruh. Kemudahan akses dari titik permintaan ke lokasi, dalam hal ini

SPBG di representasikan dengan jarak terhadap akses lokasi. Pada tahap ini

dilakukan penghitungan jumlah dan lokasi titik permintaan.


32


Konsumen dari SPBG CNG yang akan dibangun adalah angkutan umum

yang mempunyai trayek angkutan yang jelas. Oleh karena itu, titik permintaan

merupakan ujung trayek yang berupa terminal dan kandidat lokasi SPBG yang

dilewati trayek tersebut yaitu sebanyak 39 titik permintaan.

3.3.2 Penentuan Kebutuhan BBG

Pada penenelitian ini, kebutuhan gas merupakan data masukan untuk dapat

mengetahui besarnya permintaan gas dari konsumen (angkutan umum). Data yang

dibutuhkan adalah jumlah angkutan umum yang akan memakai gas sampai tahun

2015 per nomor trayek kendaraan. Sedangkan untuk kebutuhan BBG per jenis

kendaraan diasumsikan sama untuk setiap jenis kendaraan (tabel 3.3).

Tabel 3.4 Kebutuhan Gas Per Jenis Kendaraan

No. Jenis Kendaraan Kebutuhan gas/hari (lsp)

1. Bus besar / Trans Jakarta 200 lsp/ hari

2. Bus Sedang 90 lsp/ hari

3. KWK, Mikrolet , Taksi 20 lsp/ hari

(Sumber : Pertamina, 2012)

Pemerintah melalui Dinas Perhubungan DKI Jakarta saat ini sudah

membuat target jumlah angkutan umum terkonversi sampai tahun 2015 dengan

rincian sebagai berikut :

Tabel 3.5 Target Jumlah Angkutan Umum Terkonversi

(Sumber : Dinas Perhubungan DKI Jakarta,2010)


33


Data yang didapat dari Dinas Perhubungan berupa data jumlah angkutan

umum per nomor trayek selanjutntnya di proyeksikan menjadi data kemungkinan

jumlah angkutan umum yang memakai BBG dengan formulasi sebagai berikut :

�� . ��

�� . �� !��" ��. �� #��"�

Maka dari hasil pengolahan data tersebut dapat diketahui besarnya

permintaan dari setiap nomor trayek angkutan umum yang terdapat di Jakarta.

Terdapat 523 nomor trayek kendaran di seluruh wilayah DKI Jakarta. Perhitungan

jumlah permintaan dilakukan terhadap setiap nomor trayek angkutan umum

tersebut dengn formulasi sebagai berikut :

�� $�� !�� . �� %�� !��" ��&��

3.3.3. Kebutuhan BBG Per Titik Permintaan

Hasil yang di dapat dari perhintungan kebutuhan BBG per nomor trayek

angkutan umum selanjutanya akan diolah untuk mengetahui jumlah permintaan di

tiap titik permintaan. Karena target konsumen SPBG CNG ini adalah angkutan

umum yang sudah memiliki trayek yang jelas, maka untuk alokasi kebutuhan

yaitu pada titik permintaan yang dilewati masing-masing nomor trayek angkutan

umum.

Jika angkutan umum tersebut melayani penumpang dari titik A ke titik B

maka kemungkinan angkutan umum tersebut mengisi bahan bakar di titik A atau

B adalah masing-masing 0.5. Jika dari titik A ke titik B angkutan umum tersebut

melewati titik c yang juga merupakan titik permintaan maka kemungkinan

angkutan umum tersebut mengisi bahan bakar di titik A atau B atau C adalah

sama yaitu sebesar 0.3. Rekapitulasi jumlah kebutuhan/permintaan per titik

permintaan terdapat dalam tabel 3.5 pada halaman selanjutnya.


34


Tabel 3.6 Jumlah kebutuhan BBG per titik permintaan

Titik Permintaan Kebutuhan Titik Permintaan Kebutuhan

Depok 7487.50 Rawamangun 3707.04

Kampung rambutan 17414.80 Manggarai 4145.10

kalideres 12060.77 Muara Angke 1111.61

Pinang Ranti 18313.29 Cililitan 22118.00

Pasar Minggu 11159.91 Ragunan 25757.69

Perintis

Kemerdekaan 6471.25 Kampung Melayu 29629.77

Rawa buaya 5894.59 Jl Kramat Jati 25880.39

Pluit 24948.53 SPBU 31-13601 9605.48

Pemuda 5095.03 SPBU 31-23101 23534.24

Gandaria 9899.24 SPBU 31- 0407 15409.10

daan Mogot 2220.83 SPBU 31-12801 434.71

Terminal Bekasi 5202.19 SPBU 31-13901 13216.06

Pulo gadung 20802.84 SPBU 31-10201 9126.83

lebak bulus 12739.05 SPBU 31-0405 356.41

Blok M 28650.02 SPBU 31-10701 2423.90

Grogol 8570.37 SPBU 31- 12201 3018.60

Senen 12377.84 SPBU 31- 12202 900.86

Kota 14557.04 SPBU 31- 10303 4797.30

Tanjung Priok 29802.95 Joglo 18866.17

Klender 1687.82

3.3.4 Perhitungan Jarak

Jarak sebagai ukuran kemudahan untuk mengakses lokasi SPBG dalam

penelitian ini dihitung dengan menggunakan software google earth. Karena faktor

kemacetan tidak dimasukkan ke dalam variabel penelitian maka jarak yang


35


digunakan adalah jarak terpendek dari masing-masing titik. Selain itu kecepatan

kendaraan juga diasumsikan sama.

Pada software google earth, jarak yang dihasilkan merupakan jarak yang

sesungguhnya (bukan Euclidian). Namun, kekurangan google earth adalah semua

input lokasi dimasukan dan dihitung secara manual dari satu titik ke titik lain dan

tidak bisa otomatis.

Gambar 3.1 Penghitungan Jarak dengan Google earth

3.3.4 Kapasitas SPBG

Kapasitas SPBG diperlukan untuk mengetahui kemampuan SPBG

melayani permintaan perhari. Berikut merupakan data kapasitas SPBG yang sudah

ada di wilayah DKI Jakarta :

Tabel 3.7 Kapasitas SPBG di wilayah DKI Jakarta

Lokasi SPBG Kondisi Kapasitas Kapasitas (lsp) Jl Daan mogot 2 nozzle 240 bus 48.000 JL Pemuda 2 nozzle 200 bus 40.000 Jl Raya Pancoran 1 nozzle 100 bus 20.000 Jl Raya Bogor Gandaria

1 nozzle 100 bus 20.000

Jl Perintis 2 nozzle 200 bus 40.000 Jl. Rawa Buaya 2 nozzle 200 bus 40.000

(sumber : Badan Layanan Umum DKI Jakarta,2011)


36


Dengan 2 nozzle SPBG Jl. Daan Mogot mampu melayani 240 bus besar

atau setara 48.000 lsp per hari, namun terdapat peraturan pembatasan kuota yaitu

sebesar 30.000 lsp perhari yang diberlakukan Pertamina dan PGN. Pada penelitian

ini kapasitas untuk semua SPBG yang akan dibangun yaitu 30.000 lsp per hari

sedangkan untuk SPBG yang sudah dibangun dan memiliki kapasitas dibawah

30.000 lsp, kapasitas SPBG sesuai dengan kapasitas masing-masing.

3.3.5 Skenario Pembangunan SPBG

Pada penelitian ini akan dilakukan 3 skenario dalam menentukan lokasi

SPBG di wilayah DKI Jakarta. Berikut merupakan skenario yang akan dilakukan

dalam penelitian ini :

1. Skenario 1 Pada skenario 1 akan dilakukan pemilihan lokasi dengan jumlah SPBG

yang ditargetkan oleh pemerintah yaitu sebanyak 18 SPBG baru

sampai tahun 2015.

2. Skenario 2 Pada skenario 2 akan dilakukan pencarian terhadap jumlah dan lokasi

SPBG yang paling optimum.

3. Skenario 3 Pada skenario 3 akan dilakukan pencarian terhadap jumlah dan lokasi

SPBG yang minimal harus dibangun sampai tahun 2015 untuk

memenuhi permintaan BBG.

3.3.6 Model Matematis

Penyusunan model ini bertujuan untuk memperoleh lokasi yang paling

optimum dengan meminimalisasi jarak tempuh. Pembuatan model dapat

dirangkum sebagai berikut :

1. Indeks yang digunakan dalam formulasi model optimasi yaitu : i = SPBG , j = 1,2,3,….,m

j = Titik Permintaan , i = 1,2,3,……,n

k = SPBG yang sudah dibangun, j = 1,2,3,….,n


37


2. Variabel keputusan adalah Xij dan Xik : Xij = 1, jika fasilitas j dibangun

0, Jika Fasilitas j tidak dibangun

Xjk = 1, jika fasilitas k telah dibangun

0, Jika Fasilitas k belum dibangun

3. Fungsi tujuan Tujuan dari penentuan lokasi optimum adalah untuk meminimalisasi jarak

tempuh untuk mengakses fasilitas ( SPBG) :

' (�� ! &�)��)��) * (�� ! � &)+�)+�)+

Keterangan :

i = Fasilitas Baru i

j = Titik permintaan

k = Fasilitas yang sudah terbangun

d = Jarak

h = Permintaan

C = kapasitas

4. Penentuan Kendala • Kendala kapasitas SPBG merupakan kendala yang menunjukkan batas

minimal SPBG dapat melayani permintaan agar dapat beroperasi dengan baik yaitu terdapat permintaan minimal sebesar 50% dari kapasitas SPBG. Berikut merupakan fungsi kendala untuk kapasitas SPBG :

0.5 - �� ) � �� - .�)

0.5 - �+ � � �)+ � �+ - .)+

C = kapasitas SPBG

• Kendala jumlah SPBG yang akan dibangun :

�! .�) � 18


38


• Kendala SPBG existing Kendala ini menunjukkan jika SPBG sudah dibangun pada lokasi

tertentu, maka tidak akan dibangun lagi SPBG di lokasi tersebut.

