LAPORAN MANAGEMENT TAMBANG

“Linier Programming dengan Software LIPS pada Operasi Tambang”

Disusun Oleh :

ALYA WULANDARI
(11190980000003)

Dosen Pengampu :

Supriyadi, Ph.D

Program Studi Teknik Pertambangan

Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif
Hidayatullah Jakarta
2022M/1443H
A. Landasan Teori

Secara umum Linear Programming ialah salah satu teknik dari Riset Operasi untuk
memecahkan persoalan optimasi menjadi maksimum atau minimum dengan
menggunakan persamaan dan ketidaksamaan linear dalam rangka untuk mencari pemecahan yang
optimum dengan memperhatikan pembatasan-pembatasan yang ada dalam persoalan. Dalam
keadaan sumber yang terbatas harus dicapai suatu hasil yang optimum dengan perkataan
lain bagaimana caranya agar dengan masukan input yang terbatas dapat menghasilkan keluaran
output berupa produksi barang atau jasa yang optimum. Salah satu metoda analisis dalam teknik
operasional riset untuk menyelesaikan persoalan pengalokasian sumber-sumber terbatas adalah
menggunakan metoda program linear.

Menurut Hari Purnomo (2004), Pokok pikiran utama dalam menggunakan program linier
adalah merumuskan masalah dengan menggunakan sejumlah informasi yang tersedia, kemudian
menerjemahkan masalah tersebut dalam bentuk model matematika. Sifat linear mempunyai arti
bahwa seluruh fungsi dalam model ini merupakan fungsi yang linear. Sedangkan Menurut
Siringoringo (2005), linear programming merupakan metode matematik dalam mengalokasikan
sumber daya yang terbatas untuk mencapai suatu tujuan seperti memaksimumkan keuntungan dan
meminimumkan biaya. Pada akhirnya, metode-metode yang dikembangkan untuk memecahkan
model program linier ditujukan untuk mencari solusi-solusi yang dibentuk oleh persamaan-
persamaan pembatas sehingga diperoleh nilai fungsi tujuan yang optimum.

Kemudian Metode simplex adalah metode yang dapat digunakan untuk menyelesaikan
persoalan manajerial yang telah diformulasikan terlebih dahulu ke dalam persamaan
matematika program linear yang mempunyai variable keputusan mulai dari lebih besar atau sama
dengan 2 (dua) sampai multivariable. Sedangkan metode grafik hanya dapat digunakan
apabila jumlah variable keputusan maksimal 2 (dua) buah. Sehingga dapat disimpulkan bahwa
suatu persoalan linear programing yang diselesaikan dengan metode grafik juga dapat
diselesaikan dengan metode simpleks.

Menurut Herjanto (2008), dalam pemrograman linear (LP), dikenal 2 fungsi dalam
penyelesaian masalah yang hendak dianalisa, antara lain :

1. Fungsi tujuan merupakan suatu persamaan fungsi linear dari variable tujuan,
misalkan pendapatan, keutungan, atau biaya. Dalam fungsi tujuan harus dijelaskan apakah akan
memaksimalkan atau meminimalkan fungsi variabel. Variable seperti keuntungan, produksi, dan
penjualan, bertujuan untuk dimaksimalkan, sedangkan variable seperti biaya dan risiko bertujuan
untuk diminimalkan.

2. Fungsi batasan menggambarkan batasan yang dihadapi dalam mencapai tujuan. Fungsi
batasan biasanya terdiri dari beberapa persamaan yang masing-masing berkorelasi dengan
sumberdaya tertentu.
 Linier programming bermanfaat untuk masalah keputusan yang sering dihadapi adalah
alokasi optimum sumberdaya yang langka, dapat berupa uang, bahan mentah, kapasitas mesin,
mutu waktu, ruangan dan teknologi. Hasil yang diinginkan ditunjukkan dengan cara maximum
sebagai maksimasi profit, penjualan dan kesejahteraan atau minimasi biaya, waktu dan jarak.

B. Problem

Suatu tambang Batubara merencanakan target produksi 2.100.000 ton per tahun.
Kemampuan produksi masing masing pit per tahun adalah sebagai berikut :

Pit A = 300.000 ton

Pit B = 600.000 ton

Pit C = 700.000 ton

Pit D = 400.000 ton

Pit E = 200.000 ton

TOTAL = 2.200.000 ton

Mutu batubara dianggap merata untukn semua pit. Selanjutnya, batubara dari pit perlu dicuci pada
washing plant dengan kapasitas per tahun sbb:

Washing Plant A (WA) : 600.000 ton

Washing Plant B (WB) : 800.000 ton

Washing Plant C (WC) : 900.000 ton

TOTAL : 2.300.000 ton

Biaya Angkut (dalam $ cent per ton) dari pit ke wahing plant sebagai mana terlampir sesuai
dengan no urut absensi masing masing : Alya Wulandari (absensi No. 2)

