LOKASI OPTIMAL INTERMEDIATE TREATMENT FACILITIES DAN IMPLEMENTASINYA DI DKI JAKARTA
ZAKIYATUN NUFUS
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Lokasi Optimal Intermediate Treatment Facilities dan Implementasinya di DKI Jakarta adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2015 Zakiyatun Nufus NIM G54100063
ABSTRAK ZAKIYATUN NUFUS. Lokasi Optimal Intermediate Treatment Facilities dan Implementasinya di DKI Jakarta. Dibimbing oleh AMRIL AMAN dan PRAPTO TRI SUPRIYO. Pengelolaan sampah di Indonesia diatur dalam Peraturan Pemerintah No. 81 tahun 2012. Peraturan tersebut menetapkan pengelolaan sampah di Indonesia mencakup dua hal yaitu pengurangan dan penanganan sampah. Penanganan sampah saat ini hanya menggunakan sistem kumpul-angkut-buang. Sampah yang sudah terkumpul di Tempat Penampungan Sampah Sementara (TPS) diangkut langsung menuju Tempat Pembuangan Akhir (TPA) tanpa diolah terlebih dahulu. Mekanisme penanganan sampah dengan sistem kumpul-angkut-buang ini masih belum optimal, disamping itu, sistem ini juga menimbulkan masalah lain yaitu masalah lingkungan. Salah satu usaha untuk memperbaiki sistem penanganan sampah adalah dengan membangun fasilitas pengolahan sampah yang disebut Intermediate Treatment Facilities (ITF). ITF mengolah sampah dengan menggunakan mesin insinerator sehingga sampah yang dibuang ke TPA hanya berupa abu sisa hasil pembakaran. Dalam merancang sistem ini dibutuhkan keputusan terkait dengan penentuan lokasi optimal tempat dibangunnya ITF. Permasalahan penentuan lokasi ini dimodelkan dengan menggunakan integer linear programming. Penentuan lokasi optimal ITF ini diimplementasikan pada suatu kasus di DKI Jakarta. Kata kunci: integer linear programming, ITF, penentuan lokasi, sampah
ABSTRACT ZAKIYATUN NUFUS. Optimal Locations for Intermediate Treatment Facilities and Its Implementation at DKI Jakarta. Supervised by AMRIL AMAN and PRAPTO TRI SUPRIYO. Waste management in Indonesia is regulated by Peraturan Pemerintah (PP) No. 81 in 2012. The regulation requires that waste management consists of two stages those are waste reduction and waste handling. Currently, waste handling is done simply by using the mechanism of collection – hauling – dumping; waste is collected from households and then brought to Waste Temporary Shelter (TPS), and from this location waste is then hauled and dumped at landfill (TPA). This mechanism is considered not optimal besides it also creates some environmental problems. One of the efforts that would improve waste management is by developing waste processing facilities in the form of Intermediate Treatment Facilities (ITF). ITF processes waste using incinerator machine that would greatly reduce the waste volume transported to landfill. One of the problem in designing the system is to determine optimal location of ITF. This problem is modeled using Integer Linear Programming. This model is implemented for a case at DKI Jakarta. Keywords: integer linear programming, ITF, location problem, waste
LOKASI OPTIMAL INTERMEDIATE TREATMENT FACILITIES DAN IMPLEMENTASINYA DI DKI JAKARTA
ZAKIYATUN NUFUS
Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015
Judul Skripsi : Lokasi Optimal Intermediate Implementasinya di DKI Jakarta Nama : Zakiyatun Nufus NIM : G54100063
Treatment
Facilities
dan
Disetujui oleh
Dr Ir Amril Aman, MSc Pembimbing I
Drs Prapto Tri Supriyo, MKom Pembimbing II
Diketahui oleh
Dr Toni Bakhtiar, MSc Ketua Departemen
Tanggal Lulus:
PRAKATA Puji dan syukur penulis panjatkan kepada Allah SWT atas segala rahmat, berkat, dan karunia-Nya. Shalawat serta salam juga penulis ucapkan kepada Nabi Muhammad SAW sebagai suri tauladan yang baik, sehingga penulisan karya ilmiah yang berjudul Lokasi Optimal Intermediate Treatment Facilities dan Implementasinya di DKI Jakarta dapat diselesaikan. Penulisan skripsi ini tidak lepas dari bantuan berbagai pihak. Oleh karena itu, penulis mengucapkan terima kasih kepada: 1 Bapak dan mamah serta adik-adik: Syifa, Awab, Ula, yang senantiasa memberikan kasih sayang, doa, dan dukungan, 2 Bapak Dr Ir Amril Aman, MSc sebagai dosen pembimbing I dan Bapak Drs Prapto Tri Supriyo, MKom sebagai dosen pembimbing II yang telah memberikan ilmu, saran, dan motivasi serta bantuannya dalam membimbing penulis selama masa penulisan karya ilmiah ini, 3 Bapak Dr Toni Bakhtiar, MSc sebagai dosen penguji yang telah memberikan ilmu dan sarannya, 4 Ibu Dr Ir Saptastri Ediningtyas Kusumadewi, MM sebagai Kepala Dinas Kebersihan Provinsi DKI Jakarta, Bapak Fahmi, Kak Ichwan, dan staf lain di Dinas Kebersihan Provinsi DKI Jakarta atas bantuan dan informasi yang telah diberikan, 5 seluruh dosen di Departemen Matematika IPB yang telah memberikan ilmu yang bermanfaat selama ini, 6 staf Departemen Matematika IPB: Ibu Susi, Pak Yono, Ibu Ade, dan staf lain yang selalu memberikan bantuan dan saran, 7 teman seperjuangan bimbingan: Alin, Erik, Irfan, Kak Maya, Kak Elisa, Kak Susi, Ari, Dedy, Fahri, 8 Marin, Uci, Bilyan, Sri, Vivi, Kiki O, Putu, Bella, Adi, Rendi, Ando, serta teman-teman seperjuangan matematika lainnya, 9 Eka, Poet, Indry, Kak Ade, Beti, Ria, Mbak Dian, Wulan, Fina, Wulmet, Mpok Jes, Tutu, Anggun, Tia, Nita, Ade, Neneng, dan Uli dari keluarga kecil Sundakarya Jambi, 10 seluruh pihak yang telah membantu penulis dan tidak dapat dituliskan satu per satu. Penulis menyadari bahwa karya ilmiah ini masih jauh dari sempurna. Oleh karena itu, penulis menghargai saran dan kritik yang membangun dari pembaca. Semoga karya ilmiah ini bermanfaat.
Bogor, Juni 2015 Zakiyatun Nufus
DAFTAR ISI DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan
1
TINJAUAN PUSTAKA
2
Linear Programming
2
Integer Programming
2
Fixed Charge Problem
2
DESKRIPSI DAN FORMULASI MASALAH
3
Deskripsi Masalah Penentuan Lokasi ITF
3
Formulasi Masalah
4
PENGUJIAN MODEL
6
Skenario 1
7
Skenario 2
8
Skenario 3
10
Skenario 4
12
IMPLEMENTASI MASALAH
14
Deskripsi dan Formulasi Masalah
14
Hasil dan Pembahasan
17
SIMPULAN DAN SARAN
19
Simpulan
19
Saran
19
DAFTAR PUSTAKA
20
LAMPIRAN
21
RIWAYAT HIDUP
38
DAFTAR TABEL 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Data volume sampah TPS Data jarak antarlokasi skenario 1 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 1 Hasil komputasi skenario 1 Rincian volume sampah skenario 1 Data jarak antarlokasi skenario 2 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 2 Hasil komputasi skenario 2 Rincian volume sampah skenario 2 Data jarak antarlokasi skenario 3 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 3 Hasil komputasi skenario 3 Rincian volume sampah skenario 3 Data jarak antarlokasi skenario 4 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 4 Hasil komputasi skenario 4 Rincian volume sampah skenario 4 Lokasi, kapasitas, dan fixed cost ITF Rincian volume sampah
6 7 7 8 8 9 9 10 10 11 11 12 12 13 13 14 14 16 18
DAFTAR GAMBAR 1 2 3 4
Sistem kumpul-angkut-buang sampah Pola penanganan sampah di Jakarta Peta 40 TPS di Jakarta dengan Google Maps Peta Lokasi Pelayanan TPS oleh ITF dan TPA
3 15 16 19
DAFTAR LAMPIRAN 1 2 3 4 5
Keterangan pada Gambar 3 Peta Lokasi TPS Data Kelengkapan TPS Data Kelengkapan TPS Klasifikasi TPS dan ITF yang terkait Sintaks program LINGO 11.0 untuk menyelesaikan model dengan data 40 TPS dan data ITF
21 22 23 24 25
PENDAHULUAN Latar Belakang Indonesia merupakan negara dengan penduduk terbesar keempat di dunia. Saat ini, penduduk Indonesia mencapai 237.641.326 jiwa (BPS 2010). Meningkatnya jumlah penduduk akan menyebabkan sampah yang dihasilkan juga meningkat. Diperkirakan pada tahun 2025, produksi sampah di Indonesia mencapai 130.000 ton/hari (Kemen LH 2014). Untuk itu diperlukan pengelolaan sampah yang serius agar timbulan sampah yang dihasilkan dapat dikurangi. Pengelolaan sampah di Indonesia diatur dalam Peraturan Pemerintah No.81 tahun 2012. Dalam peraturan tersebut, pengelolaan sampah di Indonesia meliputi kegiatan pengurangan dan penanganan sampah. Kegiatan penanganan sampah terdiri dari kegiatan pemilahan, pengumpulan, pengangkutan, pengolahan, dan pemrosesan akhir sampah. Kegiatan pengangkutan sampah dilakukan oleh pemerintah kabupaten/kota yakni sampah yang sudah dikumpulkan di tempat penampungan sampah sementara (TPS) akan diangkut menuju tempat pemrosesan akhir (TPA) atau tempat pengolahan sampah terpadu (TPST). Pemerintah kabupaten/kota juga dapat menyediakan stasiun peralihan antara (SPA) untuk pengangkutan sampah lintas kabupaten/kota dan pengolahan sampah bersama. Penanganan sampah di Indonesia masih belum berjalan maksimal karena sampah hanya ditangani dengan sistem kumpul-angkut-buang. Seringkali sampah yang sudah dikumpulkan di TPS diangkut langsung menuju TPA setempat tanpa diolah terlebih dahulu. Hal ini menyebabkan sampah menumpuk di TPA dan menimbulkan masalah lain seperti masalah lingkungan. Sampah yang menumpuk di TPA juga menyebabkan masa pakai TPA tersebut rendah karena sampah yang dibuang sudah melebihi kapasitas TPA. Saat ini, Dinas Kebersihan DKI Jakarta sebagai badan yang berperan dalam mengelola sampah Jakarta mencanangkan program Zero Waste yakni program untuk mengolah sampah sehingga sampah yang dibuang ke TPA Bantar Gebang hanya berupa residu saja. Untuk menjalankan program tersebut, Dinas Kebersihan DKI Jakarta berencana untuk membangun fasilitas pengolahan sampah yang disebut Intermediate Treatment Facilities (ITF). ITF ini direncanakan akan mempunyai fasilitas pengolahan sampah dengan menggunakan mesin insinerator sehingga sampah yang dibuang ke TPA Bantar Gebang hanya berupa abu sisa hasil pembakaran. Sehubungan dengan hal tersebut, penentuan lokasi dibangunnya ITF yang optimal diperlukan untuk meminimumkan biaya operasional yang dikeluarkan.
