id
TESIS
Oleh
Benazir Imam Arif Muttaqin
NIM S801602002
TESIS
Oleh
Benazir Imam Arif Muttaqin
NIM S801602002
i
library.uns.ac.id digilib.uns.ac.id
library.uns.ac.id digilib.uns.ac.id
library.uns.ac.id digilib.uns.ac.id
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
Penulis
vi
library.uns.ac.id digilib.uns.ac.id
DAFTAR ISI
vii
library.uns.ac.id digilib.uns.ac.id
viii
library.uns.ac.id digilib.uns.ac.id
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
Proyek/Lokasi Penambangan .................................................... IV-26
Tabel IV.8 Perhitungan NPV untuk Proyek/Lokasi P2 .............................. IV-28
Tabel IV.9 Hasil Perhitungan NPV dan ROI untuk Setiap
Proyek/Lokasi Penambangan .................................................... IV-28
Tabel IV.10 Hasil Analisis Sensitivitas Perubahan Harga Jual serta Bobot
NPV dan ROI terhadap Nilai U dan Xj ..................................... IV-32
ix
library.uns.ac.id digilib.uns.ac.id
DAFTAR GAMBAR
x
library.uns.ac.id digilib.uns.ac.id
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.
xi
library.uns.ac.id digilib.uns.ac.id
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.
Eigenvector Method
Salah satu metode yang digunakan untuk menentukan bobot indikator/kriteria
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
library.uns.ac.id digilib.uns.ac.id
Metaheuristik
Metode lanjut berbasis heuristik untuk menyelesaikan persoalan optimisasi secara
efisien dengan memperbaiki kandidat penyelesaian secara iteratif sesuai dengan
fungsi objektifnya.
Normalisasi
Proses pengembalikan suatu nilai ke bentuk yang normal/reguler.
Ore Tonnage/reserves
Cadangan/deposit material tambang dengan berbagai tingkatan kualitas.
xiii
library.uns.ac.id digilib.uns.ac.id
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.
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
library.uns.ac.id digilib.uns.ac.id
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.
Transformasi
Proses pengubahan suatu nilai ke dalam bentuk dan ruang yang berbeda.
xv
library.uns.ac.id digilib.uns.ac.id
DAFTAR LAMPIRAN
xvi
library.uns.ac.id digilib.uns.ac.id
BAB I
PENDAHULUAN
Ruang lingkup yang dibahas dalam bab ini meliputi latar belakang, rumusan
masalah, tujuan penelitian, asumsi dan batasan penelitian, serta manfaat penelitian.
I-1
library.uns.ac.id digilib.uns.ac.id
I-2
library.uns.ac.id digilib.uns.ac.id
I-3
library.uns.ac.id digilib.uns.ac.id
I-4
library.uns.ac.id digilib.uns.ac.id
I-5
library.uns.ac.id digilib.uns.ac.id
I-6
library.uns.ac.id digilib.uns.ac.id
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.
II-1
library.uns.ac.id digilib.uns.ac.id
II-2
library.uns.ac.id digilib.uns.ac.id
II-3
library.uns.ac.id digilib.uns.ac.id
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.
II-4
library.uns.ac.id digilib.uns.ac.id
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%.
II-5
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
II-9
library.uns.ac.id digilib.uns.ac.id
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
II-10
library.uns.ac.id digilib.uns.ac.id
II-11
library.uns.ac.id digilib.uns.ac.id
Dimana:
Z : Keuntungan/profit ($)
P : Produksi tambang per jam (ton/jam)
T : Rata-rata grade bijih yang ditambang (%)
Tc : Cut-off grade (%)
Top : Cut-off grade optimal (%)
U : Tingkat recovery yang dihasilkan di tahap pemrosesan konsentrat (%)
V : Harga jual material tambang per ton ($/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 ($/ton)
+ Iw × B × (Qm − Qc ) + Iu × C × (Qm − Qc )
−c × Qc − u × U × (Qc − Qr ) − v × V × (Qc − Qr )
+ Rt × U × (Qc − Qr ) + Rt × V × (Qc − Qr )
+ Ru × W × (Qc − Qr ) − Cp × Qr + Rp × Qr − fT (II.22)
II-12
library.uns.ac.id digilib.uns.ac.id
Dimana:
Z : Keuntungan/profit ($)
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)
II-13
library.uns.ac.id digilib.uns.ac.id
II-14
library.uns.ac.id digilib.uns.ac.id
II-15
library.uns.ac.id digilib.uns.ac.id
Shakhsi-Niaei, dkk.
