TUGAS

MENEJEMEN TAMBANG
“Laporan Simulasi Linear Programming”

Dosen Pembimbing: DR. Supriyadi

Oleh
Xena Nurraeni Anun Cakranegara
073001500116

JURUSAN TEKNIK PERTAMBANGAN

FAKULTAS TEKNOLOGI KEBUMIAN DAN ENERGI
UNIVERSITAS TRISAKTI
2018
 BAB I
PENDAHULUAN

Latar Belakang
Operasi riset (operation research) merupakan penerapan beberapa metode ilmiah
yang membantu memecahkan persoalan rumit yang muncul dalam kehidupan sehari-hari
kemudian di inteprestasikan dalam permodelan matematika guna mendapatkan
informasi solusi yang optimal. Operational research juga banyak digunakan untuk
mengambil keputusan yang logis serta dapat dijelaskan secara kuantitatif. Pendekatan
khusus ini bertujuan membentuk suatu metode ilmiah dari sistem menggabungkan
ukuran-ukuran faktor-faktor seperti kesempatan dan risiko, untuk meramalkan dan
membandingkan hasil-hasil dari beberapa keputusan, strategi atau pengawasan. Karena
keputusan dalam riset operasi dapat berkaitan dengan biaya relevan, dimana semua biaya
yang terkaitan dengan keputusan itu harus dimasukkan, kualitas baik dipengaruhi oleh
desain produk atau cara produk dibuat, kehandalan dalam suplai barang dan jasa,
kemampuan operasi untuk membuat perubahan dalam desain produk atau kapasitas
produksi untuk menyesuaikan diri terhadap perubahan yang terjadi.
Progam linier secara umum merupakan salah satu teknik menyelesaikan riset
operasi, dalam hal ini adalah khusus menyelesaikan masalah-masalah optimasi
(memaksimalkan atau memininumkan) tetapi hanya terbatas pada masalah-masalah
yang dapat diubah menjadi fungsi linear. Secara khusus, persoalan program linear
merupakan suatu persoalan untuk menentukan besarnya masing-masing nilai variabel
sehingga nilai fungsi tujuan atau objektif yang linear menjadi optimum (memaksimalkan
atau meminimumkan) dengan memperhatikan adanya kendala yang ada, yaitu kendala
yang harus dinyatakan dalam bentuk ketidaksamaan yang linear. Banyak sekali
keputusan utama dihadapi oleh seorang manajer perusahaan untuk mencapai tujuan
perusahaan dengan batasan situasi lingkungan operasi. Pembatasan tersebut meliputi
sumberdaya
misalnya waktu, tenaga kerja, energi, bahan baku, atau uang. Secara umum,
tujuan umum perusahaan yang paling sering terjadi adalah sedapat mungkin
memaksimalkan laba. Tujuan dari unit organisasi lain yang merupakan bagian dari
suatu organisasi biasanya meminimalkan biaya. Saat manajer berusaha untuk
menyelesaikan masalah dengan mencari tujuan yang dibatasi oleh batasan
tertentu, teknik sains manajemen berupa program linear sering digunakan untuk
permasalahan ini.
 BAB II

TEORI DASAR

2.1 Definisi Linear Programming

Secara umum Linear Programming adalah suatu metode untuk memecahkan

persoalan optimasi dari suatu nilai maksimum atau nilai minimum dengan
menggunakan persamaan dan ketidaksamaan linear dengan memperhatikan
pembatasan-pembatasan yang ada.
Sedangkan Menurut Siringoringo (2005), linear programming merupakan
metode matematik dalam mengalokasikan sumber daya yang terbatas untuk
mencapai suatu tujuan seperti memaksimumkan keuntungan dan meminimumkan
biaya.
Linear programming banyak diterapkan dalam masalah ekonomi, industri,
militer, sosial dan lain-lain. Linear programming berkaitan dengan penjelasan suatu
kasus dalam dunia nyata sebagai suatu model matematik yang terdiri dari sebuah
fungsi tujuan linier dengan beberapa kendala linier.
Beberapa masalah lain dari aplikasi linier programming adalah product mix
problem, diet problem, blending problem, advertaising promotion planning,
investment planning, production inventory planning, optimal cargo shipment. Pada
dasarnya, metode-metode yang dikembangkan untuk memecahkan model program
linier ditujukan untuk mencari solusi dari beberapa alternatif solusi yang dibentuk
oleh persamaan-persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang
optimum.