Tujuan Karya ilmiah ini bertujuan untuk: 1. Memodelkan permasalahan penentuan lokasi dibangunnya ITF menggunakan integer linear programming agar mendapatkan hasil yang optimal dengan biaya minimum,
2 2. Mengimplementasikan permasalahan dalam sebuah studi kasus penentuan lokasi ITF di Jakarta dan menyelesaikannya dengan bantuan software LINGO 11.0.
TINJAUAN PUSTAKA Dalam membuat model optimasi penentuan lokasi optimal ITF diperlukan pemahaman istilah linear programming, integer programming dan fixed charge problem.
Linear Programming Linear Programming (LP) merupakan suatu alat untuk menyelesaikan masalah optimisasi. Suatu masalah LP adalah masalah optimisasi yang memenuhi syarat sebagai berikut: 1. Masalah LP bertujuan untuk memaksimalkan atau meminimalkan suatu fungsi linear dari variabel keputusan. Fungsi yang harus dimaksimalkan atau diminimalkan disebut fungsi objektif. 2. Nilai dari variabel keputusan harus memenuhi kendala-kendala. Setiap kendala merupakan persamaan linear atau pertidaksamaan linear. 3. Sebuah batasan tanda dihubungkan dengan setiap variabel. Untuk suatu variabel , batasan tanda tertentu menyatakan bahwa harus salah satu dari taknegatif atau tidak dibatasi oleh tanda (Winston 2004).
Integer Programming Menurut Winston (2004), Integer Programming (IP) Problem merupakan suatu masalah linear programming dengan sebagian atau seluruh variabel yang dibutuhkan berupa bilangan bulat bukan negatif. Masalah IP terdiri dari beberapa jenis, yaitu pure integer programming problem, mixed integer programming problem, dan 0-1 integer programming problem.
Fixed Charge Problem Menurut Winston (2004), Fixed Charge Problem merupakan masalah IP di mana ada biaya yang berhubungan dengan pelaksanaan aktivitas di tingkat bukan nol yang tidak bergantung pada tingkatan aktivitas tersebut sehingga biaya yang dikeluarkan sama tidak peduli berapa banyak penggunaan aktivitas tersebut. Andaikan aktivitas mendatangkan biaya tetap jika dijalankan pada sembarang tingkat positif yang dapat digambarkan dalam formulasi sebagai berikut tingkat aktivitas
3 jika aktivitas dijalankan pada tingkatan positif jika .
{
Sebuah kendala Dalam formulasi tersebut, kurang atau sama dengan
harus ditambahkan ke dalam formulasi masalah. harus cukup besar untuk memastikan bahwa akan .
DESKRIPSI DAN FORMULASI MASALAH Deskripsi Masalah Penentuan Lokasi ITF Pengelolaan sampah di Indonesia yang diatur dalam PP No. 81 tahun 2012 masih belum berjalan maksimal. Sampah yang dikumpulkan di TPS hanya dikelola dengan sistem kumpul-angkut-buang. Sistem kumpul-angkut-buang tersebut dapat dilihat pada Gambar 1 berikut. dikumpulkan SUMBER SAMPAH
diangkut dengan Truk Sampah TPS
TPA SETEMPAT
Gambar 1 Sistem kumpul-angkut-buang sampah Penanganan sampah yang menggunakan sistem kumpul-angkut-buang menimbulkan masalah lain, seperti masalah lingkungan karena sampah tidak diolah terlebih dahulu. Proses penanganan sampah salah satunya adalah pengolahan sampah meliputi kegiatan pemadatan, pengomposan, daur ulang materi, dan daur ulang energi (Kemensetneg 2012). Pemrosesan akhir sampah dilakukan di TPA dengan menggunakan metode lahan urug terkendali maupun saniter dan teknologi ramah lingkungan (Kemensetneg 2012). Metode lahan urug sampah terkendali adalah dengan cara sampah dipadatkan dan ditutup dengan tanah penutup sekurang-kurangnya setiap tujuh hari sedangkan metode lahan urug saniter adalah metode pengurugan secara sistematis dengan penyebaran dan pemadatan sampah pada area pengurugan serta penutupan sampah setiap hari (Kemensetneg 2012). Metode lahan urug sampah yang diatur belum berjalan dengan maksimal karena sampah langsung dibuang ke lahan terbuka sehingga air lindi dari sampah dapat mencemari lingkungan sekitar, menimbulkan bau menyengat, dan membuat masa pakai TPA menjadi rendah. Metode lahan urug sampah ini juga memerlukan lahan yang besar untuk menampung sampah. Salah satu solusi penanganan sampah yakni dengan membangun fasilitas pengolahan sampah seperti ITF. ITF bertujuan untuk mereduksi volume sampah sebelum dibuang ke TPA/TPST dengan mengubah komposisi dan karakteristik sampah sehingga yang dibuang ke TPA/TPST hanya berupa residu dari ITF (Dinsih 2011). ITF akan mengolah sampah dengan menggunakan teknologi ramah lingkungan yang akan mengubah sampah sebagai sumber daya untuk pemanfaatan
4 seperti kompos dan energi. Pengolahan sampah dalam program Zero Waste yang direncanakan akan menggunakan teknologi insinerasi untuk mengolah sampah anorganik dan pengomposan untuk sampah organik (Dinsih 2014). Teknologi insinerasi dilakukan dengan tungku pembakaran sampah yang kemudian akan dihasilkan listrik dan panas (Rahmaputro 2012). Residu sisa hasil pembakaran sampah yang berupa abu akan dibuang ke TPA setempat. Penentuan lokasi dibangunnya ITF yang optimal merupakan bagian dari proses penanganan sampah oleh pemerintah kabupaten/kota. Penentuan lokasi yang optimum dapat ditinjau dari jarak minimum yang ditempuh oleh truk pengangkut sampah dari TPS-ITF-TPA dan TPS-TPA, biaya operasional penanganan sampah minimum, atau pengurangan volume sampah maksimum. Pada karya ilmiah ini akan dibahas masalah penentuan lokasi dibangunnya ITF dengan biaya operasional minimum. Biaya operasional yang dimaksud adalah biaya angkut sampah perton km dari TPS-ITF-TPA dan TPS-TPA serta biaya tetap pengolahan sampah di ITF yang dibangun.
