PROYEK TUGAS BESAR PEMODELAN SISTEM

JUDUL : Impact of carbon pricing policies on the cost and emission of the biomass supply chain:
Optimization models and a case study

1. Dikerjakan berkelompok maksimal 2 orang per kelompok

2. Mencari rujukan model dari 1 paper yang dipublikasikan pada jurnal internasional dengan
ketentuan sebagai berikut:
 Model yang dibahas pada paper merupakan model optimasi yang digunakan untuk
menyelesaikan masalah tertentu.
model yang dibahas dalam paper ini adalah model optimasi yang digunakan untuk
menyelesaikan masalah pemilihan campuran bahan baku pada pabrik pemanas distrik yang
menggunakan biomassa

 Model harus dibangun berdasarkan real case study

model yang dibangun dalam paper ini didasarkan pada real case study. Mereka
mengembangkan model optimasi untuk menentukan campuran bahan baku yang optimal
pada pabrik pemanas distrik yang menggunakan biomassa.

 Model dapat berupa model alokasi, model persediaan, model supply chain atau model
penjadwalan (assignment)
Model yang dibahas dalam paper ini adalah model alokasi dan model supply chain

 Model diselesaikan menggunakan software (LINGO, CPLEX, Mathematica, MATLAB, Open

Solver)
Model dalam paper ini diselesaikan menggunakan CPLEX 12.7.1 solver dalam perangkat
lunak AIMMS 4.46

 Paper yang dijadikan rujukan harus mendapatkan persetujuan dosen

3. Mahasiswa secara berkelompok mengidentifikasi permasalahan yang ada dalam paper dan
menyelesaikan permasalahan tersebut sesuai metodologi pemodelan sistem yang dibahas dalam
buku Daellenbach.
Judul: Dampak Kebijakan Penetapan Harga Karbon terhadap Biaya dan Emisi Rantai Pasok Biomassa:
Model Optimasi dan Studi Kasus.

Secara garis besar: Secara garis besar, paper ini membahas tentang pengaruh kebijakan harga
karbon pada rantai pasokan biomassa. Paper ini mengembangkan model optimasi dan melakukan
studi kasus untuk menganalisis dampak kebijakan harga karbon terhadap biaya dan emisi rantai
pasokan biomassa. Paper ini juga membandingkan berbagai model harga karbon, seperti pajak
karbon, cap-and-trade, dan offset karbon, dalam hal emisi dan biaya optimal. Selain itu, paper ini
juga membahas tentang penggunaan bentuk biomassa yang lebih padat dan pengurangan emisi
karbon dalam pabrik pemanas distrik yang menggunakan biomassa.

Abstrak: Kebijakan pajak karbon, perdagangan karbon, dan kompensasi karbon merupakan
kebijakan penetapan harga karbon utama yang diterapkan. Beberapa penelitian telah menganalisis
dampak kebijakan-kebijakan ini pada solusi optimum dari model rantai pasok biomassa. Namun,
karena fokus pada studi kasus tertentu, wawasan dari penelitian-penelitian ini mungkin tidak
bersifat umum. Dalam makalah ini, dampak kebijakan penetapan harga karbon pada solusi optimum
dari model rantai pasok biomassa yang tidak tergantung pada kasus tertentu dikaji. Beberapa
proposisi yang membahas dampak kebijakan penetapan harga karbon pada biaya optimum dan
emisi model rantai pasok biomassa disajikan dan dibuktikan secara matematis. Selanjutnya, model
matematika dikembangkan untuk menentukan campuran bahan baku optimal dari pabrik pemanas
distrik yang menggunakan biomassa. Hasil studi kasus digunakan untuk mengonfirmasi semua
proposisi secara numerik. Saat harga karbon meningkat, model-model tersebut menyarankan
penggantian gas alam dengan biomassa. Model pajak karbon dan perdagangan karbon menghasilkan
variabel keputusan optimum dan emisi yang sama untuk harga karbon yang sama. Model
perdagangan karbon memiliki biaya lebih rendah daripada model pajak karbon jika harga karbon
lebih tinggi dari harga izin awal. Pembagian target kepatuhan yang hati-hati penting untuk model
kompensasi karbon karena membatasi emisi optimum.