Pit WA WB WC
PIT A 5 6 1
PIT B 4 3 5
PIT C 7 1 3
PIT D 2 6 4
PIT E 8 2 2

Tentukan pola distribusi/angkutan tambang yang optimal dari 5 pit tersebut ke ketiga washing
plant!
C. Temuan dan Hasil

 Temuan
Studi Kasus No Urut 2

Suatu target produksi batubara 2.100.000 ton per tahun. Kemampuan produksi masing masing pit
adalah sbb:

Kemapuan Produksi :

Tambang A = 300.000 ton

Tambang B = 600.000 ton

Tambang C = 700.000 ton

Tambang D = 400.000 ton

Tambang E = 200.000 ton

TOTAL = 2.200.000 ton

Mutu batubara dianggap merata untuk semua pit, dengan kapasitas pencucian :

Washing Plant A (WA) : 600.000 ton

Washing Plant B (WB) : 800.000 ton

Washing Plant C (WC) : 900.000 ton

TOTAL : 2.300.000 ton

Biaya ($) angkutan dari pit ke washing plant :

PIT WA WB WC
PIT A 5 6 1 <= 300,000
PIT B 4 3 5 <= 600,000
PIT C 7 1 3 <= 700,000
PIT D 2 6 4 <= 400,000
PIT E 8 2 2 <= 200,000
<= 600,000 <= 800,000 <= 900,000

Variabel

Pit Wa Wb Wc

A X11 X12 X13

B X21 X22 X23

C X31 X32 X33

D X41 X42 X43

E X51 X52 X53

Fungsi Tujuan

Z = ∑5𝑖 ∑3𝑗 𝐶𝑖𝑗 𝑋𝑖𝑗

= 5𝑋11 + 6𝑋12 + 1𝑋13 + 4𝑋21 + 3𝑋22 + 5𝑋11 + 7𝑋31 + 1𝑋32 + 3𝑋33 + 2 𝑋41 + 6𝑋42 + 4𝑋43
+ 8𝑋51 + 2𝑋52 + 2X53

Z = Harus minimum

Keterbatasan (constraints)

A : X11 + X12 + X13 ≤ 300.000

B : X21 + X22 + X23 ≤ 600.000

C : X31 + X32 + X33 ≤ 700.000

D : X41 + X42 + X43 ≤ 400.000

E : X51 + X52 + X53 ≤ 200.000

Washing Plant

Wa X11 + X21 + X31 + X41 + X51 ≤ 600.000

Wb X12 + X22 + X32 + X42 + X52 ≤ 800.000

Wc X13 + X23 + X33 + X43 + X53 ≤ 900.000

Target Produksi

X11 + X12 + X13 + X21 + X22 + X23 + X31 + X32 + X33 + X41 + X42
+ X43 + X51 + X52 + X53 = 2.100.000 ton per tahun

Batasan:

Untuk Variabel : batas bawah =0

Batas atas = kapasitas maksimum

Untuk kendala : batas bawah = kapasitaskurang dari 100.000 ton

Batas atas = kapasitas maksimum

  Hasil

a. Hasil Input Data

Penampakan Linear Programming Solver (LiPS) setelah dilakukan input data dan belum
dilakukan Solve Model, untuk mendapatkan hasil yang optimum atau untuk mendapatkan
penyelesaian masalah.