Formulasi Masalah Untuk membatasi permasalahan penentuan lokasi optimal ITF dalam karya ilmiah ini diperlukan beberapa asumsi. Asumsi-asumsi yang diperlukan antara lain sebagai berikut: 1. Lokasi potensial ITF yang akan dibangun sudah ditentukan sehingga diasumsikan lahan tersedia. 2. Residu sampah yang dihasilkan dari ITF sebesar dari volume sampah semula. Saat ini teknologi insinerasi mampu mengurangi sampah hingga 90% dari sampah semula (NEA 2013). 3. Biaya angkut sampah perton km diasumsikan sama untuk mengangkut sampah dari TPS-ITF, ITF-TPA, dan TPS-TPA. Model matematis dari permasalahan tersebut dikembangkan dari jurnal ilmiah karya Eiselt (2006) yang berjudul “Locating Landfills and Transfer Stations in Alberta”. Formulasi Masalah Indeks: indeks untuk menyatakan lokasi TPS indeks untuk menyatakan lokasi TPA indeks untuk menyatakan lokasi potensial ITF Parameter: = banyaknya volume sampah yang ditampung di TPS (ton/hari), = jarak TPS dengan TPA (km), = jarak TPS dengan ITF (km), = jarak ITF dengan TPA (km), = batasan maksimum ITF yang dibangun, = residu sampah yang dihasilkan ITF menuju TPA, = kapasitas ITF (ton/hari), = kapasitas TPA (ton/hari),
5 = biaya tetap pengolahan perhari ITF = biaya angkut sampah perton km.
apabila ITF dibangun,
Variabel Keputusan: {
jika sampah dari TPS langsung dibawa menuju TPA selainnya,
{
jika sampah dari TPS menuju ke ITF selainnya,
{
jika ITF dibangun di lokasi selainnya.
sebelum ke TPA
Fungsi Objektif: meminimumkan biaya yakni biaya angkut sampah perton km dan biaya tetap (fixed cost). (∑ ∑
∑∑∑
)
∑
Kendala: 1. Batasan ITF yang dibangun, ∑ 2. Sampah yang berasal dari tiap TPS dibuang langsung ke TPA atau melalui ITF terlebih dahulu, ∑(
∑
)
3. Sampah dari tiap TPS dapat dibuang ke ITF jika ITF yang terkait dibangun ∑ dengan bilangan positif relatif besar, 4. Batasan volume sampah yang masuk ke ITF , ∑∑ 5. Batasan volume sampah yang masuk ke TPA , ∑ 6. Kendala biner,
∑∑
{ } { } { } . Penentuan volume sampah total yang akan masuk ke TPA membutuhkan data volume sampah yang langsung ke TPA dan residu sampah dari setiap ITF yang dibangun. Oleh karena itu dibutuhkan variabel penjelas sebagai berikut:
6 Variabel penjelas: = volume sampah yang dibuang langsung dari TPS
ke TPA
dengan
= residu sampah dari TPS yang melalui ITF sebelum dibuang ke TPA dengan , = total residu sampah dari ITF yang dibuang ke TPA dengan ∑ , ∑ = total volume sampah yang dibuang di TPA dengan ∑ Kendala: Kendala ketaknegatifan
PENGUJIAN MODEL Model penentuan lokasi ITF yang dibangun ini akan diuji dengan menggunakan empat skenario. Skenario yang akan diuji menggunakan data jarak, kapasitas ITF, kapasitas TPA, dan fixed cost ITF yang berbeda-beda untuk setiap skenario uji dan diselesaikan dengan bantuan software LINGO 11.0. Misalkan diberikan data lokasi TPS sebanyak sepuluh TPS, lokasi potensial dibangunnya ITF sebanyak tiga lokasi, dan TPA sebanyak dua lokasi. Diberikan data biaya angkut sampah per ton km sebesar Rp15 000 dan residu sampah yang dihasilkan ITF sebesar 10% dari volume sampah semula. Data volume sampah di TPS diberikan pada Tabel 1. Tabel 1 Data volume sampah TPS Lokasi TPS 1 TPS 2 TPS 3 TPS 4 TPS 5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 Total
Volume Sampah (ton/hari) 9.26 5.73 6.89 6.12 17.12 16.47 9.28 14.70 14.89 15.24 115.71
7 Skenario 1 Diberikan data jarak TPS-ITF, ITF-TPA, dan TPS-TPA pada Tabel 2, di mana ada ITF dengan jarak yang relatif dekat dengan beberapa TPS dibandingkan dengan jarak TPS-TPA. Tabel 2 Data jarak antarlokasi skenario 1 Lokasi TPS 1 TPS 2 TPS 3 TPS 4 TPS 5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
ITF 1 5.60 1.81 3.21 2.15 2.82 16.34 11.14 19.77 17.72 18.78 0
20.36 30.25
Jarak antarlokasi (km) ITF 2 ITF 3 TPA 1 15.78 26.07 42.27 18.77 30.73 45.11 20.57 29.17 41.90 19.08 29.92 41.98 18.08 29.37 44.44 5.81 29.48 41.96 4.38 28.08 45.33 3.89 29.90 42.05 3.02 30.85 41.56 1.67 25.79 43.66 20.36 0 30.04 0 31.19 30.04 31.19 0 22.09 30.32
TPA 2 43.87 41.04 41.60 41.16 43.74 43.26 42.18 44.52 43.07 45.62 30.25 22.09 30.32 0
Data kapasitas ITF dan TPA serta fixed cost ITF diberikan pada Tabel 3 sebagai berikut. Tabel 3 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 1 Lokasi ITF 1 ITF 2 ITF 3 TPA1 TPA2
Kapasitas (ton/hari) 100 100 100 1.000 1.000
Fixed Cost (Rp) 100 000 120 000 80 000
Berdasarkan data yang diberikan pada tabel di atas, hasil komputasi LINGO 11.0 menghasilkan nilai fungsi objektif sebesar Rp10 082 420 serta ITF yang akan dibangun adalah ITF 1 dan ITF 2. Hasil Komputasi dapat dilihat pada Tabel 4 berikut.
8 Tabel 4 Hasil komputasi skenario 1 Lokasi ITF 1
ITF 2
ITF 3 TPA 1 TPA 2
TPS yang dilayani TPS 1 TPS 2 TPS 3 TPS 4 TPS 5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 -
Hasil komputasi menunjukkan bahwa sampah dari TPS menuju ITF dengan jarak yang relatif dekat dengan TPS tersebut. Tidak ada sampah dari TPS yang langsung menuju TPA 1 atau TPA 2. Sampah dari TPS yang dibawa ke ITF akan diolah terlebih dahulu dan menghasilkan residu ITF yang kemudian akan dibuang ke TPA. Rincian volume sampah untuk uji model skenario 1 dapat dilihat pada Tabel 5. Tabel 5 Rincian volume sampah skenario 1 Rincian Sampah langsung dari TPS Sampah residu setiap ITF
Total sampah masuk TPA
TPA 1 (ton/hari) ITF1: 4,512 ITF2: ITF3: 4,512
TPA 2 (ton/hari) ITF1: ITF2: 7,058 ITF3: 7,058
Skenario 2 Diberikan data jarak TPS-ITF, ITF-TPA, dan TPS-TPA pada Tabel 6, di mana ada ITF dengan jarak yang relatif dekat dengan beberapa TPS dibandingkan dengan jarak TPS-TPA, namun mempunyai kapasitas yang tidak mencukupi untuk mengolah seluruh sampah di TPS.
9 Tabel 6 Data jarak antarlokasi skenario 2 Lokasi TPS 1 TPS 2 TPS 3 TPS 4 TPS 5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
ITF 1 5.60 1.81 3.21 2.15 2.82 16.34 11.14 19.77 17.72 18.78 0
20.36 30.25
Jarak antarlokasi (km) ITF 2 ITF 3 TPA 1 15.78 26.07 42.27 18.77 30.73 45.11 20.57 29.17 41.90 19.08 29.92 41.98 18.08 29.37 44.44 5.81 29.48 41.96 4.38 28.08 45.33 3.89 29.90 42.05 3.02 30.85 41.56 1.67 25.79 43.66 20.36 0 30.04 0 31.19 30.04 31.19 0 22.09 30.32
TPA 2 43.87 41.04 41.60 41.16 43.74 43.26 42.18 44.52 43.07 45.62 30.25 22.09 30.32 0
Data kapasitas ITF dan TPA serta fixed cost ITF diberikan pada Tabel 7 sebagai berikut. Tabel 7 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 2 Lokasi ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
Kapasitas (ton/hari) 20 20 100 1.000 1.000
Fixed Cost (Rp) 20 000 25 000 80 000
Berdasarkan data yang diberikan pada Tabel di atas, hasil komputasi LINGO 11.0 menghasilkan nilai fungsi objektif sebesar Rp41 126 110 serta ITF yang akan dibangun adalah ITF 1, ITF 2, dan ITF 3. Hasil Komputasi dapat dilihat pada Tabel 8 berikut.
10 Tabel 8 Hasil komputasi skenario 2 Lokasi ITF 1
ITF 2 ITF 3
TPA 1 TPA 2
TPS yang dilayani TPS 2 TPS 3 TPS 4 TPS 9 TPS 1 TPS 5 TPS 6 TPS 7 TPS 8 TPS 10 -
Hasil komputasi menunjukkan bahwa sebagian sampah dari TPS menuju ITF dengan jarak yang relatif dekat dengan TPS tersebut hingga kapasitas ITF terpenuhi. Sampah dari TPS lainnya menuju ke ITF lain yang kapasitasnya masih mencukupi. Tidak ada sampah dari TPS yang langsung menuju ke TPA 1 atau TPA 2. Rincian volume sampah untuk uji model skenario 2 dapat dilihat pada Tabel 9. Tabel 9 memperlihatkan bahwa seluruh sampah yang masuk ke TPA berasal dari residu pengolahan sampah di ITF. Tabel 9 Rincian volume sampah skenario 2 Rincian Sampah langsung dari TPS Sampah residu setiap ITF
Total sampah masuk TPA
TPA 1 (ton/hari) ITF1: 1,874 ITF2: ITF3: 1,874
TPA 2 (ton/hari) ITF1: ITF2: 1,489 ITF3: 8,207 9,696
Skenario 3 Diberikan data jarak TPS-ITF, ITF-TPA, dan TPS-TPA pada Tabel 10, di mana ada ITF dengan jarak yang relatif dekat dengan beberapa TPS namun mempunyai kapasitas yang tidak mencukupi untuk mengolah seluruh sampah di TPS serta diberikan jarak TPS-TPA yang relatif dekat.