Rahmanpour, dkk.
Hassanzadeh, dkk.
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
library.uns.ac.id digilib.uns.ac.id
Penambangan Terbuka (Open Pit Mining) Penambangan Terbuka (Open Pit Mining) Penambangan Terbuka (Open Pit Mining)
Proyek/Lokasi 1 Proyek/Lokasi 2 Proyek/Lokasi n
II-17
library.uns.ac.id digilib.uns.ac.id
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.
II-18
library.uns.ac.id digilib.uns.ac.id
Mempertimbangkan
Narrei dan Mempertimbangkan Muttaqin dan
Reclamation Cost,
Osanloo (2015) Selling Stage Cost Rosyidi (2016)
Valuable Waste Materials
Penelitian Ini
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
library.uns.ac.id digilib.uns.ac.id
II-20
library.uns.ac.id digilib.uns.ac.id
BAB III
METODOLOGI PENELITIAN
Bab ini membahas tempat dan waktu penelitian beserta urutan tahapan
penelitian yang dilakukan untuk menyelesaikan permasalahan dalam penelitian ini.
III-1
library.uns.ac.id digilib.uns.ac.id
Mulai
Studi Pustaka
Identifikasi Masalah
Perumusan Masalah
III-2
library.uns.ac.id digilib.uns.ac.id
Tahap I Tahap II
Analisis Sensitivitas
III-3
III-3
library.uns.ac.id digilib.uns.ac.id
III-4
library.uns.ac.id digilib.uns.ac.id
III-5
library.uns.ac.id digilib.uns.ac.id
III-6
library.uns.ac.id digilib.uns.ac.id
III-7
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
IV-2
library.uns.ac.id digilib.uns.ac.id
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
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
IV-3
library.uns.ac.id digilib.uns.ac.id
IV-4
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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)
IV-6
library.uns.ac.id digilib.uns.ac.id
$ = 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 $.
IV-7
library.uns.ac.id digilib.uns.ac.id
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
IV-8
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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 −
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)
IV-10
library.uns.ac.id digilib.uns.ac.id
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)
IV-11
library.uns.ac.id digilib.uns.ac.id
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.
IV-12
library.uns.ac.id digilib.uns.ac.id
IV-13
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
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
library.uns.ac.id digilib.uns.ac.id
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
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
IV-16
library.uns.ac.id digilib.uns.ac.id
IV-17
library.uns.ac.id digilib.uns.ac.id
IV-18
library.uns.ac.id digilib.uns.ac.id
Mulai
Untuk setiap j
j = 1, 2, …, n
Ya
Hitung nilai koefisien
regresi untuk variabel
Q(j), R(j), dan T(j)
Optimal Tc(j)
dan Z(j)
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
IV-19
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
IV-21
library.uns.ac.id digilib.uns.ac.id
IV-22
library.uns.ac.id digilib.uns.ac.id
Tc = 25,54%
F
(c0 + c1 Tc )US + ))
P
(0,267 +0,309×25,54%)×0,75×12+19,86))
Z = $ 151.710.259
IV-23
library.uns.ac.id digilib.uns.ac.id
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%
IV-24
library.uns.ac.id digilib.uns.ac.id
IV-25
library.uns.ac.id digilib.uns.ac.id
Tabel IV.6 Optimal Cut-off Grade dan Total Profit untuk Setiap Proyek/
Lokasi Penambangan
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
IV-26
library.uns.ac.id digilib.uns.ac.id
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
IV-27
library.uns.ac.id digilib.uns.ac.id
$ 63.312.510
ROI= = 422,08%
$ 15.000.000
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
library.uns.ac.id digilib.uns.ac.id
IV-29
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
IV-32
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
IV-35
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
V-2
library.uns.ac.id digilib.uns.ac.id
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
library.uns.ac.id digilib.uns.ac.id
DAFTAR PUSTAKA
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.
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.
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.
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.
Henning, U. 1963. Calculation of cut-off grade. Canadian Mining Journal. Vol. 84,
54–57.
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.
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.
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.
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.
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.