.�) * .)+ 1

• Kendala alokasi pasti Pada angkutan umum bus Trans Jakarta, terdapat kontrak dengan

SPBG-SPBG yang sudah ada untuk melakukan pengisian BBG di SPBG-

SPBG tersebut. Maka kendala untuk alokasi pasti adalah sebagai berikut :

X ij = 1 untuk Xij = X 32 32






3.3.6.1 Model Matematis Skenario 1

Pada skenario 1, sesuai dengan target pemerintah yaitu 18 SPBG baru

akan dibangun sampai tahun 2015, memiliki model matematis sebagai berikut :

Fungsi Tujuan :

' (�� ∑ ∑ &�)��)��)01)��02�� * (�� ∑ ∑ &)+�)+�)+��+��01)��

Fungsi Kendala : 0.5 - �� ∑ ��)02�� - .�)

0.5 - �+ � ∑ �)+��+�� + - .)+

∑ �! .�) 18

.�) * .)+ 1




39







Pada skenario 2, dilakukan pencarian jumlah dan lokasi SPBG yang paling

optimum. Skenario 2 memiliki model matematis sebagai berikut :

Fungsi Tujuan :

' (�� ∑ ∑ &�)��)��)01)��02�� * (�� ∑ ∑ &)+�)+�)+��+��01)��

Fungsi Kendala : 0.5 - �� ∑ ��)02�� - .�)

0.5 - �+ � ∑ �)+��+�� + - .)+

∑ �! .�) � 18

.�) * .)+ 1








Pada skenario 3, dilakukan pencarian jumlah minimum SPBG yang harus

dibangun. Skenario 3 memiliki model matematis sama seperti skenario 2, hanya

saja pada kendala ∑ �! .�) � 18 , jumlah SPBG dicari dari jumlah yang terkecil

sampai terdapat lokasi yang dapat memenuhi semua permintaan. Jumlah SPBG

terkecil ditentukan dari jumlah permintaan dibagi rata-rata kapasitas.


40


Dari perhitungan didapat bahwa nilai minimum SPBG yang harus

dibangun adalah sebanyak 5 lokasi baru. Jika jumlah SPBG baru yaitu 5 lokasi

belum didapatkan hasil yang memungkinkan, maka dilakukan pencarian dengan

menambah jumlah lokasi sampai didapatkan hasil yang memungkinkan

3.3.6 Validasi Model

Validasi adalah tahapan untuk memperoleh gambaran apakah model telah

sesuai (match) dengan sistem yang diwakilinya. Validasi dilakukan sebelum

penyelesaian terhadap permasalahan penentuan lokasi untuk memastikan hasil

sudah sesuai dengan konseptual model yang telah dibuat. Validasi model

dilakukan dengan memasukkan data yang sebenarnya namun dengan jumlah yang

lebih sedikit. Hasil dari software LINGO akan dibandingkan dengan perhitungan

manual.

Pada uji validasi model, akan dicari 1 lokasi pendirian SPBG dari 6

kandidat lokasi yaitu Terminal Bekasi, Pulo gadung, lebak bulus, Blok M, Grogol,

dan Senen . Sedangkan titik permintannya yaitu Blok M , Tanjung Priok, Klender,

Rawamangun, dan Manggarai. Data yang digunakan dalam uji validasi model

dijelaskan dalam tabel 3.7 halaman selanjutnya.

Tabel 3.8 Data Uji Validasi

Titik Kebutuhan

(lsp)

Jarak Kandidat Lokasi (kilometer)

Permintaan

Terminal

Bekasi

Pulo

gadung

lebak

bulus Blok M Grogol Senen

a4 8570.37 28.7 23.9 20.3 10.6 0 7.2

a8 1687.82 16.1 6.4 29.7 18.7 20.4 13.2

a9 3707.04 26.5 4.6 27.7 15.1 15.3 8.1

a10 4145.10 25.8 9.8 17.4 15.1 10 4.6

a11 1111.61 43.3 24.1 30.3 20.6 12 15


41


Berikut ini merupakan hasil pengolahan data dengan menggunakan

software LINGO 10.0 :

Total jarak dikalikan jumlah permintaan untuk mengakses SPBG terbaik

yaitu sebesar 145939.6 , dengan membangun SPBG di Grogol. Solusi manual

dilakukan dengan menggunakan Microsoft excel . Pada solusi manual terdapat 6

alternatif solusi , kemudian dipilih solusi yang mempunyai total jarak dikali

jumlah permintaan terkecil. Tabel 3.8 menunjukkan hasil perhitungan dengan

menggunakan Microsoft excel

Tabel 3.9 Hasil Perhitungan Manual uji validasi

Titik Kebutuhan

(lsp)

Jarak Kandidat Lokasi

Permintaan

Terminal

Bekasi Pulo gadung lebak bulus Blok M Grogol Senen

a4 8570.37 28.7 23.9 20.3 10.6 0 7.2

a8 1687.82 16.1 6.4 29.7 18.7 20.4 13.2

a9 3707.04 26.5 4.6 27.7 15.1 15.3 8.1

a10 4145.10 25.8 9.8 17.4 15.1 10 4.6

a11 1111.61 43.3 24.1 30.3 20.6 12 15

permintaan x jarak =

245969.6399 204831.8604 173978.5258 90845.93 0 61706.67

27173.90851 10802.05059 50128.26601 31562.24 34431.54 22279.23

98236.59323 17052.38977 102685.0427 55976.32 56717.73 30027.03

106943.6639 40622.01189 72124.79662 62591.06 41451.03 19067.47

48132.73553 26789.81354 33681.79876 22899.18 13339.33 16674.16

TOTAL 526456.5411 300098.1262 432598.4299 263874.7 145939.6 149754.6

Global optimal solution found. Objective value: 145939.6 Extended solver steps: 0 Total solver iterations: 0

Variable Value Reduced Cost BUILD_SPBG( TERMINAL_BEKASI) 0.000000 0.000000 BUILD_SPBG( PULO_GADUNG) 0.000000 0.000000 BUILD_SPBG( LEBAK_BULUS) 0.000000 0.000000 BUILD_SPBG( BLOK_M) 0.000000 0.000000 BUILD_SPBG( GROGOL) 1.000000 0.000000 BUILD_SPBG( SENEN) 0.000000 0.000000

Variable Value Reduced Cost BUILD_PERMINTAAN( A4, GROGOL) 1.000000 0.000000

BUILD_PERMINTAAN( A8, GROGOL) 1.000000 34431.53





42


Pada hasil perhitungan manual menggunakan Microsoft excel didapatkan

total jarak dikalikan dengan jumlah permintaan adalah sebesar 145939.6. Hasil

yang diperoleh dari perhitungan manual sudah sama dengan hasil perhitungan

menggunakan software LINGO yaitu membangun SPBG di terminal grogol.

Dengan digunakan model yang digunakan valid sehingga dapat digunakan untuk

penyelesaian penentuan SPBG di wilayah DKI Jakarta.

3.4 Analisis Sensitivitas

Analisis sensitivitas adalah sebuah analisis yang bertujuan untuk

mengetahui perubahan-perubahan yang terjadi pada hasil akibat perubahan

parameternya. Pada program linier terdapat metode sensitivitas analisis yang biasa

disebut post optimally analisys. Analisis sensitivitas pada program linier memiliki

ketentuan sebagai berikut :

• Range yang memungkinkan jika koefisien dalam funsgi tujuan diubah,

namun nilai optimum variabel keputusan tetap.

• Range yang memungkinkan jika RHS (Right Hand Side) diubah, namun

memiliki dual price yang tetap.

Analalisis sensitivitas ini dilakukan karena pada kenyataannya di lapangan

parameter tidak dapat selalu konstan. Oleh karena itu diperlukan analisis

sensitivitas untuk mengetahui kepekaan kondisi optimal terhadap perubahan pada

variabel dan sumber daya yang dimiliki.


43


BAB 4

ANALISIS HASIL

4. MODEL MIKRO RANTAI PRODUKSI BIODIESEL

4.1 Analisis Solusi Lokasi SPBG

Pada bagian analisis solusi lokasi SPBG ini akan dilakukan analisis

terhadap hasil pengolahan data menggunakan software LINGO 10. Pada

penelitian ini terdapat 3 skenario yaitu skenario 1 untuk pemilihan lokasi dengan

jumlah SPBG yang ditargetkan oleh pemerintah yaitu sebanyak 18 SPBG baru

sampai tahun 2015 ; skenario 2 dengan melakukan pencarian terhadap jumlah dan

lokasi SPBG yang paling optimum; Skenario 3 dengan melakukan pencarian

terhadap jumlah dan lokasi SPBG yang minimal harus dibangun sampai tahun

2015 untuk memenuhi permintaan BBG.