11 Tabel 10 Data jarak antarlokasi skenario 3 Lokasi TPS 1 TPS 2 TPS 3 TPS 4 TPS 5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
ITF 1 5.60 1.81 3.21 2.15 2.82 16.34 11.14 19.77 17.72 18.78 0
20.36 30.25
Jarak antarlokasi (km) ITF 2 ITF 3 TPA 1 15.78 26.07 3.26 18.77 30.73 5.28 20.57 29.17 5.48 19.08 29.92 5.47 18.08 29.37 8.52 5.81 29.48 2.08 4.38 28.08 3.00 3.89 29.90 7.07 3.02 30.85 7.84 1.67 25.79 8.39 20.36 0 30.04 0 31.19 30.04 31.19 0 22.09 30.32
TPA 2 3.93 4.77 1.66 8.54 3.95 9.62 10.50 4.48 7.38 6.02 30.25 22.09 30.32 0
Data kapasitas ITF dan TPA serta fixed cost ITF diberikan pada Tabel 11 sebagai berikut. Tabel 11 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 3 Lokasi ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
Kapasitas (ton/hari) 20 20 100 1.000 1.000
Fixed Cost (Rp) 20 000 25 000 80 000
Berdasarkan data yang diberikan pada tabel di atas, hasil komputasi LINGO 11.0 menghasilkan nilai fungsi objektif sebesar Rp6 852 940 serta ITF yang akan dibangun adalah ITF 1 dan ITF 2. Hasil Komputasi dapat dilihat pada Tabel 12 berikut.
12 Tabel 12 Hasil komputasi skenario 3 Lokasi ITF 1 ITF 2 ITF 3 TPA 1
TPA 2
TPS yang dilayani TPS 2 TPS 4 TPS 10 TPS 1 TPS 6 TPS 7 TPS 3 TPS 5 TPS 8 TPS 9
Hasil komputasi menunjukkan bahwa sebagian sampah dari TPS menuju ITF dengan jarak yang relatif dekat dengan TPS tersebut. Sampah dari TPS lainnya langsung menuju ke TPA 1 atau TPA 2. Rincian volume sampah pada uji model skenario 3 dapat dilihat pada Tabel 13. Tabel 13 memperlihatkan bahwa sampah yang masuk ke TPA berasal dari sampah langsung di TPS dan residu pengolahan sampah di ITF. Tabel 13 Rincian volume sampah skenario 3 Rincian Sampah langsung dari TPS
TPA 1 (ton/hari) TPS 1: 9,26 TPS 6: 16,47 TPS 7: 9,28
Sampah residu setiap ITF
ITF 1: 1,185 ITF 2: ITF 3: 36,195
Total sampah masuk TPA
TPA 2 (ton/hari) TPS 3: 6,89 TPS 5: 17,12 TPS 8: 14,7 TPS 9: 14,89 ITF 1: ITF 2: 1,524 ITF 3: 55,124
Skenario 4 Diberikan data jarak TPS-ITF, ITF-TPA, dan TPS-TPA pada Tabel 14, di mana ada ITF dengan jarak yang relatif dekat dengan beberapa TPS dan mempunyai kapasitas yang mencukupi untuk mengolah seluruh sampah di TPS serta diberikan jarak TPS-TPA yang relatif dekat.
13 Tabel 14 Data jarak antarlokasi skenario 4 Lokasi TPS 1 TPS 2 TPS 3 TPS 4 TPS5 TPS 6 TPS 7 TPS 8 TPS 9 TPS 10 ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
ITF 1 5.60 1.81 3.21 2.15 2.82 16.34 11.14 19.77 17.72 18.78 0
20.36 30.25
Jarak antarlokasi (km) ITF 2 ITF 3 TPA1 15.78 26.07 3.26 18.77 30.73 5.28 20.57 29.17 5.48 19.08 29.92 5.47 18.08 29.37 8.52 5.81 29.48 2.08 4.38 28.08 3.00 3.89 29.90 7.07 3.02 30.85 7.84 1.67 25.79 8.39 20.36 0 30.04 0 31.19 30.04 31.19 0 22.09 30.32
TPA 2 3.93 4.77 1.66 8.54 3.95 9.62 10.50 4.48 7.38 6.02 30.25 22.09 30.32 0
Data kapasitas ITF dan TPA serta fixed cost ITF diberikan pada Tabel 15 sebagai berikut. Tabel 15 Data kapasitas ITF dan TPA serta fixed cost ITF skenario 4 Lokasi ITF 1 ITF 2 ITF 3 TPA 1 TPA 2
Kapasitas (ton/hari) 100 100 100 1.000 1.000
Fixed Cost (Rp) 100 000 120 000 80 000
Berdasarkan data yang diberikan pada tabel di atas, hasil komputasi LINGO 11.0 menghasilkan nilai fungsi objektif sebesar Rp6 547 514 serta ITF yang akan dibangun adalah ITF 1 dan ITF 2. Hasil Komputasi dapat dilihat pada Tabel 16 berikut.
14 Tabel 16 Hasil komputasi skenario 4 Lokasi ITF1 ITF2 ITF3 TPA1
TPA2
TPS yang dilayani TPS2 TPS4 TPS9 TPS10 TPS1 TPS6 TPS7 TPS3 TPS5 TPS8
Hasil komputasi menunjukkan bahwa sebagian sampah dari TPS menuju ITF dengan jarak yang relatif dekat dengan TPS tersebut. Sampah dari TPS lainnya menuju ke TPA 1 atau TPA 2. Rincian volume sampah pada uji model skenario 4 dapat dilihat pada Tabel 17. Tabel 17 memperlihatkan bahwa sampah yang masuk ke TPA berasal dari sampah langsung di TPS dan residu pengolahan sampah di ITF. Tabel 17 Rincian volume sampah skenario 4 Rincian Sampah langsung dari TPS
Sampah residu setiap ITF
Total sampah masuk TPA
TPA 1 (ton/hari) TPS 1: 9,26 TPS 6: 16,47 TPS 7: 9,28 ITF 1: 1,185 ITF 2: ITF 3: 36,195
TPA 2 (ton/hari) TPS 3: 6,89 TPS 5: 17,12 TPS 8: 14,7 ITF 1: ITF 2: 3,013 ITF 3: 41,723
IMPLEMENTASI MASALAH Deskripsi dan Formulasi Masalah Penanganan sampah di DKI Jakarta dilakukan oleh Dinas Kebersihan DKI Jakarta sebagai badan yang bertanggung jawab mengelola sampah di DKI Jakarta. Penanganan sampah dilakukan dengan cara, sampah yang berasal dari sumber dikumpulkan ke TPS yang kemudian diangkut oleh truk pengangkut sampah menuju TPA Bantar Gebang atau melalui SPA Sunter terlebih dahulu untuk dilakukan proses pemadatan sebelum menuju TPA Bantar Gebang. Penanganan sampah yang dilakukan Dinas Kebersihan DKI Jakarta dapat dilihat pada Gambar 2 sebagai berikut.
15 diangkut dengan Truk Sampah oleh T
TPA BANTAR GEBANG
dikumpulkan SUMBER
TPS
dibuang SPA SUNTER
dilakukan proses pemadatan Gambar 2 Pola penanganan sampah di Jakarta Program Zero Waste, salah satunya merencanakan dibangunnya ITF sebagai tempat pengolahan sampah Jakarta. Pengolahan sampah dalam program Zero Waste menggunakan teknologi insinerasi untuk mengolah sampah anorganik dan pengomposan untuk sampah organik (Dinsih 2014). Residu sampah yang berupa abu ini kemudian akan dibawa ke TPA Bantar Gebang. Lokasi ITF yang direncanakan akan berada di dalam kota sehingga dapat meminimumkan biaya operasional. Penerapan model penentuan lokasi ITF dilakukan di sebagian TPS di Jakarta. Berdasarkan data BTPK (2013), lokasi TPS yang tersebar di DKI Jakarta mencapai 2.513 lokasi. Lokasi ini termasuk TPS dari jenis pool container, pool gerobak, transito, dipo, door to door, LPS, dan hasil penyapuan. Lokasi TPS yang diambil hanya sebanyak 40 TPS yakni 8 TPS dari wilayah Jakarta Barat, 8 TPS dari wilayah Jakarta Pusat, 9 TPS dari wilayah Jakarta Selatan, 9 TPS dari wilayah Jakarta Timur, dan 6 TPS dari wilayah Jakarta Utara. Lokasi TPA yang digunakan pada model hanya satu lokasi yaitu TPA Bantar Gebang, Bekasi. Ada empat tempat lokasi potensial dibangunnya ITF yaitu di wilayah Sunter dan Marunda (Jakarta Utara), Duri Kosambi (Jakarta Barat), dan Cakung Cilincing (Jakarta Timur) (Dinsih 2011). ITF yang dibangun diharapkan dapat mengurangi volume sampah Jakarta dengan biaya operasional yang minimum. Model penentuan lokasi ITF ini menggunakan data hipotetik, data aproksimasi, dan data yang berasal dari Dinas Kebersihan DKI Jakarta. Data hipotetik digunakan untuk data biaya tetap (fixed cost) perhari dari tiap ITF dan data biaya angkut sampah yakni Rp15 000 per ton km. Data aproksimasi dihasilkan dari fitur pembuatan peta di aplikasi Google Maps yang digunakan untuk menentukan jarak antara TPS-TPA, TPS-ITF, dan ITF-TPA. Data lokasi dan volume sampah tiap TPS serta kapasitas maksimum TPA Bantar Gebang berasal dari data BTPK (Bidang Teknik Pengelolaan Kebersihan) Dinas Kebersihan DKI Jakarta tahun 2013. Data kapasitas maksimum pengolahan
16 sampah perhari di ITF berdasarkan rencana pada Paparan Pola Penanganan Sampah Dinas Kebersihan DKI Jakarta 2014. Gambar 3 memperlihatkan peta lokasi 40 TPS di Jakarta dengan menggunakan fitur pembuatan peta di aplikasi Google Maps. Keterangan Gambar 3 dapat dilihat pada Lampiran 1.