Inti Pendahuluan dari penelitian ini adalah:

Perubahan iklim merupakan salah satu tantangan global utama yang dapat mengancam kehidupan
manusia, mata pencaharian, dan pembangunan [1]. Peningkatan konsentrasi karbon dioksida dalam
atmosfer, yang telah meningkat sepertiga sejak revolusi industri, dianggap sebagai faktor paling
penting yang berkontribusi terhadap perubahan iklim [2]. Untuk mengatasi perubahan iklim,
berbagai pemerintah/daerah di seluruh dunia menetapkan target pengurangan emisi yang ambisius
untuk masa depan. Dalam upaya ini, pemerintah di seluruh dunia setuju bahwa penetapan harga
emisi karbon adalah alat yang paling murah dan efektif untuk mencapai target pengurangan emisi
mereka [3]. Dengan memberlakukan harga pada emisi, penetapan harga karbon memberikan pilihan
kepada penghasil emisi antara menghentikan kegiatan mereka, mengubah kegiatan mereka, atau
membayar untuk emisi tersebut [1]. Pendapatan yang dihasilkan dari penetapan harga karbon
digunakan untuk inisiatif hijau oleh pemerintah. Menurut laporan Bank Dunia, per 1 April 2019,
penetapan harga karbon telah diimplementasikan atau direncanakan untuk diimplementasikan di 46
yurisdiksi nasional dan 28 yurisdiksi sub-nasional [4]. Terdapat tiga kebijakan penetapan harga
karbon utama yang diterapkan: 1) pajak karbon, 2) kebijakan perdagangan karbon, dan 3) kebijakan
kompensasi karbon. Dalam kebijakan pajak karbon, penghasil emisi dikenakan biaya untuk setiap
unit karbon yang mereka hasilkan. Diyakini bahwa tingkat pajak karbon yang tinggi mendorong
penggantian bahan bakar fosil dengan opsi yang lebih bersih karena penghasil emisi akan dikenakan
biaya tambahan jika mereka tidak beralih ke teknologi yang lebih bersih [5]. Bergantung pada biaya
yang dikeluarkan untuk beralih ke teknologi yang lebih bersih dan harga emisi karbon, kebijakan
pajak karbon dapat mendorong generasi energi yang lebih bersih [6]. Kebijakan pajak karbon
diimplementasikan di negara/wilayah seperti Provinsi British Columbia di Kanada, Finlandia, Swedia,
dan Swiss [7]. Dalam kebijakan perdagangan karbon, otoritas pemerintah menetapkan batas
keseluruhan emisi karbon untuk suatu yurisdiksi dan membagi alokasi emisi di antara penghasil
emisi [8]. Alokasi emisi diberikan kepada penghasil emisi baik secara gratis maupun melalui lelang
[9,10]. Penghasil emisi dapat menjual (atau membeli) alokasi emisi ke (atau dari) pasar karbon ketika
total emisinya kurang (atau lebih) dari alokasi awal. Pada praktiknya, proporsi alokasi awal yang
diberikan secara gratis kepada penghasil emisi akan berkurang seiring waktu [11]. Batas emisi
keseluruhan suatu yurisdiksi berkurang seiring waktu, memberikan insentif kepada penghasil emisi
