TESIS

library.uns.ac.id digilib.uns.ac.
id
OPTIMASI KEBIJAKAN PENENTUAN CUT-OFF

GRADE DAN PEMILIHAN LOKASI PENAMBANGAN
UNTUK MEMAKSIMUMKAN KEUNTUNGAN DAN
TINGKAT PENGEMBALIAN INVESTASI
TESIS
Disusun untuk memenuhi sebagian persyaratan mencapai derajat Magister

Program Studi Teknik Industri
Minat Utama Sistem Manufaktur dan Manajemen Operasi
Oleh
Benazir Imam Arif Muttaqin
NIM S801602002
PROGRAM STUDI MAGISTER TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET
SURAKARTA
2018
library.uns.ac.id digilib.uns.ac.id
OPTIMASI KEBIJAKAN PENENTUAN CUT-OFF

GRADE DAN PEMILIHAN LOKASI PENAMBANGAN
UNTUK MEMAKSIMUMKAN KEUNTUNGAN DAN
TINGKAT PENGEMBALIAN INVESTASI
TESIS
Disusun untuk memenuhi sebagian persyaratan mencapai derajat Magister

Program Studi Teknik Industri
Minat Utama Sistem Manufaktur dan Manajemen Operasi
Oleh
Benazir Imam Arif Muttaqin
NIM S801602002
PROGRAM STUDI MAGISTER TEKNIK INDUSTRI

FAKULTAS TEKNIK UNIVERSITAS SEBELAS MARET
SURAKARTA
2018
i
KATA PENGANTAR
Puji syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan
hidayah-Nya sehingga penulis dapat menyelesaikan tesis dengan judul “Optimasi
Kebijakan Penentuan Cut-off Grade dan Pemilihan Lokasi Penambangan untuk
Memaksimumkan Keuntungan dan Tingkat Pengembalian Investasi”. Adapun
tesis ini disusun sebagai salah satu syarat mendapatkan gelar Magister Teknik
Industri di Program Pascasarjana Universitas Sebelas Maret.
Tesis ini dapat terselesaikan berkat bantuan dan bimbingan dari berbagai
pihak. Pada kesempatan ini penulis ingin menyampaikan ucapan terima kasih
sebesar-besarnya atas dukungan, bimbingan, nasihat, yang tak ternilai kepada
pihak-pihak berikut.
1. Allah SWT atas limpahan rahmat dan karunia-Nya.
2. Orang tua tercinta yang selalu menemani dan memberikan dukungan serta
dorongan untuk melakukan yang terbaik.
3. Bapak Dr. Cucuk Nur Rosyidi, S.T., M.T. selaku Kepala Program Studi
Magister Teknik Industri, Fakultas Teknik, Universitas Sebelas Maret.
4. Bapak Dr. Cucuk Nur Rosyidi, S.T., M.T., Bapak Dr. Eko Pujiyanto, S.Si.,
M.T., Ibu Prof. Dr. Ir. Susy Susmartini, MSIE., serta Bapak Dr. Bambang
Suhardi, S.T., M.T. selaku dosen pembimbing dan dosen penguji yang telah
memberikan motivasi, bimbingan ilmu, arahan, kiritik, dan saran kepada
penulis demi penyelesaian tesis ini.
5. Ibu Retno Wulan Damayanti, S.T., M.T. dan Bapak Pringgo Widyo
Laksono, S.T., M.T. yang telah membuka jalan bagi penulis untuk
menempuh studi magister di Teknik Industri, memberikan kesempatan untuk
mengembangkan riset dan publikasi, serta memberikan dukungan baik moral
maupun material demi penyelesaian tesis ini.
6. Seluruh dosen Program Studi Magister Teknik Industri Universitas Sebelas
Maret yang telah memberikan ilmu dan motivasi berharga selama penulis
mengikuti proses perkuliahan.
v
7. Anindya Rachma Dwicahyani, S.T., M.T. yang telah meluangkan waktu,

memberikan semangat, dukungan, motivasi, kasih sayang, dan bantuan yang
sangat besar.
8. Mbak Tutik, Mbak Yayuk, Mbak Rina, dan Pak Agus selaku pengurus Tata
Usaha (TU) Teknik Industri UNS, terima kasih atas segala bantuan
administrasi yang diberikan sehingga penulis dapat menyelesaikan segala
urusan administrasi dengan mudah dan lancar.
9. Rekan-rekan Program Magister Teknik Industri Universitas Sebelas Maret
dan keluarga besar Program Sarjana Teknik Industri Universitas Sebelas
Maret Angkatan 2011 atas doa, dukungan, dan kerja sama yang telah
diberikan.
10. Semua pihak yang tidak dapat penulis sebutkan satu persatu, terima kasih
atas segala bantuan, doa, semangat, dan motivasi yang telah diberikan.
Penulis menyadari bahwa tesis ini masih jauh dari sempurna dan banyak
memiliki kekurangan. Oleh karena itu penulis membuka diri atas segala kritik,
masukan dan saran yang membangun. Semoga tesis ini dapat memberikan
manfaat bagi pembaca sekalian.
Surakarta, Maret 2018
Penulis
vi
DAFTAR ISI
HALAMAN JUDUL .................................................................................... i

LEMBAR PENGESAHAN PEMBIMBING TESIS ................................. ii
LEMBAR PENGESAHAN PENGUJI TESIS........................................... iii
SURAT PERNYATAAN KEASLIAN TESIS .......................................... iv
KATA PENGANTAR ................................................................................. v
DAFTAR ISI ................................................................................................. vii
DAFTAR TABEL......................................................................................... ix
DAFTAR GAMBAR .................................................................................... x
DAFTAR ISTILAH ..................................................................................... xi
DAFTAR LAMPIRAN ............................................................................... xvi
BAB I PENDAHULUAN
1.1 Latar Belakang ..................................................................... I-1
1.2 Rumusan Masalah ................................................................ I-5
1.3 Tujuan Penelitian ................................................................. I-5
1.4 Manfaat Penelitian ............................................................... I-5
1.5 Asumsi Penelitian................................................................. I-6
1.6 Batasan Penelitian ................................................................ I-6
BAB II LANDASAN TEORI
2.1 Tinjauan Pustaka ................................................................. II-1
2.1.1 Penambangan Terbuka (Open pit mining) ............... II-1
2.1.2 Cut-off Grade .......................................................... II-4
2.2 Penelitian Terdahulu Model Penentuan Cut-off Grade ....... II-5
2.2.1 Review Penelitian Gama (2013) .............................. II-9
2.2.2 Review Penelitian Muttaqin dan Rosyidi (2016) .... II-11
2.2.3 Review Penelitian Narrei dan Osanloo (2015) ........ II-12
2.3 Penelitian Terdahulu Model Pemilihan Proyek/Lokasi
Penambangan ...................................................................... II-13
2.4 Kerangka Berpikir Penelitian .............................................. II-17
2.5 Posisi Penelitian .................................................................. II-18
2.6 Hipotesis .............................................................................. II-19
vii
BAB III METODOLOGI PENELITIAN

3.1 Tempat dan Waktu Penelitian ............................................. III-1
3.2 Tahapan Penelitian ............................................................... III-2
3.2.1 Tahap Identifikasi Awal .......................................... III-4
3.2.2 Tahap Pengembangan Model .................................. III-6
3.2.3 Tahap Analisis dan Penarikan Kesimpulan ............. III-7
BAB IV HASIL PENELITIAN DAN PEMBAHASAN
4.1 Influence Diagram .............................................................. IV-1
4.2 Pengembangan Model Penentuan Cut-off Grade Optimal... IV-5
4.2.1 Fungsi Tujuan dan Variabel Keputusan .................. IV-5
4.2.2 Validasi Fungsi Tujuan ........................................... IV-7
4.2.3 Pencarian Solusi Optimal ........................................ IV-7
4.2.4 Validasi Model Penentuan Cut-off Grade Optimal .. IV-11
4.3 Pengembangan Model Pemilihan Proyek/Lokasi
Penambangan ...................................................................... IV-12
4.4 Prosedur Solusi .................................................................... IV-17
4.5 Contoh Numerik dan Analisis Sensitivitas ......................... IV-20
4.5.1 Penentuan Optimal Cut-off Grade ........................... IV-21
4.5.2 Perhitungan NPV dan ROI ...................................... IV-26
4.5.3 Pemilihan Proyek/Lokasi Penambangan
Berdasarkan Nilai NPV dan ROI ............................ IV-29
BAB V KESIMPULAN DAN SARAN
5.1 Kesimpulan ......................................................................... V-1
5.2 Saran..................................................................................... V-3
DAFTAR PUSTAKA
LAMPIRAN
viii
DAFTAR TABEL
Tabel II.1 Penelitian Terdahulu Model Penentuan Cut-off Grade ........... II-8
Tabel II.2 Penelitian Terdahulu Model Pemilihan Proyek/Lokasi ........... II-16
Tabel IV.1 Notasi Model Penentuan Cut-off Grade .................................. IV-6
Tabel IV.2 Data Cadangan Bijih Besi untuk Setiap Proyek/Lokasi
Penambangan ............................................................................ IV-20
Tabel IV.3 Data Parameter Ekonomi dan Inputan Variabel-variabel Lain . IV-21
Tabel IV.4 Perhitungan Koefisien Regresi untuk Variabel Q, R, dan T
pada Proyek/Lokasi P2 ............................................................. IV-22
Tabel IV.5 Hasil Analisis Sensitivitas Harga Jual Terhadap Optimal
Cut-off Grade dan Total Profit.................................................. IV-24
Tabel IV.6 Optimal Cut-off Grade dan Total Profit untuk Setiap
Proyek/Lokasi Penambangan .................................................... IV-26
Tabel IV.7 Batasan Kapasitas dan Biaya Investasi untuk Setiap
Tabel IV.8 Perhitungan NPV untuk Proyek/Lokasi P2 .............................. IV-28
Tabel IV.9 Hasil Perhitungan NPV dan ROI untuk Setiap
Tabel IV.10 Hasil Analisis Sensitivitas Perubahan Harga Jual serta Bobot
NPV dan ROI terhadap Nilai U dan Xj ..................................... IV-32
ix
DAFTAR GAMBAR
Gambar II.1 Aktivitas open pit mining ...................................................... II-3

Gambar II.2 Ilustrasi cut-off grade ............................................................ II-5
Gambar II.3 Posisi penelitian terhadap model-model sebelumnya ............ II-17
Gambar III.1 Deskripsi sistem ..................................................................... III-1
Gambar III.2 Flowchart metodologi penelitian .......................................... III-3
Gambar IV.1 Influence diagram model penentuan cut-off grade optimal
(model tahap I) ....................................................................... IV-3
Gambar IV.2 Hubungan antara cut-off grade terhadap tonnase material
tambang yang diambil, tonnase material waste, dan
stripping ratio ......................................................................... IV-9
Gambar IV.3 Ilustrasi metode/langkah penentuan bobot NPV dan ROI ..... IV-16
Gambar IV.4 Diagram prosedur solusi ......................................................... IV-19
Gambar IV.5 Pengaruh perubahan harga jual terhadap optimal
cut-off grade dan total profit................................................... IV-24
Gambar IV.6 Analisis sensitivitas pemberian bobot terhadap keputusan
keterpilihan masing-masing proyek/lokasi penambangan
dan nilai U untuk 0% perubahan harga jual............................ IV-33
x
DAFTAR ISTILAH
Analisis Sensitivitas
Analisis yang dilakukan untuk mengetahui perubahan nilai solusi optimal (variabel
keputusan) terhadap perubahan input parameter serta untuk mengetahui keuntungan
(benefit) atau kerugian (loss) yang ditimbulkan akibat kesalahan (error) nilai input
parameter.
Analitik
Metode penyelesaian model matematika dengan rumus-rumus aljabar yang sudah
baku/lazim, yang digunakan untuk mendapatkan solusi sejati (exact solution).
Fokus dari metode analitik adalah pembuktian apakah suatu solusi adalah benar.
Average Grade of Ore

Rata-rata kualitas tambang yang dihasilkan dari blok-blok material yang telah
ditambang. Dinyatakan dalam bentuk persentase atau bilangan antara 0 sampai
dengan 1.
Biaya Pembuangan/Pengelolaan Material Sisa (Waste Removal/Rehabilitation

Cost)
Biaya yang dihasilkan dari aktivitas pembuangan dan pengelolaan material sisa
(blok-blok material yang tidak diambil pada tahap penambangan).
Biaya Pemrosesan (Processing/Concentrating Cost)

Biaya yang dikeluarkan pada aktivitas tahap pemrosesan. Tahap pemrosesan
dilakukan setelah tahap penambangan selesai dilakukan. Blok material tambang
yang telah diambil melalui tahap penambangan kemudian dibawa ke concentration
plant untuk dilakukan pemrosesan.
Biaya Penambangan (Mining Cost)

Biaya yang dihasilkan dari aktivitas tahap penambangan (mengambil blok-blok
material yang akan ditambang), untuk kemudian diproses lebih lanjut.
Biaya Reklamasi (Reclamation Cost)

Biaya yang dihasilkan dari aktivitas penutupan/reklamasi suatu proyek/lokasi
tambang.
Biaya Tahap Penjualan (Selling Stage Cost)

Biaya yang ada pada tahap penjualan, setelah material bijih tambang selesai
dihasilkan. Sebagai contoh biaya ini meliputi biaya penyimpanan, biaya
transportasi, dan biaya pemasaran.
Biaya Tetap (Fixed Cost)

Biaya tetap dan termasuk biaya tidak langsung lainnya yang melekat pada aktivitas
penambangan.
xi
Bijih (Ore)
Konsentrasi suatu material yang berharga (misalnya bijih besi). Bijih didapatkan
dari hasil pemrosesan pada aktivitas penambangan.
Concentration Plant
Tempat dimana aktivitas tahap pemrosesan pada penambangan mineral dilakukan,
dari blok-blok material tambang diubah menjadi konsentrat bijih tambang.
Cut-off Grade
Kualitas acuan yang digunakan untuk menentukan apakah suatu blok material akan
diproses lebih lanjut (didefinisikan sebagai material yang ditambang) atau dibuang
(didefinisikan sebagai material sisa). Cut-off grade dinyatakan dalam bentuk
persentase atau bilangan antara 0 sampai dengan 1.
Direct Rating Method

Salah satu metode yang digunakan untuk menentukan bobot indikator/kriteria
dengan penilaian subyektif secara langsung terhadap masing-masing
indikator/kriteria.
Eigenvector Method
dengan penggunaan pair-wise comparison matrix pada metode multi obyektif
Analytic Hierarchy Process (AHP).
Eksploitasi
Usaha penambangan suatu lokasi tambang dengan maksud untuk menghasilkan
keuntungan bagi perusahaan.
Eksplorasi
Penyelidikan lapangan untuk mengumpulkan data atau informasi tentang
keberadaan sumber daya tambang mineral di suatu tempat.
Grade
Tingkatan kualitas (fraksi) blok material tambang yang mengandung material
penting. Grade dinyatakan dalam bentuk persentase atau bilangan antara 0 sampai
dengan 1.
Heuristik
Teknik untuk penyelesaian permasalahan yang tidak menekankan pada pembuktian
apakah solusi yang didapatkan adalah benar, lebih menekankan pada performa
komputasi dan kesederhanaan, serta menggunakan konsep pendekatan.
Influence Diagram
Representasi grafis yang menggambarkan hubungan pengaruh kausal dari input ke
sistem, antar komponen dalam sistem, dan dari sistem ke lingkungan sebagai output
atau kembali sebagai umpan balik.
xii
Kerugian Potensial (Potential Loss)

Kerugian yang diakibatkan akibat tidak mengambil alternatif/solusi yang lebih
baik. Kerugian potensial bisa disebut juga kehilangan sejumlah potensi keuntungan.
Material sisa (waste)

Blok-blok material tersisa dari suatu deposit tambang yang tidak diambil dan
diproses lebih lanjut pada tahap penambangan.
Maximum Allowable Stripping Ratio

Batas stripping ratio yang digunakan sebagai syarat/patokan apakah suatu
lokasi/area tambang dapat memberikan nilai ekonomis bagi perusahaan. Apabila
stripping ratio lebih kecil daripada minimum allowable cut-off grade, maka
aktivitas penambangan dapat dilakukan.
Metaheuristik
Metode lanjut berbasis heuristik untuk menyelesaikan persoalan optimisasi secara
efisien dengan memperbaiki kandidat penyelesaian secara iteratif sesuai dengan
fungsi objektifnya.
Minimum Allowable Cut-off Grade

Batas cut-off grade yang digunakan sebagai syarat/patokan apakah suatu lokasi/area
tambang dapat memberikan nilai ekonomis bagi perusahaan. Apabila rata-rata
grade tambang lebih besar daripada minimum allowable cut-off grade, maka
aktivitas penambangan dapat dilakukan.
Net Present Value (NPV)

Indikator yang menunjukkan arus kas yang diperkirakan pada masa yang akan
datang yang didiskonkan pada saat ini. Diukur dengan selisih antara nilai sekarang
dari penerimaan-penerimaan kas bersih di masa yang akan datang dan investasi
yang telah dikeluarkan.
Normalisasi
Proses pengembalikan suatu nilai ke bentuk yang normal/reguler.
Ore Tonnage/reserves
Cadangan/deposit material tambang dengan berbagai tingkatan kualitas.
Pair-wise Comparison Matrix

Suatu matrik yang berisi perbandingan nilai subyektif (justifikasi) yang
berpasangan antara tiap-tiap indikator/kriteria.
Penambangan Bawah Tanah (Underground Mining)

Salah satu metode penambangan mineral yang dilakukan di bawah tanah (tanpa
mengupas lapisan tanah atas terlebih dahulu). Biasanya digunakan untuk
mengeksplorasi material dengan cadangan yang relatif sedikit dan letak posisi block
material tambang dengan kualitas tinggi yang berada cukup jauh dari permukaan
bumi.
xiii
Penambangan Terbuka (Open Pit Mining)

Salah satu metode penambangan mineral yang dilakukan di permukaan bumi
karena material tambang yang ingin dieksplorasi diduga berada cukup dekat dari
permukaan lapisan bumi.
Pendapatan dari Material Sisa (Valuable Waste Materials Revenue)

Pendapatan yang dihasilkan dari hasil penjualan material sisa hasil penambangan.
Komponen pendapatan ini muncul karena material sisa hasil penambangan
sebagian masih memiliki nilai jual yang ekonomis.
Pendapatan dari Penjualan (Sales Revenue)

Pendapatan yang dihasilkan dari hasil penjualan bijih tambang yang sudah diproses.
Penjumlahan Terbobot (Weighted Sum Method)

Salah satu metode pengambilan keputusan multi kriteria dengan prinsip
penjumlahan antara masing-masing indikator/kriteria, dimana tiap-tiap
indikator/kriteria memiliki faktor/derajat kepentingan yang dinyatakan dalam
bentuk bobot (weight).
Point Allocation Method

dengan cara pengalokasian nilai secara subyektif pada masing-masing
indikator/kriteria. Misalnya menggunakan batas jumlah alokasi nilai 10, 100, 200.
Recovery Rate
Proporsi kandungan material bernilai pada suatu konsentrat bijih tambang yang
dihasilkan pada tahap pemrosesan. Dinyatakan dalam bentuk prosentase.
Reklamasi
Tindakan penutupan lokasi tambang yang dilakukan setelah aktivitas penambangan
selesai dilakukan, karena sudah tidak memberikan nilai ekonomis bagi perusahaan.
Reklamasi dilakukan untuk memastikan lokasi/lahan tambang tersebut tidak
membahayakan bagi ekosistem dan dapat digunakan lagi untuk kehidupan manusia
di masa depan.
Return on Investment (ROI)

Indikator yang menunjukkan rasio profitabilitas dari suatu investasi. Diukur dengan
membandingkan besarnya investasi yang telah dikeluarkan terhadap keuntungan
yang dihasilkan.
Robust
Kondisi dimana perubahan input parameter tidak memberikan pengaruh yang
signifikan terhadap output yang dihasilkan.
Stokastik
Ketidakpastian pada nilai parameter-parameter, serta bersifat time-variant (berubah
terhadap waktu).
xiv
Stripping Ratio
Perbandingan (rasio) antara tonnase material sisa (waste) yang harus
dibongkar/dikeluarkan untuk menghasilkan sejumlah tonnase material yang akan
ditambang. Stripping ratio dinyatakan dalam bentuk persentase atau bilangan
antara 0 sampai dengan 1.
Time Value of Money

Suatu konsep yang memperhatikan nilai uang atas waktu, bahwa nilai uang
sekarang akan lebih berharga dari pada nilai uang masa yang akan datang.
Transformasi
Proses pengubahan suatu nilai ke dalam bentuk dan ruang yang berbeda.
xv
DAFTAR LAMPIRAN
Lampiran 1 Hasil Running Optimasi Menggunakan Oracle Crystal Ball

Lampiran 2 Hasil Analisis sensitivitas pemberian bobot terhadap keputusan
keterpilihan masing-masing proyek/lokasi penambangan dan nilai U
untuk -10% perubahan harga jual
untuk -5% perubahan harga jual
untuk +5% perubahan harga jual
untuk +10% perubahan harga jual
Lampiran 6 Publikasi artikel ilmiah pada prosiding internasional terindeks
Scopus
Lampiran 7 Naskah publikasi artikel ilimiah pada jurnal internasional terindeks
Scopus
xvi
BAB I
PENDAHULUAN
Ruang lingkup yang dibahas dalam bab ini meliputi latar belakang, rumusan
masalah, tujuan penelitian, asumsi dan batasan penelitian, serta manfaat penelitian.
1.1 Latar Belakang Masalah