Gambar 3 Peta 40 TPS di Jakarta dengan Google Maps Total volume sampah dari 40 TPS sebanyak 1.012,79 ton/hari. Sampah dari tiap TPS akan dikirim sebagian langsung menuju TPA Bantar Gebang dan sebagian lainnya melalui ITF tertentu sebelum dikirim menuju TPA Bantar Gebang. Rincian data kelengkapan 40 TPS yakni data lokasi, jenis TPS, volume sampah, kecamatan, dan wilayahnya dapat dilihat pada Lampiran 2. Lokasi ITF yang potensial dipilih berdasarkan Masterplan dan Kajian Akademis Persampahan tahun 2012-2032. Rincian mengenai ITF dapat dilihat pada Tabel 18. Data jarak antara TPS-TPA, TPS-ITF, dan ITF-TPA dapat dilihat pada Lampiran 3. Tabel 18 Lokasi, kapasitas, dan fixed cost ITF Lokasi Potensial ITF Sunter Marunda Duri Kosambi Cakung Cilincing
Kapasitas (ton/hari) 1.500 2.500 1.000 1.500
Fixed Cost perhari (Rp) 2 000 000 3 000 000 1 500 000 2 500 000
17 Berdasarkan penjelasan sebelumnya, masalah penentuan lokasi optimal ITF di Jakarta dapat dijabarkan dalam formulasi masalah seperti yang telah diuraikan di depan dengan indeks dan nilai parameter sebagai berikut: Indeks: indeks untuk menyatakan lokasi TPS dengan , indeks untuk menyatakan lokasi TPA Bantar Gebang dengan indeks untuk menyatakan lokasi potensial ITF dengan
, .
Parameter: = banyaknya volume sampah yang ditampung di TPS dalam satuan ton/hari (lampiran 2), = jarak TPS dengan TPA dalam satuan km (lampiran 3), = jarak TPS dengan ITF dalam satuan km (lampiran 3), = jarak ITF dengan TPA dalam satuan km (lampiran 3), = batasan maksimum ITF yang dibangun yaitu sebanyak empat ITF, = residu sampah yang dihasilkan ITF menuju TPA yaitu sebesar 10%, = kapasitas ITF dalam satuan ton/hari (Tabel 18), = kapasitas TPA Bantar Gebang (ton/hari) yaitu sebesar 2.000 ton/hari, = biaya tetap pengolahan perhari ITF apabila ITF dibangun (Tabel 18), = biaya angkut sampah perton km diasumsikan Rp15 000, = bilangan positif yang relatif besar. Nilai karena sudah memenuhi kendala 3.
Hasil dan Pembahasan Model matematis yang diterapkan pada 40 TPS di Jakarta dengan empat lokasi potensial ITF dan satu lokasi TPA yakni TPA Bantar Gebang di atas diselesaikan dengan bantuan software LINGO 11.0. Solusi yang diperoleh merupakan solusi optimal dengan nilai fungsi objektif sebesar Rp261 678 000. Nilai fungsi objektif yang diperoleh merupakan biaya minimum yang diperlukan apabila ITF dibangun di lokasi tertentu termasuk biaya angkut dan biaya tetap pengolahan sampah di ITF tersebut. Waktu yang dibutuhkan untuk mendapatkan solusi tersebut sekitar tiga detik. ITF dibangun di tiga lokasi yakni ITF Sunter, ITF Duri Kosambi, dan ITF Cakung Cilincing. Berdasarkan hasil keluaran LINGO 11.0, setiap TPS membawa seluruh sampah melalui ITF terlebih dahulu atau langsung menuju TPA Bantar Gebang. TPS yang melalui ITF Sunter sebanyak 19 TPS, TPS yang melalui ITF Duri Kosambi sebanyak 11 TPS, TPS yang melalui ITF Cakung Cilincing sebanyak 4 TPS, dan TPS yang langsung membawa sampahnya ke TPA Bantar Gebang sebanyak 6 TPS. Seluruh sampah dari setiap ITF akan dibawa kembali menuju TPA Bantar Gebang. Klasifikasi TPS dan ITF yang terkait disajikan dalam bentuk tabel yang dapat dilihat pada Lampiran 4. Sintaks program LINGO 11.0 untuk menyelesaikan masalah penentuan lokasi optimal ITF dapat dilihat pada Lampiran 5. Beberapa TPS mengirimkan sampah secara langsung menuju TPA Bantar Gebang. Hal ini dikarenakan jarak dari TPS menuju TPA relatif lebih dekat dan
18 juga diakibatkan oleh tingginya biaya tetap (fixed cost) yang akan ditanggung apabila sampah diolah di ITF terlebih dahulu dibandingkan dengan mengangkut sampah langsung ke TPA. Seluruh sampah dari TPS yang langsung maupun yang terlebih dahulu diolah di ITF tertentu akan berakhir di TPA Bantar Gebang. Sampah yang berasal dari ITF berupa residu pengolahan sampah dari TPS. Volume sampah total yang masuk ke TPA Bantar Gebang untuk 40 TPS di Jakarta sebanyak 291,458 ton/hari. Volume sampah total ini didapat dari hasil penjumlahan antara sampah dari TPS yang langsung menuju ke TPA dan residu sampah yang terlebih dahulu diolah di ITF tertentu. Total volume sampah yang masuk ke TPA Bantar Gebang masih memenuhi kapasitas TPA yaitu sebesar 2.000 ton/hari sehingga sampah TPS-TPA dengan sampah TPS-ITF-TPA masih dapat ditampung. Rincian volume sampah tersebut disajikan dalam Tabel 19 berikut. Tabel 19 Rincian volume sampah Rincian
Sampah langsung dari TPS
Sampah residu setiap ITF Total sampah masuk TPA
Volume Sampah (ton/hari) TPS 17: 12,81 TPS 27: 17,67 TPS 28: 43,58 TPS 30: 12,22 TPS 31: 112 TPS 34: 13,03 ITF 1: 45,223 ITF 2: ITF 3: 27,575 ITF 4: 7,35 291,458
Gambar 4 memperlihatkan hasil implementasi dalam bentuk peta. Titik-titik dengan warna merah menggambarkan bahwa sampah dari TPS tersebut diolah di ITF Sunter. Titik-titik dengan warna biru menggambarkan bahwa sampah dari TPS tersebut diolah di ITF Duri Kosambi dan warna hijau untuk sampah dari TPS yang diolah di ITF Cakung Cilincing. Warna kuning untuk sampah dari TPS yang langsung dibuang ke TPA Bantar Gebang. Peta hasil juga memperlihatkan bahwa ITF yang dibangun adalah ITF Sunter, ITF Duri Kosambi, dan ITF Cakung Cilincing. Seluruh sampah dari TPS yang langsung ke TPA dan residu sampah dari ITF akan dibuang ke TPA Bantar Gebang.
19
Gambar 4 Peta Lokasi Pelayanan TPS oleh ITF dan TPA
SIMPULAN DAN SARAN Simpulan Permasalahan penentuan lokasi optimal untuk pembangunan ITF di Jakarta dapat dimodelkan menggunakan integer linear programming untuk menentukan lokasi pembangunan ITF dengan biaya operasional minimum. Biaya operasional minimum yang dimaksud adalah biaya angkut sampah perton km dan biaya tetap (fixed cost) pada masing-masing ITF yang ditanggung apabila ITF tersebut dibangun. Berdasarkan hasil implementasi masalah pada 40 lokasi TPS yang tersebar di Jakarta, biaya operasional akan mencapai minimum jika ITF yang dibangun adalah ITF Sunter, ITF Duri Kosambi, dan ITF Cakung Cilincing.
Saran Karya ilmiah ini hanya menggunakan 40 lokasi TPS dari total 2.513 lokasi TPS yang tersebar di wilayah DKI Jakarta (BTPK 2013). Oleh karena itu, karya ilmiah ini masih jauh dari masalah nyata. Karya ilmiah ini dapat dikembangkan dengan data lokasi TPS yang mendekati masalah nyata atau dengan penentuan lokasi yang tidak hanya untuk ITF namun juga untuk TPA.