4.1.1 Analisis Solusi Skenario 1

Pada skenario 1 dilakukan pengolahan data dengan software LINGO 10

untuk menentukan lokasi 18 SPBG CNG baru di wilayah DKI Jakarta, dengan

model matematis sebagai berikut :

Fungsi Tujuan : ' (�� ∑ ∑ &�)��)��)01)��02�� * (�� ∑ ∑ &)+�)+�)+��+��01)��

Fungsi Kendala : 0.5 - �� ∑ ��)02�� - ��)

0.5 - �+ � ∑ �)+��+�� + - �)+

∑ �! ��) 18

��) * .)+ 1








44


Dengan model matematis seperti disebutkan sebelumnya, hasil untuk

model tersebut dinyatakan tidak memungkinkan. Hal ini dikarenakan fungsi

kendala untuk 0.5 - �� ∑ ��)02�� tidak dapat dipenuhi. Setelah fungsi kendala

tersebut dieliminasi, maka dilakukan pengolahan terhadap 1469 variabel dengan

115 kendala seperti terlihat pada gambar 4.1 dibawah ini.

Gambar 1. Interface LINGO 10.

Gambar 4.1 Tampilan Proses Pengolahan Data LINGO

Pada hasil pengolahan data dengan menggunakan software LINGO, untuk

skenario 1 dengan jumlah lokasi dibangun sesuai dengan target pemerintah yaitu

sebanyak 18 buah, maka 18 SPBG akan dibangun di Terminal Bekasi, Pulo

Gadung, Lebak Bulus, Blok M, Senen, Kota, Tanjung Priok, Cililitan , Kampung

Melayu, Kramat Jati, SPBU 31-13601, SPBU 31-23101, SPBU 31-0407, SPBU

31-13901, SPBU 31-10201, SPBU 31-12201, SPBU 31-12303, dan Joglo. Pada

gambar 4.2 merupakan gambar hasil pengolahan LINGO terhadap penentuan

lokasi SPBG yang akan dibangun.


45


Gambar 4.2 Hasil LINGO SPBG Skenario 1

Dari gambar 4.2 diketahui bahwa objective value yang didapat dari

skenario 1 adalah sebesar 219890.3. Objective value merupakan hasil subsitusi

variabel X pada fungsi tujuan. Sedangkan reduced cost dapat diinterpretasikan ke

dalam 2 pengertian. Pengertian pertama adalah jumlah koefisien fungsi tujuan dari

variabel yang harus ditingkatkan pada fungsi optimum atau dikurangkan pada

fungsi minimum untuk mendapat nilai positif dalam solusi optimal. Pengertian


46


kedua adalah nilai penalti yang dikenakan untuk memasukkan 1 unit variabel ke

dalam solusi optimum. Reduce cost dalam skenario 1 ini menunjukkan nilai

koefisien variabel yang harus dikurangi untuk mendapatkan solusi optimum untuk

masing-masing lokasi SPBG.

Gambar 4.3 Peta Pesebaran Lokasi SPBG Skenario 1

Pada peta pesebaran lokasi SPBG diatas, legenda yang berwarna kuning

menunjukkan SPBG yang sudah dibangun, dan yang berwarna merah

menunjukkan SPBG yang akan dibangun. Pada peta persebaraan diatas, pesebaran

lokasi sudah cukup merata namun, masih terdapat beberapa lokasi yang letaknya

terlalu dekat terutama untuk SPBG yang sudah dibangun. Hal ini disebabkan

adanya kontrak pengisian BBG pada bus Trans Jakarta dengan SPBG-SPBG

tertentu. Sehingga dalam jangka waktu sampai 2016, alokasi kebutuhan BBG

pada Bus Trans Jakarta tetap pada SPBG masing-masing.


47


Gambar 4.4 Hasil LINGO Alokasi Permintaan Skenario 1

Pada gambar 4.4 yang menggambarkan hasil pengolahan LINGO untuk

alokasi kebutuhan SPBG dapat dilihat alokasi kebutuhan dari setiap titik

permintaan. Reduce cost pada hasil alokasi permintaan ini memiliki pengertian

yang berbeda dengan reduce cost yang dihasilkan dari hasil sebelumnya. Pada

hasil LINGO terhadap alokasi permintaan ini, reduced cost berlaku sebagai pinalti

atau biaya yang menjadi kerugian dari permintaan yang dialokasikan pada SPBG

tersebut. Tabel 4.1 pada halaman selanjutnya merupakan tabel rekapitulasi alokasi

permintaan.


Tabel 4.1 Rekapitulasi Alokasi Kebutuhan BBG

48

Un

iversitas Ind

on

esia


Tabel 4.1 Rekapitulasi Alokasi Kebutuhan BBG (Sambungan)

49

Un

iversitas Ind

on

esia


50


Dari hasil rekapitulasi pada tabel 4.1, dapat dilihat alokasi dari setiap titik

permintaan. Jika terdapat pembangunan SPBG baru sebanyak 18 lokasi di wilayah

DKI Jakarta, maka terdapat salah satu kendala yang diabaikan yaitu permintaan

pada SPBG terbangun paling tidak memiliki permintaan sebsar setengah dari

kapasitas SPBG tersebut.

Jika 18 SPBG baru akan dibangun sampai tahun 2012, maka dari 29 SPBG

yang melayani permintaan kurang dari setengah kapasitasnya adalah SPBG

Bekasi, SPBG Lebak Bulus, SPBG Senen, SPBG Kota, SPBU 31-13601, SPBU

13901, SPBU 10201, SPBU 31-12201, SPBU 31-10303, SPBG Depok, SPBG

Kalideres, SPBG Pasar Minggu, SPBG Perintis, SPBG Rawa Buaya, SPBG

Pemuda, SPBG Gandaria. Hal ini disebabkan masih rendahnya tingkat permintaan

BBG di wilayah DKI Jakarta.

Pada saat ini sudah terdapat 11 SPBG yang dibangun, namun yang

beroperasi hanya 6 SPBG. Tidak beroperasinya SPBG-SPBG tersebut disebabkan

berbagai macam faktor seperti sengketa tanah dan rendahnya permintaan, yang

menyebabkan SPBG tersebut mengalami kerugian. Target pemerintah untuk

membangun 18 SPBG baru dalam kurun waktu kurang lebih 3 tahun dirasa

kurang memungkinkan dan dapat menyebabkan SPBG dengan jumlah permintaan

yang sedikit akan mengalami kerugian.


Pada skenario 2 dilakukan pengolahan data dengan software LINGO 10

untuk menentukan jumlah dan lokasi optimum SPBG CNG baru di wilayah DKI

Jakarta, dengan model matematis sebagai berikut :

Fungsi Tujuan : ' (�� ∑ ∑ &�)��)��)01)��02�� * (�� ∑ ∑ &)+�)+�)+��+��01)��

Fungsi Kendala : 0.5 - �� ∑ ��)02�� - .�)

∑ �! .�) � 18

.�) * .)+ 1




51






Dengan model matematis seperti model diatas, maka didapatkan jumlah

lokasi SPBG yang optimum di DKI Jakarta sampai tahun 2015 adalah sebanyak

24 SPBG. Dengan 11 SPBG yang sudah dibangun sampai saat ini, dibutuhkan 13

SPBG baru untuk memenuhi permintaan yang ada. Hasil Pengolahan data

menggunakan software LINGO untuk skenario 2 terdapat pada gambar 4.5

Gambar 4.5 Hasil LINGO Skenario 2


52


Berdasarkan hasil pengolahan data, maka solusi untuk skenario 2 ada

SPBG akan dibangun di 13 Lokasi yaitu Pulo Gadung, Blok-M, Senen, Kota,

Tanjung Priok, Cililitan, Kampung Melayu, Kramat Jati, SPBU 31-13601, SPBU

31-23101, SPBU 31-0407, SPBU 31-13901, SPBU 31-12201.

Nilai objective value pada skenario 2 lebih besar dibandingkan skenario 1,

yaitu 614231.6 : 219890.3. Hal ini disebabkan karena pada skenario 1 terdapat

fungsi kendala yang dihilangkan. Sedangkan pada skenario 2 ini, SPBG yang

akan dibangun sudah memenuhi kriteria yang ada.

Nilai reduce cost yang paling besar yaitu pada SPBG Kalideres dengan

koefisien variabel sebesar 213000, sedangkan reduced cost terkecil terdapat pada

SPBG Kampung Melayu sebesar 2117,77. Hal ini menunjukkan bahwa SPBG

Kampung Melayu lebih mudah dijangkau dan melayani jumlah permintaan yang

lebih sedikit jika dibandingkan dengan SPBG Kalideres.

Setelah dilakukan pengolahan data dengan LINGO, dilakukan pemetaan

lokasi SPBG baik SPBG yang sudah dibangun mapun SPBG yang akan dibangun.

Pemetaan menggunakan Google Earth terlihat pada gambar 4.6. Pada peta dapat

dilihat bahwa pesebaran lokasi SPBG sudah cukup baik dan merata

dibawah ini



53



Pada skenario 3, dilakukan pencarian jumlah minimum SPBG yang harus

dibangun. Skenario 3 memiliki model matematis sama seperti skenario 2, hanya

saja pada kendala ∑ �! .�) � 18 , jumlah SPBG dicari dari jumlah yang terkecil

sampai terdapat lokasi yang dapat memenuhi semua permintaan. Maka didapatkan

jumlah minimum SPBG yang dapat dibangun untuk memenuhi permintaan adalah

sebanyak 6 SPBG baru. Keenam lokasi SPBG baru tersebut terletak di Lebak

Bulus, Blok M, Tanjung Priok, Cililitan, Kampung Melayu, SPBU 31-23101.

Gambar 4.7 Hasil LINGO Skenario 3


54


Pada skenario 3, objective value memiliki nilai yang paing besar. Hal ini

disebabkan karena jumlah fasilitas SPBG lebih sedikit, sehingga untuk dapat

mengakses SPBG dibutuhkan usaha yang lebih besar atau jarak tempuh yang

lebih jauh. Pada gambar 4.8 dapat dilihat meskipun jumlah lokasi sedikit, lokasi

SPBG tersebar cukup merata dan terdapat di semua wilayah Jakarta.