Penambangan (mining) merupakan salah satu aktivitas yang sangat kompleks
dan membutuhkan kajian pengetahuan yang mendalam dari berbagai disiplin ilmu
(multidisciplinary knowledge). Sampai saat ini, metode penambangan terbuka
(open pit mining) masih banyak digunakan dan menyumbang total produksi lebih
banyak dibandingkan dengan metode penambangan bawah tanah (underground
mining). Salah satu masalah yang sering dihadapi oleh perusahaan yang bergerak
di bidang penambangan terbuka adalah bagaimana menentukan nilai cut-off grade
dari tambang yang akan diproses. Hal ini berbeda dengan metode penambangan
bawah tanah. Metode penambangan bawah tanah memungkinkan perusahaan untuk
mengambil langsung material tambang dengan grade yang tinggi. Oleh karena itu
penentuan nilai cut-off grade bukan menjadi masalah yang krusial bagi perusahaan
yang menggunakan metode penambangan bawah tanah. Salah satu tantangan utama
dalam penambangan bawah tanah adalah bagaimana mengembangkan
metode/desain penambangan yang tepat (Yi dan Sturgul, 1987).
Pada penambangan terbuka, melalui penentuan nilai cut-off grade,
perusahaan bisa mengontrol kuantitas dan kualitas hasil tambang yang dihasilkan.
Karena pada suatu deposit tambang terdapat berbagai macam tingkatan kualitas,
maka semakin besar/tinggi nilai cut-off grade yang ditetapkan, berarti semakin
sedikit material tambang yang akan diproses dan kuantitas bijih tambang yang akan
dihasilkan. Namun di sisi lain biaya produksi perusahaan menjadi rendah dan
kualitas bijih tambang yang dihasilkan akan meningkat. Sebaliknya semakin
kecil/rendah nilai cut-off grade yang ditetapkan, berarti semakin banyak material
tambang yang akan diproses dan kuantitas bijih tambang yang dihasilkan. Namun,
biaya produksi perusahaan menjadi tinggi dan kualitas bijih tambang yang
dihasilkan akan menurun (Krautkraemer, 1988).
I-1
Berdasarkan permasalahan tersebut, untuk menghasilkan profit yang

maksimum, perusahaan penambang harus menentukan/menetapkan nilai cut-off
grade dengan tepat. Dalam hal ini nilai cut-off grade yang ditetapkan akan sangat
berpengaruh terhadap pendapatan (revenue) yang didapatkan dan biaya (cost) yang
dikeluarkan oleh perusahaan. Untuk menyelesaikan permasalahan tersebut,
beberapa peneliti telah mengembangkan model penentuan cut-off grade. Model
dasar penentuan cut-of grade pertama kali diperkenalkan oleh Henning (1963)
melalui pendekatan titik impas (breakeven) dan Lane (1964) melalui pendekatan
heuristik. Model Lane (1964) saat itu hanya mempertimbangkan sejumlah
komponen biaya seperti biaya penambangan (mining cost), biaya pemrosesan
(processing/concentrating cost), serta biaya tetap (fixed cost). Sejak saat itu
pendekatan model Lane telah banyak digunakan dan dikembangkan oleh beberapa
peneliti, antara lain dikembangkan oleh Ataei dan Osanloo (2003), Gholamnejad
(2008), dan Narrei dan Osanloo (2015).
Selain menggunakan kedua pendekatan/metode tersebut, terdapat juga
beberapa pendekatan lain yang bisa digunakan untuk menentukan cut-off grade
optimal, salah satunya adalah melalui pendekatan matematik melalui solusi analitik.
Sampai saat ini belum banyak peneliti yang menggunakan pendekatan tersebut
dalam menentukan nilai cut-off grade pada penambangan terbuka. Padahal
pendekatan tersebut memiliki beberapa keunggulan dibandingkan pendekatan-
pendekatan yang lain, di antaranya adalah jaminan solusi optimal, kemudahan
penggunaan, dan waktu pencarian solusi optimal yang lebih cepat. Gama (2013)
pertama kali memperkenalkan pendekatan model matematik dengan pemecahan
solusi analitik untuk menghasilkan nilai cut-off grade yang optimal. Model yang
dikembangkan oleh Gama (2013) mempertimbangkan sejumlah komponen biaya
seperti mining cost, biaya pembuangan/pengelolaan material sisa
(removal/rehabilitation waste cost), processing cost, dan fixed cost. Model tersebut
kemudian dikembangkan lebih lanjut oleh Muttaqin dan Rosyidi (2016) dengan
menambahkan komponen biaya pada tahap penjualan (selling stage cost).
Untuk menjamin bahwa keputusan yang dihasilkan dari model penentuan cut-
off grade benar-benar dapat memberikan keuntungan yang maksimal bagi
perusahaan, maka model penentuan cut-off grade harus sebisa mungkin
I-2
mempresentasikan kondisi riil yang ada di lapangan. Di samping itu model-model

yang telah ada dituntut untuk menyesuaikan terhadap perkembangan isu-isu sosial,
kebijakan/regulasi ekonomi dan politik, dan cara pandang (perspektif) para
pemangku kepentingan di bidang industri penambangan terbuka yang selalu
dinamis. Oleh karena itu pengembangan dan penyesuaian model penentuan cut-off
grade harus selalu dilakukan. Selain mempresentasikan kondisi nyata di lapangan
(realistic), model yang dikembangkan hendaknya juga dapat mengakomodir
kompleksnya proses-proses yang ada dalam penambangan terbuka (complex), serta
dapat diaplikasikan dalam skala besar (large scale) (Asad, dkk. 2016). Namun,
peneliti harus bijak dalam menentukan komponen-komponen revenue dan cost
yang akan dipertimbangkan serta metode yang akan digunakan.
Salah satu isu global saat ini yang harus diperhatikan oleh perusahaan
penambang yang bergerak di bidang penambangan terbuka adalah permasalahan
lingkungan dan sosial. Perusahaan penambang tidak hanya bertanggungjawab
terhadap pengelolaan material sisa dari tambang yang dihasilkan, tetapi juga
bertanggungjawab untuk melakukan reklamasi terhadap lokasi tambang segera
setelah aktivitas penambangan berhenti karena tambang tersebut sudah tidak
memiliki nilai ekonomis lagi. Tujuan utama dari tindakan reklamasi adalah untuk
memastikan lokasi/lahan tambang tersebut tidak membahayakan dan dapat
digunakan lagi untuk kehidupan manusia di masa depan (Testa dan Pompy, 2016).
Isu lain yang perlu diperhatikan berkaitan dengan aktivitas penambangan
adalah material sisa hasil penambangan. Selama ini di berbagai model penentuan
cut-off grade, material sisa hasil penambangan hanya dijadikan beban (cost) bagi
perusahaan penambang. Namun kenyataannya, material sisa hasil penambangan
tersebut sebagian memiliki nilai jual yang ekonomis bagi perusahaan penambang
(Bellefant, dkk., 2013). Sebagai contoh material sisa di suatu penambangan bijih
Besi (Fe), biasanya masih mengandung berbagai macam mineral lain seperti
Kadmium (Cd), Timbal (Pb), Seng (Zn), Tembaga (Cu), Kromium (Cr), Nikel (Ni),
dan lain sebagainya (Yellishetty, dkk., 2008). Salah satu penelitian yang berkaitan
dengan model penentuan nilai cut-off grade yang mengakomodir baik biaya
reklamasi dan pendapatan dari material sisa penambangan dilakukan oleh Narrei
dan Osanloo (2015). Model yang digunakan oleh Narrei dan Osanloo (2015)
I-3
menggunakan pendekatan/algoritma model Lane (1964) yang mempertimbangkan

mining cost, concentrating cost, fixed cost, reclamation cost dan reclamation
revenue, serta revenue dari penjualan material yang bernilai dari sisa penambangan
(valuable waste materials revenue).
Selain masalah penentuan nilai cut-off grade, masalah lain yang sering
dihadapi oleh perusahaan penambang adalah bagaimana menentukan dan
memprioritaskan lokasi-lokasi tambang yang tersedia berdasarkan sejumlah
batasan-batasan tertentu. Sejauh ini, belum ada publikasi penelitian yang berfokus
terhadap integrasi antara model penentuan cut-off grade dengan model pemilihan
lokasi proyek pada penambangan terbuka. Bahkan model penentuan proyek/lokasi
pada bidang penambangan masih sangat sedikit (Mukherjee, 1994; Mukherjee dan
Bera, 1995). Model yang dikembangkan Mukherjee (1994) serta Mukherjee dan
Bera (1995) hanya memodelkan penentuan proyek/lokasi penambangan secara
terpisah tanpa memperhatikan hasil optimasi nilai cut-off grade. Padahal integrasi
pada area pengambilan keputusan tersebut sangat krusial untuk dilakukan. Pada
dasarnya pengambilan keputusan pemilihan lokasi proyek penambangan terbuka
sangat dipengaruhi oleh indikator ekonomi yang salah satunya ditunjukkan oleh
nilai Net Present Value (NPV) dan nilai Return on Investment (ROI). Nilai NPV
dan ROI yang maksimum untuk setiap lokasi dapat dicapai melalui optimasi cut-off
grade. Hal inilah yang menyebabkan pengambilan keputusan lokasi proyek tidak
terlepas dari penentuan nilai optimal untuk variabel cut-off grade tersebut.
Berdasarkan uraian-uraian permasalahan di atas, pada penelitian ini dilakukan
pengembangan model terintegrasi penentuan nilai cut-off grade dan pemilihan
proyek/lokasi pada penambangan terbuka. Dengan berbagai pertimbangan
keunggulan dibanding pendekatan/metode yang lain seperti yang telah dijelaskan,
model penentuan cut-off grade yang dikembangkan pada penelitian ini
menggunakan pendekatan matematik melalui solusi analitik seperti yang sudah
dikembangkan oleh Gama (2013) serta Muttaqin dan Rosyidi (2016) dengan
menambahkan komponen valuable waste materials revenue dan reclamation cost
dari model yang telah dikembangkan oleh Narrei dan Osanloo (2015). Adapun
model pemilihan proyek/lokasi yang dikembangkan didasarkan dari indikator NPV
dan ROI yang didapat dari hasil optimasi model penentuan cut-off grade optimal.
I-4
1.2 Rumusan Masalah

Berdasarkan uraian latar belakang, rumusan masalah yang dapat diambil
dalam penelitian ini dapat dinyatakan sebagai berikut: “bagaimana
mengintegrasikan model pemilihan proyek/lokasi pada penambangan terbuka
sehingga dapat memaksimumkan total keuntungan bagi perusahaan yang
dinyatakan dengan indikator NPV dan ROI berdasarkan hasil optimasi model
penentuan nilai cut-off grade optimal dengan mempertimbangkan komponen biaya
penambangan, biaya pengelolaan waste, biaya pemrosesan, biaya tetap, biaya
penjualan, biaya reklamasi, dan pendapatan dari material sisa penambangan
penjualan.”
1.3 Tujuan Penelitian

Tujuan dari penelitian ini yaitu:
1. Menghasilkan integrasi model yang dapat digunakan untuk menentukan
proyek/lokasi pada aktivitas penambangan terbuka berdasarkan keuntungan
yang dinyatakan dengan nilai NPV dan ROI.
2. Menghasilkan model yang dapat digunakan untuk menentukan nilai cut-off
grade optimal untuk memaksimumkan keuntungan pada suatu proyek/lokasi
tambang.
3. Mengetahui pengaruh parameter krusial, yang meliputi harga jual serta nilai
bobot NPV dan ROI terhadap keputusan optimal dan fungsi tujuan yang
dihasilkan pada integrasi model pemilihan proyek/lokasi penambangan.
1.4 Manfaat Penelitian

Manfaat yang diperoleh dari penelitian ini adalah:
1. Berkontribusi terhadap keilmuan di bidang pemodelan sistem manufaktur
khususnya dalam penentuan cut-off grade dan pemilihan proyek/lokasi di
penambangan terbuka
2. Memberikan informasi kepada perusahaan yang bergerak di bidang
penambangan terbuka agar dapat menentukan nilai cut-off grade optimal,
menghitung durasi/jangka waktu penyelesaian dan keuntungan yang
diperoleh, serta menentukan proyek/lokasi penambangan yang akan dipilih.
I-5
3. Memberikan informasi mengenai pengaruh perubahan parameter krusial,

yang meliputi harga jual serta nilai bobot NPV dan ROI kepada perusahaan
sehingga bisa dijadikan dasar dalam pengambilan keputusan.
1.5 Asumsi Penelitian

Asumsi penelitian digunakan untuk membantu menyederhanakan faktor-
faktor atau permasalahan yang kompleks. Asumsi-asumsi yang digunakan pada
penelitian ini yaitu:
1. Semua produk akhir bijih tambang yang dihasilkan dapat terjual di dalam
pasar dengan harga yang sama, tanpa mempedulikan berapapun kuantitasnya.
2. Semua komponen pendapatan (penjualan bijih tambang dan penjualan dari
material yang masih bernilai dari waste), komponen biaya (biaya
penambangan, biaya pemrosesan, biaya pengelolaan waste, biaya tahap
penjualan, biaya reklamasi, dan biaya tetap), rasio material terhadap waste,
rasio material yang masih bernilai dari waste, serta recovery rate telah
diketahui dan konstan terhadap waktu.
3. Tingkat kerumitan dan posisi/lokasi masing-masing proyek/lokasi
penambangan sudah dianggap melekat pada masing-masing komponen biaya
penambangan, biaya pemrosesan, biaya pengelolaan waste, biaya tahap
penjualan, biaya reklamasi, dan biaya tetap.
1.6 Batasan Penelitian

Batasan masalah digunakan untuk membatasi ruang lingkup pembahasan
penelitian sehingga penelitian lebih fokus untuk dilakukan. Batasan-batasan yang
digunakan pada penelitian ini yaitu:
1. Model penentuan optimal cut-off grade yang dikembangkan adalah model
matematik yang penyelesaiannya dicari melalui solusi turunan (analitik) yang
secara khusus digunakan untuk metode penambangan terbuka.
2. Metode dan teknik untuk mendapatkan data distribusi tambang dan parameter
ekonomi yang terkait tidak dikaji di dalam penelitian ini.
3. Model pemilihan proyek/lokasi penambangan terbatas pada indikator NPV
dan ROI.
I-6
BAB II
LANDASAN TEORI
Bab ini menjelaskan mengenai konsep, teori, dan kajian literatur yang
digunakan sebagai landasan dan dasar pemikiran untuk membahas serta
menganalisis permasalahan yang ada. Adapun landasan teori yang dipaparkan pada
bab ini terdiri dari tinjauan pustaka mengenai penambangan terbuka (open pit
mining) dan cut-off grade, penelitian terdahulu tentang model penentuan cut-off
grade dan model pemilihan proyek/lokasi penambangan, kerangka berpikir
penelitian, posisi penelitian, dan hipotesis.
2.1 Tinjauan Pustaka

2.1.1 Penambangan Terbuka (Open pit mining)
Penambangan (mining) merupakan proses ekstraksi material dari bumi untuk
menghasilkan keuntungan. Aktivitas penambangan terdiri atas beberapa tahapan,
yaitu: pencarian (discovering/prospecting), eksplorasi (exploration),
pengembangan (development), eksploitasi (exploitation), dan reklamasi
(reclamation) (Espinoza, dkk., 2013). Secara garis besar aktivitas penambangan
material dapat dilakukan melalui dua metode, yaitu metode penambangan bawah
tanah dan metode penambangan terbuka. Metode penambangan bawah tanah
biasanya digunakan untuk mengeksplorasi material dengan cadangan yang relatif
sedikit dan letak posisi block material tambang dengan kualitas tinggi yang berada
cukup jauh dari permukaan bumi. Metode ini biasanya menghasilkan produktivitas
yang rendah dan membutuhkan tingkat kesulitan dan biaya investasi yang besar.
Namun kualitas (grade) tambang yang dihasilkan dengan menggunakan metode
underground mining ini cukup tinggi. Selain itu tahap reklamasi yang dilakukan
setelah tambang selesai dieksplorasi cukup mudah dan murah untuk dilakukan.
Berbeda dengan penambangan bawah tanah, penambangan terbuka
merupakan aktivitas eksplorasi hasil tambang yang dilakukan di permukaan bumi
karena material tambang yang ingin dieksplorasi diduga berada cukup dekat dari
permukaan lapisan bumi (Gambar II.1). Metode ini biasanya menghasilkan
produktivitas yang tinggi karena material yang dieksplorasi dan diproses sangat
II-1
besar. Oleh karena itu, aktivitas penambangan terbuka biasanya memerlukan

sejumlah peralatan dan mesin dalam skala yang besar, misalnya dengan
menggunakan mesin drill, shovel, dan truck (Bakhtavar, dkk., 2009).
Beberapa contoh lokasi penambangan yang menggunakan metode
penambangan terbuka di antarnya adalah: Bingham Canyon Mine (tembaga) di
Amerika Serikat, Grasberg Mine (emas dan tembaga) di Indonesia, Carajás Mine
(besi) di Brazil, dan Kalgoorlie Mine (emas) di Australia. Sedangkan contoh lokasi
penambangan yang menggunakan metode penambangan bawah di antarnya adalah:
Oyu Tolgoi Mine (tembaga) di Mongolia, Cannington Mine (perak dan timbal) di
Australia, dan Kiruna Mine (besi) di Swedia (Michaud, 2013).
Berdasarkan perbedaan karakteristik-karakteristik tersebut, maka tantangan
pada penambangan terbuka dan penambangan bawah tanah tentu berbeda. Pada
metode penambangan terbuka, karena material yang diproses sangat besar, maka
diperlukan suatu nilai cut-off grade yang bisa dijadikan dasar dalam menentukan
apakah suatu block material akan diproses lebih lanjut atau tidak. Sedangkan pada
metode penambangan bawah tanah, penentuan nilai cut-off grade bukan menjadi
masalah yang paling krusial. Pada penambangan bawah tanah, tantangan utama
yang biasanya dihadapi oleh perusahaan adalah bagaimana merancang desain
penambangan yang tepat, sehinga block material dengan kualitas yang tinggi akan
dapat cepat diambil dengan resiko pengerjaan, biaya investasi, dan biaya
operasional yang seminimum mungkin (Yi dan Sturgul, 1987). Dari kedua metode
tersebut, saat ini metode penambangan terbuka masih banyak digunakan di berbagai
dunia. Sebagai contoh di Amerika Serikat pada tahun 2008, jumlah tonnase material
mineral tambang yang dihasilkan melalui metode penambangan terbuka adalah
sebesar 700 juta ton dan jumlah tonnase material sisa penambangan sebesar 1400
juta ton. Hal ini sangat jauh berbeda dengan metode penambangan bawah tanah
dimana tonnase material mineral tambang yang dihasilkan hanya 19 juta ton dan
tonnase material sisa penambangan yang dihasilkan sebesar 3 juta ton. Bahkan
untuk mineral berharga seperti emas, pada tahun 2012 metode penambangan
terbuka menghasilkan total produksi keseluruhan di dunia mencapai 26,1 juta ton
dibandingkan dengan metode penambangan bawah tanah dengan total sebesar 11,4
juta ton (Stewart, 2012).
II-2
Gambar II.1 Aktivitas open pit mining

Sumber: http://www.mineralsed.ca/
Langkah pertama dalam penambangan terbuka adalah dengan mengupas
lapisan tanah penutup bahan tambang. Setelah itu tanah penutup dikeluarkan dari
areal tambang dan material tambang digali, dieksplorasi, dan diangkut keluar untuk
kemudian diproses lebih lanjut (Subowo, 2011).
Menurut Prodjotumarto (1993), kegiatan penambangan terbuka dapat
dikelompokkan ke dalam beberapa metode, yaitu:
a. Open Cast Mine
Metode ini digunakan untuk mengeksplorasi endapan-endapan bijih (ore)
melalui siklus operasi penambangan yang konvensional. PT Freeport
Indonesia merupakan salah satu contoh perusahaan di Indonesia yang
menerapkan metode open cast mine.
b. Quarry
Metode ini digunakan untuk mengeksplorasi endapan-endapan bahan galian
atau mineral industri. Metode ini bisa diterapkan untuk menambang batuan
atau endapan mineral yang letaknya di lereng bukit maupun yang terletak di
topografi yang relatif datar.
II-3
c. Strip Mine
Metode ini diterapkan untuk mengeksplorasi endapan bahan galian yang
letaknya dekat atau berada di permukaan bumi dengan posisi yang relatif data
maupun sedikit miring. Contoh material yang sering ditambang
menggunakan metode ini adalah batu bara, belerang, yodium, dan lain-lain.
d. Alluvial Mine
Metode ini cocok diterapkan untuk mengeksplorasi endapan-endapan alluvial
seperti bijih emas, bijih besi, bijih timah putih, tembaga, dan lainnya.
2.1.2 Cut-off Grade

Bijih (ore) didefinisikan sebagai konsentrasi suatu material yang berharga
(misalnya bijih besi). Para insinyur pertambangan seringkali menggunakan istilah
tingkatan kualitas/kelas (grade) untuk menentukan fraksi kandungan material
penting yang terkandung di dalam suatu massa batuan yang diambil secara
keseluruhan. Cut-off grade merupakan nilai grade minimum yang diperlukan dalam
suatu massa batuan yang diambil untuk dikerjakan/diproses lebih lanjut. Setiap
material yang tidak melewati kriteria minimum ini biasanya didefinisikan sebagai
material buangan (Thompson dan Barr, 2014).
Biasanya nilai cut-off grade dinyatakan dalam bentuk persentase atau
bilangan antara 0 sampai dengan 1. Taylor (1972) mendefinisikan cut-off grade
secara umum sebagai suatu tingkatan kualitas yang digunakan untuk
memilah/memisahkan dua tindakan (to mine or to leave) dalam suatu industri
pertambangan. Seperti yang ditunjukkan pada Gambar II.2, apabila perusahaan
tambang menetapkan nilai cut-off grade rendah, maka semakin banyak material
tambang yang diproses, semakin banyak material buangan yang dihasilkan, dan
semakin rendah rata-rata tingkatan kualitas bijih mentah yang dihasilkan.
Sebaliknya jika perusahaan tambang menetapkan nilai cut-off grade tinggi, maka
semakin sedikit material tambang yang diproses, semakin sedikit material buangan
yang dihasilkan, namun semakin tinggi rata-rata tingkatan kualitas bijih mentah
yang dihasilkan. Sebagai contoh apabila perusahaan menetapkan nilai cut-off grade
sebesar 80%, maka perusahaan hanya akan mengambil block-block material
tambang dengan grade sebesar 80% sampai 100%. Berbeda dengan apabila nilai
II-4
cut-off grade yang ditetapkan sebesar 30%, maka perusahaan akan mengambil
block-block material tambang dengan jangkauan grade yang lebih luas yaitu 30%
sampai 100%.
Gambar II.2 Ilustrasi cut-off grade

Sumber: http://www.miningandtheenvironment.com/
Dalam industri penambangan, nilai cut-off grade merupakan salah satu
parameter keputusan yang sangat penting karena sangat mempengaruhi efisiensi
sosial ekonomi. Nilai cut-off grade tersebut juga sering dijadikan sebagai dasar
evaluasi ekonomi, studi kelayakan, perencanaan pertambangan, desain teknis
penambangan, dan juga dasar dari segala keputusan di dalam investasi aktivitas
penambangan terbuka (Li dan Yang, 2012).
2.2 Penelitian Terdahulu Model Penentuan Cut-off Grade