untuk beralih ke teknologi rendah karbon [8]. Ditekankan dalam literatur bahwa kebijakan
perdagangan karbon dapat mendorong industri energi terbarukan jika pendapatan dari lelang
alokasi dapat digunakan untuk mensubsidi energi terbarukan [12]. Karena melibatkan lelang dan
perdagangan alokasi karbon, sistem perdagangan karbon cenderung kompleks untuk
diimplementasikan [13]. Sistem perdagangan karbon diterapkan di wilayah seperti Uni Eropa,
California di Amerika Serikat, provinsi Quebec di Kanada, dan tujuh wilayah di China [7]. Dalam
kebijakan kompensasi karbon, penghasil emisi dialokasikan target kepatuhan emisi, dan emisi
melebihi target tersebut dapat diimbangi dengan membeli kredit emisi dari sumber-sumber
pengurangan emisi bersertifikat [14]. Kredit emisi dibeli dari proyek-proyek energi rendah karbon
dan proyek-proyek pengurangan emisi [15,16]. Menurut Pemerintah Australia, ketidakpastian yang
terkait dengan kebijakan karbon adalah risiko utama yang dapat menghambat investasi dalam bisnis
[17]. Kebijakan kompensasi karbon, yang ditandai dengan kepastian dalam target kepatuhan dan
nilai harga karbon, dapat mengurangi risiko yang terkait dengan ketidakpastian dalam kebijakan
karbon. Kebijakan kompensasi karbon diadopsi di Australia dengan nama "Safeguard Mechanism"
[17]. Berbagai kebijakan penetapan harga karbon memiliki dampak ekonomi dan lingkungan yang
berbeda pada rantai pasok [18]. Beberapa penelitian sebelumnya menganalisis dampak kebijakan
penetapan harga karbon pada keputusan optimal, biaya, dan emisi dari model optimasi rantai pasok
biomassa. Studi-studi ini dapat dikategorikan menjadi yang berurusan dengan level perencanaan
strategis, taktis, dan operasional. Studi yang fokus pada level strategis mengembangkan model
optimasi untuk menentukan lokasi fasilitas bio-konversi untuk mengubah biomassa menjadi energi
(misalnya, [19]). Studi yang mempertimbangkan perencanaan tingkat taktis berfokus pada
keputusan terkait pemilihan pemasok biomassa, pemilihan mode transportasi, dan persediaan
biomassa di fasilitas konversi (misalnya, [20]). Satu-satunya studi yang mempertimbangkan
perencanaan tingkat operasional menganalisis dampak kebijakan penetapan harga karbon pada
solusi optimum Pareto dari model bi-objektif untuk menentukan campuran bahan baku optimum di
pabrik pemanas distrik yang menggunakan biomassa [21]. Diamati dalam penelitian sebelumnya
bahwa peningkatan harga karbon menghasilkan pengurangan emisi. Selain itu, semua studi yang
memodelkan kebijakan perdagangan karbon mengasumsikan alokasi awal tanpa biaya. Di bawah
asumsi ini, penelitian sebelumnya menyimpulkan bahwa model perdagangan karbon memiliki biaya
lebih rendah daripada