4.2 Analisis Sensitivitas

Analisis sensitivitas pada penelitian ini dilakukan dengan melakukan

pencarian rentang yang memungkinkan jika kapasitas SPBG sebagai Right Hand

Side (RHS) diubah dan pengaruhnya terhadap dual price. Analisis sensitivitas

yang kedua adalah melakukan pencarian rentang yang memungkinkan jika


55


permintaan mengalami peningkatan dan penurunan dengan nilai optimum variabel

yang tetap.

4.2.1 Analisis Sensitivitas Skenario 1

Berikut merupakan hasil yang didapatkan dengan melakukan perubahan

pada kapasitas SPBG dalam melayani permintaan pasar pada skenario 1.

Tabel 4.2 Pengaruh Perubahan Kapasitas terhadap Dual Price pada

Skenario 1

Skenario

1

Persentase

Perubahan Kapasitas Kapasitas Dual Price

3% 31500 2.51

2% 31200 0

1% 30900 0

0% 30600 0

-1% 30300 0

-2% 29700 0

-3% 29400 0

-4% 29100 1.2

-5% 28800 2.51

Pengertian dual price atau yang biasa disebut shadow price merupakan

harga yang harus dibayar bisa berupa cost atau kerugian yang diderita untuk

menambah atau menurang satu unit sumber daya yang menjadi batasan dalam

kendala. Dari hasil pada tabel 4.2 diatas dapat diketahui bahwa jika SPBG ingin

meningkatkan kapasitasnya dalam memenuhi permintaan pasar, maka setiap

SPBG tersebut harus mengeluarkan biaya tambahan sebesar 2.51 untuk

menambah kapasitas SPBG menjadi 3% dari kapasitas yang sudah ada.

Sedangkan jika SPBG tersebut mengurangi kapasitas hingga 4% mengakibatkan

SPBG tersebut tidak dapat melayani permintaan, sehingga akan kehilangan profit

sebesar 1.2. Dapat disimpulkan rentang yang diperbolehkan untuk mengubah

kapasitas adalah 29.400 lsp – 31.200 lsp.


56


Gambar 4.9 Grafik Pengaruh Perubahan Kapasitas terhadap Dual Price

pada Skenario 1

Pada gambar diatas, perubahan signifikan terjadi baik pada peningkatan

maupun terhadap penurunan kapasitas. Namun dapat dilihat bahwa faktor

peningkatan kapasitas memiliki sensitivitas yang lebih tinggi karena pada

peningkatan kapasitas sebesar 2% sudah terjadi pengaruh dari perubahan

kapasitas tersebut.

Pada analisis sensitivitas koefisien variabel fungsi tujuan akan dilihat

pengaruh perubahan koefisien variabel terhadap nilai optimum fungsi tujuan. Pada

kasus penelitian ini, koefisien yang akan dijadikan parameter adalah peningkatan

atau penurunan jumlah permintaan.

Pada penelitian ini, faktor jarak yang juga mempengaruhi besarnya nilai

koefisien variabel adalah faktor konstan sehingga nilai optimum variabel pasti

akan berubah. Namun, pengaruh juga dapat dilihat dari perubahan reduced cost

karena seperti disimulasikan pada validasi model bahwa optimal nilai objektif

merupakan total dari reduced cost. Berikut merupakan pengaruh perubahan yang

terjadi jika permintaan mengalami peningkatan atau penurunan.

0

0,5

1

1,5

2

2,5

3

Du

al

Pri

ze

Kapasitas

Peningkatan

Penurunan


57


Tabel 4.3 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap

Reduced Cost pada Skenario 1

Skenario 1

Perubahan Presentase Jumlah

Permintaan Reduced cost

3% 87.000

2% 51.000

1% 51.000

0% 51.000

-1% 51.000

-2% 51.000

-3% 87.000

Pada tabel diatas, dapat diketahui pengaruh dari terjadinya peningkatan

dan penurunan permintaan. Dari tabel tersebut dapat disimpulkan bahwa SPBG

tersebut masih dapat memenuhi permintaan pasar jika terjadi peningkatan

permintaan hingga 2% per titik permintaan dan tetap mendapat keuntungan yang

sama hingga terjadinya penurunan permintaan pasar sebesar 2%.

Gambar 4.10 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap


Pada gambar diatas, dapat diketahui bahwa baik pada faktor peningkatan

permintaan maupun penurunan memiliki sensitivitas dan signifikansi yang sama.

0

10000

20000

30000

40000

50000

60000

70000

80000

90000

100000

-3% -2% -1% 0% 1% 2% 3%

Permintaan

Peningkatan

Penurunan


58



Berikut merupakan hamsil yang didapatkan dengan melakukan perubahan


Tabel 4.4 Perubahan Kapasitas terhadap Dual Price pada Skenario 2

Dari hasil pada tabel 4.4 diatas dapat diketahui bahwa jika SPBG ingin


SPBG tersebut harus mengeluarkan biaya tambahan sebesar 12.7 untuk

menambah kapasitas SPBG menjadi 5% dari kapasitas yang sudah ada.

Sedangkan jika SPBG tersebut mengurangi kapasitas hingga 2% mengakibatkan

SPBG tersebut tidak dapat melayani permintaan, sehingga akan kehilangan profit

sebesar 1.15. Dapat disimpulkan bahwa peningkatan kapasitas yang diizinkan

adalah sebesar 5% dan penurunan sebesar 2%.

Gambar 4.11 Grafik Perubahan Kapasitas terhadap Dual Price pada Skenario 2

0

2

4

6

8

10

12

14

Du

al

Pri

ze

Kapasitas

Peningkatan

Penurunan

Skenario 2

Perubahan Kenaikan

Kapasitas Kapasitas Dual Price

5% 31500 12.7

4% 31200 0

3% 30900 0

2% 30600 0

1% 30300 0

0% 30000 0

-1% 29700 0

-2% 29400 1.15


59


Pada gambar 4.11 dapat secara jelas dilihat bahwa pada skenario 2, faktor

peningkatan kapasitas lebih berpengaruh signifikan. Namun faktor penurunan

memiliki nilai sensitivitas yang lebih tinggi, karena perubahan dual prize terjadi

pada penurunan kapasitas sebesar 2%.

Tabel 4.5 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap Reduced

Cost pada Skenario 2

Skenario 2


Permintaan

Reduced cost

40% 237.323

30% 381.000

20% 381.000

10% 381.000

0% 381.000

-20% 51.000

-21% infeasible




permintaan hingga 30% per titik permintaan dan tetap mendapat keuntungan yang

sama hingga terjadinya penurunan permintaan pasar sebesar 20%. Jika permintaan

menurun hingga melebihi 20%, maka akan terdapat SPBG yang tidak memenuhi

syarat minimal penjualan, dan diprediksikan akan terdapat SPBG yang mengalami

kebangkrutan.

Gambar 4.12 Grafik Pengaruh Perubahan Presentase Jumlah Permintaan

terhadap Reduced Cost pada Skenario 2

0

100000

200000

300000

400000

500000

-21% -20% -10% 0% 10% 20% 30% 40%

Permintaan

Penurunan

Peningkatan


60


Dari grafik pada gambar 4.12 dapat dilihat bahwa penurunan permintaan

memiliki sensitivitas dan efek signifikansi yang lebih besar dibandingkan dengan

permintaan. Namun jika dibandingkan dengan skenario lain, skenario 2 memiliki

sensitivitas yang lebih rendah karena baru terjadi perubahan pengaruh pada

tingkat penurunan sebesar 20%.


Berikut merupakan hasil yang didapatkan dengan melakukan perubahan


Tabel 4.6 Perubahan Kapasitas terhadap Dual Price pada Skenario 3

Dari hasil pada tabel 4.6 diatas dapat diketahui bahwa jika SPBG ingin


SPBG tersebut harus mengeluarkan biaya tambahan sebesar 0.1 untuk menambah

kapasitas SPBG menjadi 6% dari kapasitas yang sudah ada. Sedangkan jika SPBG

tersebut mengurangi kapasitas hingga 4% mengakibatkan SPBG tersebut tidak

dapat melayani permintaan, sehingga akan kehilangan profit sebesar 3.2. Dapat

disimpulkan bahwa peningkatan kapasitas yang diizinkan adalah sebesar 6% dan

penurunan sebesar 4%.

Skenario 3

Perubahan

Kenaikan

Kapasitas

Kapasitas Dual Price

0.6% 30.180 0.1

0.5% 30.150 0

0.4% 30.120 0

0.3% 30.090 0

0.2% 30.060 0

0.1% 30.030 0

0% 30.000 0

-0.1% 29.970 0

-0.2% 29.940 0

-0.3% 29.910 0

-0.4% 28.880 3.2


61


Gambar 4.13 Grafik Perubahan Kapasitas terhadap Dual Prize pada

Skenario 3

Pada gambar diatas dapat secara jelas dilihat bahwa pada skenario 3,

faktor penurunan kapasitas lebih berpengaruh signifikan, dapat dilihat dari

kecuraman grafik. Namun faktor peningkatan memiliki nilai sensitivitas yang

lebih tinggi, karena perubahan dual prize terjadi pada penurunan kapasitas

sebesar 4%.