Sejauh ini terdapat banyak penelitian yang berkaitan dengan penentuan nilai
cut-off grade dan maksimasi keuntungan di aktivitas penambangan terbuka (open
pit mining). Beberapa pendekatan/metode yang berkembang dalam model
penentuan nilai cut-off grade optimal di aktivitas penambangan terbuka, di
antaranya adalah pendekatan titik impas, heuristik, linear programming, non linear
programming, mathematical model melalui solusi analitik, serta dynamic dan
stochastic programming. Model dasar penentuan cut-off grade pertama kali
II-5
diperkenalkan oleh Henning (1963) melalui pendekatan titik impas (breakeven) dan
Lane (1964) melalui pendekatan heuristik. Model breakeven menggunakan
pendekatan tradisional dimana nilai cut-off yang menghasilkan titik impas (tidak
rugi dan tidak untung) dicari untuk kemudian dijadikan dasar bagi perusahaan untuk
mengambil keputusan terhadap block-block material tambang yang akan diproses.
Tidak seperti pendekatan/metode lainnya, metode breakeven tidak banyak
digunakan dan dikembangkan oleh peneliti. Sedangkan model Lane (1964)
menggunakan pendekatan herustik (algoritma) untuk mencari titik cut-off grade
optimal yang menghasilkan keuntungan maksimum.
Sejak saat itu, berbagai peneliti telah mengembangkan beberapa model
penentuan nilai cut-off grade, baik dengan menggunakan metode/pendekatan
algoritma Lane (1964) maupun dengan pendekatan lainnya. Seperti yang
ditunjukkan pada Tabel II.1, jika dilihat dari metode pencarian solusi optimal yang
digunakan, sebagian besar peneliti menggunakan pendekatan heuristik (melalui
algoritma Lane) untuk mencari nilai cut-off grade. Sedangkan peneliti lain ada yang
menggunakan metode mixed-integer linear programming (Moosavi, dkk. (2014);
Gholinejad dan Moosavi (2016)), non linear programming (Yasrebi, dkk. (2015)),
solusi analitik matematis (Johnson, dkk. (2011); Gama (2013); Muttaqin dan
Rosyidi (2016)), serta stochastic/dynamic programming (Li dan Yang (2012);
Thompson dan Barr (2014)).
Jika dilihat dari karakeristik dan distribusi deposit tambang yang
dipertimbangkan di dalam model, beberapa peneliti mempertimbangkan multiple
deposit mine (Ataei dan Osanloo (2003); Li dan Yang (2012); Cetin dan Dowd
(2013); Qing-hua, dkk. (2014)), serta ada juga yang mempertimbangkan
ketidakpastian distribusi tambang Li dan Yang (2012); Asad dan Dimitrakopoulos
(2013); Azimi, dkk. (2013)). Selain itu, beberapa peneliti juga mengkonsider
karakteristik harga jual tambang yang stokastik (Johnson, dkk. (2011); Azimi, dkk.
(2013); Thompson dan Barr (2014)).
Hampir semua model penentuan cut-off grade yang dikembangkan saat ini
hanya menggunakan komponen revenue yang berasal dari penjualan bijih tambang
yang dihasilkan. Namun Narrei dan Osanloo (2015) ternyata juga mengkonsider
II-6
adanya revenue dari penjualan material sisa yang masih berharga dan revenue dari
tindakan reklamasi.
Jika dilihat dari komponen biaya yang dipertimbangkan, hampir semua model
penentuan nilai cut-off grade memperhatikan komponen biaya mining cost,
processing/concentrating cost, dan fixed cost. Selain ketiga komponen biaya
tersebut, beberapa peneliti juga mengkonsider biaya waste removal/rehabilitation
cost (Gholamnejad (2008); Osanloo, dkk. (2008); Abdollashisharif, dkk. (2012);
Gama (2013); Muttaqin dan Rosyidi (2016)), selling stage/marketing cost (Ataei
dan Osanloo (2003); Gholamnejad (2008); Osanloo, dkk. (2008); Abdollashisharif,
dkk. (2012); Li dan Yang (2012); Asad dan Dimitrakopoulos (2013); Azimi, dkk.
(2013); Cetin dan Dowd (2013); Moosavi, dkk. (2014); Yasrebi, dkk. (2015);
Gholinejad dan Moosavi (2016); Muttaqin dan Rosyidi (2016)), serta biaya
reklamasi Narrei dan Osanloo (2015). Ringkasan penelitian-penelitian terdahulu
model penentuan cut-off grade ditunjukkan pada Tabel II.1.
II-7
Tabel II.1 Penelitian Terdahulu Model Penentuan Cut-off Grade
Asad dan Dimitrakopoulos (2013)
Gholinejad dan Moosavi (2016)

Abdollashisharif, dkk. (2012)
Muttaqin and Rosyidi (2016)

Thompson dan Barr (2014)
Narrei and Osanloo (2015)

Ataei dan Osanloo (2003)
Cetin dan Dowd (2013)
Qing-hua, dkk. (2014)

Moosavi, dkk. (2014)
Johnson, dkk. (2011)
Osanloo, dkk. (2008)
Gholamnejad (2008)
Yasrebi, dkk. (2015)

Li dan Yang (2012)
Azimi, dkk. (2013)
Penelitian Ini
Gama (2013)
Karakteristik Model
Fungsi Tujuan:
Maksimasi Profit √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Decision Variable:
Cut-off Grade √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Metode Pencarian Solusi
Optimal:
Heuristik (Lane’s Algorithm) √ √ √ √ √ √ √ √ √
Mixed-integer Linear
√ √
Programming
Non Linear Programming √
Solusi Analitik Matematis √ √ √ √
Dynamic dan Stochastic
√ √
Programming
Karakteristik Deposit
Tambang:
Single Deposit √ √ √ √ √ √ √ √ √ √ √ √ √ √
Multiple Deposit √ √ √ √
Distribusi Deposit Tambang:
Deterministik √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Stokastik √ √ √
Karakteristik Harga Jual:
Deterministik √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Stokastik √ √ √
Komponen Revenue:
Sales Revenue √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Valuable Waste Materials
√ √
Revenue
Reclamation Revenue √
Komponen Biaya:
Mining Cost √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Processing/Concentrating Cost √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Fixed Cost √ √ √ √ √ √ √ √ √ √ √ √ √ √ √
Waste Removal Cost √ √ √ √ √ √
Marketing/Selling Stage Cost √ √ √ √ √ √ √ √ √ √ √ √ √
Reclamation Cost √ √
II-8
2.2.1 Review Penelitian Gama (2013)

Fungsi tujuan model pada penelitian Gama (2013) adalah maksimasi total
profit yang besarnya dipengaruhi oleh pendapatan penjualan (sales revenue), biaya
penambangan (mining cost), biaya pembuangan waste (removal cost), biaya
pemrosesan (processing cost), serta biaya tetap dan lain-lain (fixed cost).
Z : Keuntungan/profit ($)
P : Produksi tambang per jam (ton)
T : Rata-rata grade bijih yang ditambang (%)
Tc : Cut-off grade (%)
Top : Cut-off grade optimal (%)
U : Tingkat recovery yang dihasilkan di tahap pemrosesan konsentrat (%)
V : Harga jual material tambang per ton ($/ton)
M : Biaya penambangan per ton ($/ton)
E : Biaya pembuangan material waste per ton ($/ton)
R : Perbandingan material tambang terhadap material waste (ton/ton)
(stripping ratio)
B : Biaya pemrosesan bijih besi per ton ($/ton)
F : Biaya tetap, pajak, modal, dan biaya tidak langsung lainnya ($)
Total Profit = Total Revenue − Total Cost (II.1)

Total Profit = Sales Revenue − (Mining Cost + Removal Cost
+ Processing Cost + Fixed Cost) (II.2)
Fungsi total profit dalam ($/h):

F
Z = P [TUV − (M+ER+B+ P)] (II.3)
Fungsi total profit dalam ($):

F
Z = Q [TUV − (M+ER+B+ P)] (II.4)
Jika dinyatakan dalam unit (ton), maka fungsi total profit:

F
Z' = TUV − (M+ER+B+ P) (II.5)
II-9
Dari persamaan (II.4 dan II.5) tersebut, terdapat dua variabel yang sangat
penting, yaitu T dan R. Oleh karena itu nilai ekstrim dari kedua variabel tersebut
yang mengakibatkan nilai profit menjadi 0 harus dicari terlebih dahulu melalui
turunan pertama dari fungsi profit di atas.
Persamaan minimum cut-off grade yang diijinkan (minimum allowable cut-
off grade):
F
M + ER + B +
P
Tcm = (II.6)
UV
Persamaan maksimum stripping ratio yang diijinkan (maximum allowable

stripping ratio):
F
TUV−M−B−
P
Rmax = (II.7)
E
Persaman lain yang digunakan adalah maximum allowable stripping ratio

yang mempertimbangkan nilai profit minimum yang dikehendaki:
F
TUV−M−B− −Lmin
P
Rad= (II.8)
E
Oleh karena itu perusahaan dalam mengambil keputusan terhadap variabel T

dan R harus memenuhi kriteria seperti pada persamaan (II.9) dan (II.10) agar profit
yang diterima menguntungkan bagi perusahaan:
T > Tcm (II.9)
R < Rad < Rmax (II.10)
Hubungan antara Tc dengan Q, R, dan T dapat dirumuskan dengan fungsi

sebagai berikut:
Q = a0 +a1 Tc (II.11)
R = b0 +b1 Tc (II.12)
T = c0+c1 Tc (II.13)
Dengan mensubtitusikan ketiga persamaan tersebut ke dalam rumus total

profit, maka diperoleh:
F
Z = (a0 +a1 Tc ) {UV(c0+c1 Tc ) − [M + B + + (b0 +b1 Tc )E]} (II.14)
P
II-10
Turunan pertama dari persamaan tersebut digunakan untuk menghitung cut-

off grade optimal (Top):
F a
−VUc0 + (M + B + + Eb0 )− 0(VUc1 −Eb1 )
P a1
Top = (II.15)
2(VUc1 −Eb1 )
Penelitian Gama (2013) juga memberikan contoh numerikal dan analisis

sensitivitas terhadap model yang sudah dibangun. Analisis sensitivitas dilakukan
terhadap variabel harga jual (sales price) yang hasilnya menunjukkan bahwa harga
jual sangat sensitif terhadap total profit perusahaan.
2.2.2 Review Penelitian Muttaqin dan Rosyidi (2016)

Seperti halnya penelitian yang dilakukan oleh Gama (2013), fungsi tujuan
yang hendak dicapai dari model yang dibangun pada penelitian Muttaqin dan
Rosyidi (2016) adalah maksimasi total profit. Besar total profit itu sendiri
dipengaruhi oleh pendapatan penjualan (sales revenue), biaya penambangan
(mining cost), biaya pembuangan/pemeliharaan waste (waste
removal/rehabilitation cost), biaya pemrosesan (processing cost), biaya pada tahap
penjualan (selling stage cost), serta biaya tetap dan lain-lain (fixed cost).
Total Profit = Total Revenue − Total Cost (II.16)

Total Profit = Sales Revenue − (Mining Cost + Waste Removal Cost
+ Processing Cost + Fixed Cost + Selling Stage Cost) (II.17)
Fungsi total profit dalam ($/h):

F
Z = P [TUV − (M+ER+B+ P) +TUS] (II.18)
Fungsi total profit dalam ($):

F
Z = Q [TUV − (M+ER+B+ P) +TUS] (II.19)
Jika dinyatakan dalam unit (ton), maka fungsi total profit:

F
Z' = TUV − (M + ER + B + + TUS) (II.20)
P
II-11
Dimana:
P : Produksi tambang per jam (ton/jam)
T : Rata-rata grade bijih yang ditambang (%)
Tc : Cut-off grade (%)
Top : Cut-off grade optimal (%)
U : Tingkat recovery yang dihasilkan di tahap pemrosesan konsentrat (%)
V : Harga jual material tambang per ton ($/ton)
M : Biaya penambangan per ton ($/ton)
E : Biaya pembuangan material waste per ton ($/ton)
R : Stripping ratio bijih tambang terhadap material waste (ton/ton)
B : Biaya pemrosesan bijih besi per ton ($/ton)
F : Biaya tetap, pajak, modal, dan biaya tidak langsung lainnya ($)
S : Biaya tahap penjualan ($/ton)
Dengan menggunakan langkah yang sama dengan penelitian Gama (2013),

maka didapatkan rumus/formula cut-off grade optimal (Top):
[a0 P(b1 E + c1 U(S−V)) + a1 (F + P(B + b0 E + M + c0 SU−c0 UV))]
Top = − [2a1 P(b1 E + c1 U(S−V))]
(II.21)
2.2.3 Review Penelitian Narrei dan Osanloo (2015)

Model penentuan cut-off grade yang dikembangkan oleh Narrei dan Osanloo
(2015) menggunakan algoritma Lane namun dengan beberapa perubahan, terutama
dalam pertimbangan biaya reklamasi dan pendapatan dari material buangan
(waste). Adapun fungsi tujuan total profit yang dibangun pada model Narrei dan
Osanloo (2015) adalah sebagai berikut:
Z = (S − r) × Qr − m × Qm − a × A × (Qm − Qc )
−b × B × (Qm − Qc ) + Iw × A × (Qm − Qc )
+ Iw × B × (Qm − Qc ) + Iu × C × (Qm − Qc )
−c × Qc − u × U × (Qc − Qr ) − v × V × (Qc − Qr )
+ Rt × U × (Qc − Qr ) + Rt × V × (Qc − Qr )
+ Ru × W × (Qc − Qr ) − Cp × Qr + Rp × Qr − fT (II.22)
II-12
Dimana:
Qm : Jumlah material yang ditambang (ton)
Qc : Jumlah bijih tambang yang dikirim ke konsentrator (ton)
Qr : Jumlah bijih tambang akhir (produk) yang dihasilkan (ton)
S : Harga jual ($/ton)
r : Biaya penjualan ($/ton)
m : Biaya penambangan ($/ton)
c : Biaya tahap pemrosesan pada konsentrator ($/ton)
f : Biaya tetap ($)
a, u : Biaya reklamasi material buangan jenis non asam (non-acid)
($/ton)
b, v : Biaya reklamasi material buangan jenis asam (acid) ($/ton)
Iw, Rt, Rp : Pendapatan dari reklamasi ($/ton)
Iu, Ru : Pendapatan dari material buangan ($/ton)
Cp : Biaya reklamasi lokasi tambang ($/ton)
Rp : Pendapatan reklamasi lokasi tambang ($/ton)
2.3 Penelitian Terdahulu Model Pemilihan Proyek/ Lokasi Penambangan

Sampai saat ini belum banyak penelitian yang membahas tentang pemilihan
proyek/lokasi pada bidang penambangan, khususnya penambangan terbuka.
Model-model yang banyak digunakan oleh para peneliti yang berhubungan dalam
penentuan lokasi penambangan ataupun pada bidang penambangan (secara lebih
luas) sejauh ini adalah model yang dikembangkan melalui pendekatan multi
kriteria. Sebagai contoh Rahmanpour, dkk. (2014) mengembangkan model
penentuan lokasi proses In Pit Crushing-Conveying (IPCC) pada suatu
penambangan terbuka dengan menggunakan metode Analytical Hierarchial
Process (AHP). Selain itu Hermann, dkk. (2015) mengembangkan model pemilihan
metode reklamasi (landfilling) pada bidang penambangan melalui pendekatan multi
kriteria menggunakan Analytical Hierarchial Process (AHP).
Berdasarkan hasil kajian literatur, tercatat hanya Mukherjee (1994) serta
Mukherjee dan Bera (1995) yang mengembangkan model penentuan proyek/lokasi
II-13
pada bidang penambangan terbuka. Model yang dikembangkan oleh Mukherjee

(1994) adalah sebuah model pemilihan proyek yang dapat digunakan pada bidang
penambangan dengan studi kasus industri penambangan batu bara di India. Adapun
pendekatan yang digunakan pada model Mukerjee (1994) adalah menggunakan
pendekatan multiple criteria integer linear programming. Setelah itu Mukherjee
dan Bera (1995) kemudian mengembangkan sebuah model pemilihan proyek pada
bidang penambangan dengan menggunakan pendekatan goal programming. Model
yang dikembangkan oleh Mukherjee dan Bera (1995) menggunakan empat fungsi
tujuan dan satu fungsi pembatas (constraint).
Oleh karena keterbatasan literatur yang ada mengenai model pemilihan
proyek/lokasi pada penambangan terbuka, maka penelitian ini juga menggunakan
beberapa literatur yang membahas mengenai model pemilihan proyek selain dalam
bidang kajian penambangan terbuka. Berbagai penelitian tersebut dirasa sangat
penting terutama dalam memahami fungsi tujuan, fungsi pembatas, metode
pencarian solusi optimal, dan berbagai keunggulan dari masing-masing
metode/pendekatan untuk menyelesaikan berbagai permasalahan penentuan proyek
pada berbagai bidang. Mavrotas, dkk. (2006) mengembangkan model pemilihan
proyek untuk keperluan umum dengan menggunakan kombinasi pendekatan multi
kriteria dan integer (binary) programming. Adapun metode penyelesaian multi
kriteria yang digunakan oleh Mavrotas, dkk. (2006) adalah menggunakan
PROMETHEE V. Hassanzadeh, dkk. (2014) mengembangkan model pemilihan
proyek untuk keperluan umum dengan dua fungsi tujuan yaitu maksimasi
keuntungan (benefit) dan minimasi tingkat resiko (risk) dari proyek yang akan
dilaksanakan. Model yang dikembangkan Hassanzadeh, dkk. (2014) menggunakan
pendekatan Mixed-Integer Linear Programming dengan studi kasus pemilihan
proyek pada perusahaan telekomunikasi.
Eshlaghy dan Razi (2015) mengembangkan model pemilihan proyek untuk
keperluan umum melalui pendekatan multi kriteria menggunakan metode Grey
Relational Analysis (GRA) dan algoritma genetik. Shakhsi-Niaei, dkk. (2015)
mengembangkan model pemilihan proyek untuk keperluan secara umum dengan
menggunakan gabungan pendekatan multi kriteria, algoritma genetik, dan
algoritma differential evolution. Tavana, dkk. (2015) mengembangkan model
II-14
pemilihan proyek untuk keperluan umum dengan menggunakan gabungan

pendekatan multi kriteria dan integer programming. Adapun pendekatan multi
kriteria yang digunakan oleh Tavana, dkk. (2015) adalah Data Envelopment
Analysis (DEA) dan TOPSIS. Kalashnikov, dkk. (2017) mengembangkan model
pemilihan proyek untuk keperluan umum dengan dua fungsi tujuan yaitu minimasi
tingkat kesulitan implementasi proyek dan maksimasi keuntungan (benefit) dari
proyek yang dilaksanakan. Model yang dikembangkan Kalshnikov, dkk. (2017)
menggunakan pendekatan Mixed-Integer Quadratic Programming dengan
beberapa batasan (constraint) seperti interdependent project, ketersediaan dana
(budget), dan pemanfaatan sumber daya manusia. Ringkasan penelitian terdahulu
model pemilihan proyek/lokasi ditunjukkan pada Tabel II.2.
II-15
Tabel II.2 Penelitian Terdahulu Model Pemilihan Proyek/Lokasi
Rosenzweig dan Volarević
Shakhsi-Niaei, dkk.
Rahmanpour, dkk.
Hassanzadeh, dkk.
Eshlaghy dan Razi
Kalashnikov, dkk.
Mavrotas, dkk.
Hermann, dkk.
Penelitian Ini
Tavana, dkk.
Mukherjee
Mukherjee
(1994)
(1995)
(2006)
(2010)
(2014)
(2014)
(2015)
(2015)
(2015)
(2015)
(2017)
Karakteristik Model
Fungsi Tujuan:
Maksimasi Profit √
Maksimasi Benefit √ √
Minimasi Biaya (Cost) √ √
Minimasi Tingkat Kesulitan √
Minimasi Resiko √
Maksimasi Nilai Atribut √ √ √ √ √ √ √
Minimasi SDM √
Maksimasi Indikator
√ √
Ekonomi
Decision Variable:
Biner (0-1) √ √ √ √ √ √ √ √ √ √ √
Bidang Kajian:
Penambangan √ √ √ √ √
Penambangan Terbuka √
Umum √ √ √ √ √ √
Pendekatan yang
Digunakan:
MCDM (AHP, DEA, GRA,
PROMETHEE, TOPSIS, √ √ √ √ √
dll.)
Mixed-Integer Programming √ √ √
Mixed-Integer Quadratic
√
Programming
Genetic Algorithm –
√
Differential Evolution
Multi-objective – Weighted
√ √
Sum Method
Resource Limitation:
Human √
Material √
Cost/Budget √ √ √ √ √ √ √
II-16
2.4 Kerangka Berpikir Penelitian

Subbab ini menjelaskan alur kerangka berpikir atas kajian permasalahan yang
dihadapi di dalam penelitian ini. Alur kerangka berpikir pada penlitian ini
ditunjukkan pada Gambar II.3.
Penambangan Terbuka (Open Pit Mining) Penambangan Terbuka (Open Pit Mining) Penambangan Terbuka (Open Pit Mining)
Proyek/Lokasi 1 Proyek/Lokasi 2 Proyek/Lokasi n
Kuantitas Kualitas Kuantitas Kualitas Kuantitas Kualitas

Tambang Tambang Tambang Tambang Tambang Tambang
Deposit Deposit Deposit

Tambang Tambang Tambang
Cut-off Cut-off Cut-off

Grade Grade Grade
Blok Material yang Blok Material yang Blok Material yang

Akan Ditambang Akan Ditambang Akan Ditambang
dan Diproses dan Diproses dan Diproses
Revenue Cost Revenue Cost Revenue Cost
Maksimasi Maksimasi Maksimasi

Profit Profit Profit
Model Model Model

Penentuan Cut- Penentuan Cut- Penentuan Cut-
off Grade off Grade off Grade
Economic Indicators Economic Indicators Economic Indicators

Net Present Return on Net Present Return on Net Present Return on
Value (NPV) Investment (ROI) Value (NPV) Investment (ROI) Value (NPV) Investment (ROI)
Dana Investasi yang Model Pemilihan Lokasi/Proyek Biaya Operasional per

Tersedia Open Pit Mining Tahun yang Tersedia
Gambar II.3 Alur kerangka berpikir penelitian
Berdasarkan ilustrasi alur kerangka berpikir penelitian yang ditunjukkan pada