20
DAFTAR PUSTAKA [BPS] Badan Pusat Statistik. 2010. Sensus penduduk Indonesia 2010. Jakarta (ID): BPS. [BTPK] Bidang Teknik Pengelolaan Kebersihan. 2013. Data TPS dan Truk. Jakarta (ID): Dinas Kebersihan DKI Jakarta. [Dinsih] Dinas Kebersihan DKI Jakarta. 2011. Masterplan dan Kajian Akademis Persampahan Provinsi DKI Jakarta tahun 2012-2032. Jakarta (ID): Dinas Kebersihan DKI Jakarta. [Dinsih] Dinas Kebersihan DKI Jakarta. 2014. Paparan Pola Penanganan Sampah. Jakarta (ID): Dinas Kebersihan DKI Jakarta. Eiselt HA. 2006. Locating landfills and transfer station in Alberta. INFOR. 44(4): 285-298. [Kemen LH] Kementerian Lingkungan Hidup. 2014. Hari peduli sampah 2014 Indonesia bersih 2020 [internet]. [diunduh 2015 Maret 2]. Tersedia pada: http://www.menlh.go.id/hari-peduli-sampah-2014-indonesia-bersih-2020/ [Kemensetneg] Kementerian Sekretariat Negara. 2012. Peraturan Pemerintah Nomor 81 Tahun 2012 tentang Pengelolaan Sampah Rumah Tangga dan Sampah Sejenis Sampah Rumah Tangga. Jakarta (ID): Kemensetneg. [NEA] National Environment Agency Singapore. 2013. Waste management [internet]. [diunduh 2015 Februari 24]. Tersedia pada: http://www.nea.gov.sg/energy-waste/waste-management/ Rahmaputro S. 2012. Mengolah sampah menjadi energi [internet]. [diunduh 2015 Maret 3]. Tersedia pada: http://www.hijauku.com/2012/09/12/mengolahsampah-menjadi-energi/ Winston WL. 2004. Operations Research: Applications and Algorithms. New York (US): Duxbury.
21 Lampiran 1 Keterangan pada Gambar 3 Peta Lokasi TPS
22 Lampiran 2 Data Kelengkapan TPS Lokasi TPS
Kecamatan
Jalan RSUD Cengkareng RW 14
dipo
19.33
Cengkareng
Jalan Jembatan III RW 5,7,10
pool kontainer
17.03
Grogol Petamburan
Pasar Hipli Semanan RW 7
bak beton
14.20
Kalideres
Jalan Kali Seketaris
pool gerobak
22.25
Kebon Jeruk
Dipo Buntu RW 7
dipo
25.40
Kembangan
Jati Pulo
dipo
26.55
Palmerah
Jalan Mangga Besar I
transito
17.03
Taman Sari
Jalan Kali Anyar RW 9
dipo
22.70
Tambora
Jalan Cempaka Putih Raya (4,7,9)
transito
18.86
Cempaka Putih
Jalan Tanjung Selor RW 6
dipo
13.59
Gambir
Jalan Percetakan Negara II
dipo
21.02
Johar Baru
Jalan Kran Raya RW 2
dipo
20.47
Kemayoran
Jalan Srikaya
pool gerobak
22.84
Menteng
Jalan Pintu Air II
dipo
27.68
Sawah Besar
Jalan Pam Baru Raya RW 4
TPS
22.50
Tanah Abang
Pasar Gaplok
bak beton
11.52
Senen
Jalan Cilandak Raya
pool gerobak
12.81
Cilandak
Jalan Baru RW 8
pool gerobak
23.50
Jagakarsa
Jalan Pela Raya
dipo
25.72
Kebayoran Baru
Pondok Pinang
dipo
35.12
Kebayoran Lama
Jalan Bangka X
dipo
22.93
Mampang Prapatan
Jalan Rawajati Barat
dipo
25.59
Pancoran
Jalan Raya Pasar Minggu (inspeksi)
dipo
46.00
Pasar Minggu
Jalan Menteng Pulo
pool gerobak
25.00
Setiabudi
Jalan Tebet Barat Raya
dipo
23.97
Tebet
Penggilingan (pusat industri kecil)
dipo
28.00
Cakung
Jalan Santo Markus
door to door
17.67
Cipayung
Kelapa Dua Wetan
dipo
43.58
Ciracas
Jalan I Gusti Ngurah Rai
pool container
18.00
Duren Sawit
Jalan Barkah
bak beton
12.22
Jatinegara
Pasar Induk Kramat Jati
pool container
112.00
Kramat Jati
Makasar RW 2
dipo
8.30
Jalan Galur Sari Raya
dipo
17.78
Matraman
Jalan Pendidikan
13.03
Pasar Rebo
Jalan Tipar Cakung RW 2
dipo mobile) transito
Kompi Udin
LPS
18.00
Kelapa Gading
North Tugu (DIPO UKA)
dipo
24.00
Koja
Jalan Budi Mulia RT 15/11
dipo
55.23
Pademangan
Jalan Moa RW 12
dipo
48.00
Penjaringan
Jalan Bugis
pool gerobak
23.87
Tanjung Priok
Total volume sampah a
Volume (ton/hari)
Jenis TPS
Sumber: BTPK 2013
(tps
9.50
1012.79
Wilayah Jakarta Barat
Jakarta Pusat
Jakarta Selatan
Jakarta Timur
Makasar
Cilincing
Jakarta Utara
23 Lampiran 3 Data Kelengkapan TPS Jarak antarlokasi (km) Lokasi TPS Jalan RSUD Cengkareng RW 14
30.50
35.20
Duri Kosambi 7.20
Jalan Jembatan III RW 5,7,10
18.20
23.00
13.10
23.70
45.70
Pasar Hipli Semanan RW 7
31.30
36.80
4.37
37.60
48.80
Jalan Kali Seketaris
26.00
32.50
8.25
36.10
40.00
Dipo Buntu RW 7
39.40
44.40
12.00
40.90
37.20
Jati Pulo
12.50
25.30
18.50
16.80
36.70
9.96
19.60
14.30
17.80
41.00
24.50
29.30
11.60
36.20
40.00
4.63
16.60
30.20
10.00
31.40
12.80
32.10
11.50
35.50
39.20
Jalan Percetakan Negara II
8.49
20.90
26.30
11.80
31.30
Jalan Kran Raya RW 2
8.70
19.10
23.70
14.50
37.60
Jalan Srikaya
8.58
21.00
16.00
14.40
36.70
Jalan Pintu Air II
10.20
20.90
14.30
15.00
37.20
Jalan Pam Baru Raya RW 4
23.80
41.60
17.80
30.80
34.50
Pasar Gaplok
11.30
23.20
29.00
23.00
27.00
Jalan Cilandak Raya
30.30
43.70
26.50
33.30
27.30
Jalan Baru RW 8
24.60
35.80
15.40
31.20
35.80
Jalan Pela Raya
21.80
41.40
16.20
29.00
34.30
Pondok Pinang
31.50
46.80
19.00
35.60
31.00
Jalan Bangka X
19.40
38.10
23.20
26.80
30.00
16.50
36.40
25.60
24.00
28.40
17.80
42.60
24.90
31.70
26.80
13.50
25.90
23.50
18.00
30.20
15.00
34.40
24.10
22.40
25.80
12.30
17.90
37.00
5.06
24.40
Sunter
Jalan Mangga Besar I Jalan Kali Anyar RW 9 Jalan Cempaka Putih Raya (4,7,9) Jalan Tanjung Selor RW 6
Jalan Rawajati Barat Jalan Raya Pasar (inspeksi) Jalan Menteng Pulo
Minggu
Jalan Tebet Barat Raya Penggilingan (pusat kecil) Jalan Santo Markus
industri
Cakung Cilincing 35.30
TPA Bantar Gebang 52.00
20.10
29.90
35.30
18.80
15.60
Kelapa Dua Wetan
30.00
36.20
33.00
25.20
19.40
Jalan I Gusti Ngurah Rai
13.70
22.90
34.50
11.00
23.00
Jalan Barkah
32.40
47.40
28.60
36.40
32.10
Pasar Induk Kramat Jati
18.80
36.80
29.70
26.00
21.70
Makasar RW 2
17.50
36.20
32.20
24.40
24.70
7.91
20.70
33.70
12.90
28.40
26.00
41.60
31.90
29.30
25.00
Jalan Galur Sari Raya Jalan Pendidikan Jalan Tipar Cakung RW 2
6.19
8.28
29.00
5.82
28.00
Kompi Udin
7.74
17.80
32.20
5.33
25.00
North Tugu (DIPO UKA)
4.16
7.96
26.80
10.40
32.10
Jalan Budi Mulia RT 15/11
14.40
15.90
18.50
19.70
42.40
Jalan Moa RW 12
23.00
26.80
10.00
25.40
43.20
4.17
9.95
25.30
12.00
38.10
34.30
34.40
47.70
23.80
0.00
Jalan Bugis TPA Bantar Gebang, Bekasi a
Marunda
Sumber: Google Maps
24 Lampiran 4 Klasifikasi TPS dan ITF yang terkait Lokasi ITF Sunter
Marunda Duri Kosambi
Cakung Cilincing
TPA Bantar Gebang
TPS 6 7 9 10 11 12 13 14 16 21 22 23 24 25 32 33 37 38 40