2.2 Manfaat Linear Programming

Linier programming bermanfaat untuk masalah keputusan yang sering

dihadapi adalah alokasi optimum sumberdaya yang langka, dapat berupa uang,
bahan mentah, kapasitas mesin, mutu waktu, ruangan dan teknologi. Hasil yang
diinginkan ditunjukkan dengan cara maximum sebagai maksimasi profit, penjualan
dan kesejahteraan atau minimasi biaya, waktu dan jarak.
2.3 Pembentukan Model Linear Programming

Sebelum memecahkan persoalan program linier, maka harus dimulai

dengan gambaran verbal dari lingkungan persoalan, identifikasi tujuan atau yang
hendak dicapai, sumber-sumber yang tersedia, kebutuhan yang harus dipenuhi dan
semua data relevan yang mengukur semua aspek lingkungan. Proses mengubah
kata-kata dan data angka ke dalam ekspresi matematik guna menangkap hubungan
relevan tujuan dan batasannya disebut sebagai modeling atau pembuatan dan
menghasilkan gambaran matematik persoalan yang disebut model.
Menurut Herjanto (2008), dalam pemrograman linear (LP), dikenal 2 fungsi
dalam penyelesaian masalah yang hendak dianalisa, antara lain :
1) Fungsi tujuan merupakan suatu persamaan fungsi linear dari variable tujuan,
misalkan pendapatan, keutungan, atau biaya. Dalam fungsi tujuan harus
dijelaskan apakah akan memaksimalkan atau meminimalkan fungsi
variabel. Variable seperti keuntungan, produksi, dan penjualan, bertujuan
untuk dimaksimalkan, sedangkan variable seperti biaya dan risiko bertujuan
untuk diminimalkan.
2) Fungsi batasan menggambarkan batasan yang dihadapi dalam mencapai
tujuan. Fungsi batasan biasanya terdiri dari beberapa persamaan yang
masing-masing berkorelasi dengan sumberdaya tertentu.
Menurut Herjanto (2009), dalam pembuatan model pemrograman linear
harus diusahakan untuk memenuhi kriteria sebagai berikut:
1) Tujuan yang akan dicapai dinyatakan dalam bentuk fungsi linear, disebut
fungsi tujuan.
2) Sumber-sumber tersedia dalam jumlah terbatas, dan pembatasan harus
dinyatakan dalam bentuk ketidaksamaan yang linear.
3) Harus ada alternative pemecahan yaitu solusi/pemecahan yang memenuhi
semua batasan/kendala.

Linear programming dapat dilakukan dengan menggunakan beberapa

macam metode sesuai dengan tingkat persoalannya (Siringoringo, 2005). Metode-
metode tersebut sama-sama dapat memecahkan persoalan yang mengandung
beberapa permasalahan. Berikut ini metode yang dapat dilakukan dalam
memecahkan persoalan linear programming.

1. Metode grafik yaitu metode yang digunakan untuk memecahkan

persoalan yang mengandung dua permasalahan.
2. Metode aljabar yaitu mempunyai bentuk perhitungan formulasi
standard dengan mengkombinasi dua variabel yang nilainya
dianggap nol hingga diperoleh nilai z terbesar.
3. Metode simpleks dapat digunakan untuk memecahkan persoalan
yang mengandung tiga atau lebih permasalahan dan didasarkan
pada proses perhitungan ulang supaya mendapat hasil yang
optimal.
4. Metode big-m biasanya dipakai untuk memecahkan persoalan yang
memiliki pembatas “=” atau “>”.