Gambar II.3, permasalahan diawali karena setiap proyek/lokasi penambangan, tentu
memiliki cadangan/deposit tambang yang didalamnya memuat data informasi
tentang kuantitas dan kualitas tambang yang ada. Data deposit tambang tersebut
kemudian menjadi salah satu parameter yang penting di dalam perusahaan dalam
menentukan titik potong (cut-off) sebelum aktivitas tambang dihasilkan. Penentuan
nilai cut-off grade tersebut kemudian mempengaruhi seberapa besar revenue dan
II-17
cost yang dihasilkan oleh perusahaan. Trade-off inilah yang kemudian mendasari
dilakukannya pemodelan penentuan nilai cut-off grade untuk memaksimumkan
keuntungan yang dihasilkan oleh perusahaan penambang.
Jika dilihat melalui sudut pandang yang lebih luas, perusahaan yang bergerak
di bidang penambangan terbuka (open pit mining), sebelum melakukan aktivitas
penambangan, tentu tidak hanya mengkonsider/memperhatikan satu atau dua
proyek lokasi tambang saja. Karena keterbatasan-keterbatasan tertentu seperti dana
investasi dan biaya operasional yang tersedia, perusahaan penambangan harus
memilih atau memprioritaskan proyek/lokasi tambang tertentu yang memiliki nilai
ekonomis tertinggi. Nilai ekonomi tersebut salah satunya dapat dilihat dari nilai Net
Present Value dan Return on Investment (ROI). Oleh karena itu diperlukan suatu
model pemilihan proyek/lokasi agar total keuntungan dan tingkat pengembalian
yang diterima perusahaan bisa maksimal.
2.5 Posisi Penelitian

Model yang dikembangkan pada penelitian ini mengintegrasikan model
penentuan cut-off grade dan model pemilihan proyek/lokasi pada penambangan
terbuka. Adapun model penentuan cut-off grade yang dikembangkan pada
penelitian ini menggunakan pendekatan analitik berdasarkan pengembangan model
yang sebelumnya dilakukan oleh Muttaqin dan Rosyidi (2016) kemudian
dikembangkan dengan mempertimbangkan biaya reklamasi dan valuable wasted
material revenue berdasarkan model Narrei dan Osanloo (2015). Adapun model
pemilihan proyek/lokasi pada penelitian ini mengacu pada model pemilihan proyek
open pit mining (Mukherjee, 1994; 1995) dan model-model pemilihan proyek
secara umum/bidang lain (Mavrotas, dkk. (2006); Hassanzadeh, dkk. (2014);
Eshlaghy dan Razi (2015); Shakhsi-Niaei, dkk. (2015)). Posisi penelitian ini
terhadap penelitian-penelitian terdahulu ditunjukkan pada Gambar II.4.
II-18
Model Penentuan Cut-off Grade
Pendekatan Matematik Melalui

Pendekatan Heuristik
Solusi Analitik
Lane (1964) Model Dasar Model Dasar Gama (2013)
Mempertimbangkan
Narrei dan Mempertimbangkan Muttaqin dan
Reclamation Cost,
Osanloo (2015) Selling Stage Cost Rosyidi (2016)
Valuable Waste Materials
Penelitian Ini
Model Pemilihan Model Pemilihan

Proyek pada Open Pit Proyek Bidang Lain/
Mining Umum
Mukherjee - Mavrotas, dkk. (2006)

(1994; 1995) - Hassanzadeh, dkk. (2014)
- Eshlaghy dan Razi (2015)
- Niaei, dkk. (2015)
- dll.
Model Pemilihan Proyek/

Lokasi Penambangan
Gambar II.4 Posisi penelitian terhadap model-model sebelumnya
2.6 Hipotesis
Hipotesis merupakan jawaban sementara terhadap akar masalah penelitian.
Pada penelitian ini, masalah yang hendak diselesaikan adalah bagaimana
mengintegrasikan model pemilihan proyek/lokasi pada penambangan terbuka
berdasarkan hasil optimasi model penentuan nilai cut-off grade optimal sehingga
dapat memaksimumkan total keuntungan bagi perusahaan. Berdasarkan kerangka
berpikir deskripsi masalah yang telah dijelaskan pada bagian sebelumnya, dapat
dirumuskan beberapa hipotesis sebagai berikut:
1. Model penentuan cut-off grade yang optimal dapat diintegrasikan ke dalam
model pemilihan proyek/lokasi penambangan. Hasil optimasi cut-off grade
akan menghasilkan total keuntungan maksimum yang bisa dihasilkan pada
II-19
setiap proyek/lokasi penambangan. Sehingga pemilihan proyek/lokasi

penambangan bisa didasarkan dari luaran model penentuan cut-off grade
tersebut.
2. Nilai cut-off grade yang ditetapkan oleh perusahaan akan mempengaruhi
besarnya pendapatan (revenue) dan biaya (cost) yang akan dikeluarkan oleh
perusahaan. Selain itu nilai cut-off grade diduga kuat akan memberikan
pengaruh konkaf terhadap total keuntungan/profit pada perusahaan
penambang. Sehingga sangat dimungkinkan terdapat titik optimal nilai cut-
off grade yang memaksimalkan profit pada setiap proyek/lokasi
penambangan.
3. Terdapat pengaruh yang signifikan dari perubahan harga jual bijih tambang
terhadap keputusan cut-off grade yang optimal dan total keuntungan yang
dihasilkan.
4. Pemberian nilai bobot indikator NPV dan ROI pada model pemilihan
proyek/lokasi penambangan akan memberikan pengaruh yang cukup
signifikan pada keputusan pemilihan proyek/lokasi penambangan.
II-20
BAB III
METODOLOGI PENELITIAN
Bab ini membahas tempat dan waktu penelitian beserta urutan tahapan
penelitian yang dilakukan untuk menyelesaikan permasalahan dalam penelitian ini.
3.1 Tempat dan Waktu Penelitian

Karena penelitian ini merupakan pengembangan model/teori, maka banyak
dilakukan studi pustaka dan pengembangan model matematis berbasis komputasi.
Sebagian besar penelitian dilaksanakan di Laboratorium Sistem Produksi dan
Laboratorium Sistem Kualitas, Program Studi Teknik Industri, Universitas Sebelas
Maret, Jl. Ir. Sutami No 36A, Jebres, Surakarta. Sarana dan prasarana yang
dibutuhkan dalam penelitian ini adalah sebagai berikut:
1. Akses internet berlangganan jurnal terindeks scopus,
2. Buku literatur,
3. Komputer untuk proses komputasi model, dan
4. Software Wolfram Mathematica 7.0 dan software Oracle Crystal Ball untuk
pengembangan model dan pencarian solusi optimal model.
III-1
3.2 Tahapan Penelitian

Subbab ini menjelaskan urutan/langkah-langkah yang dilakukan untuk
menyelesaikan permasalahan pada penelitian ini. Flowchart metodologi pada
penelitian ini ditunjukkan pada Gambar III.1.
Mulai
Studi Pustaka
Identifikasi Masalah
Perumusan Masalah
Tahap Indentifikasi dan Penetapan Tujuan dan Manfaat

Perumusan Masalah Penelitian
Penentuan Batasan Masalah
Penentuan Asumsi yang Digunakan
Deskripsi Sistem Riil pada Penambangan

Terbuka (Open Pit Mining)
Gambar III.1 Flowchart metodologi penelitian
III-2
Tahap I Tahap II
Pemodelan Penentuan Nilai Cut-off

Grade dengan Mempertimbangkan Biaya Pemodelan Pemilihan/Prioritas Lokasi
Reklamasi dan Valuable Wasted Material Penambangan
Revenue
Aplikasi/Penggunaan Model dengan

Contoh Numerik
Validasi
Analisis Sensitivitas
III-3
Pencarian Solusi Optimal

Tahap (Menggunakan Pendekatan Analitik)
Pengembangan Analisis Model Pemilihan/Prioritas Lokasi
Penambangan
Model
Validasi
Analisis Model yang Telah Diintegrasi

dan Pembuatan Prosedur Penyelesaian Tahap Analisis
Aplikasi/Penggunaan Model dengan Solusi
Contoh Numerik
dan Penarikan
Kesimpulan
Analisis Sensitivitas pada Parameter- Kesimpulan dan Saran
parameter yang Penting
Analisis Model Penentuan Nilai Cut-off

Grade Selesai
Gambar III.1 Flowchart metodologi penelitian (lanjutan)
III-3
3.2.1 Tahap Identifikasi Awal

Tahap identifikasi awal terdiri dari studi pustaka, identifikasi masalah,
perumusan masalah, penetapan tujuan dan manfaat, penentuan batasan masalah dan
asumsi yang digunakan, serta deskripsi sistem riil pada penambangan terbuka.
3.2.1.1 Studi Pustaka
Studi pustaka diperlukan untuk memperdalam materi yang berhubungan
dengan masalah yang dibahas dalam penelitian ini supaya mendapat hasil yang
tepat dan teoritis. Studi pustaka didapatkan melalui berbagai referensi yaitu berupa
buku, jurnal, informasi dari internet, dan lain sebagainya. Studi pustaka yang
digunakan dalam penelitian ini membahas tentang penambangan terbuka, cut-off
grade, penelitian terdahulu, dan posisi penelitian saat ini.
3.2.1.2 Identifikasi Masalah
Identifikasi masalah dilakukan untuk menentukan permasalahan yang
melandasi penelitian ini. Berdasarkan hasil identifikasi awal, diperoleh
permasalahan bahwa perusahaan yang melakukan aktivitas penambangan terbuka
(open pit mining) perlu untuk menentukan nilai cut-off grade sehingga bisa
menghasilkan keuntungan yang maksimum. Selain itu karena berbagai
keterbatasan, perusahaan penambang juga dituntut untuk menentukan/memilih
proyek/lokasi penambangan terbuka.
3.2.1.3 Perumusan Masalah
Berdasarkan uraian latar belakang, rumusan masalah yang dapat diambil
dalam penelitian ini yaitu bagaimana mengintegrasikan model pemilihan
proyek/lokasi pada penambangan terbuka sehingga dapat memaksimumkan total
keuntungan bagi perusahaan yang dinyatakan dengan indikator NPV dan ROI
berdasarkan hasil optimasi model penentuan nilai cut-off grade optimal dengan
mempertimbangkan komponen biaya penambangan, biaya pengelolaan waste,
biaya pemrosesan, biaya tetap, biaya penjualan, biaya reklamasi, dan pendapatan
dari material sisa penambangan penjualan.
III-4
3.2.1.4 Penetapan Tujuan dan Manfaat

Tujuan dan manfaat penelitian ditetapkan agar hasil pelaksanaan
penelitian dapat lebih terarah. Tujuan dari penelitian ini adalah menghasilkan
integrasi model yang dapat digunakan untuk menentukan proyek/lokasi pada
aktivitas penambangan terbuka berdasarkan keuntungan yang dinyatakan dengan
nilai NPV dan ROI, menghasilkan model yang dapat digunakan untuk menentukan
nilai cut-off grade optimal untuk memaksimumkan keuntungan pada suatu
proyek/lokasi tambang, serta mengetahui pengaruh parameter krusial, yang
meliputi harga jual serta nilai bobot NPV dan ROI terhadap keputusan optimal dan
fungsi tujuan yang dihasilkan pada integrasi model pemilihan proyek/lokasi
penambangan.
Manfaat yang diharapkan dari penelitian ini adalah berkontribusi terhadap
keilmuan di bidang pemodelan sistem manufaktur khususnya dalam penentuan cut-
off grade dan pemilihan proyek/lokasi di penambangan terbuks, memberikan
informasi kepada perusahaan yang bergerak di bidang penambangan terbuka agar
dapat menentukan nilai cut-off grade optimal, menghitung durasi/jangka waktu
penyelesaian dan keuntungan yang diperoleh, serta menentukan proyek/lokasi
penambangan yang akan dipilih, serta memberikan informasi mengenai pengaruh
perubahan parameter krusial, yang meliputi harga jual serta nilai bobot NPV dan
ROI kepada perusahaan sehingga bisa dijadikan dasar dalam pengambilan
keputusan.
3.2.1.5 Penentuan Batasan Masalah dan Asumsi yang Digunakan
Penentuan batasan masalah digunakan agar penelitian dapat dilakukan
berdasarkan data yang diperoleh. Sedangkan asumsi digunakan untuk
mempermudah tahapan pengolahan data dan analisis, karena selama penelitian
berlangsung terdapat hal-hal yang tidak bisa dikontrol dan perlu diasumsikan untuk
menyederhanakan masalah.
3.2.1.6 Deskripsi Sistem Riil pada Penambangan Terbuka
Pada tahap ini masalah yang menjadi obyek kajian penelitian
dideskripsikan dengan jelas. Sehingga nantinya deskripsi masalah tersebut akan
membantu peneliti dalam membuat suatu kerangka model penelitian.
III-5
3.2.2 Tahap Pengembangan Model

Secara garis besar tahap pengembangan model terdiri dari dua tahap.
Pengembangan model tahap pertama adalah yang berhubungan dengan
pengembangan model cut-off grade. Sedangkan pengembangan model tahap kedua
berhubungan dengan model pemilihan proyek/lokasi penambangan.
3.2.2.1 Pemodelan Penentuan Nilai Cut-off Grade dan Pemodelan Pemilihan/
Prioritas Lokasi Penambangan
Pada tahap ini dilakukan penentuan fungsi tujuan, parameter terkait,
variabel keputusan, dan fungsi pembatas. Fungsi tujuan yang dibuat pada penelitian
ini adalah maksimasi total keuntungan dan pengembalian yang diterima oleh
perusahaan. Variabel keputusan pada penelitian ini adalah nilai cut-off grade yang
dinyatakan dalam prosentase atau antara nilai 0 sampai 1 dan keterpilihan suatu
proyek/lokasi penambangan terbuka.
3.2.2.2 Validasi Model
Tahap validasi model digunakan untuk mengetahui apakah model yang
telah dibuat sesuai dengan tujuan dan gambaran sistem yang dikaji.
3.2.2.3 Pencarian Solusi Optimal
Pada tahap ini dilakukan langkah-langkah untuk mencari formulasi/model
persamaan yang dapat digunakan untuk menyelesaikan permasalahan yang menjadi
obyek kajian penelitian. Pada penelitian ini, tahap pencarian solusi optimal
dilakukan dengan menggunakan bantuan software Wolfram Mathematica 7.0 dan
Oracle Crystal Ball.
3.2.2.4 Contoh Numerik
Pada tahap ini contoh numerik diberikan untuk memahami penggunaan
model yang telah dibuat ke dalam sistem nyata (real system). Data yang digunakan
pada contoh numerik bisa didapatkan dari studi lapangan secara langsung, data dari
penelitian/artikel peneliti lain, atau bisa juga didapatkan dengan melakukan
computational experiment.
3.2.2.5 Analisis Sensitivitas
Pada tahap ini dilakukan analisis sensitivitas yang dilakukan untuk
mengetahui apakah suatu variabel parameter memberikan pengaruh yang signifikan
terhadap perubahan variabel keputusan dan nilai fungsi tujuan yang diperoleh.
III-6
3.2.3 Tahap Analisis dan Penarikan Kesimpulan

Tahap analisis terdiri dari analisis model yang telah terintegrasi, pembuatan
prosedur penyelesaian solusi, serta pembuatan kesimpulan dan saran.
3.2.3.1 Analisis Model yang Telah Terintegrasi
Pada tahap ini integrasi model penentuan nilai cut-off grade dan pemilihan
lokasi penambangan dianalisis untuk mengetahui pengaruh/implikasi model
terhadap penerapan di sistem riil.
3.2.3.2 Pembuatan Prosedur Penyelesaian Solusi
Pada tahap ini dibuat suatu prosedur penyelesaian solusi atas permasalahan
yang menjadi obyek kajian. Sehingga dengan menggunakan prosedur tersebut,
perusahaan/peneliti lain dapat menggunakan formulasi dari hasil penelitian ini
untuk kemudian diterapkan pada kondisi nyata (real system).
3.2.3.3 Kesimpulan dan Saran
Pada tahap ini dijelaskan beberapa simpulan berdasarkan hasil penelitian
yang telah dilakukan. Selain itu pada tahap ini juga diberikan saran bagi kelanjutan
penelitian yang telah dilakukan.
III-7
BAB IV
HASIL PENELITIAN DAN PEMBAHASAN
Pada bab ini akan dijelaskan mengenai hasil penelitian dan pembahasan yang
terdiri dari influence diagram, pengembangan model penentuan cut-off grade
optimal, pengembangan model pemilihan proyek/lokasi penambangan, prosedur
solusi, dan contoh numerik.
4.1 Influence Diagram
Tujuan dari pembuatan influence diagram adalah untuk memetakan
hubungan dalam suatu sistem, yang di dalamnya terdapat variabel tidak
terkontrol/parameter, variabel keputusan, proses-proses yang terjadi, dan tujuan
(output) yang hendak dicapai. Model yang dikembangkan pada penelitian ini
memiliki output akhir yaitu menghasilkan total keuntungan maksimal bagi
perusahaan penambang yang dinyatakan dengan total Net Present Value (NPV) dan
total Return on Investment (ROI). Namun karena total NPV dan ROI yang
didapatkan perusahaan tergantung dari proyek/lokasi tambang yang dipilih,
sedangkan nilai NPV dan ROI pada tiap proyek/lokasi tambang didapatkan dari
hasil optimasi nilai cut-off grade, maka influence diagram terbagi menjadi dua sub
sistem. Sub sistem pertama mengkaji tentang model penentuan cut-off grade
optimal pada tiap proyek/lokasi penambangan. Sedangkan sub sistem kedua
mengkaji tentang model pemilihan proyek/lokasi penambangan. Influence diagram
dari model yang dikembangkan ditunjukkan pada Gambar IV.1.
Pada model penentuan cut-off grade optimal, tujuan yang hendak dicapai
adalah maksimasi total profit. Dalam hal ini keuntungan yang diterima perusahaan
penambang sangat tergantung pada komponen revenue dan cost yang
dipertimbangkan. Keseluruhan revenue dan cost yang dipertimbangkan pada model
tersebut sangat berkaitan dengan proses bisnis yang ada pada aktivitas
penambangan terbuka. Aktivitas penambangan terbuka dimulai dengan tindakan
penambangan (mining), yaitu mengambil blok-blok material tambang dengan
tingkatan grade tertentu dari suatu proyek/lokasi tambang. Setelah itu blok-blok
material tambang tersebut dibawa ke dalam concentration plant untuk kemudian
dilakukan tindakan pemrosesan (processing/concentrating). Adapun blok-blok
IV-1
material tambang yang tidak diambil selanjutnya didefinisikan sebagai material

waste yang kemudian perusahaan harus melakukan tindakan pengelolaan dan atau
pembuangan terhadap material waste tersebut. Sebagian material waste tersebut
masih memiliki nilai ekonomis yang bisa menjadi sumber pendapatan bagi
perusahaan selain dari penjualan bijih tambang. Bijih tambang yang sudah
dilakukan pemrosesan kemudian siap didistribusikan ke tahap penjualan. Setelah
aktivitas tambang berakhir, maka perusahaan perlu melakukan tindakan reklamasi.
Selain itu selama aktivitas penambangan terbuka dilakukan, tentunya perusahaan
harus mengeluarkan sejumlah biaya tetap dan tidak langsung lainnya. Berdasarkan
proses-proses tersebut, komponen revenue yang dipertimbangkan pada model
penentuan cut-off grade di dalam penelitian ini adalah pendapatan penjualan (sales
revenue) dan pendapatan dari material sisa penambangan (valuable waste materials
revenue). Sedangkan komponen biaya yang dipertimbangkan pada model
penentuan cut-off grade di dalam penelitian ini di antaranya adalah biaya
penambangan (mining cost), biaya pemrosesan (processing/concentrating cost),
biaya pengelolaan/pembuangan material sisa (waste removal/rehabilitation cost),
biaya tahap penjualan (marketing/selling stage cost), biaya reklamasi (reclamation
cost), dan biaya tetap (fixed cost). Pada model penentuan cut-off grade ini, variabel
cut-off grade merupakan satu-satunya variabel keputusan yang ingin dicari.
Pada model pemilihan proyek/lokasi penambangan, tujuan yang hendak
dicapai adalah maksimasi total keuntungan yang dinyatakan dengan nilai NPV dan
ROI. Adapun variabel keputusan yang ingin dicari adalah keterpilihan masing-
masing proyek/lokasi penambangan. Pada model pemilihan proyek/lokasi
penambangan ini, inputan utama yang dibutuhkan berasal dari total profit pada
masing-masing proyek/lokasi penambangan yang merupakan output dari model
penentuan cut-off grade optimal. Total profit yang dihasilkan berdasarkan hasil
optimasi kemudian digunakan untuk menghitung NPV dan ROI pada masing-
masing proyek/lokasi penambangan. Dengan menentukan keterpilihan masing-
masing proyek/lokasi, maka total NPV, total ROI, total NPV terbobot, total ROI
terbobot, total biaya operasional per tahun, dan total investasi kemudian dapat
dihitung. Sehingga dengan demikian, maksimasi total keuntungan yang diterima
perusahaan yang dinyatakan dalam bentuk total NPV dan ROI dapat dilakukan.
IV-2
Cut-off Grade
Ore Tonnage
Waste Removal/
Reclamation Mining Cost Rehabilitation Cost
Cost / ton / ton / ton
Stripping
Valuable Waste
Ratio
Ratio
IV-3
Waste
Reclamation Mining Cost Removal Cost Valuable Waste
Materials Revenue
Cost
Selling Stage / ton
Cost / ton
Valuable Waste
Materials
Selling Stage Revenue
Cost Processing Cost /
ton
Average
Grade of Ore Processing
Cost
Revovery Rate
Indirect & Fixed
Cost
Sales Price / ton

Production Rate
Sales Revenue Total Profit Fixed Cost
Kapasitas Tahap Estimasi

Mining, Processing, Penyelesian NPV Proyek n ROI Proyek n Biaya Investasi
Marketing Proyek (Tahun)
Keterpilihan
Biaya Operasional Total NPV Total ROI
Proyek n
per Tahun
Total Biaya
Operasional per
Tahun
Total Investasi
Bobot ROI
Bobot NPV
Biaya Operasional
Dana Investasi yang
per Tahun yang
Tersedia Tersedia
Total NPV Total NPV dan Total ROI

Terbobot ROI Terbobot
Gambar IV.1 Influence diagram model yang dikembangkan.
IV-3
4.2 Pengembangan Model Penentuan Cut-off Grade Optimal