Jati Pulo Jalan Mangga Besar I Jalan Cempaka Putih Raya (4,7,9) Jalan Tanjung Selor RW 6 Jalan Percetakan Negara II Jalan Kran Raya RW 2 Jalan Srikaya Jalan Pintu Air II Pasar Gaplok Jalan Bangka X Jalan Rawajati Barat Jalan Raya Pasar Minggu (inspeksi) Jalan Menteng Pulo Jalan Tebet Barat Raya Makasar RW 2 Jalan Galur Sari Raya North Tugu (DIPO UKA) Jalan Budi Mulia RT 15/11 Jalan Bugis
1 2 3 4 5 8 15 18 19 20 39 26 29 35 36 17 27 28 30 31 34
Jalan RSUD Cengkareng RW 14 Jalan Jembatan III RW 5,7,10 Pasar Hipli Semanan RW 7 Jalan Kali Seketaris Dipo Buntu RW 7 Jalan Kali Anyar RW 9 Jalan Pam Baru Raya RW 4 Jalan Baru RW 8 Jalan Pela Raya Pondok Pinang Jalan Moa RW 12 Penggilingan (pusat industri kecil) Jalan I Gusti Ngurah Rai Jalan Tipar Cakung RW 2 Kompi Udin Jalan Cilandak Raya Jalan Santo Markus Kelapa Dua Wetan Jalan Barkah Pasar Induk Kramat Jati Jalan Pendidikan
-
25 Lampiran 5 Sintaks program LINGO 11.0 untuk menyelesaikan model dengan data 40 TPS dan data ITF. !sampel 40 tps dari kecamatan di Jakarta; sets: tps/1..40/:w; tpa/1/:V; itf/1..4/:z,g,P; links1(tps,tpa):d,x,L; links2(tps,itf,tpa):a,R; links3(tps,itf):e; links4(itf,tpa):f,TR; endsets data: !volume sampah tiap tps; w=@OLE('C:\Users\ASUS\Documents\PUPU\skripsweet\sampel 40 tps.xlsx'); !jarak tps-tpa; d=@OLE('C:\Users\ASUS\Documents\PUPU\skripsweet\sampel 40 tps.xlsx'); !jarak tps-itf; e=@OLE('C:\Users\ASUS\Documents\PUPU\skripsweet\sampel 40 tps.xlsx'); !jarak itf-tpa; f=@OLE('C:\Users\ASUS\Documents\PUPU\skripsweet\sampel 40 tps.xlsx'); !kapasitas itf perhari; g=1500 2500 1000 1500; !Fixed Cost ITF perhari; P= 2000000 3000000 1500000 2500000; enddata !fungsi objektif meminimumkan biaya angkut sampah perton km dan biaya tetap itf (fixed cost); min= 15000*(@sum(tps(i):@sum(tpa(j):w(i)*d(i,j)*x(i,j)))+ @sum(tps(i):@sum(itf(k):@sum(tpa(j):w(i)*(e(i,k)+0.1*f(k,j))*a(i,k,j))))) + @sum(itf(k):P(k)*z(k);); !kendala; !kendala banyaknya itf yang dibangun; @sum(itf(i):z(i))<=4; !setiap sampah di tps yang dibawa dari lokasi harus dikirim ke tpa secara langsung atau melalui itf dulu; @for(tps(i):@sum(tpa(j):(x(i,j)+@sum(itf(k):a(i,k,j))))=1); !alokasi sampah dimungkinkan jika itf dibangun dilokasi tsb; @for(tps(i):@for(itf(k):@sum(tpa(j):a(i,k,j))<=z(k))); !kendala volume sampah yang masuk itf terbatas; @for(itf(k):@sum(tps(i):@sum(tpa(j):w(i)*a(i,k,j)))<=g(k)); !kendala volume sampah yang dikirimkan ke tpa terbatas; @for(tpa(j):@sum(tps(i):w(i)*x(i,j))+@sum(tps(i):@sum(itf(k):0.1*w(i)* a(i,k,j)))<=2000); !kenonnegatifan; @for(tps(i):@for(tpa(j):d(i,j)>=0)); @for(tps(i):@for(itf(k):e(i,k)>=0)); @for(itf(k):@for(tpa(j):f(k,j)>=0));
26 @for(tps(i):w(i)>=0); @for(itf(k):g(k)>=0); @for(tps(i):@for(tpa(j):L(i,j)>=0)); @for(tpa(j):@for(tps(i):@for(itf(k):R(i,k,j)>=0))); @for(tpa(j):V(j)>=0); @for(itf(k):P(k)>=0); @for(itf(k):@for(tpa(j):TR(k,j)>=0)); !kendala biner; @for(itf(i):@bin(z(i))); @for(tps(i):@for(tpa(j):@bin(x(i,j)))); @for(tps(i):@for(itf(k):@for(tpa(j):@bin(a(i,k,j))))); !sampah Langsung TPS-TPA; @for(tps(i):@for(tpa(j):L(i,j)=w(i)*x(i,j))); !sampah Residu ITF; @for(tpa(j):@for(tps(i):@for(itf(k):R(i,k,j)=0.1*w(i)*a(i,k,j)))); !sampah residu setiap ITF; @for(tpa(j):@for(itf(k):TR(k,j)=@sum(tps(i):R(i,k,j)))); !total sampah masuk TPA; @for(tpa(j):V(j)=@sum(tps(i):L(i,j))+@sum(itf(k):TR(k,j)));
Gambar Status solusi model Hasil keluaran Lingo 11.0 Global optimal solution found. Objective value: Objective bound: Infeasibilities: Extended solver steps: Total solver iterations:
0.2616780E+09 0.2616780E+09 0.5684342E-13 0 0
27 Variable W( 1) W( 2) W( 3) W( 4) W( 5) W( 6) W( 7) W( 8) W( 9) W( 10) W( 11) W( 12) W( 13) W( 14) W( 15) W( 16) W( 17) W( 18) W( 19) W( 20) W( 21) W( 22) W( 23) W( 24) W( 25) W( 26) W( 27) W( 28) W( 29) W( 30) W( 31) W( 32) W( 33) W( 34) W( 35) W( 36) W( 37) W( 38) W( 39) W( 40) V( 1) Z( 1) Z( 2) Z( 3) Z( 4) G( 1) G( 2) G( 3) G( 4) P( 1) P( 2) P( 3) P( 4) D( 1, 1) D( 2, 1) D( 3, 1) D( 4, 1) D( 5, 1) D( 6, 1) D( 7, 1) D( 8, 1) D( 9, 1) D( 10, 1) D( 11, 1)
Value 19.33000 17.03000 14.20000 22.25000 25.40000 26.55000 17.03000 22.70000 18.86000 13.59000 21.02000 20.47000 22.84000 27.68000 22.50000 11.52000 12.81000 23.50000 25.72000 35.12000 22.93000 25.59000 46.00000 25.00000 23.97000 28.00000 17.67000 43.58000 18.00000 12.22000 112.0000 8.300000 17.78000 13.03000 9.500000 18.00000 24.00000 55.23000 48.00000 23.87000 291.4580 1.000000 0.000000 1.000000 1.000000 1500.000 2500.000 1000.000 1500.000 2000000. 3000000. 1500000. 2500000. 52.00000 45.70000 48.80000 40.00000 37.20000 36.70000 41.00000 40.00000 31.40000 39.20000 31.30000
Reduced Cost 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2000000. 3000000. 1500000. 2500000. 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
D( 12, D( 13, D( 14, D( 15, D( 16, D( 17, D( 18, D( 19, D( 20, D( 21, D( 22, D( 23, D( 24, D( 25, D( 26, D( 27, D( 28, D( 29, D( 30, D( 31, D( 32, D( 33, D( 34, D( 35, D( 36, D( 37, D( 38, D( 39, D( 40, X( 1, X( 2, X( 3, X( 4, X( 5, X( 6, X( 7, X( 8, X( 9, X( 10, X( 11, X( 12, X( 13, X( 14, X( 15, X( 16, X( 17, X( 18, X( 19, X( 20, X( 21, X( 22, X( 23, X( 24, X( 25, X( 26, X( 27, X( 28, X( 29, X( 30, X( 31, X( 32, X( 33, X( 34, X( 35, X( 36,
1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1)
37.60000 36.70000 37.20000 34.50000 27.00000 27.30000 35.80000 34.30000 31.00000 30.00000 28.40000 26.80000 30.20000 25.80000 24.40000 15.60000 19.40000 23.00000 32.10000 21.70000 24.70000 28.40000 25.00000 28.00000 25.00000 32.10000 42.40000 43.20000 38.10000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.1507740E+08 0.1167407E+08 0.1039440E+08 0.1335000E+08 0.1417320E+08 0.1461578E+08 0.1047345E+08 0.1362000E+08 8883060. 7990920. 9868890. 0.1154508E+08 0.1257342E+08 0.1544544E+08 0.1164375E+08 4665600. 5245695. 0.1261950E+08 0.1323294E+08 0.1633080E+08 0.1031850E+08 0.1090134E+08 0.1849200E+08 0.1132500E+08 9276390. 0.1024800E+08 4134780. 0.1268178E+08 6210000. 5883930. 0.3645600E+08 3075150. 7574280. 4886250. 3990000. 6750000.