Selanjutnya pemrograman linier (LP) menggunakan metode

matematis untuk menggambarkan masalah yang hendak dianalisa. Pada
dasarnya, model pemrograman linier dinyatakan dalam bentuk fungsi
tujuan dan fungsi batasan (kendala, constrain). Fungsi tujuan merupakan
suatu perencanaan fungsi linier dari variabel tujuan, misalkan pendapatan,
keuntungan, atau biaya. Dalam fungsi tujuan juga harus dijelaskan apakah
tujuannya memaksimalkan atau meminimalkan variabel. Variabel seperti
keuntungan, produksi, dan penjualan, bertujuan untuk dimaksimalkan;
sedangkan variabel seperti biaya dan resiko bertujuan untuk diminimalkan.
Fungsi batasan menggambarkan batasan yang dihadapi dalam mencapai
tujuan. Fungsi batasan biasanya terdiri dari beberapa persamaan yang
masing-masing berkolerasi dengan sumber daya yang berkaitan (Herjanto,
2009:47).
2.5 Penggunaan Software LiPS (Linear Program Solver)

Tahapan penggunaan software LiPS, adalah sebagai berikut :

1. Buka software LiPS, lalu buat New Problem dengan meng-klik File >
New> Table Model

2. Lalu akan muncul kolom Model parameters yang harus diisi,

parameter tersebut ialah Variables, Constraints, dan Objectives
sesuai dengan problem yang diberikan. Variables adalah hubungan
antara data 1 dengan data yang lain, Constraints adalah data yang
memiliki nilai, dan Objectives adalah hal yang ingin diketahui.
Dalam kasus ini, nilai – nilai yang dimasukkan adalah sebagai
berikut :
  Number of Variables diisi 15 karena diperoleh dari = 5 Pit x 3
Washing Plant

 Number of Constraints diisi 9 karena diperoleh dari

jumlah/banyaknya data yang memiliki nilai, seperti :

1. Pit A = 300.000 ton/tahun

2. Pit B = 600.000 ton/tahun

3. Pit C = 700.000 ton/tahun

4. Pit D = 400.000 ton/tahun
5. Pit E = 200.000 ton/tahun
6. Washing Plant A = 600.000 ton/tahun
7. Washing Plant B = 800.000 ton/tahun
8. Washing Plant C = 900.000 ton/tahun
9. Target produksi = 2.100.000 ton/tahun
 Number of Objectives diisi 1 karena diperoleh dari jumlah
objek yang dicari hanya 1 yaitu : distribusi tambang yang
optimal.
 Optimization direction yang dipilih adalah minimization,
karena untuk memperoleh hasil yang optimal kita opsi yang
dipilih ialah dengan meminimalisir biaya.
3. Setelah diisi klik OK lalu akan muncul table seperti berikut
Isi table tersebut dengan angka 1 berdasarkan data dibawah ini;
Tabel 2.1
Tabel Data Model Variabel
ROW 6 ROW 7 ROW 8
PIT/WP WP A WP B WP C
PIT A X1 X2 X3
ROW 1
PIT B X4 X5 X6
ROW 2
PIT C X7 X8 X9
ROW 3
PIT D X10 X11 X12
ROW 4
PIT E X13 X14 X15
ROW 5