Tujuan:

Tujuan penelitian ini adalah untuk mengeksplorasi dampak kebijakan penetapan harga emisi karbon
pada model optimisasi untuk sistem pemanas distrik. Penelitian ini mencakup tiga jenis kebijakan
harga karbon, yaitu pajak karbon, cap-and-trade, dan offset karbon, dan menganalisis bagaimana
kebijakan-kebijakan ini memengaruhi keputusan optimal dalam konteks minimasi biaya dan emisi.
Beberapa aspek yang diteliti meliputi:

Minimisasi Biaya: Bagaimana kebijakan harga karbon mempengaruhi keputusan optimal ketika
tujuan utamanya adalah meminimalkan biaya bahan bakar.

Minimisasi Emisi: Bagaimana kebijakan harga karbon memengaruhi keputusan optimal ketika
tujuannya adalah meminimalkan emisi karbon.

Perbandingan Kinerja Kebijakan: Bagaimana kinerja tiga jenis kebijakan karbon (pajak, cap-and-
trade, dan offset) dibandingkan satu sama lain dalam konteks biaya dan emisi.

Dampak Variasi Harga Karbon: Bagaimana variasi harga karbon mempengaruhi solusi optimal dalam
model, dengan mempertimbangkan berbagai skenario harga karbon.

Analisis Cap-and-Trade dengan Alokasi Awal yang Berbeda: Dalam konteks kebijakan cap-and-trade,
bagaimana alokasi awal dan harga alokasi awal mempengaruhi solusi optimal. Melalui penelitian ini,
peneliti berusaha memberikan wawasan tentang bagaimana kebijakan penetapan harga emisi
karbon dapat memengaruhi pengelolaan sistem pemanas distrik, dengan fokus pada aspek biaya dan
emisi.

Kesimpulan :

Pengenalan kebijakan harga karbon dapat memiliki dampak signifikan pada biaya dan emisi rantai
pasokan biomassa. Model optimasi yang dikembangkan dalam penelitian ini membantu dalam
menganalisis dampak kebijakan harga karbon terhadap biaya dan emisi rantai pasokan biomassa.
Dalam model optimasi, penggunaan bentuk biomassa yang lebih padat direkomendasikan ketika
harga karbon meningkat. Hal ini dapat membantu mengurangi emisi dan biaya operasional. Model
kebijakan harga karbon seperti pajak karbon dan sistem cap-and-trade memiliki emisi optimal yang
sama untuk harga karbon yang sama. Namun, harga karbon dalam sistem cap-and-trade umumnya
lebih rendah daripada dalam sistem pajak karbon. Penting untuk mengalokasikan target kepatuhan
dengan hati-hati dalam model offset karbon. Hal ini dapat mempengaruhi hasil emisi dan biaya
optimal. Penggunaan model optimasi dapat membantu dalam mengoptimalkan campuran bahan
bakar dan mengurangi emisi karbon dalam pabrik pemanas distrik yang menggunakan biomassa.
Dalam penelitian ini, penggunaan model optimasi dengan kebijakan harga karbon dapat
menghasilkan pengurangan emisi karbon yang signifikan dan penghematan biaya operasional.
Penelitian ini memberikan wawasan tentang efek kebijakan harga karbon pada rantai pasokan
biomassa dan memberikan dasar untuk pengambilan keputusan yang lebih baik dalam
mengoptimalkan campuran bahan bakar dan mengurangi emisi karbon.
A location-inventory-routing model for distributing emergency supplies

paper ini memperkenalkan sebuah model location-inventory-routing (LIR) untuk distribusi dinamis
pasokan darurat dalam situasi pasca-bencana. Model ini mempertimbangkan lokasi titik distribusi
(POD), tingkat persediaan di titik permintaan, dan rute pengiriman. Tujuan perencanaan melibatkan
efisiensi biaya dan keadilan. Model ini diterapkan pada studi kasus distribusi pasca-hurikan di
lingkungan Red Hook di New York City, yang menunjukkan peningkatan signifikan dibandingkan
dengan model lain. Paper ini memberikan wawasan untuk praktik distribusi pasca-bencana. Model
yang dijelaskan dalam paper ini bertujuan untuk mengoptimalkan distribusi pasokan dalam jaringan
logistik dengan meminimalkan biaya sambil memastikan distribusi yang adil ke berbagai titik
pengiriman. Model ini mempertimbangkan faktor-faktor seperti biaya transportasi, tingkat
persediaan, kepuasan permintaan, dan biaya pengaturan untuk titik distribusi. Fungsi tujuan
mencakup biaya distribusi pasokan dan ukuran keadilan. Model ini dirumuskan sebagai program
nonlinear campuran bilangan bulat dan dapat diselesaikan menggunakan teknik optimasi yang
sesuai. Studi kasus yang disajikan dalam paper ini berfokus pada optimasi operasi tanggap bencana
pasca-bencana di sebuah lingkungan di New York City yang terkena dampak dari Badai Sandy. Studi
ini berfokus pada penempatan titik distribusi (POD), manajemen persediaan, dan rute pengiriman.
Penulis mengusulkan model pemrograman linear campuran bilangan bulat untuk meminimalkan
total biaya operasi tanggap bencana sambil mempertimbangkan tujuan keadilan. Model ini
diterapkan pada lingkungan Red Hook di Brooklyn, dan berbagai parameter ditetapkan berdasarkan
karakteristik area dan kejadian bencana. Penulis membandingkan model yang diusulkan dengan
empat strategi alternatif yang memiliki tingkat.