Tabel 4.7 Pengaruh Perubahan Presentase Jumlah Permintaan terhadap


Skenario 3


Permintaan

Reduced cost

0.4% infeasible

0.1%,0.2%,0.3% 756.000

0% 756.000

-0.1%,-0.2%,-0.3%,-0.4%,-0.5% 381.000

-0.6% 753.000




permintaan hingga 0.3% per titik permintaan dan tetap mendapat keuntungan

yang sama hingga terjadinya penurunan permintaan pasar sebesar 0.5%. Pada titik

permintaan yang mengalami peningkatan sebesar 0.4%, solusi optimum tidak

memungkinkan. Jika hal ini terjadi maka untuk memenuhi permintaan pasar harus

dibangun SPBG baru.

0

0,5

1

1,5

2

2,5

3

3,5

28

20

0

28

50

0

28

80

0

29

10

0

29

40

0

29

70

0

30

00

0

30

30

0

30

60

0

30

90

0

31

20

0

31

50

0

31

80

0

Du

al

Pri

ze

Kapasitas

Peningkatan

Penurunan


62


BAB 5 KESIMPULAN

5. KESIMPULAN

5.1 Kesimpulan

Berdasarkan penelitian yang dilakukan dalam menentukan jumlah dan

lokasi yang optimum dengan menggunakan programa integer untuk

meminimialisasi jarak tempuh, maka didapatkan hasil sebagai berikut :

1. Berdasarkan target Pemerintah untuk membangun 18 SPBG CNG

baru di DKI Jakarta sampai tahun 2015, didapatkan lokasi yang

paling optimal adalah Terminal Bekasi, Pulo Gadung, Lebak Bulus,

Blok M, Senen, Kota, Tanjung Priok, Cililitan , Kampung Melayu,

Kramat Jati, SPBU 31-13601, SPBU 31-23101, SPBU 31-0407,

SPBU 31-13901, SPBU 31-10201, SPBU 31-12201, SPBU 31-

12303, dan Joglo. Solusi ini optimum pada rentang perubahan

kapasitas SPBG dari 29.400 lsp – 31.200 lsp serta terjadinya

peningkatan atau penurunan permintaan sebesar 2%.

2. Jumlah optimum pembangunan SPBG CNG baru di DKI Jakarta

didapat sebanyak 13 lokasi. Lokasi Pembangunan CNG baru

tersebut terletak di Pulo Gadung, Blok-M, Senen, Kota, Tanjung

Priok, Cililitan, Kampung Melayu, Kramat Jati, SPBU 31-13601,

SPBU 31-23101, SPBU 31-0407, SPBU 31-13901, SPBU 31-

12201. Solusi ini optimum pada rentang perubahan kapasitas SPBG

dari 29.700 lsp – 31.200 lsp serta terjadinya peningkatan permintaan

sebesar 30% atau penurunan permintaan sebesar 20%.

3. Jumlah minimum pembangunan SPBG CNG baru di DKI Jakarta

didapat sebanyak 6 lokasi. Lokasi Pembangunan CNG baru tersebut

terletak di Lebak Bulus, Blok M, Tanjung Priok, Cililitan, Kampung

Melayu, SPBU 31-23101. Solusi ini optimum pada rentang

perubahan kapasitas SPBG dari 29.910 lsp – 30.180 lsp serta

terjadinya peningkatan permintaan sebesar 0.1% atau penurunan

permintaan sebesar 0.5%.


63


5.2 Saran

Guna mencapai hasil penelitian yang lebih baik, disarankan agar pada

penelitian selanjutnya dilakukan hal-hal sebagai berikut :

1. Faktor kemacetan dan kondisi jalan dimasukkan kedalam varabel

penelitian.

2. Melakukan penjadwalan pembangunan SPBG yang disesuaikan

dengan penjadwalan konversi angkutan umum.

Berdasarkan hasil penelitian untuk penentuan lokasi SPBG CNG di

wilayah DKI Jakarta disarankan pemerintah melakukan penjadwalan dengan

mengutamakan pembangunan pada lokasi SPBG CNG yang terpilih pada skenario

kedua.


64


DAFTAR PUSTAKA

Ministry of Energy and Mineral Resources. (2010) Handbook of Energy and

Economic Statistic of Indonesia. Jakarta : Center of Data and

Information Ministry of Energy and Mineral Resources.

Directorate General of Oil and Gas. (2000).Study for Development of Gas

Infrastructure in Java. Jakarta : Ministry of Mine and Energy.

Dinas Perhubungan DKI Jakarta (2011), Perhubungan Dalam Angka. Jakarta

Wang, Pau. (2008) . Studi Pengembangan Infrastruktur BBG untuk Melayani

Sistem Transportasi Umum di DKI Jakarta. Jakarta..

Farahani, Reza Z,dkk (2011). Covering Problem in Facility locatin : review :

Department of Informatics and Operations Management, Kingston

Business School, Kingston University.

Sugiyono, Agus dan Rahardjo, Irawan(2007). Pengembangan Moda Transportasi

BBG untuk Sektor Transportasi di Pantura. Jurnal Volume 19, No 10.

Jakarta.

BLU Transjakarta Busway. (2010) Transjakarta BuswayLessons Learned Behind

the Contribution to Public Transport Reform in JakartaHow to Improve

Level of Service and System Efficiency. Bangkok : The 5th Regional

EST FORUM.

Pertamina. (2011). Pemanfaatan CNG sebagai Bahan Bakar Alternatif Pengganti

BBM Bersubsidi. Jakarta : KIPNAS – X..

Kementrian ESDM. (2012). Program Diversifikasi Bahan Bakar Dalam Rangka

Mendukung Ketahanan Energi Nasional. Jakarta : Workshop Efisiensi

Energi di Sektor Transportasi.

Christopher Upchurch. (2010) Comparing the p-median and flow-refueling

models for locating alternative-fuel stations. Department of Geography,

University of South Carolina,


65


Lokasi 1 2 3 4 5 6 7 8 9 10 11 13 15 16 17 18 19 20 21

Bekasi 0 22.7 33.7 26.9 28.7 28.7 38.8 35.3 16.1 26.5 25.8 20.1 20.9 21.3 18.1 25.3 31.2 23.2 18.8

Pulo gadung 22.7 0 33.3 22.1 23.9 9.2 18.1 12.6 6.4 4.6 9.8 13.8 11.1 17.8 11.3 7.1 20.5 15.4 2.9

lebak bulus 33.7 33.3 0 10.9 20.3 23 23.1 36.7 29.7 27.7 17.4 17.8 23.1 19.7 21 26.4 7.6 16.4 36.7

Blok M 26.9 22.1 10.9 0 10.6 13.3 22.8 13.5 18.7 15.1 15.1 11.3 13.5 14.2 11.4 12 2.5 8.2 24.2

Grogol 28.7 23.9 20.3 10.6 0 7.2 5.7 15.1 20.4 15.3 10 19.1 16.9 21 17.1 12.2 12.6 15.3 18.7

Senen 28.7 9.2 23 13.3 7.2 0 7.3 12.1 13.2 8.1 4.6 11.5 9.4 13.8 9.9 4.6 14.9 8.7 11.5

Kota 38.8 18.1 23.1 22.8 5.7 7.3 0 9.5 21.4 12.3 12.8 22.8 17.7 25.1 22.3 13.2 16.6 17.4 19.8

Tanjung Priok 35.3 12.6 36.7 13.5 15.1 12.1 9.5 0 18.1 12.3 14.8 17.1 16.1 21.6 16.6 12.1 28.4 19.3 13.2

Klender 16.1 6.4 29.7 18.7 20.4 13.2 21.4 18.1 0 8.7 10.2 10 6.6 12.7 8 10.9 18.3 11.5 6.5

Rawamangun 26.5 4.6 27.7 15.1 15.3 8.1 12.3 12.3 8.7 0 6.4 9.2 5.8 11.7 7.6 3.6 14.7 11.3 6.9

Manggarai 25.8 9.8 17.4 15.1 10 4.6 12.8 14.8 10.2 6.4 0 8.9 6.9 11.2 6.6 2.7 8.4 4.3 12.1

Muara Angke 43.3 24.1 30.3 20.6 12 15 7.3 15.5 33.2 25.3 18.2 25.7 27.2 27.9 26.3 18.2 20.2 22.4 27.2

Cililitan 20.1 13.8 17.8 11.3 19.1 11.5 22.8 17.1 10 9.2 8.9 0 5.6 1.7 3.1 9.4 12.9 4.6 16.8

Ragunan 29.7 27.4 8.8 10.9 19.9 18.6 22 33.1 31.2 21.3 13 11.9 13.3 10.9 13.3 16.7 14.1 10.4 31.2 Kampung Melayu 20.9 11.1 23.1 13.5 16.9 9.4 17.7 16.1 6.6 5.8 6.9 5.6 0 8.5 2.9 6.4 12.2 6.2 12.6

Jl Kramat Jati 21.3 17.8 19.7 14.2 21 13.8 25.1 21.6 12.7 11.7 11.2 1.7 8.5 0 5.1 11.8 15.2 6.9 20.9