Tabel 2.2
Tabel Data Cost Berdasarkan Nomor Urut Absen
Pit / WP WP A WP B WP C
Pit A 6 7 8
Pit B 7 8 5
Pit C 8 6 8
Pit D 8 5 7
Pit E 4 6 3
 Isi baris objective berdasarkan data tabel cost
 Isi baris Row 1 hingga Row 5 (PIT) yang bersinggungan dengan
kolom variabel yang bersangkutan dengan berapa banyaknya
pengiriman
 Isi baris Row 1 hingga Row 5 (PIT) yang bersinggungan dengan
kolom RHS yang bersangkutan dengan batas kapasitas dari PIT
 Isi baris Row 6 hingga Row 8 (WASHING PLANT) yang
bersinggungan dengan kolom variabel yang bersangkutan
dengan banyaknya pengiriman
 Isi baris Row 6 hingga Row 8 (Washing Plant) yang
bersinggungan dengan kolom RHS yang bersangkutan dengan
batas kapasitas dari Washing Plant
 Isi baris Row 9 yang bersinggungan dengan kolom variable
dengan “1”. (diasumsikan setiap pit mengirim pada tiap washing
plant)
 Isi baris Row 9 yang bersinggungan dengan kolom RHS yang
bersangkutan dengan target produksi yang ingin dicapai dan
ganti symbol < = menjadi =
 Lower Bound = 0, karena batas minimal adalah tidak
mengirimkan sama sekali
 Upper Bound diisi dengan Kapasitas Washing Plant, yang sesuai
dengan matrix nya

 Hasil dari plot tabel akan tergambar seperti berikut

4. Klik icon solve
5. Didapat table hasil analisa sebagai berikut
 BAB III
PERMASALAHAN
Suatu tambang batubara merencanakan target produksi 2.100.000 ton per
tahun. Kemampuan produksi masing masing pit per tahun adalah sebagai berikut :

Pit A = 300.000 ton

Pit B = 600.000 ton

Pit C = 700.000 ton

Pit D = 400.000 ton

Pit E = 200.000 ton

TOTAL = 2.200.000 ton

Mutu batubara dianggap merata untuk semua pit. Selanjutnya, batubara dari pit
perlu dicuci pada Washing Plant dengan kapasitas per tahun sebagai berikut :
Washing Plant A (WPA) : 600.000 ton
Washing Plant B (WPB) : 800.000 ton
Washing Plant C (WPC : 900.000 ton
TOTAL: 2.300.000 ton
Biaya Angkutan (dalam $ Cent per ton) dari pit ke Washing Plant
WPA WPB WPC
PIT/WP
6 7 8
PIT A
7 8 5
PIT B
8 6 8
PIT C
8 5 7
PIT D
4 6 3
PIT E

Tentukan pola distribusi / angkutan tambang yang optimal dari 5 pit

tersebut ke ketiga Washing Plant !
 BAB IV
SOLUSI
4.1 Menentukan Variabel

X11 menggambarkan pengiriman dari pit A ke WPA

X12 menggambarkan pengiriman dari pit A ke WPB
X13 menggambarkan pengiriman dari pit A ke WPC
X21 menggambarkan pengiriman dari pit B ke WPA
X22 menggambarkan pengiriman dari pit B ke WPB
X23 menggambarkan pengiriman dari pit B ke WPC
X31 menggambarkan pengiriman dari pit C ke WPA
X32 menggambarkan pengiriman dari pit C ke WPB
X33 menggambarkan pengiriman dari pit C ke WPC
X41 menggambarkan pengiriman dari pit D ke WPA
X42 menggambarkan pengiriman dari pit D ke WPB
X43 menggambarkan pengiriman dari pit D ke WPC
X51 menggambarkan pengiriman dari pit E ke WPA
X52 menggambarkan pengiriman dari pit E ke WPB
X53 menggambarkan pengiriman dari pit E ke WPC

4.2 Menentukan Fungsi Pit

X11 + X12+ X13 ≤ 300.000

X21 + X22+ X23 ≤ 600.000
X31 + X32+ X33 ≤ 700.000
X41 + X42+ X43 ≤ 400.000

X51 + X52+ X53 ≤ 200.000 +

Total = 2.200.000
4.3 Menentukan Fungsi Washing Plant
X11 + X12+ X13+ X14 + X15 ≤ 600.000 ton
X21 + X22+ X23 + X24 + X25 ≤ 800.000 ton

X31 + X32+ X33+ X34 + X35 ≤ 900.000 ton +

Total = 2.300.000 ton

4.4 Menentukan Fungsi Tujuan

Z = 6X11 + 7X12+ 8X13+ 7X21 + 8X22 + 5X23 + 8X31+ 6X32 + 8X33 + 8X41 + 5X42 +
7X43+ 4X51+ 6X52 + 3X53 = 2.100.000 ton/tahun.

