universitas indonesia penentuan lokasi spbg...
TRANSCRIPT
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
iii Universitas IndonesiaUniversitas Indonesia
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
iv Universitas IndonesiaUniversitas Indonesia
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
vii Universitas Indonesia
Universitas Indonesia
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
2
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
3
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
4
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
5
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
6
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
7
Universitas Indonesia
Gambar 1.2. Diagram Keterkaitan Masalah
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
8
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
9
Universitas Indonesia
Gambar 1.3 Diagram Alir Metodologi Penelitian
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
10
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
11
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
12 Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
13
Universitas Indonesia
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).
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
14
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
15
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
16
Universitas Indonesia
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 :
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
17
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
18
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
19
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
20
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
21
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
22
Universitas Indonesia
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 :
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
23
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
24
Universitas Indonesia
@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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
25 Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
26
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
27
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
28
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
29
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
30
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
31
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
32
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
33
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
34
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
35
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
36
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
37
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
38
Universitas Indonesia
• 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
X ij = 1 untuk Xij = X 33 33
X ij = 1 untuk Xij = X 35 35
X ij = 1 untuk Xij = X 31 31
X ij = 1 untuk Xij = X 36 36
X ij = 1 untuk Xij = X 37 37
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
X ij = 1 untuk Xij = X 32 32
X ij = 1 untuk Xij = X 33 33
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
39
Universitas Indonesia
X ij = 1 untuk Xij = X 35 35
X ij = 1 untuk Xij = X 31 31
X ij = 1 untuk Xij = X 36 36
X ij = 1 untuk Xij = X 37 37
3.3.6.2 Model Matematis Skenario 2
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
X ij = 1 untuk Xij = X 32 32
X ij = 1 untuk Xij = X 33 33
X ij = 1 untuk Xij = X 35 35
X ij = 1 untuk Xij = X 31 31
X ij = 1 untuk Xij = X 36 36
X ij = 1 untuk Xij = X 37 37
3.3.6.3 Model Matematis Skenario 3
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
40
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
41
Universitas Indonesia
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
BUILD_PERMINTAAN( A9, GROGOL) 1.000000 56717.71
BUILD_PERMINTAAN( A10, GROGOL) 1.000000 41451.00
BUILD_PERMINTAAN( A11, GROGOL) 1.000000 13339.32
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
42
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
43
Universitas Indonesia
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
X ij = 1 untuk Xij = X 32 32
X ij = 1 untuk Xij = X 33 33
X ij = 1 untuk Xij = X 35 35
X ij = 1 untuk Xij = X 31 31
X ij = 1 untuk Xij = X 36 36
X ij = 1 untuk Xij = X 37 37
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
44
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
45
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
46
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
47
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
Tabel 4.1 Rekapitulasi Alokasi Kebutuhan BBG
48
Un
iversitas Ind
on
esia
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
Tabel 4.1 Rekapitulasi Alokasi Kebutuhan BBG (Sambungan)
49
Un
iversitas Ind
on
esia
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
50
Universitas Indonesia
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.
4.1.2 Analisis Solusi Skenario 2
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
X ij = 1 untuk Xij = X 32 32
X ij = 1 untuk Xij = X 33 33
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
51
Universitas Indonesia
X ij = 1 untuk Xij = X 35 35
X ij = 1 untuk Xij = X 31 31
X ij = 1 untuk Xij = X 36 36
X ij = 1 untuk Xij = X 37 37
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
52
Universitas Indonesia
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
Gambar 4.6 Peta Pesebaran Lokasi SPBG Skenario 2
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
53
Universitas Indonesia
4.1.2 Analisis Solusi Skenario 3
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
54
Universitas Indonesia
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.
Gambar 4.8 Peta Pesebaran Lokasi SPBG Skenario 3
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
55
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
56
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
57
Universitas Indonesia
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
Reduced Cost pada Skenario 1
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
58
Universitas Indonesia
4.2.2 Analisis Sensitivitas Skenario 2
Berikut merupakan hamsil yang didapatkan dengan melakukan perubahan
pada kapasitas SPBG dalam melayani permintaan pasar pada skenario 2.
Tabel 4.4 Perubahan Kapasitas terhadap Dual Price pada Skenario 2
Dari hasil pada tabel 4.4 diatas dapat diketahui bahwa jika SPBG ingin
meningkatkan kapasitasnya dalam memenuhi permintaan pasar, maka setiap
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
59
Universitas Indonesia
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
Perubahan Presentase Jumlah
Permintaan
Reduced cost
40% 237.323
30% 381.000
20% 381.000
10% 381.000
0% 381.000
-20% 51.000
-21% infeasible
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 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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
60
Universitas Indonesia
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%.
4.2.3 Analisis Sensitivitas Skenario 3
Berikut merupakan hasil yang didapatkan dengan melakukan perubahan
pada kapasitas SPBG dalam melayani permintaan pasar pada skenario 3.
Tabel 4.6 Perubahan Kapasitas terhadap Dual Price pada Skenario 3
Dari hasil pada tabel 4.6 diatas dapat diketahui bahwa jika SPBG ingin
meningkatkan kapasitasnya dalam memenuhi permintaan pasar, maka setiap
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
61
Universitas Indonesia
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
Reduced Cost pada Skenario 3
Skenario 3
Perubahan Presentase Jumlah
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
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 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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
62
Universitas Indonesia
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%.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
63
Universitas Indonesia
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.
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
64
Universitas Indonesia
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,
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
65
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
66
Universitas Indonesia
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)
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
67
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
68
Universitas Indonesia
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
69
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
70
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
71
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
72
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
73
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012
74
Universitas Indonesia
Lampiran 2 : Model LINGO (Lanjutan)
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
Penentuan lokasi..., Harumi Diah Wijayanti, FT UI, 2012