SPBU 31-13601 18.1 11.3 21 11.4 17.1 9.9 22.3 16.6 8 7.6 6.6 3.1 2.9 5.1 0 6.8 11.9 4.3 13.1

SPBU 31-23101 25.3 7.1 26.4 12 12.2 4.6 13.2 12.1 10.9 3.6 2.7 9.4 6.4 11.8 6.8 0 13 6.8 9.6

SPBU 31- 0407 31.2 20.5 7.6 2.5 12.6 14.9 16.6 28.4 18.3 14.7 8.4 12.9 12.2 15.2 11.9 13 0 9.8 23

SPBU 31-12801 23.2 15.4 16.4 8.2 15.3 8.7 17.4 19.3 11.5 11.3 4.3 4.6 6.2 6.9 4.3 6.8 9.8 0 16.9

SPBU 31-13901 18.8 2.9 36.7 24.2 18.7 11.5 19.8 13.2 6.5 6.9 12.1 16.8 12.6 20.9 13.1 9.6 23 16.9 0

SPBU 31-10201 29.9 25.1 15.8 7.2 7.9 8.5 11.6 20.5 18.5 13.1 6.9 12.9 14.3 15.8 12.9 9 6.6 9.9 28.6

SPBU 31-0405 30 25.3 9.7 1.6 13.5 13.8 15.5 23 17.7 17.1 9.1 10.1 12.4 12.4 10.7 11.8 2.8 7.8 28.8

SPBU 31-10701 33 10.9 25.9 15.7 8.6 4 4.9 9.2 6.9 11.8 8.3 15.2 13.2 17.5 15.8 7.7 15.3 15.9 14.5 SPBU 31- 12201 34.6 34.2 0.9 9.1 21.6 23.5 25.3 35.8 28.8 26.7 16.5 12.9 22.2 18.8 19.3 21.6 9.4 16.4 36.2 SPBU 31- 12202 32 23.5 5.1 6 17.6 18.2 19.6 31.3 32.2 30.2 12.2 20.3 25.6 22.2 14.8 16.3 4.9 11.9 32.8 SPBU 31- 10303 27.2 11.1 21.1 11.4 8.5 3.1 11.1 14.8 12.8 7.7 12.2 11.1 9 13.4 9.9 4 11 8.4 14.1

Joglo 37.7 33.3 12.5 10.8 13.2 16.6 16.9 24.9 29.6 27.2 19.3 20.7 20.6 27.2 19.7 19.8 9.8 16.8 38.8

Depok 37.3 33.5 17.6 23.9 30.7 31.6 33.7 40.8 31.5 31.3 23.6 20.6 25.8 21.4 24.1 30 25.5 20.8 39.9 Kampung rambutan 23.3 19.1 12.2 16.5 23.1 20.4 26.8 26 17 17.4 17.4 8.1 12.7 7.7 10.6 16.5 18.6 12.5 24.8

kalideres 43.5 35.5 23.2 19.6 9.9 17.1 13.3 23.2 31.6 33.2 19.9 26.6 27.4 28.9 26.1 22.1 17.2 22.8 28.6

Pinang Ranti 12.7 15.3 14.7 15.3 18.6 12.3 24.7 23.9 12.1 14.5 14.6 5 9.8 2.9 7.7 13.7 17.3 9.6 17.6

Pasar Minggu 26.9 19.4 9 9.8 16.6 15.3 19.9 26.4 17.7 17.4 9.8 7.2 12.3 9.5 10.2 12.9 11.8 6.9 24.7 Perintis Kemerdekaan 18.1 3.9 31.9 17.3 22.3 7.8 16.7 11 8.5 2.8 8 12 9 16.4 9.8 5.3 18.7 12.5 4.9

Rawa buaya 43.4 35.3 20.1 16.9 9.8 17 13.1 17 31.6 33.1 20.9 26.5 27.4 28.8 26 21.9 14.1 22.7 34.5

Pluit 39.1 23.4 26.1 18.6 7.9 12.9 6.1 14.2 29.5 21.1 17.6 24.4 25.1 26.6 23.8 18 18 20.5 24.5

Pemuda 20.3 4.1 25.7 14.9 14.8 8.4 13.3 13 9.1 1.5 5.6 9.9 6.9 12.4 7.4 2.9 16.3 10 7

Gandaria 31.7 25.9 17.7 22 29 25 33.7 33 23.4 24 21.9 12.8 18 13.6 15.9 22.6 23.3 17.8 31.3

daan Mogot 35 19.8 19.2 12.4 1.7 9.5 7.4 17.4 23.1 17.5 11.5 18.2 18.9 20.4 17.6 14.4 11.6 14.3 21

Lampiran 1 : Jarak titik permintaan dengan kandidat lokasi


66


Lokasi 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39

Bekasi 29.9 30 33 34.6 32 27.2 37.7 37.3 23.3 43.5 12.7 26.9 18.1 43.4 39.1 20.3 31.7 35

Pulo gadung 25.1 25.3 10.9 34.2 23.5 11.1 33.3 33.5 19.1 35.5 15.3 19.4 3.9 35.3 23.4 4.1 25.9 19.8

lebak bulus 15.8 9.7 25.9 0.9 5.1 21.1 12.5 17.6 12.2 23.2 14.7 9 31.9 20.1 26.1 25.7 17.7 19.2

Blok M 7.2 1.6 15.7 9.1 6 11.4 10.8 23.9 16.5 19.6 15.3 9.8 17.3 16.9 18.6 14.9 22 12.4

Grogol 7.9 13.5 8.6 21.6 17.6 8.5 13.2 30.7 23.1 9.9 18.6 16.6 22.3 9.8 7.9 14.8 29 1.7

Senen 8.5 13.8 4 23.5 18.2 3.1 16.6 31.6 20.4 17.1 12.3 15.3 7.8 17 12.9 8.4 25 9.5

Kota 11.6 15.5 4.9 25.3 19.6 11.1 16.9 33.7 26.8 13.3 24.7 19.9 16.7 13.1 6.1 13.3 33.7 7.4

Tanjung Priok 20.5 23 9.2 35.8 31.3 14.8 24.9 40.8 26 23.2 23.9 26.4 11 17 14.2 13 33 17.4

Klender 18.5 17.7 6.9 28.8 32.2 12.8 29.6 31.5 17 31.6 12.1 17.7 8.5 31.6 29.5 9.1 23.4 23.1

Rawamangun 13.1 17.1 11.8 26.7 30.2 7.7 27.2 31.3 17.4 33.2 14.5 17.4 2.8 33.1 21.1 1.5 24 17.5

Manggarai 6.9 9.1 8.3 16.5 12.2 12.2 19.3 23.6 17.4 19.9 14.6 9.8 8 20.9 17.6 5.6 21.9 11.5

Muara Angke 15.5 21.4 11.7 29.2 22.2 16.8 17.6 40.7 34.5 14 31.7 26.6 22.5 12.8 1.7 24.5 39 11.3

Cililitan 12.9 10.1 15.2 12.9 20.3 11.1 20.7 20.6 8.1 26.6 5 7.2 12 26.5 24.4 9.9 12.8 18.2

Ragunan 14.4 9.5 22 6.9 11.3 14.8 19.1 15.4 8.9 27.5 10.8 4.9 26 27.3 25.2 22 13.6 19 Kampung Melayu 14.3 12.4 13.2 22.2 25.6 9 20.6 25.8 12.7 27.4 9.8 12.3 9 27.4 25.1 6.9 18 18.9

Jl Kramat Jati 15.8 12.4 17.5 18.8 22.2 13.4 27.2 21.4 7.7 28.9 2.9 9.5 16.4 28.8 26.6 12.4 13.6 20.4

SPBU 31-13601 12.9 10.7 15.8 19.3 14.8 9.9 19.7 24.1 10.6 26.1 7.7 10.2 9.8 26 23.8 7.4 15.9 17.6

SPBU 31-23101 9 11.8 7.7 21.6 16.3 4 19.8 30 16.5 22.1 13.7 12.9 5.3 21.9 18 2.9 22.6 14.4

SPBU 31- 0407 6.6 2.8 15.3 9.4 4.9 11 9.8 25.5 18.6 17.2 17.3 11.8 18.7 14.1 18 16.3 23.3 11.6

SPBU 31-12801 9.9 7.8 15.9 16.4 11.9 8.4 16.8 20.8 12.5 22.8 9.6 6.9 12.5 22.7 20.5 10 17.8 14.3

SPBU 31-13901 28.6 28.8 14.5 36.2 32.8 14.1 38.8 39.9 24.8 28.6 17.6 24.7 4.9 34.5 24.5 7 31.3 21

SPBU 31-10201 0 7.9 9.7 13.7 9.7 6.1 10.8 27.3 21 15.4 18.3 13.2 24.1 14 13.1 11.9 25.6 6.9

SPBU 31-0405 7.9 0 16.2 9.4 5.5 11.8 11.3 23 16.2 18.8 16.1 11.3 22 17.1 18.8 15.1 20.8 12.5

SPBU 31-10701 9.7 16.2 0 23.5 19.5 6.8 17.3 41.4 25.7 18.5 22.8 22 10 18.3 10.2 10.5 29.3 10.8 SPBU 31- 12201 13.7 9.4 23.5 0 4.1 20 12.1 18.5 13.9 23.5 15.6 10.2 32.8 21 26.9 26.6 18.6 20.2 SPBU 31- 12202 9.7 5.5 19.5 4.1 0 14.8 8.7 22.6 17.4 18.8 20.4 13.7 21.7 14.3 22.8 22.1 22.7 16.2 SPBU 31- 10303 6.1 11.8 6.8 20 14.8 0 17.9 30.1 18.2 18.4 15.3 13.8 9.3 19.2 16.1 6.9 23.5 11.1

Joglo 10.8 11.3 17.3 12.1 8.7 17.9 0 32.3 25.4 12.1 26 20.3 31.9 7.5 18.4 22.7 30.1 11.8

Depok 27.3 23 41.4 18.5 22.6 30.1 32.3 0 18.6 43.2 19.4 14.6 33.7 37.7 39.2 31.8 8.4 32.2 Kampung rambutan 21 16.2 25.7 13.9 17.4 18.2 25.4 18.6 0 33.9 5.5 7.9 20.2 31.5 33 18.8 9 24.6

kalideres 15.4 18.8 18.5 23.5 18.8 18.4 12.1 43.2 33.9 0 31.2 26.5 23.7 6.4 13.6 33.7 38.2 9