4.2.1 Fungsi Tujuan dan Variabel Keputusan
Fungsi tujuan di dalam model penentuan cut-off grade optimal adalah
memaksimumkan total keuntungan. Sedangkan satu-satunya variabel keputusan
yang ingin dicari adalah cut-off grade. Adapun komponen-komponen yang
mempengaruhi total keuntungan di dalam model penentuan cut-off grade seperti
yang telah dijelaskan pada influence diagram adalah sales revenue, valuable waste
materials revenue, mining cost, processing/concentrating cost, waste
removal/rehabilitation cost, selling stage cost, reclamation cost, dan fixed cost.
a. Sales Revenue
Sales revenue merupakan komponen pendapatan yang dihasilkan dari hasil
penjualan bijih tambang yang sudah diproses. Pada model ini, komponen sales
revenue yang digunakan berdasarkan model yang telah dikembangkan oleh Gama
(2013). Komponen sales revenue (per satuan ton) dinyatakan dalam notasi T x U x
V atau (TUV), dimana T merupakan rata-rata grade bijih tambang, U merupakan
recovery rate pada tahap pemrosesan, dan V adalah harga jual bijih tambang per
satuan ton.
b. Valuable Waste Materials Revenue
Valuable waste materials revenue merupakan komponen pendapatan yang
dihasilkan dari hasil penjualan material sisa hasil penambangan. Komponen
pendapatan ini muncul karena material sisa hasil penambangan sebagian masih
memiliki nilai jual yang ekonomis. Pada model ini, komponen valuable waste
materials revenue yang digunakan berdasarkan model yang telah dikembangkan
oleh Narrei dan Osanloo (2015). Komponen valuable waste materials revenue (per
satuan ton) dinyatakan dalam notasi I x A x R atau (IAR), dimana I merupakan
valuable waste materials revenue per satuan ton, A merupakan rasio material waste
yang bernilai, dan R merupakan stripping ratio antara waste terhadap material yang
ditambang.
c. Mining Cost
Mining cost merupakan komponen biaya yang dihasilkan dari aktivitas tahap
penambangan. Komponen biaya ini muncul karena aktivitas penambangan terbuka
pada umumnya terdiri dari tiga tahapan utama, yaitu tahap penambangan, tahap
IV-4
pemrosesan, dan tahap penjualan. Pada model ini, komponen mining cost yang
digunakan berdasarkan model yang telah dikembangkan oleh Gama (2013).
Komponen mining cost (per satuan ton) dinyatakan dalam notasi M.
d. Waste Removal/rehabilitation Cost
Waste removal/rehabilitation cost merupakan komponen biaya yang
dihasilkan dari aktivitas pembuangan dan pengelolaan material sisa penambangan.
Blok-blok material yang tidak diambil pada tahap penambangan selanjutnya disebut
sebagai material sisa. Komponen biaya ini muncul karena aktivitas penambangan
terbuka menghasilkan banyak material sisa. Sehingga penanganan terhadap
material sisa penambangan tersebut sangatlah diperlukan. Pada model ini,
komponen waste removal/rehabilitation cost yang digunakan berdasarkan model
yang telah dikembangkan oleh Gama (2013). Komponen waste
removal/rehabilitation cost (per satuan ton) dinyatakan dalam notasi E x R atau
(ER), dimana E merupakan biaya pembuangan/pengelolaan waste per satuan ton,
dan R merupakan stripping ratio antara waste terhadap material yang ditambang.
e. Processing/concentrating Cost
Processing/concentrating cost merupakan komponen biaya yang dihasilkan
dari aktivitas tahap pemrosesan. Tahap pemrosesan dilakukan setelah tahap
penambangan selesai dilakukan. Material tambang yang telah diambil melalui tahap
penambangan kemudian dibawa ke concentration plant untuk kemudian diproses
lebih lanjut. Pada model ini, komponen processing cost yang digunakan
berdasarkan model yang telah dikembangkan oleh Gama (2013). Komponen
processing cost (per satuan ton) dinyatakan dalam notasi B.
f. Selling stage Cost
Selling stage cost merupakan segala biaya yang ada pada tahap penjualan,
setelah material bijih tambang selesai dihasilkan. Komponen biaya ini muncul
karena perusahaan pasti mengeluarkan sejumlah biaya untuk menjual bijih tambang
yang sudah dihasilkan. Pada model ini, komponen selling stage cost yang
digunakan berdasarkan model yang telah dikembangkan oleh Muttaqin dan Rosyidi
(2016). Komponen selling stage cost (per satuan ton) dinyatakan dalam notasi T x
U x S atau (TUS), dimana T merupakan rata-rata grade bijih tambang, U merupakan
IV-5
recovery rate pada tahap pemrosesan, dan S adalah biaya tahap penjualan bijih
tambang per satuan ton.
g. Reclamation Cost
Reclamation cost merupakan komponen biaya yang dihasilkan dari aktivitas
penutupan/reklamasi suatu proyek/lokasi tambang. Komponen biaya ini muncul
karena segera setelah aktivitas penambangan sudah selesai dan tidak memberikan
manfaat yang ekonomis bagi perusahaan lagi, maka perusahaan harus melakukan
tindakan reklamasi. Pada model ini, komponen reclamation cost yang digunakan
berdasarkan model yang telah dikembangkan oleh Narrei dan Osanloo (2015).
Komponen reclamation cost (per satuan ton) dinyatakan dalam notasi C.
h. Fixed Cost
Fixed cost merupakan komponen biaya tetap dan termasuk biaya tidak
langsung lainnya yang melekat pada aktivitas penambangan terbuka. Pada model
ini, komponen fixed cost yang digunakan berdasarkan model yang telah
dikembangkan oleh Gama (2013). Komponen fixed cost dinyatakan dalam notasi
F, sedangkan fixed cost (per satuan ton) dinyatakan dalam notasi F/P, dimana P
adalah jumlah produksi per jam (dalam satuan ton).
Fungsi tujuan pada model penentuan cut-off grade pada penelitian ini
ditunjukkan pada persamaan (IV.1) dengan notasi pada Tabel IV.1.
F
Z = Q [TUV + IAR − (M + ER + B + C + TUS + P)] (IV.1)
Tabel IV.1 Notasi Model Penentuan Cut-off Grade

Notation Penjelasan Satuan
Z Total profit $
Q Ore tonnage/reserve ton
T Rata-rata grade bijih yang ditambang %
Tc Cut-off grade %
Tcm Minimum allowable cut-off grade %
U Recovery rate pada concentration plant %
V Harga jual $/ton
I Valuable waste materials revenue $/ton
A Valuable waste ratio ton/ton
R Waste/ore stripping ratio ton/ton
Rmax Maximum allowable stripping ratio ton/ton
M Biaya penambangan $/ton
E Biaya pengelolaan/pembuangan waste $/ton
IV-6
Tabel IV.1 Notasi Model Penentuan Cut-off Grade (lanjutan)

Notation Penjelasan Satuan
E Biaya pengelolaan/pembuangan waste $/ton
B Biaya pemrosesan $/ton
C Biaya reklamasi $/ton
S Biaya tahap penjualan $/ton
F Fixed cost $
P Hourly production of the mine ton
4.2.2 Validasi Fungsi Tujuan

Untuk mengetahui apakah model fungsi tujuan yang dikembangkan sudah
valid atau tidak, pada tahap ini dilakukan validasi internal. Dengan cara memeriksa
apakah persamaan matematika antara ruas kiri dan ruas kanan sudah
sesuai/konsisten secara dimensional (satuan).
F
Z = Q [TUV + IAR − (M + ER + B + C + TUS + P)] (IV.2)
$ = ton × [(% × % × $/ton + $/ton × ton/ton × ton/ton)

−($/ton + $/ton + $/ton + $/ton + % × % × $/ton + $/ton)]
$ = ton × [ $/ton + $/ton − ($/ton + $/ton + $/ton)]
$ = ton × $/ton
$=$
Berdasarkan hasil validasi fungsi tujuan tersebut, disimpulkan bahwa fungsi
tujuan yang sudah dikembangkan sudah valid secara dimensional. Hal ini terlihat
dari nilai satuan antara ruas kiri (total profit) dan ruas kanan memiliki satuan yang
sama, yaitu $.
4.2.3 Pencarian Solusi Optimal

Sebelum nilai cut-off grade dicari, sangat penting bagi pengambil keputusan
untuk memperhatikan dua kriteria yang dapat menentukan apakah suatu
proyek/lokasi tambang dapat memberikan keuntungan bagi perusahaan
penambang. Dua kriteria tersebut adalah minimum allowable cut-off grade (Tcm)
and maximum allowable stripping ratio (Rmax). Suatu proyek/lokasi tambang dapat
menghasilkan keuntungan apabila rata-rata grade tambang (T) lebih besar daripada
minimum allowable cut-off grade (Tcm) serta stripping ratio (R) lebih rendah
IV-7
daripada maximum allowable stripping ratio (Rmax). Dua kriteria tersebut dapat
dicari berdasarkan titik ekstrim dari dua variabel, yaitu: average grade of ore (T)
dan stripping ratio (R) yang mengakibatkan fungsi total profit pada persamaan
(IV.1) menjadi nol.
Fungsi minimum allowable cut-off grade dan maximum allowable stripping
ratio ditunjukkan pada persamaan (IV.3) dan persamaan (IV.4).
F
0 = TUV + IAR − (M + ER + B + C + TUS + )
P
F
TUV − TUS = (−IAR + M + ER + B + C + )
P
F
T(UV − US) = (−IAR + M + ER + B + C + )
P
F
−IAR + M + ER + B + C +
P
Tcm = (IV.3)
UV−US
F
0 = TUV + IAR − (M + ER + B + C + TUS + )
P
F
ER − IA = TUV − (M + B + C + TUS + )
P
F
R(E − IA) = TUV − (M + B + C + TUS + )
P
F
TUV−M−B−C−TUS−
P
Rmax = (IV.4)
E−IA
Selanjutnya untuk membangun/menghasilkan formula cut-off grade optimal,

dibutuhkan langkah-langkah sebagai berikut:
1. Tentukan bahwa hubungan antara cut-off grade (Tc) terhadap ore tonnage
(Q), stripping ratio (R), dan average grade of ore (T) adalah linier dan dapat
dijelaskan melalui persamaan matematik (Gama 2013).
2. Substitusikan ketiga persamaan linier tersebut ke dalam setiap variabel Q, R,
dan T pada fungsi total profit persamaan (IV.1) yang kemudian akan
membentuk fungsi total profit baru yang baru.
3. Lakukan derivasi/penurunan pertama pada fungsi total profit baru terhadap
variabel Tc.
IV-8
4. Selesaikan/pecahkan hasil persamaan turunan pertama tersebut untuk

menghasilkan formula/persamaan cut-off grade optimal.
Berdasarkan Gama (2013), hubungan antara cut-off grade (Tc) terhadap ore
tonnage (Q), stripping ratio (R), dan average grade of ore (T) adalah linier dan
dapat dijelaskan melalui persamaan matematik, seperti yang ditunjukkan pada
persamaan (IV.5) sampai persamaan (IV.7).
Q = a0 + a1Tc (IV.5)
R = b0 + b1Tc (IV.6)
T = c0 + c1Tc (IV.7)
Gambar IV.2 Hubungan antara cut-off grade terhadap tonnase material tambang
yang diambil, tonnase material waste, dan stripping ratio
Sumber: Gama (2013)
Berdasarkan Gambar IV.2, terlihat bahwa semakin besar cut-off grade (Tc)
yang dipilih, maka tonnase material tambang (Q) akan semakin berkurang. Di sisi
lain, apabila cut-off grade (Tc) semakin besar, maka tonnase material sisa dan nilai
stripping ratio (R) (perbandingan antara tonnase waste dan tonnase material
tambang yang diambil) juga akan semakin besar. Hubungan tersebut juga berlaku
terhadap rata-rata kualitas bijih tambang (T) yang dihasilkan. Semakin besar cut-off
grade (Tc) yang dipilih, maka rata-rata kualitas bijih tambang (T) yang dihasilkan
akan semakin meningkat. Sebagai contoh apabila perusahaan menetapkan nilai cut-
off grade sebesar 30%, maka blok-blok material dengan grade 30% sampai 100%
IV-9
akan diambil (yang selanjutnya didefinisikan sebagai tonnase material yang

ditambang (Q)), dan blok-blok material dengan grade 0% sampai 30% akan
dibuang (yang selanjutnya didefinisikan sebagai material waste). Sehingga
otomatis rata-rata grade bijih tambang yang dihasilkan juga akan bervariasi dengan
rentang 30%-100%. Dengan demikian besarnya nilai Q, R, dan T tentu akan sejalan
terhadap besarnya nilai cut-off grade yang ditetapkan. Apabila perusahaan
menetapkan nilai cut-off grade sebesar 80%, maka blok-blok material dengan grade
80% sampai 100% saja yang akan diambil, sedangkan sisanya akan didefinisikan
sebagai material waste. Konsep-konsep inilah yang kemudian mendasari bahwa
hubungan antara cut-off grade (Tc) terhadap ore tonnage (Q), stripping ratio (R),
dan average grade of ore (T) dapat dirumuskan secara linier.
Ketiga persamaan (IV.5 – IV. 7) kemudian disubstitusi ke dalam fungsi total
profit pada persamaan (IV.1) yang kemudian akan membentuk fungsi total profit
baru yang ditunjukkan pada persamaan (IV.8).
Z = (a0 + a1 Tc ) ((c0 + c1 Tc )UV + (b0 + b1 Tc )IA − (M + (b0 +
F
b1 Tc )E + B+ C + (c0 + c1 Tc )US + P)) (IV.8)
Dengan menurunkan persamaan (IV.8) terhadap Tc dan

menyelesaikan/memecahkan persamaan tersebut dengan menggunakan bantuan
software Wolfram Mathematica 7.0, maka dihasilkan formula optimal cut-off grade
yang ditunjukkan pada persamaan (IV.10).
F
Z' = (a0 + a1 Tc )(−b1 E + b1 A − c1 SU + c1 UV)+ a1 (−B − C − M − P −
AI(−b0 − b1 Tc ) − (E(b0 + b1 Tc ) − S(c0 + c1 Tc )U + (c0 + c1 Tc )UV) (IV.9)
F
0 = (a0 + a1 Tc )(−b1 E + b1 A − c1 SU + c1 UV)+ a1 (−B − C − M − P −
AI(−b0 − b1 Tc ) − (E(b0 + b1 Tc ) − S(c0 + c1 Tc )U + (c0 + c1 Tc )UV)
(a0 P(b1 (−E + AI) + c1 U(V − S)) − a1 (F + P(B + C + b0 E − b0 AI + M + c0SU − c0 UV)))

Tc =
(2a1 P(b1 (E − AI) + c1 U(S − V)))
(IV.10)
IV-10
4.2.4 Validasi Model Penentuan Cut-off Grade Optimal

Validasi model pada tahap ini diperlukan untuk mengetahui apakah variabel
optimal cut-off grade (Tc) benar-benar memberikan pengaruh konkaf terhadap
fungsi tujuan total profit (Z). Validasi dilakukan dengan cara memeriksa hasil
turunan kedua fungsi total profit pada persamaan (IV.8) terhadap variabel optimal
cut-off grade (Tc). Apabila ternyata turunan kedua fungsi Z menghasilkan nilai
negatif (kurang dari 0), maka model penentuan optimal cut-off grade yang
ditunjukkan pada persamaan (IV.8) dianggap valid. Hasil turunan kedua fungsi total
profit ditunjukkan pada persamaan (IV.11).
Z = (a0 + a1 Tc ) ((c0 + c1 Tc )UV + (b0 + b1 Tc )IA − (M + (b0 +
F
b1 Tc )E + B+ C + (c0 + c1 Tc )US + P)) (IV.8)
F
Z' = (a0 + a1 Tc )(−b1 E + b1 A − c1 SU + c1 UV)+ a1 (−B − C − M − P −
IA(−b0 − b1 Tc ) − (E(b0 + b1 Tc ) − S(c0 + c1 Tc )U + (c0 + c1 Tc )UV) (IV.9)
Z'' = 2 a1 (−b1 E + b1 IA − c1 SU + c1 UV)

Z'' = 2 a1 (b1 (IA − E) + c1 U (V − S)) (IV.11)
Berdasarkan persamaan (IV.11) terlihat bahwa turunan kedua persamaan total
profit (Z’’) akan selalu bernilai negatif. Hal ini dikarenakan a1, yang merupakan
nilai koefisien pada persamaan linier antara cut-off grade (Tc) dan ore tonnage (Q)
selalu bernilai negatif. Semakin besar nilai cut-off grade, maka ore tonnage akan
semakin kecil. Sedangkan b1 dan c1 yang merupakan nilai koefisien pada persamaan
linier antara cut-off grade (Tc) dengan stripping ratio (R) dan rata-rata grade (T)
selalu bernilai positif. Semakin besar nilai cut-off grade, maka stripping ratio dan
rata-rata grade bijih tambang yang dihasilkan juga akan semakin besar. Di sisi lain
harga jual material sisa yang masih bernilai (I) selalu lebih besar dibandingkan
biaya pengelolaan material sisa (E). Apabila harga jual material sisa yang masih
bernilai (I) dikalikan dengan rasio material sisa yang masih bernilai (A), maka
selisih antara nilai jual material sisa yang bernilai (IA) dan (E) tidak akan terlalu
besar. Bisa jadi IA akan bernilai posifif ataupun negatif namun tidak akan jauh dari
nilai 0. Di samping itu, harga jual tambang (V) selalu lebih besar dibandingkan
biaya pada tahap penjualan (S). Sehingga nilai U(V–S) akan selalu bernilai positif
IV-11
karena nilai U yang merupakan recovery rate pada tahap processing mempunyai
rentang nilai antara nol sampai satu (0 – 1). Oleh karena itu selama hal-hal tersebut
dapat dijamin berdasarkan data parameter yang ada, maka dapat dipastikan turunan
kedua nilai Z’’ akan memberikan nilai negatif. Oleh karena itu perubahan nilai
variabel keputusan optimal cut-off grade akan memberikan pengaruh konkaf
terhadap total profit. Berdasarkan analisis-analisis tersebut, dapat disimpulkan
bahwa model penentuan cut-off grade pada persamaan (IV.10) sudah valid karena
menjamin adanya solusi maksimal global.
4.3 Pengembangan Model Pemilihan Proyek/Lokasi Penambangan

Pada model pemilihan proyek/lokasi penambangan ini, diasumsikan bahwa
terdapat beberapa alternatif proyek/lokasi yang tersedia. Karena perusahaan
penambang memiliki batasan dalam hal biaya investasi dan dana operasional,
perusahaan penambang harus menentukan proyek/lokasi mana saja yang dipilih
untuk dilakukan aktivitas penambangan. Dalam hal ini perusahaan penambang
harus memilih proyek/lokasi tertentu berdasarkan performansi finansial yang
dinyatakan dalam NPV dan ROI dari masing-masing alternatif proyek/lokasi
tambang. Indikator NPV dan ROI dipilih karena kedua indikator tersebut
merupakan dua indikator yang umumnya digunakan untuk menganalisis potensi
finansial dari suatu proyek investasi (Kremmel, dkk.). Indikator NPV menunjukkan
efektivitas dari suatu investasi proyek. Indikator NPV digunakan karena indikator
tersebut bisa digunakan untuk menunjukkan perbedaan antara besarnya
keuntungan/manfaat yang dihasilkan dan besarnya biaya yang dikeluarkan dengan
mempertimbangkan nilai suku bunga (discount rate). Sedangkan ROI
menunjukkan efisiensi dari suatu investasi proyek. Indikator ROI digunakan karena
indikator tersebut menggambarkan profitabilitas dari suatu investasi yang
dinyatakan dalam bentuk tingkat pengembalian dari keuntungan yang dihasilkan
terhadap investasi yang telah dikeluarkan (Erményi, 2015). Oleh karena itu
indikator dua indikator tersebut (NPV dan ROI) digunakan sebagai tujuan dalam
model pemilihan proyek/lokasi penambangan ini karena tiap proyek bisa saja
memiliki NPV yang lebih besar namun dengan ROI yang lebih kecil daripada
proyek yang lain atau sebaliknya. Sehingga satu-satunya variabel keputusan pada
IV-12
model ini adalah berupa keterpilihan suatu proyek/lokasi penambangan yang

dinyatakan dengan bilangan biner dan metode optimisasi multi obyektif dibutuhkan
karena terdapat dua indikator fungsi tujuan.
Karena nilai NPV dan ROI merupakan dua indikator dengan satuan yang
berbeda, maka perlu dilakukan proses transformasi (Marler dan Arora, 2004). Hasil
perkalian nilai indikator setelah ditransformasi dengan masing-masing bobot
indikator yang telah ditentukan kemudian menghasilkan suatu nilai agregat NPV
dan ROI yang disimbolkan dengan notasi U. Sehingga perusahaan penambang
untuk dapat menghasilkan keuntungan maksimum (melalui indikator NPV dan
ROI) dalam hal ini harus mencari nilai U yang paling maksimum melalui kombinasi
proyek/lokasi yang terpilih.
Dalam mengembangkan fungsi tujuan pada model pemilihan proyek/lokasi
penambangan ini, digunakan metode optimasi multi obyektif (multi-objective
optimization) dengan pendekatan penjumlahan terbobot (weighted sum method).
Tujuan utama dari penggunaan pendekatan tersebut adalah untuk memperoleh satu
dimensi nilai yang dapat mempresentasikan dan mengkompromikan antara dua
indikator dalam penelitian ini (NPV dan ROI). Metode tersebut merupakan salah
satu metode optimasi multi obyektif yang umum digunakan apabila masing-masing
indikator dimungkinkan memiliki derajat/nilai kepentingan yang berbeda (Marler
dan Arora, 2004). Adapun nilai kepentingan masing-masing indikator sangatlah
bergantung pada preferensi dari pengambil keputusan (decision makers).
Berkaitan dengan penentuan fungsi tujuan dalam model pemilihan
proyek/lokasi penambangan yang dikembangkan, metode weighted sum bisa
digunakan bahkan dalam kondisi dimana indikator yang digunakan adalah berupa
atribut-atribut atau performansi ekonomi (NPV, ROI, PBP, IRR, dan sebagainya).
Salah satu penelitian yang membahas tentang penggunaan metode weighted sum
dalam pembangunan fungsi tujuan dalam bidang pemilihan proyek berdasarkan
indikator-indikator ekonomi diantaranya dilakukan oleh Rosenzweig dan Volarević
(2010). Dalam membangun fungsi tujuan, Rosenzweig dan Volarević (2010)
menggabungkan tiga indikator ekonomi yaitu NPV, PBP, dan ROI. Karena masing-
masing indikator memiliki besaran (dimensi satuan) yang berbeda, maka setiap
indikator diubah ke dalam satu besaran nilai berdasarkan penskoran yang dilakukan
IV-13
oleh pengambil keputusan. Dalam penelitian tersebut, pengambil keputusan juga