Batasan model yang diformulasikan dalam paper ini adalah sebagai berikut:

1. Setiap titik permintaan harus dilayani oleh satu titik distribusi.

2. Setiap titik distribusi hanya dapat melayani titik permintaan yang berada dalam jarak
tertentu.
3. Jumlah persediaan yang dialokasikan ke setiap titik permintaan tidak boleh melebihi tingkat
persediaan maksimum yang ditentukan.
4. Setiap titik distribusi hanya dapat melayani permintaan yang ada pada periode waktu
tertentu.
5. Biaya pengaturan untuk membuka atau menutup titik distribusi harus diperhitungkan. Biaya
pengiriman dari titik distribusi ke titik permintaan harus diperhitungkan.
6. Rute pengiriman harus memenuhi batasan kapasitas kendaraan.
7. Setiap titik distribusi hanya dapat melayani satu rute pengiriman pada periode waktu
tertentu.
8. Keuntungan dari model ini adalah meminimalkan biaya distribusi pasokan dan memastikan
distribusi yang adil ke berbagai titik permintaan

Gurobi adalah solver (pemecah masalah) komersial untuk masalah pemrograman bilangan bulat
(mixed-integer programming atau MIP). Pemrograman bilangan bulat adalah jenis masalah
pemrograman matematis di mana beberapa atau semua variabel keputusan memiliki batasan bahwa
mereka harus berupa bilangan bulat (bulat). Gurobi digunakan untuk menyelesaikan berbagai
masalah optimisasi yang melibatkan kombinasi variabel kontinu dan variabel diskrit (bilangan bulat).
Dalam konteks MIP, Gurobi dapat mengatasi masalah dengan fungsi tujuan dan batasan yang
melibatkan persamaan linear atau fungsi linear campuran (fungsi tujuan dan batasan yang dapat
mencakup variabel kontinu dan diskrit). Beberapa ciri Gurobi yang membuatnya populer di kalangan
para peneliti dan praktisi optimisasi termasuk: Kinerja Tinggi: Gurobi dikenal karena kinerjanya yang
sangat baik dalam menangani masalah optimisasi yang kompleks dan besar. Fleksibilitas: Mampu
menangani berbagai jenis masalah optimisasi, termasuk pemrograman linear (LP), pemrograman
kuadrat (QP), pemrograman bilangan bulat (MIP), dan lainnya. Antarmuka yang Ramah Pengguna:
Gurobi menyediakan antarmuka pengguna yang baik, termasuk dukungan untuk berbagai bahasa
pemrograman seperti Python, MATLAB, Java, C++, dan lainnya. Algoritma Pemecah Masalah
Canggih: Menggunakan berbagai teknik dan algoritma pemecah masalah yang canggih untuk
meningkatkan kecepatan dan akurasi solusi. Penggunaan Gurobi atau solvers sejenisnya sangat
umum di berbagai industri dan bidang penelitian yang melibatkan pengoptimalan, seperti
manajemen rantai pasokan, perencanaan sumber daya, manajemen produksi, dan lainnya. Namun,
perlu dicatat bahwa Gurobi adalah perangkat lunak berbayar, dan pengguna harus memperoleh
lisensi untuk menggunakannya secara penuh.