Pinang Ranti 18.3 16.1 22.8 15.6 20.4 15.3 26 19.4 5.5 31.2 0 9.8 17.4 28.6 30.2 14.4 11.6 23.1

Pasar Minggu 13.2 11.3 22 10.2 13.7 13.8 20.3 14.6 7.9 26.5 9.8 0 19.9 23.6 25.2 17.9 12.5 18.1 Perintis Kemerdekaan 24.1 22 10 32.8 21.7 9.3 31.9 33.7 20.2 23.7 17.4 19.9 0 29.8 21.1 2.4 26.5 24.1

Rawa buaya 14 17.1 18.3 21 14.3 19.2 7.5 37.7 31.5 6.4 28.6 23.6 29.8 0 15.6 33.6 38.2 8.8

Pluit 13.1 18.8 10.2 26.9 22.8 16.1 18.4 39.2 33 13.6 30.2 25.2 21.1 15.6 0 21.6 39.9 9.7

Pemuda 11.9 15.1 10.5 26.6 22.1 6.9 22.7 31.8 18.8 33.7 14.4 17.9 2.4 33.6 21.6 0 22.5 16.3

Gandaria 25.6 20.8 29.3 18.6 22.7 23.5 30.1 8.4 9 38.2 11.6 12.5 26.5 38.2 39.9 22.5 0 30.5

daan Mogot 6.9 12.5 10.8 20.2 16.2 11.1 11.8 32.2 24.6 9 23.1 18.1 24.1 8.8 9.7 16.3 30.5 0

Lampiran 1 : Jarak titik permintaan dengan kandidat lokasi (Lanjutan)


67


model: sets: spbg:capacity, build_spbg; node_permintaan: demand; link(node_permintaan, spbg): jarak_permintaan, build_permintaan, alokasi; endsets data:

spbg = Terminal_Bekasi Pulo_Gadung Lebak_Bulus Blok_M Grogol Senen Kota

Tanjung_Priok Klender Rawamangun Manggarai Cililitan Kampung_Melayu

Kramat_Jati SPBU_3113601 SPBU_3123101 SPBU_310407 SPBU_3112801

SPBU_3113901 SPBU_3110201 SPBU_310405 SPBU_3110701 SPBU_3112201

SPBU_3112202 SPBU_3110303 Joglo Depok Kampung_Rambutan kalideres

Pinang_Ranti Pasar_Minggu Perintis_Kemerdekaan Rawa_buaya Pluit Pemuda

Gandaria Daan_Mogot;

node_permintaan = a1 a2 a3 a4 a5 a6 a7 a8 a9 a10 a11 a12 a13 a14 a15 a16 a17

a18 a19 a20 a21 a22 a23 a24 a25 a26 a27 a28 a29 a30 a31 a32 a33 a34 a35 a36

a37 a38 a39;

capacity = 30000 30000 30000 30000 30000 30000 30000 30000 30000 30000

30000 30000 30000 30000 30000 30000 30000 30000 30000 30000 30000 30000

30000 30000 30000 30000 30000 30000 30000 30000 20000 30000 30000 30000

30000 20000 30000;

alokasi = 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 5202.19 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 20802.84 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 12739.05 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02 28650.02

Lampiran 2 : Model LINGO


68


Lampiran 2 : Model LINGO (Lanjutan)

8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 8570.37 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 12377.84 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 14557.04 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 29802.95 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 1687.82 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 3707.04 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 4145.10 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 1111.61 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 22117.99 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 25757.69 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77


69



29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 29629.77 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 25880.39 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 9605.48 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 23534.23 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 15409.10 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 434.71 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 13216.06 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 9126.83 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 356.41 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 2423.90 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60


70



3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 3018.60 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 900.86 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 4797.30 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 18866.17 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 7487.50 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 17414.80 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 12060.77 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 18313.29 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 11159.91 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 6471.25 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59 5894.59


71



24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 24948.53 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 5095.03 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 9899.24 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82 2220.82;

demand = 5202.19 20802.84 12739.05 28650.02 8570.37 12377.84 14557.04

29802.95 1687.82 3707.04 4145.10 1111.61 22117.99 25757.69 29629.77

25880.39 9605.48 23534.24 15409.10 434.71 13216.06 9126.83 356.41 2423.90

3018.60 900.86 4797.30 18866.17 7487.50 17414.80 12060.77 18313.29

11159.91 6471.25 5894.59 24948.53 5095.03 9899.24 2220.82; jarak_permintaan = 0 22.7 33.7 26.9 28.7 28.7 38.8 35.3 16.1 26.5 25.8 20.1 20.9 21.3 18.1 25.3 31.2 23.2 18.8 29.9 30 33 34.6 32 27.2 37.7 37.3 23.3 43.5 12.7 26.9 18.1 43.4 39.1 20.3 31.7 35 22.7 0 33.3 22.1 23.9 9.2 18.1 12.6 6.4 4.6 9.8 13.8 11.1 17.8 11.3 7.1 20.5 15.4 2.9 25.1 25.3 10.9 34.2 23.5 11.1 33.3 33.5 19.1 35.5 15.3 19.4 3.9 35.3 23.4 4.1 25.9 19.8 33.7 33.3 0 10.9 20.3 23 23.1 36.7 29.7 27.7 17.4 17.8 23.1 19.7 21 26.4 7.6 16.4 36.7 15.8 9.7 25.9 0.9 5.1 21.1 12.5 17.6 12.2 23.2 14.7 9 31.9 20.1 26.1 25.7 17.7 19.2 26.9 22.1 10.9 0 10.6 13.3 22.8 13.5 18.7 15.1 15.1 11.3 13.5 14.2 11.4 12 2.5 8.2 24.2 7.2 1.6 15.7 9.1 6 11.4 10.8 23.9 16.5 19.6 15.3 9.8 17.3 16.9 18.6 14.9 22 12.4 28.7 23.9 20.3 10.6 0 7.2 5.7 15.1 20.4 15.3 10 19.1 16.9 21 17.1 12.2 12.6 15.3 18.7 7.9 13.5 8.6 21.6 17.6 8.5 13.2 30.7 23.1 9.9 18.6 16.6 22.3 9.8 7.9 14.8 29 1.7 28.7 9.2 23 13.3 7.2 0 7.3 12.1 13.2 8.1 4.6 11.5 9.4 13.8 9.9 4.6 14.9 8.7 11.5 8.5 13.8 4 23.5 18.2 3.1 16.6 31.6 20.4 17.1 12.3 15.3 7.8 17 12.9 8.4 25 9.5 38.8 18.1 23.1 22.8 5.7 7.3 0 9.5 21.4 12.3 12.8 22.8 17.7 25.1 22.3 13.2 16.6 17.4 19.8 11.6 15.5 4.9 25.3 19.6 11.1 16.9 33.7 26.8 13.3 24.7 19.9 16.7 13.1 6.1 13.3 33.7 7.4


72



35.3 12.6 36.7 13.5 15.1 12.1 9.5 0 18.1 12.3 14.8 17.1 16.1 21.6 16.6 12.1 28.4 19.3 13.2 20.5 23 9.2 35.8 31.3 14.8 24.9 40.8 26 23.2 23.9 26.4 11 17 14.2 13 33 17.4 16.1 6.4 29.7 18.7 20.4 13.2 21.4 18.1 0 8.7 10.2 10 6.6 12.7 8 10.9 18.3 11.5 6.5 18.5 17.7 6.9 28.8 32.2 12.8 29.6 31.5 17 31.6 12.1 17.7 8.5 31.6 29.5 9.1 23.4 23.1 26.5 4.6 27.7 15.1 15.3 8.1 12.3 12.3 8.7 0 6.4 9.2 5.8 11.7 7.6 3.6 14.7 11.3 6.9 13.1 17.1 11.8 26.7 30.2 7.7 27.2 31.3 17.4 33.2 14.5 17.4 2.8 33.1 21.1 1.5 24 17.5 25.8 9.8 17.4 15.1 10 4.6 12.8 14.8 10.2 6.4 0 8.9 6.9 11.2 6.6 2.7 8.4 4.3 12.1 6.9 9.1 8.3 16.5 12.2 12.2 19.3 23.6 17.4 19.9 14.6 9.8 8 20.9 17.6 5.6 21.9 11.5 43.3 24.1 30.3 20.6 12 15 7.3 15.5 33.2 25.3 18.2 25.7 27.2 27.9 26.3 18.2 20.2 22.4 27.2 15.5 21.4 11.7 29.2 22.2 16.8 17.6 40.7 34.5 14 31.7 26.6 22.5 12.8 1.7 24.5 39 11.3 20.1 13.8 17.8 11.3 19.1 11.5 22.8 17.1 10 9.2 8.9 0 5.6 1.7 3.1 9.4 12.9 4.6 16.8 12.9 10.1 15.2 12.9 20.3 11.1 20.7 20.6 8.1 26.6 5 7.2 12 26.5 24.4 9.9 12.8 18.2 29.7 27.4 8.8 10.9 19.9 18.6 22 33.1 31.2 21.3 13 11.9 13.3 10.9 13.3 16.7 14.1 10.4 31.2 14.4 9.5 22 6.9 11.3 14.8 19.1 15.4 8.9 27.5 10.8 4.9 26 27.3 25.2 22 13.6 19 20.9 11.1 23.1 13.5 16.9 9.4 17.7 16.1 6.6 5.8 6.9 5.6 0 8.5 2.9 6.4 12.2 6.2 12.6 14.3 12.4 13.2 22.2 25.6 9 20.6 25.8 12.7 27.4 9.8 12.3 9 27.4 25.1 6.9 18 18.9 21.3 17.8 19.7 14.2 21 13.8 25.1 21.6 12.7 11.7 11.2 1.7 8.5 0 5.1 11.8 15.2 6.9 20.9 15.8 12.4 17.5 18.8 22.2 13.4 27.2 21.4 7.7 28.9 2.9 9.5 16.4 28.8 26.6 12.4 13.6 20.4 18.1 11.3 21 11.4 17.1 9.9 22.3 16.6 8 7.6 6.6 3.1 2.9 5.1 0 6.8 11.9 4.3 13.1 12.9 10.7 15.8 19.3 14.8 9.9 19.7 24.1 10.6 26.1 7.7 10.2 9.8 26 23.8 7.4 15.9 17.6 25.3 7.1 26.4 12 12.2 4.6 13.2 12.1 10.9 3.6 2.7 9.4 6.4 11.8 6.8 0 13 6.8 9.6 9 11.8 7.7 21.6 16.3 4 19.8 30 16.5 22.1 13.7 12.9 5.3 21.9 18 2.9 22.6 14.4 31.2 20.5 7.6 2.5 12.6 14.9 16.6 28.4 18.3 14.7 8.4 12.9 12.2 15.2 11.9 13 0 9.8 23 6.6 2.8 15.3 9.4 4.9 11 9.8 25.5 18.6 17.2 17.3 11.8 18.7 14.1 18 16.3 23.3 11.6 23.2 15.4 16.4 8.2 15.3 8.7 17.4 19.3 11.5 11.3 4.3 4.6 6.2 6.9 4.3 6.8 9.8 0 16.9 9.9 7.8 15.9 16.4 11.9 8.4 16.8 20.8 12.5 22.8 9.6 6.9 12.5 22.7 20.5 10 17.8 14.3 18.8 2.9 36.7 24.2 18.7 11.5 19.8 13.2 6.5 6.9 12.1 16.8 12.6 20.9 13.1 9.6 23 16.9 0 28.6 28.8 14.5 36.2 32.8 14.1 38.8 39.9 24.8 28.6 17.6 24.7 4.9 34.5 24.5 7 31.3 21