berperan dalam menentukan bobot pada masing-masing indikator. Hasil skor yang
sudah dikalikan dengan masing-masing bobot kemudian diagregasi dengan operasi
penjumlahan. Sehingga didapatkan satu dimensi nilai fungsi global yang
mempresentasikan ketiga indikator yang kemudian dijadikan dasar dalam
menentukan prioritas masing-masing alternatif proyek. Melalui pendekatan yang
hampir sama, penelitian ini juga menggunakan pendekatan weighted sum seperti
yang telah dilakukan oleh Rosenzweig dan Volarević (2010). Namun, pada
penelitian ini pengubahan dimensi nilai dilakukan dengan cara transformasi
menggunakan fungsi normalisasi (Koski, 1987). Dengan metode tersebut, maka
masing-masing indikator akan memiliki rentang nilai dari 0 sampai 1. Alasan dari
penggunaan metode transformasi melalui fungsi nomalisasi tersebut adalah untuk
mengurangi subyektivitas dari pengambil keputusan. Dengan mentransformasikan
nilai melalui fungsi nomalisasi, maka besaran nilai yang didapatkan di dalam fungsi
tujuan akan lebih obyektif dan lebih proporsional terhadap nilai riil masing-masing
indikator.
Fungsi tujuan untuk model pemilihan proyek/lokasi penambangan
ditunjukkan pada persamaan (IV.12), sedangkan batasan-batasan model pemilihan
proyek/lokasi penambangan ditunjukkan pada persamaan (IV.17), (IV.18), (IV.19),
dan (IV.20).
Maximize:
U = wN FNtrans
i + wY FYtrans
i (IV.12)
Dengan:
FNi − FNoi
FNtrans
i = (IV.13)
FNmax
i − FNoi
FYi − FYoi
FYtrans
i = (IV.14)
FYmax
i − FYoi
j
FNi = ∑1 Nj Xj (IV.15)
j
∑1 Nj Xj
FYi = j (IV.16)
∑1 Lj Xj
IV-14
Batasan-batasan:
∑j1 Lj Xj ≤ LM (IV.17)
∑j1 Wj Xj ≤ WM (IV.18)
Nj ≥ 0 (IV.19)
Yj ≥ 0 (IV.20)
Xj = 0, 1
i : Jumlah alternatif (i = 2j)

j : Index proyek/lokasi penambangan
Nj : NPV untuk setiap proyek/lokasi penambangan j ($)
Yj : ROI untuk setiap proyek/lokasi penambangan j (%)
Xj : Variabel keputusan biner untuk setiap keterpilihan proyek/lokasi
penambangan j (0 atau 1)
wN; wY : Bobot NPV dan Bobot ROI
Lj : Biaya investasi untuk setiap proyek/lokasi penambangan j ($)
Wj : Biaya operasional tahunan untuk setiap proyek/lokasi
penambangan j ($)
LM : Dana investasi yang tersedia ($)
WM : Dana operasional investasi yang tersedia ($)
Berdasarkan fungsi tujuan yang telah dibangun pada persamaan (IV.12), nilai
bobot indikator NPV dan ROI dijadikan sebagai parameter input yang besarnya
ditentukan secara subyektif oleh pengambil keputusan pada perusahaan. Untuk
membantu pengambil keputusan dalam menentukan bobot, berbagai peneliti telah
banyak mengembangkan beberapa metode, misalnya melalui metode direct rating,
point allocation, eigenvector, linear programming, serta goal programming (Fu,
dkk., 2017). Pada penelitian ini, model pemilihan proyek/lokasi penambangan yang
dikembangkan sebenarnya memberikan kebebasan bagi para pengambil keputusan
untuk menentukan metode penilaian bobot indikator. Sebagai contoh, penilaian
bobot indikator NPV dan ROI bisa dilakukan dengan mengadaptasi metode
eigenvector yang telah dikembangkan oleh Saaty (1977) dan Takeda, dkk. (1987).
IV-15
Metode eigenvector yang telah banyak digunakan sebagai dasar dalam metode
Analytic Hierarchy Process (AHP) tersebut memiliki keunggulan dalam
menghasilkan keputusan yang presisi dan dapat memperhatikan nilai konsistensi
(Saaty, 2008). Dasar dari metode eigenvector adalah penggunaan pair-wise
comparison matrix untuk membandingkan prioritas kepentingan masing-masing
indikator. Metode eigenvector tersebut menghasilkan rentang nilai bobot antara nol
sampai satu. Ilustrasi metode penentuan nilai bobot NPV dan ROI menggunakan
metode eigenvector ditunjukkan pada Gambar IV.3.
Keterangan:
1 = Sama penting 7 = Sangat penting
3 = Sedikit lebih penting 9 = Ekstrim penting
5 = Cukup penting 2,4,6,8 = Kompromi
Pair-wise scoring Pair-wise scoring Pair-wise scoring

DM 1 DM 2 DM 3
NPV ROI NPV ROI NPV ROI
NPV
1 1/ 3 NPV
 1 3 NPV
 1 7
3 1  1/ 3 1 1/ 7 1
ROI
  ROI
  ROI
 
Average Score
NPV ROI
NPV
 1 3,44
1,16 1 
ROI
 
Normalized Score
NPV ROI
NPV
0,46 0,78
0,54 0,22
ROI
 
Weight Index
NPV
0,62
0,38
ROI
 
Gambar IV.3 Ilustrasi metode/langkah penentuan bobot NPV dan ROI
Apabila terdapat lebih dari satu pengambil keputusan (decision makers),

masing-masing pengambil keputusan memberikan penilaian menggunakan pair-
IV-16
wise comparison matrix berdasarkan prioritas kepentingan masing-masing

indikator. Nilai skor kepentingan antara satu indikator terhadap indikator lain
ditunjukkan dengan skala 1 sampai 9. Nilai skor yang diberikan pada tiap
pengambil keputusan kemudian diagregasi (dirata-rata) dan dilakukan normalisasi.
Dengan normalisasi tersebut, maka bobot indikator NPV dan ROI akan memiliki
rentang nilai antara 0 sampai 1.
Pada model pemilihan proyek/lokasi penambangan ini, setidaknya terdapat
empat fungsi pembatas. Fungsi pembatas pertama pada persamaan (IV.17)
menunjukkan perusahaan penambang mempunyai keterbatasan dana investasi yang
harus dikeluarkan pada saat proyek dibuka. Fungsi pembatas kedua pada persamaan
(IV.18) menunjukkan perusahaan penambang mempunyai keterbatasan dana per
tahun yang digunakan untuk membiayai aktivitas penambangan pada masing-
masing proyek. Sedangkan fungsi pembatas ketiga pada persamaan (IV.19) dan
keempat pada persamaan (IV.20) menunjukkan bahwa proyek/lokasi dengan nilai
NPV dan ROI yang negatif tidak boleh dipilih.
4.4 Prosedur Solusi

Prosedur solusi model pada penelitian ini terbagi menjadi tiga tahapan utama:
pertama, menentukan nilai optimal cut-off grade; kedua, menentukan nilai NPV dan
ROI; dan ketiga, memilih proyek/lokasi tambang. Diagram prosedur solusi model
pada penelitian ini ditunjukkan pada Gambar IV.4.
Langkah 1 : Untuk setiap proyek/lokasi tambang (j), tentukan nilai
optimal cut-off grade (Tc) yang memaksimumkan total
profit (Z).
Langkah 1a : Kumpulkan data inputan utama dalam model penentuan
cut-off grade (mining grade distribution dan economic
parameters)
Langkah 1b : Jika diperlukan, cek kelayakan proyek/lokasi tambang
dengan menggunakan indikator minimum allowable cut-
off grade (Tcm) dan maximum allowable stripping ratio
(Rmax) pada persamaan (IV.3) dan persamaan (IV.4)
IV-17
Langkah 1c : Hitung nilai koefisien regresi untuk variabel Q, R, dan T

menggunakan persamaan (IV.5), (IV.6), dan (IV.7)
Langkah 1d : Tentukan nilai optimal cut-off grade menggunakan
persamaan (IV.10), kemudian hitung total profit yang
dihasilkan dengan menggunakan persamaan (IV.8)
Langkah 2 : Untuk setiap proyek/lokasi tambang (j), tentukan nilai
NPV (Nj) dan ROI (Yj).
Langkah 2a : Tentukan tahapan penambangan yang menjadi pembatas
dengan menggunakan data batasan kapasitas untuk
setiap tahapan penambangan, estimasikan durasi
penyelesaian proyek penambangan
Langkah 2b : Dengan menambahkan biaya investasi, hitung nilai NPV
(Nj) dan ROI (Yj) masing-masing menggunakan
persamaan (IV.21) dan (IV.22)
C C C
NPV = –Co + 1+r1 + (1+r)
2 t
2 +… (1+r)t (IV.21)
NPV
ROI = (IV.22)
Investment
Langkah 3 : Pilih kombinasi keputusan penerimaan untuk semua

proyek/lokasi penambangan (Xj) yang memaksimumkan
nilai U.
Langkah 3a : Tentukan batasan-batasan dengan menetapkan dana
investasi yang tersedia (LM) dan dana operasional
tahunan yang tersedia (WM). Biaya operasional tahunan
untuk setiap proyek/lokasi tambang dapat dihitung
menggunakan persamaan (IV.23)
(a0 +a1 Tc )[M+(b0 +b1 Tc )E+B+C+(c0 +c1 Tc )US+F/P]
AC=
t
(IV.23)
Langkah 3b : Tentukan bobot untuk NPV (wN) dan ROI (wY).
Langkah 3c : Tentukan kombinasi nilai Xj yang memaksimumkan
nilai U dan sesuai dengan batasan-batasan pada
persamaan (IV.17) sampai persamaan (IV.20)
IV-18
Mulai
Untuk setiap j
j = 1, 2, …, n
Pengumpulan data mining

grade distribution dan
economic parameters
untuk setiap proyek j
Hitung Tcm(j) dan

Rmax(j)
Tidak Proyek j layak

dilakukan?
Ya
Hitung nilai koefisien
regresi untuk variabel
Q(j), R(j), dan T(j)
Hitung nilai optimal

Tc(j) yang
memaksimalkan Z(j)
Optimal Tc(j)
dan Z(j)
Tentukan durasi Pengumpulan data

penyelesaian proyek kapasitas dan biaya
dari data kapasitas investasi untuk
proyek j setiap proyek j
Hitung nilai Nj dan Yj
Nj dan Yj
Semua Nj
Tidak
dan Yj diperoleh
j+1
j=n
Ya
Tentukan wN dan wY
Pengumpulan data
dana investasi dan
Tentukan Xj yang
biaya operasional per
tahun yang tersedia memaksimalkan U
(LM dan WM)
Xj untuk setiap
j
Selesai
Gambar IV.4 Diagram prosedur solusi.
IV-19
4.5 Contoh Numerik dan Analisis Sensitivitas

Pada penelitian ini disajikan satu contoh numerikal untuk mengilustrasikan
penggunaan model integrasi penentuan cut-off grade dan pemilihan proyek/lokasi
yang telah dikembangkan. Diketahui sebuah perusahaan yang bergerak di bidang
penambangan terbuka (open pit mining) dengan keterbatasan finansial ingin
melakukan eksplorasi terhadap lima lokasi pertambangan bijih besi (iron ore) (P1-
P5). Untuk dapat menghasilkan keuntungan yang maksimum, perusahaan harus
menentukan lokasi tambang mana saja yang akan dipilih berdasarkan indikator Net
Present Value (NPV) dan Return on Investment (ROI).
Dalam kasus ini perusahaan penambang berdasarkan preliminary study di
lapangan telah mendapatkan data distribusi grade tambang pada tiap-tiap
proyek/lokasi tambang yang ada (Tabel IV.2). Selain itu data parameter ekonomi
dan inputan variabel-variabel lain juga telah diketahui (Tabel IV.3). Untuk
menyelesaikan permasalahan ini, perusahaan penambang terlebih dahulu harus
menghitung nilai cut-off grade optimal beserta nilai NPV dan ROI dari setiap
proyek/lokasi penambangan dengan model penentuan cut-off grade yang telah
dikembangkan. Setelah itu, berdasarkan nilai NPV dan ROI yang telah diperoleh
dan dengan memasukkan batasan-batasan yang ada, maka perusahaan penambang
dapat menentukan proyek/lokasi tambang mana saja yang akan dipilih.
Tabel IV.2 Data Cadangan Bijih Besi untuk Setiap Proyek/Lokasi Penambangan
Cut-off Waste Average Fe
Proyek/ Ore Tonnage/ Stripping
Grade Tonnage Grade of Tonnage
Lokasi Reserves (ton) Ratio
(% Fe) (ton) Ore (% Fe) (ton)
30% 95.654.250 - 0 39,55% 37.831.256
35% 81.579.000 14.075.250 0,173 40,77% 33.259.758
1
40% 50.843.250 44.811.000 0,881 42,52% 21.618.550
45% 5.266.250 90.388.000 - 46,32% 2.439.327
20% 45.233.750 - 0 33,24% 15.035.699
25% 43.125.000 2.108.750 0,049 34,16% 14.731.500
2
30% 23.843.250 21.390.500 0,897 35,76% 8.526.346
35% 6.267.250 38.966.500 - 37,87% 2.373.408
35% 137.233.750 - 0 43,74% 60.026.042
40% 112.325.000 24.908.750 0,222 45,24% 50.815.830
3
45% 68.723.280 68.510.470 0,997 47,28% 32.492.367
50% 9.268.250 127.965.500 - 53,01% 4.913.099
IV-20
Tabel IV.2 Data Cadangan Bijih Besi untuk Setiap Proyek/Lokasi Penambangan
(lanjutan)
Cut-off Waste Average Fe
Proyek/ Ore Tonnage/ Stripping
Grade Tonnage Grade of Tonnage
Lokasi Reserves (ton) Ratio
(% Fe) (ton) Ore (% Fe) (ton)
55% 27.256.750 - 0 44,56% 12.145.608
60% 24.731.580 2.525.170 0,102 48,75% 12.056.645
4
65% 14.336.230 12.920.520 0,901 49,31% 7.069.195
70% 3.268.250 23.988.500 - 53,02% 1.732.826
30% 17.654.150 - 0 33,21% 5.862.943
35% 15.887.550 1.766.600 0,111 34,61% 5.498.681
5
40% 9.507.600 8.146.550 0,857 35,13% 3.340.020
45% 3.462.500 14.191.650 - 36,68% 1.270.045
Tabel IV.3 Data Parameter Ekonomi dan Inputan Variabel-variabel Lain

Variabel Simbol Satuan Nilai
125 (untuk bijih besi dengan
Harga jual V $/ton kandungan/konsentrat 65%
Fe)
Recovery rate U % 0,75
Biaya penambangan M $/ton 2,78
Biaya pembuangan/
E $/ton 4,15
pengelolaan waste
Biaya pemrosesan B $/ton 16,55
Biaya tahap penjualan S $/ton 12
Fixed cost/hourly production F/P $/ton 19,86
Valuable material/waste ratio A % 0,25
Valuable waste materials revenue I $/ton 13
Biaya reklamasi C $/ton 3
4.5.1 Penentuan Optimal Cut-off Grade

Untuk dapat menentukan nilai cut-off grade optimal dari masing-masing
proyek/lokasi penambangan, dibutuhkan inputan data distribusi tambang pada
Tabel IV.2 dan data parameter ekonomi dan inputan variabel-variabel lain pada
Tabel IV.3. Langkah pertama untuk mencari nilai optimal cut-off grade adalah
menentukan profitabilitas proyek/lokasi melalui nilai minimum allowable cut-off
grade dan maximum allowable stripping ratio menggunakan persamaan (IV.3) dan
persamaan (IV.4). Setelah itu koefisien regresi untuk variabel Q, R, dan T pada
persamaan (IV.5), persamaan (IV.6), dan persamaan (IV.7) dicari dengan
IV-21
menggunakan bantuan software statistik. Akhirnya, dengan menggunakan

persamaan (IV.10) dan persamaan (IV.8), nilai cut-off grade optimal dan total profit
untuk setiap proyek/lokasi penambangan dapat ditentukan.
Sebagai contoh, untuk proyek/lokasi ke-2 (P2), dengan menggunakan
persamaan (IV.3), diketahui minimum allowable cut-off grade adalah sebesar
31.20%. Oleh karena average grade of iron ore untuk minimum stripping ratio (R
= 0) berada di atas minimum allowable cut-off grade (33.24% > 31.20%), maka
aktivitas tambang cukup layak dan menguntungkan untuk dilakukan. Kemudian
berdasarkan hasil perhitungan koefisien regresi yang disajikan pada Tabel IV.4,
diperoleh kesimpulan bahwa koefisien regresi untuk ketiga variabel (Q, R, dan T)
cukup sesuai (fit) untuk digunakan sebagai inputan model penentuan cut-off grade.
Tabel IV.4 Perhitungan Koefisien Regresi untuk Variabel Q, R, dan T pada

Proyek/Lokasi P2
Cut-off Grade Ore Reserves Stripping Average Grade of Ore
(% Fe) (ton) Ratio (% Fe)
20% 45.233.750 0 33,24%
25% 43.125.000 0,049 34,16%
30% 23.843.250 0,897 35,76%
35% 6.267.250 - 37,87%
1st coefficient 104.517.000 -1,927 0,267
2nd coefficient -272.362.500 8,971 0,309
R2 92,30% 79,10% 97,10%
Dengan menggunakan nilai koefisien untuk ketiga variabel tersebut, data

distribusi tambang, dan data parameter ekonomi dan inputan variabel lain, maka
optimal cut-off grade dan total profit untuk proyek/lokasi P2 dapat dihitung.
Hasilnya, optimal cut-off grade untuk P2 adalah sebesar 25,54% dengan total profit
yang dihasilkan adalah sebesar $ 151.710.259.
(a0 P(b1 (−E + AI) + c1 U(V − S)) − a1 (F + P(B + C + b0 E − b0 AI + M + c0SU − c0 UV)))

Tc =
(2a1 P(b1 (E − AI) + c1 U(S − V)))
IV-22
(104.517.000×100× (8,971×(-4,15 + 0,25×13)+ 0,309×0,75×(100⁄65 ×125-12)) -
(-272.362.500)× (1986 + 100×(16,55 + 3+(-1,927)×4,15-
(-1,927)×0,25×13+ 2,78 + 0,267×12×0,75-0,267×0,75× 100⁄65 ×125)))

𝐴
Tc =
(2×(-272.362.500)×100× (8,971×(4,15-0,25×13)+0,309×0,75×(12- 100⁄65 ×12)))
Tc = 25,54%
Z = (a0 + a1 Tc ) ((c0 + c1 Tc )UV + (b0 + b1 Tc )IA − (M + (b0 + b1 Tc )E + B+ C +
F
(c0 + c1 Tc )US + ))
P
Z = (104.517.000+(−272.362.500)× 25,54%)× ((0,267 +0,309×25,54% +
(−1,927 + 8,971×25,54%)×13×0,25)×0,75 × 100⁄65 ×12 − (2,78 +

(−1,927 + 8,971×25,54%)×4,15 + 16,55+3+ (0,267 +0,309×25,54%) + 3 +
(0,267 +0,309×25,54%)×0,75×12+19,86))
Z = $ 151.710.259
Dengan menggunakan contoh numerik yang telah dilakukan, analisis

sensitivitas dapat dilakukan. Tujuan utama dari analisis sensitivitas adalah pertama,
untuk mengetahui perubahan nilai solusi optimal (variabel keputusan) terhadap
perubahan input parameter; serta kedua, untuk mengetahui keuntungan (benefit)
atau kerugian (loss) yang ditimbulkan akibat kesalahan (error) nilai input
parameter. Error tersebut bisa disebabkan oleh dua hal, yaitu akibat ketidakpastian
(uncertainty) atau akibat kesalahan dalam memberikan nilai inputan. Jika setelah
nilai input parameter diubah, namun nilai solusi optimal yang dihasilkan tidak
sensitif (tidak berubah secara signifikan), maka model dapat dikatakan robust.
Dengan model yang robust, maka pengambil keputusan dapat lebih percaya diri
dalam mengambil keputusan. Di sisi lain, apabila nilai solusi optimal yang
dihasilkan sensitif terhadap perubahan input parameter, maka pengestimasian nilai
IV-23
input parameter harus lebih dilakukan dengan hati-hati dan akurat (Daellenbach dan
McNickle, 2005).
Pada model penentuan cut-off grade optimal ini, analisis sensitivitas sangat
penting dikarenakan pada sistem nyata, selalu terjadi ketidakpastian misalnya
dalam perubahan besarnya biaya dan harga jual dari bijih tambang (ore) yang
dihasilkan (Lèbre dan Corder, 2015). Sebagai contoh, pada contoh numerik ini
analisis sensitivitas dilakukan dengan menambah dan mengurangi nilai harga jual
(sales price) sebesar 5% dan 10% dari nilai awal. Hasil analisis sensitivitas untuk
sales price terhadap nilai optimal cut-off grade dan total profit disajikan pada Tabel
IV.5. dan Gambar IV.5.
Tabel IV.5 Hasil Analisis Sensitivitas Harga Jual Terhadap Optimal Cut-off
Grade dan Total Profit
Perubahan
Cut-off Perubahan
Harga Jual dari Harga Jual Total Profit
No. Grade Total Profit
Nilai Awal ($/ton) ($)
(%) (%)
(%)
Tc1 −10% 112,50 33,07% $ 22.431.090 −85,21%
Tc2 −5% 118,75 29,04% $ 74.916.021 −50,62%
Tc3 0% 125 25,54% $ 151.710.259 0%
Tc4 5% 131,25 22,46% $ 248.294.817 63,66%
Tc5 10% 137,50 19,76% $ 361.205.432 138,09%
Gambar IV.5 Pengaruh perubahan harga jual terhadap optimal cut-off

grade dan total profit.
IV-24
Berdasarkan hasil analisis sensitivitas, terlihat bahwa perubahan nilai harga

jual tambang bijih besi memberikan pengaruh terhadap nilai variabel keputusan
(optimal cut-off grade) dan fungsi tujuan total profit. Semakin tinggi harga jual,
maka nilai optimal cut-off grade akan semakin rendah dan total profit akan semakin
tinggi. Sebaliknya semakin rendah harga jual, maka nilai cut-off grade yang optimal
akan semakin tinggi dan total profit akan semakin rendah. Jika nilai harga jual
tambang turun 5% dan 10% dari nilai awal, maka nilai optimal cut-off grade akan
berubah dari 25,54% menjadi 29,04% dan 33,07%. Sedangkan jika nilai harga jual
tambang naik 5% dan 10% dari nilai awal, maka nilai optimal cut-off grade akan
berubah dari 25,54% menjadi 22,46% dan 19,76%. Pada nilai harga jual yang
meningkat, nilai cut-off grade yang semakin rendah menyebabkan jumlah material
yang ditambang akan semakin banyak, jumlah waste yang dihasilkan semakin
sedikit, serta rata-rata kualitas bijih tambang akhir yang dihasilkan akan semakin
rendah. Namun, penurunan kualitas bijih tambang yang terjadi tidak sebanding
dengan pendapatan yang diperoleh akibat adanya peningkatan jumlah material yang
ditambang dan penurunan jumlah waste yang dihasilkan. Hal ini menyebabkan
profit yang dihasilkan akan meningkat.
Besaran perubahan nilai profit yang terjadi adalah -50,62% dan -85,21% dari
nilai awal apabila terjadi perubahan harga jual tambang sebesar -5% dan -10% dari
nilai awal. Sedangkan apabila nilai harga jual tambang dinaikkan sebesar +5% dan
+10% dari nilai awal, maka total profit yang dihasilkan akan naik masing-masing
sebesar +63,66% dan +138,09% dari total profit awal. Dengan melihat hasil analisis
yang menunjukan adanya sensitivitas variabel keputusan dan nilai fungsi tujuan
terhadap perubahan harga jual, maka nilai parameter-parameter yang digunakan
sebagai inputan pada model penentuan optimal cut-off grade harus dijaga seakurat
mungkin berdasarkan kondisi nyata di lapangan. Apabila parameter inputan yang
diberikan tidak akurat, maka nilai cut-off grade yang dihasilkan bisa jadi bukan
merupakan keputusan yang optimal, serta akan menyebabkan adanya
ketidaksesuaian dalam perhitungan estimasi total profit maksimum yang mampu
dihasilkan oleh perusahaan pada suatu proyek/lokasi penambangan.
Melalui metode/langkah yang sama, Tabel IV.6 menyajikan hasil perhitungan
nilai cut-off grade optimal dan total profit untuk setiap proyek/lokasi penambangan.
IV-25
Tabel IV.6 Optimal Cut-off Grade dan Total Profit untuk Setiap Proyek/
Lokasi Penambangan
Proyek/Lokasi Optimal Cut-off Grade Total Profit ($)