b. Hasil Analisa Data dengan Software LiPS

>> Optimal solution FOUND
>> Minimum = 4.3e+006

*** RESULTS - VARIABLES ***

╔═════════════╤═════════════╤═════════════╤═════════════╗
║ Variable│ Value│ Obj. Cost│ Reduced Cost║
╠═════════════╪═════════════╪═════════════╪═════════════╣
║ X1│ 0│ 5│ -5║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X2│ 0│ 6│ -7║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X3│ 300000│ 1│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X4│ 200000│ 4│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X5│ 100000│ 3│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X6│ 200000│ 5│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X7│ 0│ 7│ -5║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X8│ 700000│ 1│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X9│ 0│ 3│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X10│ 400000│ 2│ 0║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X11│ 0│ 6│ -5║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X12│ 0│ 4│ -1║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X13│ 0│ 8│ -7║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X14│ 0│ 2│ -2║
╟─────────────┼─────────────┼─────────────┼─────────────╢
║ X15│ 200000│ 2│ 0║
╚═════════════╧═════════════╧═════════════╧═════════════╝
 *** RESULTS - CONSTRAINTS ***
╔═══════════╤═══════════╤═══════════╤═══════════╗
║ Constraint│ Value│ RHS│ Dual Price║
╠═══════════╪═══════════╪═══════════╪═══════════╣
║ PIT A│ 300000│ 300000│ -4║
╟───────────┼───────────┼───────────┼───────────╢
║ PIT B│ 500000│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ PIT C│ 700000│ 700000│ -2║
╟───────────┼───────────┼───────────┼───────────╢
║ PIT D│ 400000│ 400000│ -2║
╟───────────┼───────────┼───────────┼───────────╢
║ PIT E│ 200000│ 200000│ -3║
╟───────────┼───────────┼───────────┼───────────╢
║ WP A│ 600000│ 600000│ -1║
╟───────────┼───────────┼───────────┼───────────╢
║ WP B│ 800000│ 800000│ -2║
╟───────────┼───────────┼───────────┼───────────╢
║ WP C│ 700000│ 900000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ TP│ 2.1e+006│ 2.1e+006│ 5║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X1│ 0│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X2│ 0│ 800000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X3│ 300000│ 900000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X4│ 200000│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X5│ 100000│ 800000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X6│ 200000│ 900000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X7│ 0│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X8│ 700000│ 800000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X9│ 0│ 900000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X10│ 400000│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X11│ 0│ 800000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X12│ 0│ 900000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X13│ 0│ 600000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X14│ 0│ 800000│ 0║
╟───────────┼───────────┼───────────┼───────────╢
║ BND.X15│ 200000│ 900000│ 0║
╚═══════════╧═══════════╧═══════════╧═══════════╝

Table Distribusi Batubara dari Pit menuju Washing Plant

Pit WA WB WC Kapasitas Pit Realisasi

PIT A 300000 ≤ 300,000 300,000
PIT B 200000 100000 200000 ≤ 600,000 500,000
PIT C 700000 ≤ 700,000 700,000
PIT D 400000 ≤ 400,000 400,000
PIT E 200000 ≤ 200,000 200,000
Kapasitas
WP ≤ 600000 ≤ 800000 ≤ 900000
Realisasi 600000 800000 700000 Total Realisasi 2100000
Biaya Terendah 4300000

Pit WA WB WC
PIT A 300000
PIT B 800000 300000 1000000
PIT C 700000
 PIT D 800000
PIT E 400000
1600000 1000000 1700000 4300000

4300000 2100000
2.047619048
Rata Rata $ cent / ton

Pada hasil running linear programming dapat dilihat bahwa :

1). Dari PIT A mengirimkan batubara ke :

WP A : 0TON

WP B : 0 TON

WP C : 300.000 TON

2). Dari PIT B mengirimkan batubara ke :

WP A : 800.000 TON

WP B : 300.000 TON

WP C : 100.000 TON

3). Dari PIT C mengirimkan batubara ke :

WP A : 0 TON

WP B : 700.000 TON

WP C : 0 TON

4). Dari PIT D mengirimkan batubara ke :

WP A : 800.000 TON

WP B : 0 TON

WP C : 0 TON

5). Dari PIT E mengirimkan batubara ke :

WP A : 0 TON

WP B : 0 TON

WP C : 400.000 TON

Kinerja Pit A hingga E

1). PIT A :

Kapasitas PIT A adalah 300.000 ton melakukan produksi sebanyak 300.000 ton, sehingga batas
kapasitas pit A tercapai

2). PIT B : Kapasitas PIT B adalah 600.000 ton melakukan produksi hanya sebanyak 500.000 ton,
sehingga batas kapasitas PIT B tidak tercapai.
3). PIT C : Kapasitas PIT C adalah 700.000 ton melakukan produksi sebanyak 700.000 ton,
sehingga batas kapasitas pit C tercapai.

4). PIT D : Kapasitas PIT D adalah 400.000 ton melakukan produksi sebanyak 400.000 ton,
sehingga kapasitas produksi PIT D tercapai.

5). PIT E : Kapasitas PIT E adalah 200.000 ton melakukan produksi sebanyak 200.000 ton,
sehingga kapasitas produksi PIT E tercapai.

Kinerja Washing Plant 1 hingga 3

1). WP A : Kapasitas WP A adalah 600.000 ton. WP A menerima produksi dari ke 5 PIT sebesar
600.000 ton, sehingga kapasitas produksi WP A terpenuhi.

2). WP B : Kapasitas WP B adalah 800.000 ton. WP B menerima produksi dari ke 5 PIT sebesar
800.000 ton, sehingga kapasitas produksi WP B terpenuhi.

3). WP C : Kapasitas WP C adalah 900.000 ton. WP C menerima produksi dari ke 5 pit sebesar
hanya 700.000 ton, sehingga kapasitas produksi WP C tidak terpenuhi.