4.5 Hasil

Dari hasil pengerjaan menggunakan software LiPS diperoleh hasil

distribusi batubara dari Pit menuju Washing Plant sebagai berikut:
Pada hasil running linear programming dapat dilihat bahwa :

WP A WP B WP C ∑pit
PIT A 300.000 0 0 300.000
PIT B 0 0 600.000 600.000
PIT C 200.000 400.000 0 600.000
PIT D 0 400.000 0 400.000
PIT E 0 0 200.000 200.000

1. Dari PIT A mengirimkan batubara ke :

WP 1 : 300.000 TON
WP 2 : 0 TON
WP 3 : 0 TON

2. Dari PIT B mengirimkan batubara ke :

WP 1 : 0 TON
WP 2 : 0 TON
WP 3 : 600.000 TON

3. Dari PIT C mengirimkan batubara ke :

WP 1 : 200.000 TON
WP 2 : 400.000 TON
WP 3 : 0 TON

4. Dari PIT D mengirimkan batubara ke :

WP 1 : 0 TON
WP 2 : 400.000 TON
WP 3 : 0 TON

5. Dari PIT E mengirimkan batubara ke :

WP 1 : 0 TON
WP 2 : 0 TON
WP 3 : 200.000 TON
PIT
1. PIT A :
Kapasitas PIT A adalah 300.000 ton melakukan produksi sebanyak 300.000 ton.
Sehingga batas kapasitas pit A tercapai
2. PIT B :
Kapasitas PIT B adalah 600.000 ton melakukan produksi sebanyak 600.000 ton.
Sehingga batas kapasitas PIT B tercapai.
3. PIT C :
Kapasitas PIT C adalah 700.000 ton melakukan produksi sebanyak 600.000 ton.
Sehingga terdapat sisa kapasitas produksi 100.000 pada PIT C.
4. PIT D :
Kapasitas PIT D adalah 400.000 ton melakukan produksi sebanyak 400.000 ton.
Sehingga kapasitas produksi PIT D tercapai.
5. PIT E :
Kapasitas PIT E adalah 200.000 ton melakukan produksi sebanyak 200.000 ton.
Sehingga kapasitas produksi PIT E tercapai.

WASHING PLANT

1. WP A :
Kapasitas WP 1 adalah 600.000 ton. WP A menerima produksi dari ke 5 PIT
sebesar 500.000 ton. Sehingga terdapat sisa kapasitas produksi 100.000 di WP A
2. WP B :
Kapasitas WP 2 adalah 800.000 ton. WP B menerima produksi dari ke 5 PIT
sebesar 800.000 ton. Sehingga kapasitas produksi WPB terpenuhi.
3. WP C :
Kapasitas WP 3 adalah 900.000 ton. WP 3 menerima produksi dari ke 5 pit
sebesar 800.000 ton. Sehingga terdapat sisa kapasitas produksi sebesar 100.000.
 BAB V
KESIMPULAN

5.1 Kesimpulan

Dari hasil yang diperoleh dapat ditarik beberapa kesimpulan sebagai

berikut:

1. Pada Pit A, B, C, D, dan E hampir semua memenuhi kapasitas

produsksi, kecuali pada Pit C dimana terdapat sis kapasitas produksi
sebesar 100.000 ton

2. Untuk mencapai target produksi Washing Plant B bekerja dengan

kapasitas 100% namun untuk Washing Plant A hanya menerima
500.000 ton dan Washing Plant C hanya menerima 800.000 ton

3. Setelah dilakukan perhitungan menggunakan Linier Programming

didapat cost paling optimal (minimum) yang memenuhi kondisi ini
sebesar Rp 5.500.000.

4.6 Pola Distribusi

PIT A PIT B PIT C PIT D PIT E

WP A WP B WP C