P1 27,95% 1.153.099.304
P2 25,54% 151.710.259
P3 32,51% 2.348.696.243
P4 48,89% 597.381.133
P5 33,07% 56.907.148
4.5.2 Perhitungan NPV dan ROI

Karena NPV berhubungan erat dengan konsep time value of money, maka
durasi waktu penyelesaian untuk setiap proyek/lokasi terlebih dahulu harus
diestimasikan sebelum dapat menentukan nilai NPV dan ROI. Nilai NPV dan ROI
dapat dihitung dengan membandingkan tonnase material yang ditambang dan
tonnase bijih tambang yang dihasilkan terhadap batasan kapasitas untuk setiap
tahapan pemrosesan tambang (mining, processing, marketing) yang disajikan pada
Tabel IV.7. Karena tahap mining, processing, dan marketing berada pada sistem
produksi penambangan yang sama dan saling berurutan, maka tahapan yang
menjadi pembatas kemudian akan ditetapkan sebagai dasar untuk mengestimasi
berapa lama waktu yang dibutuhkan untuk menyelesaikan proyek penambangan
tersebut. Setelah waktu penyelesaian dapat diestimasikan, maka nilai NPV dan ROI
untuk setiap proyek/lokasi dapat ditentukan.
Tabel IV.7 Batasan Kapasitas dan Biaya Investasi untuk Setiap Proyek/
Lokasi Penambangan
Mining Processing Marketing
Proyek/ Investasi
Capacity Capacity Capacity
Lokasi ($)
(ton/tahun) (ton/tahun) (ton/tahun)
P1 15.000.000 11.000.000 13.000.000 200.000.000
P2 3.000.000 3.500.000 2.400.000 15.000.000
P3 19.000.000 18.000.000 9.000.000 500.000.000
P4 7.000.000 11.000.000 2.000.000 140.000.000
P5 2.000.000 6.000.000 780.000 4.200.000
Tahap mining dan processing menggunakan jumlah material yang ditambang

(Qm), sedangkan tahap marketing menggunakan jumlah material bijih tambang (Qp)
IV-26
sebagai inputan. Sebagai contoh pada proyek/lokasi ke-2 (P2), dengan

menggunakan persamaan (IV.24) dan (IV.25), dihasilkan jumlah material yang
ditambang (Qm) sebesar 34.953.488 ton dan jumlah material bijih tambang yang
dihasilkan (Qp) sebesar 9.083.678 ton.
Qm = a0 + a1Tc (IV.24)
Qm2 = 104.517.000 + (-272.362.500 x 25,54%)
Qm2 = 34.953.488 ton
Qp = Qm x T x U (IV.25)
Qp = Qm x (c0 + c1Tc) x U
Qp2 = 34,953,488 x (0,267 + 0,309 x 25,54%) x 0,75
Qp2 = 9.083.678 ton
Dengan menggunakan batasan kapasitas untuk tahapan mining, processing,
dan marketing pada Tabel IV.7 beserta hasil perhitungan tonnase material yang
ditambang dan bijih tambang yang dihasilkan, maka diperoleh kesimpulan bahwa
proyek/lokasi ke-2 (P2) diestimasikan akan selesai pada tahun ke-12.
34.953.488
tmining = = 11,65 ≈ 12 tahun
3,000,000
34.953.488
tprocessing = = 9,99 ≈10 tahun
3.500.000
9.083.678
tmarketing = = 3,78 ≈ 4 tahun
2.400.000
Setelah estimasi durasi pengerjaan penambangan diperoleh, maka dengan

menggunakan data nilai investasi dan total profit untuk tiap proyek, nilai NPV dan
ROI dapat dihitung dengan menggunakan persamaan (IV.21) dan persamaan
(IV.22).
Dengan asumsi bahwa keuntungan yang dihasilkan terdistribusi merata pada
tiap tahun, maka untuk proyek/lokasi ke-2 (P2) dengan total profit sebesar $
151.710.259, tiap tahunnya proyek/lokasi tersebut akan menghasilkan profit
sebesar $ 12.642.522. Hasil dari perhitungan NPV untuk proyek/lokasi P2
ditunjukkan pada Tabel IV.8.
IV-27
Tabel IV.8 Perhitungan NPV untuk Proyek/Lokasi P2

Tahun Profit ($) Investasi ($) PV ($) PV Kumulatif ($)
0 -15.000.000 -15.000.000 -15.000.000
1 12.642.522 11.287.966 -3.712.034
2 12.642.522 10.078.541 6.366.507
3 12.642.522 8.998.697 15.365.204
4 12.642.522 8.034.551 23.399.755
5 12.642.522 7.173.706 30.573.461
6 12.642.522 6.405.095 36.978.556
7 12.642.522 5.718.835 42.697.391
8 12.642.522 5.106.102 47.803.493
9 12.642.522 4.559.020 52.362.513
10 12.642.522 4.070.554 56.433.067
11 12.642.522 3.634.423 60.067.490
12 12.642.522 3.245.020 63.312.510
Berdasarkan perhitungan yang ditunjukkan pada Tabel IV.8, maka

didapatkan NPV untuk proyek/lokasi P2 sebesar $ 63.312.510. Sehingga dengan
menggunakan biaya investasi sebesar $ 15.000.000, maka nilai ROI untuk
proyek/lokasi P2 sebesar 422,08%.
$ 63.312.510
ROI= = 422,08%
$ 15.000.000
Melalui metode/langkah yang sama, estimasi penyelesaian proyek, NPV, dan

ROI untuk setiap proyek/lokasi lainnya dapat dihitung. Hasil perhitungan nilai NPV
dan ROI untuk kelima proyek/lokasi penambangan ditunjukkan pada Tabel IV.9.
Tabel IV.9 Hasil Perhitungan NPV dan ROI untuk Setiap Proyek/Lokasi
Penambangan
Proyek/ Investasi Estimasi Penyelesaian
NPV ROI
Lokasi ($) (Tahun)
P1 $200.000.000 11 $422.432.430 211,22%
P2 $15.000.000 12 $63.312.510 422,08%
P3 $500.000.000 10 $827.065.760 165,41%
P4 $140.000.000 7 $249.471.722 178,19%
P5 $4.200.000 8 $17.405.861 414,43%
IV-28
4.5.3 Pemilihan Proyek/Lokasi Penambangan Berdasarkan Nilai NPV dan

ROI
Langkah pertama untuk menentukan proyek/lokasi penambangan yang
terpilih adalah merekapitulasi nilai NPV dan ROI dari masing-masing
proyek/lokasi tambang. Tahapan berikutnya adalah menentukan batasan-batasan
berdasarkan persamaan (IV.17) sampai persamaan (IV.20). Pada contoh numerikal
ini, dimisalkan perusahaan mempunyai batasan dana investasi (LM) sebesar $
600.000.000 dan batasan dana operasional yang tersedia per tahun (WM) sebesar $
1.100.000.000. Untuk menghitung biaya yang dikeluarkan pada tiap lokasi/proyek
penambangan, digunakan persamaan (IV.23).
Tahapan berikutnya adalah menentukan kombinasi nilai Xj (dinyatakan
melalui alternatif-alternatif dengan simbol i) yang memaksimumkan nilai U dan
sesuai dengan batasan-batasan pada persamaan (IV.17) sampai persamaan (IV.20),
dimana setiap alternatif memuat keputusan apakah masing-masing proyek/lokasi
ke-j akan terpilih (Xj = 1) atau tidak terpilih (Xj = 0). Pada contoh numerikal ini,
karena terdapat j = 5 proyek/lokasi penambangan, maka terdapat sejumlah i = 2j =
25 = 32 alternatif keputusan. Pada masing-masing alternatif, dilakukan perhitungan
total NPV dan total ROI menggunakan persamaan (IV.15) dan persamaan (IV.16).
Nilai total masing-masing indikator NPV dan ROI kemudian dilakukan
transformasi menggunakan persamaan (IV.13) dan persamaan (IV.14). Setelah
dikalikan dengan masing-masing bobot, nilai hasil transformasi kedua indikator
tersebut kemudian dijumlahkan dan akan menghasilkan nilai U yang merupakan
representasi nilai NPV-ROI pada tiap alternatif. Pada contoh ini, dimisalkan
indikator NPV memiliki bobot 0,6 dan indikator ROI memiliki bobot 0,4.
Fungsi tujuan pada model pemilihan proyek/lokasi penambangan yang
dikembangkan pada penelitian ini adalah memilih alternatif keputusan yang
memiliki nilai U yang paling besar. Namun karena pada model ini terdapat sejumlah
batasan-batasan yang dipertimbangkan, maka tidak semua alternatif keputusan
layak untuk dipilih (feasible). Sebagai contoh apabila perusahaan penambang ingin
memilih semua proyek/lokasi, maka total investasi yang harus dikeluarkan
perusahaan ($ 859.200.000) akan melebih dari dana investasi yang tersedia ($
600.000.000). Oleh karena itu, untuk membantu menyelesaikan permasalahan
IV-29
optimasi pada model ini, digunakan software optimasi Oracle Crystall Ball. Hasil
optimasi contoh numerikal pada penelitian ini ditunjukkan pada Lampiran 1.
Berdasarkan hasil optimasi pada Lampiran 1, dihasilkan nilai U sebesar 0,510
dengan hasil keputusan untuk X1 = 0, X2 = 1, X3 = 1, X4 = 0 dan X5 = 1. Dengan
demikian dapat disimpulkan bahwa untuk menghasilkan NPV dan ROI yang
maksimum, maka perusahaan penambang harus memilih proyek/lokasi P2, P3, dan
P5. Nilai NPV dan ROI total yang dapat dihasilkan melalui investasi pada P2, P3,
dan P5 berturut-turut sebesar $907.784.131 dan 175% dengan total investasi
sebesar $519.200.000.
Dalam hal ini, hasil optimasi nilai U dan keputusan untuk masing-masing
proyek/lokasi tentu saja dipengaruhi oleh beberapa faktor/variabel, salah satunya
adalah pada besaran bobot untuk masing-masing indikator. Pada model pemilihan
proyek/lokasi penambangan ini, besarnya bobot untuk masing-masing indikator
bergantung pada kepentingan pengambil-pengambil keputusan. Oleh karena itu
untuk mengetahui pengaruh pemberian nilai bobot pada masing-masing indikator
terhadap nilai fungsi tujuan (U) dan variabel keputusan, pada penelitian ini juga
disajikan analisis sensitivitas. Adapun analisis sensitivitas dilakukan dengan
mengubah besarnya bobot pada masing-masing indikator sebesar 0 sampai 1. Selain
itu, karena terdapat dua model sekuensial yang dikembangkan pada penelitian ini,
analisis sensitivitas juga dilakukan dengan mengubah nilai parameter harga jual
(sales price) sebesar 5% dan 10% dari nilai awal seperti halnya pada analisis
sensitivitas yang ditunjukkan pada Tabel IV.5, Gambar IV.5. Sehingga akan
mempermudah dalam menganalisis pengaruh perubahan parameter pada model
pertama (penentuan cut-off grade optimal) dan perubahan parameter pada model
kedua (pemilihan proyek/lokasi penambangan) terhadap keputusan akhir yang
dihasilkan. Hasil analisis sensitivitas tersebut disajikan pada Tabel IV.10, Gambar
IV.6, Lampiran 2, Lampiran 3, Lampiran 4, dan Lampiran 5.
Berdasarkan hasil analisis sensitivitas, diketahui bahwa pemberian bobot
pada indikator NPV dan ROI mempengaruhi besarnya nilai U dan keputusan
keterpilihan untuk masing-masing proyek/lokasi penambangan secara signifikan.
Pada contoh numerikal ini, apabila indikator NPV diberi nilai bobot 0 sampai 0,2,
maka keputusan terbaik adalah memilih proyek/lokasi P2. Apabila indikator NPV
IV-30
diberi nilai bobot 0,3 sampai 0,5, maka keputusan terbaik adalah memilih
proyek/lokasi P2 dan P5. Sedangkan apabila indikator NPV diberi nilai bobot 0,6
sampai 1, maka keputusan terbaik adalah memilih proyek/lokasi P2, P3, dan P5.
Dengan memberikan nilai bobot 0 pada indikator NPV dan 1 pada indikator ROI,
artinya hanya indikator ROI saja yang dioptimasi. Sedangkan sebaliknya dengan
memberikan nilai bobot 1 pada indikator NPV dan 0 pada indikator ROI, artinya
hanya indikator NPV saja yang dioptimasi.
IV-31
Tabel IV.10 Hasil Analisis Sensitivitas Perubahan Harga Jual serta Bobot NPV dan ROI terhadap Nilai U dan Xj
U untuk Setiap Perubahan Harga Jual
wN wY [Xj] untuk Setiap Perubahan Harga Jual
-10% -5% 0% +5% +10%
1 1 1 1 1
0 1
[0,0,0,1,0] [0,0,0,0,1] [0,1,0,0,0] [0,0,0,0,1] [0,0,0,0,1]
0,927 0,901 0,904 0,902 0,903
0,1 0,9
[1,0,0,1,0] [0,0,0,0,1] [0,1,0,0,0] [0,0,0,0,1] [0,0,0,0,1]
0,87 0,802 0,808 0,805 0,805
0,2 0,8
[1,0,0,1,0] [0,0,0,0,1] [0,1,0,0,0] [0,0,0,0,1] [0,0,0,0,1]
0,824 0,703 0,713 0,707 0,708
0,3 0,7
[0,0,1,0,0] [0,0,0,0,1] [0,1,0,0,1] [0,0,0,0,1] [0,0,0,0,1]
0,789 0,604 0,618 0,609 0,611
0,4 0,6
IV-32
[0,0,1,0,0] [0,0,0,0,1] [0,1,0,0,1] [0,0,0,0,1] [0,0,0,0,1]

0,754 0,507 0,624 0,512 0,513
0,5 0,5
[0,0,1,0,0] [0,1,1,0,1] [0,1,0,0,1] [0,0,0,0,1] [0,0,0,0,1]
0,719 0,522 0,51 0,432 0,417
0,6 0,4
[0,0,1,0,0] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1]
0,684 0,536 0,527 0,471 0,457
0,7 0,3
[0,0,1,0,0] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1]
0,65 0,55 0,543 0,509 0,498
0,8 0,2
[0,0,1,0,0] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1]
0,615 0,565 0,559 0,547 0,538
0,9 0,1
[0,0,1,0,0] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1]
0,582 0,579 0,575 0,585 0,579
1 0
[0,1,1,0,0] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1] [0,1,1,0,1]
IV-32
IV-33
Gambar IV.6 Analisis sensitivitas pemberian bobot terhadap keputusan keterpilihan masing-masing proyek/lokasi
penambangan dan nilai U untuk 0% perubahan harga jual
IV-33
Apabila nilai harga jual bijih tambang diubah, maka nilai U dan keputusan
keterpilihan untuk masing-masing proyek/lokasi penambangan juga berubah. Hal
ini terlihat jika harga jual bijih tambang diturunkan 10% dari nilai awal, maka
keputusan terbaik adalah memilih proyek/lokasi P4 untuk bobot NPV sebesar 0,0;
memilih proyek/lokasi P2 dan P4 untuk bobot NPV sebesar 0,1 sampai 0,2; memilih
proyek/lokasi P3 untuk bobot NPV sebesar 0,3 sampai 0,9; serta memilih
proyek/lokasi P2 dan P3 untuk bobot NPV sebesar 1,0. Jika harga jual bijih tambang
diturunkan 5% dari nilai awal, maka keputusan terbaik adalah memilih
proyek/lokasi P5 untuk bobot NPV sebesar 0,0 sampai 0,4; serta memilih
proyek/lokasi P2, P3, dan P5 untuk bobot NPV sebesar 0,5 sampai 1. Sedangkan
jika harga jual bijih tambang dinaikkan 5% dan 10% dari nilai awal, maka
keputusan terbaik adalah memilih proyek/lokasi P5 untuk bobot NPV sebesar 0,0
sampai 0,5; serta memilih proyek/lokasi P2, P3, dan P5 untuk bobot NPV sebesar
0,6 sampai 1.
Berdasarkan hasil analisis sensitivitas tersebut, juga diketahui bahwa semakin
tinggi nilai harga jual bijih tambang yang ditetapkan, maka nilai U yang dihasilkan
berdasarkan hasil optimasi memiliki kecenderungan untuk semakin turun.
Penyebabnya adalah karena semakin tinggi harga jual bijih tambang, maka nilai
NPV dan ROI yang dihasilkan dari suatu proyek/lokasi tambang juga akan semakin
meningkat. Hal tersebut diperkuat berdasarkan hasil analisis sensitivitas perubahan
harga jual terhadap nilai total profit pada Tabel IV.5 dimana dengan perubahan +5%
harga jual, maka total profit pada proyek P2 akan berubah sebesar 65,66%, dimana
hal tersebut tentu akan berimbas pada peningkatan NPV dan ROI pada masing-
masing proyek/lokasi tambang. Dengan nilai NPV dan ROI yang besar, maka
selisih antara nilai NPV dan ROI pada suatu proyek/lokasi tambang dengan
proyek/lokasi tambang yang lainnya juga akan semakin besar. Dengan selisih NPV
dan ROI yang besar, maka nilai U yang mempresentasikan nilai NPV dan ROI hasil
transformasi seperti yang ditunjukkan pada persamaan (IV.13) dan (IV.14) akan
semakin rendah. Oleh karena itu dapat disimpulkan bahwa penurunan nilai U ini
bermakna jika harga jual meningkat, maka dengan tidak memilih (meniadakan)
salah satu atau beberapa proyek/lokasi penambangan, maka kerugian potensial
(potential loss) bagi perusahaan akan meningkat. Jika harga jual tambang
IV-34
meningkat, maka seharusnya perusahaan bisa memilih banyak proyek/lokasi