73



29.9 25.1 15.8 7.2 7.9 8.5 11.6 20.5 18.5 13.1 6.9 12.9 14.3 15.8 12.9 9 6.6 9.9 28.6 0 7.9 9.7 13.7 9.7 6.1 10.8 27.3 21 15.4 18.3 13.2 24.1 14 13.1 11.9 25.6 6.9 30 25.3 9.7 1.6 13.5 13.8 15.5 23 17.7 17.1 9.1 10.1 12.4 12.4 10.7 11.8 2.8 7.8 28.8 7.9 0 16.2 9.4 5.5 11.8 11.3 23 16.2 18.8 16.1 11.3 22 17.1 18.8 15.1 20.8 12.5 33 10.9 25.9 15.7 8.6 4 4.9 9.2 6.9 11.8 8.3 15.2 13.2 17.5 15.8 7.7 15.3 15.9 14.5 9.7 16.2 0 23.5 19.5 6.8 17.3 41.4 25.7 18.5 22.8 22 10 18.3 10.2 10.5 29.3 10.8 34.6 34.2 0.9 9.1 21.6 23.5 25.3 35.8 28.8 26.7 16.5 12.9 22.2 18.8 19.3 21.6 9.4 16.4 36.2 13.7 9.4 23.5 0 4.1 20 12.1 18.5 13.9 23.5 15.6 10.2 32.8 21 26.9 26.6 18.6 20.2 32 23.5 5.1 6 17.6 18.2 19.6 31.3 32.2 30.2 12.2 20.3 25.6 22.2 14.8 16.3 4.9 11.9 32.8 9.7 5.5 19.5 4.1 0 14.8 8.7 22.6 17.4 18.8 20.4 13.7 21.7 14.3 22.8 22.1 22.7 16.2 27.2 11.1 21.1 11.4 8.5 3.1 11.1 14.8 12.8 7.7 12.2 11.1 9 13.4 9.9 4 11 8.4 14.1 6.1 11.8 6.8 20 14.8 0 17.9 30.1 18.2 18.4 15.3 13.8 9.3 19.2 16.1 6.9 23.5 11.1 37.7 33.3 12.5 10.8 13.2 16.6 16.9 24.9 29.6 27.2 19.3 20.7 20.6 27.2 19.7 19.8 9.8 16.8 38.8 10.8 11.3 17.3 12.1 8.7 17.9 0 32.3 25.4 12.1 26 20.3 31.9 7.5 18.4 22.7 30.1 11.8 37.3 33.5 17.6 23.9 30.7 31.6 33.7 40.8 31.5 31.3 23.6 20.6 25.8 21.4 24.1 30 25.5 20.8 39.9 27.3 23 41.4 18.5 22.6 30.1 32.3 0 18.6 43.2 19.4 14.6 33.7 37.7 39.2 31.8 8.4 32.2 23.3 19.1 12.2 16.5 23.1 20.4 26.8 26 17 17.4 17.4 8.1 12.7 7.7 10.6 16.5 18.6 12.5 24.8 21 16.2 25.7 13.9 17.4 18.2 25.4 18.6 0 33.9 5.5 7.9 20.2 31.5 33 18.8 92 4.6 43.5 35.5 23.2 19.6 9.9 17.1 13.3 23.2 31.6 33.2 19.9 26.6 27.4 28.9 26.1 22.1 17.2 22.8 28.6 15.4 18.8 18.5 23.5 18.8 18.4 12.1 43.2 33.9 0 31.2 26.5 23.7 6.4 13.6 33.7 3 8.29 12.7 15.3 14.7 15.3 18.6 12.3 24.7 23.9 12.1 14.5 14.6 5 9.8 2.9 7.7 13.7 17.3 9.6 17.6 18.3 16.1 22.8 15.6 20.4 15.3 26 19.4 5.5 31.2 0 9.8 17.4 28.6 30.2 14.4 11.6 23.1 26.9 19.4 9 9.8 16.6 15.3 19.9 26.4 17.7 17.4 9.8 7.2 12.3 9.5 10.2 12.9 11.8 6.9 24.7 13.2 11.3 22 10.2 13.7 13.8 20.3 14.6 7.9 26.5 9.8 0 19.9 23.6 25.2 17.9 12.5 18.1 18.1 3.9 31.9 17.3 22.3 7.8 16.7 11 8.5 2.8 8 12 9 16.4 9.8 5.3 18.7 12.5 4.9 24.1 22 10 32.8 21.7 9.3 31.9 33.7 20.2 23.7 17.4 19.9 0 29.8 21.1 2.4 26.5 24.1 43.4 35.3 20.1 16.9 9.8 17 13.1 17 31.6 33.1 20.9 26.5 27.4 28.8 26 21.9 14.1 22.7 34.5 14 17.1 18.3 21 14.3 19.2 7.5 37.7 31.5 6.4 28.6 23.6 29.8 0 15.6 33.6 38.2 8.8


74



39.1 23.4 26.1 18.6 7.9 12.9 6.1 14.2 29.5 21.1 17.6 24.4 25.1 26.6 23.8 18 18 20.5 24.5 13.1 18.8 10.2 26.9 22.8 16.1 18.4 39.2 33 13.6 30.2 25.2 21.1 15.6 0 21.6 39.9 9.7 20.3 4.1 25.7 14.9 14.8 8.4 13.3 13 9.1 1.5 5.6 9.9 6.9 12.4 7.4 2.9 16.3 10 7 11.9 15.1 10.5 26.6 22.1 6.9 22.7 31.8 18.8 33.7 14.4 17.9 2.4 33.6 21.6 0 22.5 16.3 31.7 25.9 17.7 22 29 25 33.7 33 23.4 24 21.9 12.8 18 13.6 15.9 22.6 23.3 17.8 31.3 25.6 20.8 29.3 18.6 22.7 23.5 30.1 8.4 9 38.2 11.6 12.5 26.5 38.2 39.9 22.5 0 30.5 35 19.8 19.2 12.4 1.7 9.5 7.4 17.4 23.1 17.5 11.5 18.2 18.9 20.4 17.6 14.4 11.6 14.3 21 6.9 12.5 10.8 20.2 16.2 11.1 11.8 32.2 24.6 9 23.1 18.1 24.1 8.8 9.7 16.3 30.5 0; end data [objective] min = @sum(link(j,i): jarak_permintaan(j,i) * build_permintaan(j,i) * alokasi (j,i)); @for(spbg(i): 0.5*capacity(i)*build_spbg(i)<= @sum(node_permintaan(j): build_permintaan(j,i)*alokasi(j,i))); @for(spbg(i): @sum(node_permintaan(j): build_permintaan(j,i)*alokasi(j,i))<= capacity(i)*build_spbg(i)); @for(node_permintaan(j) : @sum(link(j,i): build_permintaan(j,i))=1); @for(spbg(i): @sum (link(j,i): build_permintaan(j,i))>= build_spbg(i)); build_permintaan (29,27) =1; build_permintaan (30,28) =1; build_permintaan (31,29) =1; build_permintaan (32,30) =1; build_permintaan (33,31) =1; build_permintaan (34,32) =1; build_permintaan (35,33) =1; build_permintaan (36,34) =1; build_permintaan (37,35) =1; build_permintaan (38,36) =1; build_permintaan (39,37) =1; @sum(spbg:build_spbg)<= 29; @for (link:@bin(build_spbg)); end


universitas indonesia penentuan lokasi spbg...

Documents