Hasil dari paper ini adalah sebagai berikut: Model location-inventory-routing (LIR) yang diusulkan
dalam paper ini berhasil mengoptimalkan distribusi pasokan dalam situasi pasca-bencana dengan
mempertimbangkan lokasi titik distribusi, tingkat persediaan, dan rute pengiriman. Model ini
mencapai peningkatan signifikan dibandingkan dengan model lain yang digunakan sebagai
pembanding. Studi kasus yang dilakukan pada lingkungan Red Hook di New York City yang terkena
dampak dari Badai Sandy menunjukkan bahwa model yang diusulkan (BS) memiliki biaya distribusi
pasokan yang lebih rendah dibandingkan dengan empat strategi alternatif lainnya. Hal ini
menunjukkan bahwa model ini efektif dalam mengoptimalkan operasi tanggap bencana pasca-
bencana. Model yang diusulkan juga memberikan wawasan penting untuk praktik distribusi pasca-
bencana. Studi ini menyoroti pentingnya fleksibilitas dalam penempatan titik distribusi, manajemen
persediaan, dan rute pengiriman dalam operasi tanggap bencana. Model ini juga dapat digunakan
sebagai panduan untuk perencanaan distribusi pasca-bencana di lokasi lain. Paper ini memberikan
kontribusi penting dalam bidang penelitian distribusi pasca-bencana dan logistik kemanusiaan.
Model yang diusulkan dapat digunakan sebagai dasar untuk pengembangan model dan algoritma
yang lebih efisien di masa depan. Penelitian selanjutnya dapat melibatkan pengembangan algoritma
yang lebih efisien, perluasan model ke skenario multi-komoditas, dan penggabungan ketidakpastian
dalam perencanaan distribusi pasca-bencana

Conclusion dari paper ini adalah sebagai berikut: Model location-inventory-routing (LIR) yang
diusulkan dalam paper ini berhasil mengoptimalkan distribusi pasokan dalam situasi pasca-bencana
dengan mempertimbangkan lokasi titik distribusi, tingkat persediaan, dan rute pengiriman. Model ini
mencapai peningkatan signifikan dibandingkan dengan model lain yang digunakan sebagai
pembanding. Studi kasus yang dilakukan pada lingkungan Red Hook di New York City yang terkena
dampak dari Badai Sandy menunjukkan bahwa model yang diusulkan (BS) memiliki biaya distribusi
pasokan yang lebih rendah dibandingkan dengan empat strategi alternatif lainnya. Hal ini
menunjukkan bahwa model ini efektif dalam mengoptimalkan operasi tanggap bencana pasca-
bencana. Model yang diusulkan juga memberikan wawasan penting untuk praktik distribusi pasca-
bencana. Studi ini menyoroti pentingnya fleksibilitas dalam penempatan titik distribusi, manajemen
persediaan, dan rute pengiriman dalam operasi tanggap bencana. Model ini juga dapat digunakan
sebagai panduan untuk perencanaan distribusi pasca-bencana di lokasi lain. Future work yang dapat
dilakukan berdasarkan paper ini adalah sebagai berikut: Pengembangan algoritma yang lebih efisien:
Paper ini menggunakan solver Gurobi untuk menyelesaikan model optimasi. Namun, waktu
komputasi yang diperlukan masih cukup lama. Oleh karena itu, penelitian selanjutnya dapat fokus
pada pengembangan algoritma yang lebih efisien, baik itu algoritma eksak maupun heuristik, untuk
menyelesaikan model ini dengan waktu yang lebih singkat. Perluasan model ke skenario multi-
komoditas: Paper ini hanya mempertimbangkan satu jenis pasokan darurat. Namun, dalam aplikasi
nyata, terdapat berbagai jenis pasokan darurat seperti air, makanan, dan peralatan medis. Oleh
karena itu, penelitian selanjutnya dapat memperluas model ini menjadi model multi-komoditas
untuk