penambangan. Jika tidak, maka kerugian potensial perusahaan akan semakin
meningkat, itulah sebabnya nilai U akan memiliki kecenderungan turun berbanding
terbalik dengan peningkatan harga jual tambang.
Jika dicermati lebih detail, dengan memberikan nilai bobot yang tinggi
kepada indikator ROI, maka hasil optimasi model akan menghasilkan
kecenderungan keputusan untuk memilih satu proyek/lokasi dengan ROI yang
paling tinggi (P2). Namun apabila NPV diberikan nilai bobot yang tinggi, maka
hasil optimasi model akan menghasilkan kecenderungan keputusan untuk memilih
sebanyak mungkin proyek/lokasi. Hal ini dikarenakan perhitungan agregasi nilai
total NPV dan total ROI sangat berbeda. Berdasarkan persamaan (IV.15), terlihat
bahwa total NPV didapatkan dengan menjumlahkan semua NPV dari masing-
masing proyek/lokasi yang terpilih. Semakin banyak proyek/lokasi yang terpilih,
maka nilai transformasi dari indikator total NPV akan semakin besar. Sedangkan
berdasarkan persamaan (IV.16), terlihat bahwa total ROI didapatkan dengan
terlebih dahulu menjumlahkan semua NPV kemudian dibagi dengan total investasi
dari masing-masing proyek/lokasi yang terpilih.
Sebagai contoh terdapat dua proyek dengan masing-masing ROI sebesar
100% dan 200% dan investasi yang sama besar, maka nilai U yang didapat untuk
tidak memilih kedua proyek adalah sebesar 0; nilai U yang didapat dari memilih
proyek pertama adalah sebesar (100% ˗ 0%) / (200% ˗ 0%) = 0,5; nilai U yang
didapat dari memilih proyek kedua adalah (200% ˗ 0%) / (200% ˗ 0%) = 1, dan nilai
U yang didapat dari memilih proyek pertama dan kedua adalah ((100%+200%)/2 ˗
0%) / (200% ˗ 0%) = 0,75. Berdasarkan contoh sederhana tersebut terlihat jelas
bahwa proyek dengan nilai ROI yang paling besar memiliki nilai U yang lebih
tinggi dibandingkan dengan proyek yang lain atau gabungan semua proyek. Oleh
karena pemberian nilai bobot sangat mempengaruhi keputusan optimal, maka
sebaiknya para pengambil keputusan harus benar-benar teliti dan cermat dalam
menentukan indikator mana yang memiliki prioritas lebih tinggi.
Dengan melihat hasil keputusan berdasarkan analisis sensitivitas tersebut,
maka dapat disimpulkan bahwa perubahan nilai parameter pada model penentuan
cut-off grade dan pada model pemilihan proyek/lokasi penambangan yang
IV-35
dinyatakan dalam perubahan nilai bobot NPV dan ROI serta perubahan harga jual
bijih tambang tidak serta merta memberikan pengaruh yang linier (baik positif
maupun negatif) terhadap fungsi tujuan dan keputusan yang dihasilkan. Salah satu
hal penting yang bisa digali dari analisis sensitivitas tersebut adalah bagaimana
mengetahui rentang nilai bobot yang dapat memberikan hasil keputusan yang sama
terhadap keterpilihan masing-masing proyek/lokasi penambangan. Hal ini dapat
membantu para pengambil keputusan apabila memiliki keraguan dalam
memberikan nilai bobot pada indikator NPV dan ROI. Sebagai contoh dengan nilai
harga jual 125 $/ton (0% perubahan dari nilai awal), maka apabila para pengambil
keputusan memiliki keraguan terhadap bobot NPV dan ROI antara 0,3/0,7 sampai
0,5/0,5, maka tidak akan menjadi masalah karena hasil optimasi model memberikan
hasil keputusan yang sama (robust) pada rentang nilai bobot tersebut. Namun
apabila para pengambil keputusan memiliki keraguan terhadap bobot NPV dan ROI
antara 0,4/0,6 sampai 0,6/0,4, maka harus berhati-hati dalam menentukan
keputusan akhir karena hasil optimasi model memberikan dua hasil keputusan yang
berbeda pada rentang nilai bobot tersebut.
IV-36
BAB V
KESIMPULAN DAN SARAN
Pada bab ini dijelaskan kesimpulan hasil penelitian yang telah dilakukan
beserta saran sebagai masukan untuk penelitian-penelitian selanjutnya.
5.1 Kesimpulan
Kesimpulan yang didapatkan dari penelitian ini di antaranya sebagai berikut:
1. Penelitian ini telah menghasilkan integrasi model yang dapat digunakan
untuk menentukan proyek/lokasi pada aktivitas penambangan terbuka.
Fungsi tujuan yang hendak dicapai pada model pemilihan proyek/lokasi
penambangan pada penelitian ini adalah memaksimumkan keuntungan yang
dinyatakan dengan nilai NPV dan ROI berdasarkan hasil optimasi pada model
penentuan cut-off grade optimal. Adapun batasan-batasan yang
dipertimbangkan di antaranya adalah total dana investasi dan total dana
operasional per tahun yang tersedia. Metode optimasi yang digunakan adalah
metode optimasi multi obyektif (multi objective optimization) melalui
pendekatan penjumlahan terbobot (weighted sum). Untuk mencari solusi
optimal dari model yang telah dikembangkan, bisa digunakan pendekatan
metaheuristik melalui bantuan software optimasi Oracle Crystal Ball.
Keputusan optimal yang dihasilkan dari contoh numerik yang diberikan
adalah mengalokasikan dana investasi sebesar $519.200.000 untuk
proyek/lokasi penambangan P2, P4, dan P5 yang akan menghasilkan nilai
NPV total sebesar $907.784.131 dan ROI sebesar 175%.
2. Penelitian ini telah menghasilkan model penentuan cut-off grade optimal
yang dapat digunakan untuk memaksimumkan keuntungan pada suatu
proyek/lokasi tambang. Metode yang digunakan pada model tersebut adalah
metode matematik, dimana pendekatan yang digunakan untuk memperoleh
formulasi cut-off grade optimal dilakukan secara analitik melalui software
Wolfram Mathematica 7.0. Adapun komponen pendapatan dan biaya yang
dipertimbangkan dalam model tersebut di antaranya adalah pendapatan
penjualan (sales revenue), pendapatan dari material sisa penambangan
V-1
(valuable waste materials revenue), biaya penambangan (mining cost), biaya

pemrosesan (processing/concentrating cost), biaya pengelolaan/pembuangan
material sisa (waste removal/rehabilitation cost), biaya tahap penjualan
(marketing/selling stage cost), biaya reklamasi (reclamation cost), dan biaya
tetap (fixed cost). Berdasarkan hasil validasi model yang diberikan,
disimpulkan bahwa formula penentuan cut-off grade dapat menjamin adanya
solusi optimal global yang dapat memaksimumkan total keuntungan.
3. Berdasarkan hasil analisis sensitivitas yang diperoleh, diketahui bahwa:
a. Perubahan harga jual bijih tambang memberikan pengaruh yang
signifikan terhadap keputusan cut-off grade yang optimal dan total
keuntungan yang dihasilkan. Semakin tinggi harga jual bijih tambang,
maka nilai optimal cut-off grade akan semakin rendah dan total
keuntungan yang dihasilkan akan semakin tinggi, begitu pula sebaliknya.
Oleh karena itu, nilai parameter-parameter yang digunakan sebagai
inputan pada model penentuan optimal cut-off grade harus dijaga
seakurat mungkin agar solusi optimal dapat benar-benar menghasilkan
keuntungan yang maksimum bagi perusahaan.
b. Pemberian nilai bobot indikator NPV dan ROI pada model pemilihan
proyek/lokasi penambangan memberikan pengaruh yang signifikan
terhadap keputusan keterpilihan untuk masing-masing proyek/lokasi
penambangan. Selain itu, jika analisis sensitivitas dikaji secara
sekuensial berdasarkan perubahan nilai harga jual bijih tambang, maka
dapat disimpulkan semakin tinggi nilai harga jual bijih tambang, nilai U
(representasi dari nilai NPV dan ROI hasil transformasi) yang dihasilkan
berdasarkan hasil optimasi memiliki kecenderungan untuk semakin
turun.
c. Dengan memberikan nilai bobot yang tinggi (0,8 s.d. 1) kepada indikator
ROI, maka hasil optimasi model akan menghasilkan kecenderungan
keputusan untuk memilih satu proyek/lokasi dengan ROI yang paling
tinggi.
V-2
d. Perubahan nilai parameter pada model penentuan cut-off grade dan pada
model pemilihan proyek/lokasi penambangan yang dinyatakan dalam
perubahan nilai bobot NPV dan ROI serta perubahan harga jual bijih
tambang tidak serta merta memberikan pengaruh yang linier (baik positif
maupun negatif) terhadap fungsi tujuan dan keputusan yang dihasilkan.
Oleh karena itu sangat penting bagi pengambil keputusan untuk
memahami rentang nilai bobot yang memberikan hasil keputusan yang
sama terhadap keterpilihan masing-masing proyek/lokasi penambangan.
5.2 Saran
Saran untuk penelitian selanjutnya berdasarkan penelitian ini adalah sebagai
berikut:
1. Ruang lingkup penyelesaian masalah yang terkait dalam model penentuan
cut-off grade perlu diperluas agar menjadi lebih kompleks. Sehingga
perusahaan penambang dalam menyikapi permasalahan yang dihadapi, dapat
diselesaikan melalui kerangka berpikir secara integral dan sistematis.
Misalnya, perlu dipelajari atau mungkin dikembangkan model atau metode
dalam menentukan data distribusi tambang pada suatu proyek/lokasi.
2. Aspek-aspek ketidakpastian (uncertainty) belum dibahas pada penelitian ini,
terutama dalam model penentuan cut-off grade. Karena ketidakpastian
merupakan suatu fenomena yang umumnya terjadi di dunia nyata, maka tentu
akan memberikan pengaruh terhadap hasil optimasi keputusan yang
dihasilkan.
3. Fungsi tujuan pada model pemilihan proyek/lokasi penambangan yang telah
dikembangkan hanya terbatas pada indikator NPV dan ROI saja. Untuk ke
depannya, dapat dikembangkan lebih lanjut dengan menambahkan indikator-
indikator ekonomi yang lain seperti Pay Back Period (PBP) dan Interest Rate
of Return (IRR) atau indikator-indikator non ekonomi lainnya seperti aspek
sosial, teknis, dan lain sebagainya.
V-3
DAFTAR PUSTAKA
Abdollahisharif, J., Bakhtavar, E. dan Anemangely, M. 2012. Optimal cut-off grade

determination based on variable capacities in open-pit mining. Journal of The
South African Institute of Mining and Metallurgy. Vol. 112, Hal. 1065–1069.
Asad, M. W. A. dan Dimitrakopoulos, R. 2013. A heuristic approach to stochastic

cutoff grade optimization for open pit mining complexes with multiple
processing streams. Journal of Resources Policy. Vol. 38, Hal. 591–597.
Asad, M. W. A., Qureshi, M. A., dan Jang, H. 2016. A review of cut-off grade
policy models for open pit mining operations. Resources Policy. Vol. 49, Hal.
142–152.
Ataei, M. dan Osanloo, M. 2003. Determination of optimum cutoff grades of

multiple metal deposits by using the golden section search method. Journal
of The Southern African Institute of Mining and Metallurgy. Vol. 103, Hal.
493–499.
Azimi, Y., Osanloo, M. dan Esfahanipour, A. 2013. An uncertainty based multi-

criteria ranking system for open pit mining cut-off grade strategy selection.
Journal of Resources Policy. Vol. 38, Hal. 212–223.
Bahtavar, E., Shariar, K., dan Oraee, K. 2009. Transition from open-pit to
underground as a new optimization challenge in mining engineering. Journal
of Mining Science. Vol. 45, Hal. 485–494.
Bellefant, G., Guezennec, A-G., Bodénan, F., D’Hugues, P. dan Cassard, D. 2013.
Re-processing of mining waste: combining environmental management and
metal recovery?. In Proceeding of the Eight International Conference on
Mine Closure (pp. 571–582). Cornwall.
Cetin, E. dan Dowd, P. A. 2013. Multi-mineral cut-off grade optimization by grid

search. Journal of The Southern African Institute of Mining and Metallurgy.
Vol. 113, Hal. 659–665.
Daellenbach, H. G. dan McNickle, D. C. 2005. Management Science: Decision-

making through systems thinking. New York: Palgrave Macmillan.
Erményi, T. (2015). Evaluating investment profitability and business controlling

methods. In Management, Enterprise and Benchmarking in the 21st Century.
Budapest. Hal. 183–198.
Eshlaghy, A. T. dan Razi, F. F. 2015. A hybrid grey-based k-means and genetic

algorithm for project selection. Int. J. Business Information Systems. Vol. 18,
Hal. 141–158.
Espinoza, D., Goycoolea, M., Moreno, E., dan Newman, A. 2013. A library of open
pit mining problems. Annuals of Operations Research, Vol. 206, Hal. 93–
114.
Fu, C., Xu, D-L., dan Xue, M. 2017. Determining attribute weights for multiple
attribute decision analysis with discriminating power in belief distributions.
Knowledge-Based System, Vol. 143, Hal. 1–15.
Gama, C. D. 2013. Easy profit maximization method for open-pit mining. Journal
of Rock Mechanics and Geotechnical Engineering. Vol. 5, Hal. 350–353.
Gholamnejad, J. 2008. Determination of the optimum cutoff grade considering

environmental cost. International Journal of Environmental Application and
Science. Vol. 3, Hal. 186–194.
Gholinejad, M. dan Moosavi, E. J. 2016. Optimal mill cut-off grade modeling in

the mineral deposits via MIP: Haftcheshmeh copper deposit. Journal of
Mining Science. Vol. 52, Hal. 732–739.
Hassanzadeh, F., Nemati, H. dan Sun, M. 2014. Robust optimization for interactive
multiobjective programming with imprecise information applied to R&D
project portfolio selection. European Journal of Operational Research. Vol.
238, Hal. 41–53.
Hermann, R., Baumgartner, R. J., Vorbach, S., Ragossnig, A. dan Pomberger, R.

2015. Evaluation and selection of decision-making methods to assess landfill
mining projects. Waste Management & Research. Vol. 33., Hal. 822–832.
Henning, U. 1963. Calculation of cut-off grade. Canadian Mining Journal. Vol. 84,
54–57.
Johnson, P. V., Evatt, G. W., Duck, P. W. dan Howell, S. D. 2011. The

determination of a dynamic cut-off grade for the mining industry. Electrical
Engineering and Applied Computing. Vol. 90, Hal. 291–403.
Kalashnikov, V., Benita, F., López-Ramos, F. dan Hernández-Luna, A. 2017. Bi-

objective project portfolio selection in Lean Six Sigma. Int. J. Production
Economics. Vol. 186, Hal. 81–88.
Koski, J. dan Silvennoinen, R. 1987. Norm methods and partial weighting in

multicriterion optimization of structures. Int. J. Numer. Methods. Vol. 1, Hal.
333–337.
Krautkraemer, J. A. 1988. The Cut-off grade and the theory of extraction. The
Canadian Journal of Economics. Vol. 21, Hal. 146–160.
Kremmel, T., Kubalík, J., dan Biffl, S. 2011. Software project portfolio
optimization with advanced multiobjective evolutionary algorithms. Applied
Soft Computing. Vol. 11, Hal. 1416–1426.
Lane, K. F. 1964. Choosing the optimum cut-off grade. Colorado School of Mines
Quarterly. Vol. 59, Hal. 811–829.
Lèbre, É. dan Corder, G. 2015. Integrating industrial ecology thinking into the
management of mining waste. Resources. Vol. 4, Hal. 765–786.
Li, S. dan Yang, C. 2012. An optimum algorithm for cut-off grade calculation using
multistage stochastic programming. Journal of Theoretical and Applied
Information Technology. Vol. 45, Hal. 117–122.
Mavrotas, G., Diakoulaki, D. dan Caloghirou, Y. 2006. Project prioritization under

policy restrictions: A combination of MCDA with 0–1 programming.
European Journal of Operational Research. Vol. 17, Hal. 296–308.
Michaud, D. 2013. Largest Mines in the World [Online]. Tersedia: https://www.

911metallurgist.com/blog/15-largest-mines-on-earth. [29 Januari 2018].
Moosavi, E., Gholamnejad, J., Pour, M. A. dan Khorram, E. 2014. Optimal

extraction sequence modeling for open pit mining operation considering the
dynamic cutoff grade. Mineral Resources Management. Vol. 30, Hal. 173–
186.
Mukherjee, K. dan Bera, A. 1995. Application of goal programming in project

selection decision - A case study from the Indian Coal mining industry.
European Journal of Operational Research. Vol. 82, Hal. 18–25.
Mukherjee, K. 1994. Application of an interactive method for MOILP in project

selection decision - A case from Indian coal mining industry. Int. J.
Production Economics. Vol. 36, Hal. 203–211.
Muttaqin, B. I. A. dan Rosyidi, C. N. 2016. Open Pit Mining Profit Maximization

Considering Selling Stage and Waste Rehabilitation Cost. In Proceeding of
the International Joint Conference of 2nd Industrial, Mechanical, Electrical
and Chemical Engineering (ICIMECE) and Annual Conference on Industrial
and System Engineering (ACISE). Surakarta.
Narrei, S. dan Osanloo, M. 2015. Optimum cut-off grade’s calculation in open pit
mines with regard to reducing the undesirable environmental impacts.
International Journal of Mining, Reclamation and Environment. Vol. 29, Hal.
226–242.
Osanloo, M., Rashidinejad, F. dan Rezai, B. 2008. Incorporating environmental

issues into optimum cut-off grades modelling at porphyry copper deposits.
Journal of Resources Policy. Vol. 33, Hal. 1–13
Qing-hua, G. U., Chun-ni, B., Fa-ben, L. dan Abrand, J. 2014. The optimization
and application of cut-off grades of multiple metal open-pit mines based on
equivalent grade. Metallurgical and Mining Industry. Vol. 6, Hal. 83–91.
Prodjotumarto, P. 1993. Tambang terbuka. Bandung: Institut Teknologi Bandung.
Rahmanpour, M., Osanloo, M., Adibee, N. dan AkbarpourShirazi, M. 2014. An

approach to locate an in pit crusher in open pit mines. International Journal
of Engineering. Vol. 27, Hal. 1475–1484.
Rosenzweig, V. V. dan Volarević, H. 2010. Creation of optimal performance of an

investment project. Croatian Operational Research Review. Vol. 1, Hal. 104–
112.
Saaty, T. L. 1977. A scaling method for priorities in hierarchial structures. Journal

of mathematical Psychology. Vol 15, Hal. 243–281.
Saaty, T. L. 2008. Decision making with the analytic hierarchy process.

International Journal of Services Sciences. Vol 1, Hal. 83–97.
Shakhsi-Niaei, M., Shiripour, M., Shakouri, G. H. dan Iranmanesh, S. H. 2015.

Application of genetic and differential evolution algorithms on selecting
portfolios of projects with consideration of interactions and budgetary
segmentation. Int. J. Operational Research. Vol. 22, Hal. 106–128.
Subowo, G. 2011. Penambangan sistem terbuka ramah lingkungan dan upaya

reklamasi pasca tambang untuk memperbaiki kualitas sumberdaya lahan dan
hayati tanah. Jurnal Sumberdaya Lahan. Vol. 5, Hal. 83–94.
Stewart, R. 2012. An introduction to Underground Mining. Dundee Capital

Markets.
Takeda, E., Cogger, K. O., dan Yu, P. L. 1987. Estimating criterion weights using
eigenvectors: a comparative study. European Journal of Operation Research.
Vol. 29, Hal. 360–369.
Tavana, M., Keramatpour, M., Santos-Arteaga, F. J. dan Ghorbaniane, E. 2015. A

fuzzy hybrid project portfolio selection method using Data Envelopment
Analysis, TOPSIS and Integer Programming. Expert Systems with
Applications. Vol. 42, Hal. 8532–8444.
Taylor, H. 1972. General background theory of cutoff grades. Institution of Mining

and Metallurgy Transaction. Hal. 160–179.
Testa, S. M. dan Pompy, J. S. 2007. Backfilling of Open-pit Metallic Mines. In
Proceedings America Society of Mining and Reclamation. Hal. 816-830.
Lexington.
Thompson, M. dan Barr, D. 2014. Cut-off grade: a real options analysis. Resources
Policy. Vol. 42, Hal. 83–92.
Yasrebi, A. B., Wetherlt, A., Foster, P., Kennedy, G., Ahangaran, D. K., Afzal, P.
dan Asadi, A. 2015. Determination of optimised cut-off grade utilising non-
linear programming. Arabian Journal of Geosciences. Vol. 8, Hal. 8963–
8967.
Yi, R. dan Sturgul, J. R. 1987. Analysis of cutoff grades using optimum control
theory. In Proceedings of the Twentieth International Symposium on the
Application of Computers and Mathematics in the Mineral Industries. Vol. 3,
Hal. 263–269.

TESIS

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

TESIS

Diunggah oleh

Hak Cipta:

Format Tersedia

library.uns.ac.id digilib.uns.ac.

OPTIMASI KEBIJAKAN PENENTUAN CUT-OFF

Disusun untuk memenuhi sebagian persyaratan mencapai derajat Magister

PROGRAM STUDI MAGISTER TEKNIK INDUSTRI

OPTIMASI KEBIJAKAN PENENTUAN CUT-OFF

Disusun untuk memenuhi sebagian persyaratan mencapai derajat Magister

PROGRAM STUDI MAGISTER TEKNIK INDUSTRI

7. Anindya Rachma Dwicahyani, S.T., M.T. yang telah meluangkan waktu,

Surakarta, Maret 2018

HALAMAN JUDUL .................................................................................... i

BAB III METODOLOGI PENELITIAN

Gambar II.1 Aktivitas open pit mining ...................................................... II-3

Average Grade of Ore

Biaya Pembuangan/Pengelolaan Material Sisa (Waste Removal/Rehabilitation

Biaya Pemrosesan (Processing/Concentrating Cost)

Biaya Penambangan (Mining Cost)

Biaya Reklamasi (Reclamation Cost)

Biaya Tahap Penjualan (Selling Stage Cost)

Biaya Tetap (Fixed Cost)

Direct Rating Method

Kerugian Potensial (Potential Loss)

Material sisa (waste)

Maximum Allowable Stripping Ratio

Minimum Allowable Cut-off Grade

Net Present Value (NPV)

Pair-wise Comparison Matrix

Penambangan Bawah Tanah (Underground Mining)

Penambangan Terbuka (Open Pit Mining)

Pendapatan dari Material Sisa (Valuable Waste Materials Revenue)

Pendapatan dari Penjualan (Sales Revenue)

Penjumlahan Terbobot (Weighted Sum Method)

Point Allocation Method

Return on Investment (ROI)

Time Value of Money

Lampiran 1 Hasil Running Optimasi Menggunakan Oracle Crystal Ball

1.1 Latar Belakang Masalah

Berdasarkan permasalahan tersebut, untuk menghasilkan profit yang

mempresentasikan kondisi riil yang ada di lapangan. Di samping itu model-model

menggunakan pendekatan/algoritma model Lane (1964) yang mempertimbangkan

1.2 Rumusan Masalah

1.3 Tujuan Penelitian

1.4 Manfaat Penelitian

3. Memberikan informasi mengenai pengaruh perubahan parameter krusial,

1.5 Asumsi Penelitian

1.6 Batasan Penelitian

2.1 Tinjauan Pustaka

besar. Oleh karena itu, aktivitas penambangan terbuka biasanya memerlukan

Gambar II.1 Aktivitas open pit mining

2.1.2 Cut-off Grade

Gambar II.2 Ilustrasi cut-off grade

2.2 Penelitian Terdahulu Model Penentuan Cut-off Grade

Tabel II.1 Penelitian Terdahulu Model Penentuan Cut-off Grade

Asad dan Dimitrakopoulos (2013)

Gholinejad dan Moosavi (2016)

Muttaqin and Rosyidi (2016)

Narrei and Osanloo (2015)

Cetin dan Dowd (2013)

Qing-hua, dkk. (2014)

Yasrebi, dkk. (2015)

Azimi, dkk. (2013)

2.2.1 Review Penelitian Gama (2013)

Total Profit = Total Revenue − Total Cost (II.1)

Fungsi total profit dalam ($/h):

Fungsi total profit dalam ($):