28 X( 37, 1) 0.000000 0.1155600E+08 X( 38, 1) 0.000000 0.3512628E+08 X( 39, 1) 0.000000 0.3110400E+08 X( 40, 1) 0.000000 0.1364171E+08 L( 1, 1) 0.000000 0.000000 L( 2, 1) 0.000000 0.000000 L( 3, 1) 0.000000 0.000000 L( 4, 1) 0.000000 0.000000 L( 5, 1) 0.000000 0.000000 L( 6, 1) 0.000000 0.000000 L( 7, 1) 0.000000 0.000000 L( 8, 1) 0.000000 0.000000 L( 9, 1) 0.000000 0.000000 L( 10, 1) 0.000000 0.000000 L( 11, 1) 0.000000 0.000000 L( 12, 1) 0.000000 0.000000 L( 13, 1) 0.000000 0.000000 L( 14, 1) 0.000000 0.000000 L( 15, 1) 0.000000 0.000000 L( 16, 1) 0.000000 0.000000 L( 17, 1) 12.81000 0.000000 L( 18, 1) 0.000000 0.000000 L( 19, 1) 0.000000 0.000000 L( 20, 1) 0.000000 0.000000 L( 21, 1) 0.000000 0.000000 L( 22, 1) 0.000000 0.000000 L( 23, 1) 0.000000 0.000000 L( 24, 1) 0.000000 0.000000 L( 25, 1) 0.000000 0.000000 L( 26, 1) 0.000000 0.000000 L( 27, 1) 17.67000 0.000000 L( 28, 1) 43.58000 0.000000 L( 29, 1) 0.000000 0.000000 L( 30, 1) 12.22000 0.000000 L( 31, 1) 112.0000 0.000000 L( 32, 1) 0.000000 0.000000 L( 33, 1) 0.000000 0.000000 L( 34, 1) 13.03000 0.000000 L( 35, 1) 0.000000 0.000000 L( 36, 1) 0.000000 0.000000 L( 37, 1) 0.000000 0.000000 L( 38, 1) 0.000000 0.000000 L( 39, 1) 0.000000 0.000000 L( 40, 1) 0.000000 0.000000 A( 1, 1, 1) 0.000000 9838004. A( 1, 2, 1) 0.000000 0.1120367E+08 A( 1, 3, 1) 1.000000 3470702. A( 1, 4, 1) 0.000000 0.1092532E+08 A( 2, 1, 1) 0.000000 5525384. A( 2, 2, 1) 0.000000 6754098. A( 2, 3, 1) 1.000000 4564892. A( 2, 4, 1) 0.000000 6662136. A( 3, 1, 1) 0.000000 7397490. A( 3, 2, 1) 0.000000 8571120. A( 3, 3, 1) 1.000000 1946820. A( 3, 4, 1) 0.000000 8515740. A( 4, 1, 1) 0.000000 9822262. A( 4, 2, 1) 0.000000 0.1199498E+08 A( 4, 3, 1) 1.000000 4345425. A( 4, 4, 1) 0.000000 0.1284270E+08 A( 5, 1, 1) 0.000000 0.1631823E+08 A( 5, 2, 1) 0.000000 0.1822704E+08 A( 5, 3, 1) 1.000000 6389370. A( 5, 4, 1) 0.000000 0.1648968E+08 A( 6, 1, 1) 1.000000 6344122.
A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A(
6, 2, 1) 0.000000 0.1144570E+08 6, 3, 1) 0.000000 9267278. 6, 4, 1) 0.000000 7638435. 7, 1, 1) 1.000000 3420476. 7, 2, 1) 0.000000 5885568. 7, 3, 1) 0.000000 4871432. 7, 4, 1) 0.000000 5154981. 8, 1, 1) 0.000000 9510165. 8, 2, 1) 0.000000 0.1114797E+08 8, 3, 1) 1.000000 5573985. 8, 4, 1) 0.000000 0.1313649E+08 9, 1, 1) 1.000000 2280174. 9, 2, 1) 0.000000 5669316. 9, 3, 1) 0.000000 9893013. 9, 4, 1) 0.000000 3502302. 10, 1, 1) 1.000000 3308486. 10, 2, 1) 0.000000 7244829. 10, 3, 1) 0.000000 3316640. 10, 4, 1) 0.000000 7721838. 11, 1, 1) 1.000000 3758376. 11, 2, 1) 0.000000 7674402. 11, 3, 1) 0.000000 9796371. 11, 4, 1) 0.000000 4470954. 12, 1, 1) 1.000000 3724516. 12, 2, 1) 0.000000 6920907. 12, 3, 1) 0.000000 8741714. 12, 4, 1) 0.000000 5183004. 13, 1, 1) 1.000000 4114626. 13, 2, 1) 0.000000 8373144. 13, 3, 1) 0.000000 7115802. 13, 4, 1) 0.000000 5748828. 5659176. 14, 1, 1) 1.000000 14, 2, 1) 0.000000 0.1010597E+08 14, 3, 1) 0.000000 7917864. 14, 4, 1) 0.000000 7216176. 15, 1, 1) 0.000000 9190125. 15, 2, 1) 0.000000 0.1520100E+08 15, 3, 1) 1.000000 7617375. 15, 4, 1) 0.000000 0.1119825E+08 16, 1, 1) 1.000000 2545344. 16, 2, 1) 0.000000 4603392. 16, 3, 1) 0.000000 5835456. 16, 4, 1) 0.000000 4385664. 17, 1, 1) 0.000000 6481220. 17, 2, 1) 0.000000 9057951. 17, 3, 1) 0.000000 6008531. 17, 4, 1) 0.000000 6855912. 18, 1, 1) 0.000000 9880575. 18, 2, 1) 0.000000 0.1383210E+08 18, 3, 1) 1.000000 7109925. 18, 4, 1) 0.000000 0.1183695E+08 19, 1, 1) 0.000000 9733734. 19, 2, 1) 0.000000 0.1729927E+08 19, 3, 1) 1.000000 8090226. 19, 4, 1) 0.000000 0.1210640E+08 20, 1, 1) 0.000000 0.1840112E+08 20, 2, 1) 0.000000 0.2646643E+08 20, 3, 1) 1.000000 0.1252204E+08 20, 4, 1) 0.000000 0.2000786E+08 21, 1, 1) 1.000000 7852378. 21, 2, 1) 0.000000 0.1428768E+08 21, 3, 1) 0.000000 9620282. 21, 4, 1) 0.000000 0.1003646E+08 22, 1, 1) 1.000000 7650130. 22, 2, 1) 0.000000 0.1529258E+08
29 A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A( A(
22, 22, 23, 23, 23, 23, 24, 24, 24, 24, 25, 25, 25, 25, 26, 26, 26, 26, 27, 27, 27, 27, 28, 28, 28, 28, 29, 29, 29, 29, 30, 30, 30, 30, 31, 31, 31, 31, 32, 32, 32, 32, 33, 33, 33, 33, 34, 34, 34, 34, 35, 35, 35, 35, 36, 36, 36, 36, 37, 37, 37, 37, 38, 38, 38,
3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3,
1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1)
0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000
0.1165752E+08 0.1012596E+08 0.1464870E+08 0.3176760E+08 0.2047230E+08 0.2351520E+08 6348750. 0.1100250E+08 0.1060125E+08 7642500. 6626506. 0.1360537E+08 0.1038021E+08 8909649. 6606600. 8962800. 0.1754340E+08 3124800. 6236627. 8836767. 0.1062055E+08 5613759. 0.2185319E+08 0.2591267E+08 0.2469025E+08 0.1802905E+08 4625100. 7111800. 0.1060290E+08 3612600. 6567639. 9318972. 6116721. 7108374. 0.3734640E+08 0.6760320E+08 0.5790960E+08 0.4767840E+08 2605785. 4935180. 4602765. 3334110. 3024378. 6438138. 0.1025995E+08 4075176. 5752094. 8803068. 7167152. 6191856. 1370850. 1670100. 4812225. 1168500. 3015900. 5734800. 9981900. 2081700. 2732400. 4104000. 0.1136520E+08 4600800. 0.1477126E+08 0.1602222E+08 0.1927803E+08
A( 38, A( 39, A( 39, A( 39, A( 39, A( 40, A( 40, A( 40, A( 40, R( 1, R( 1, R( 1, R( 1, R( 2, R( 2, R( 2, R( 2, R( 3, R( 3, R( 3, R( 3, R( 4, R( 4, R( 4, R( 4, R( 5, R( 5, R( 5, R( 5, R( 6, R( 6, R( 6, R( 6, R( 7, R( 7, R( 7, R( 7, R( 8, R( 8, R( 8, R( 8, R( 9, R( 9, R( 9, R( 9, R( 10, R( 10, R( 10, R( 10, R( 11, R( 11, R( 11, R( 11, R( 12, R( 12, R( 12, R( 12, R( 13, R( 13, R( 13, R( 13, R( 14, R( 14, R( 14, R( 14,
4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4,
1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1)
0.000000 0.000000 0.000000 1.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.933000 0.000000 0.000000 0.000000 1.703000 0.000000 0.000000 0.000000 1.420000 0.000000 0.000000 0.000000 2.225000 0.000000 0.000000 0.000000 2.540000 0.000000 2.655000 0.000000 0.000000 0.000000 1.703000 0.000000 0.000000 0.000000 0.000000 0.000000 2.270000 0.000000 1.886000 0.000000 0.000000 0.000000 1.359000 0.000000 0.000000 0.000000 2.102000 0.000000 0.000000 0.000000 2.047000 0.000000 0.000000 0.000000 2.284000 0.000000 0.000000 0.000000 2.768000 0.000000 0.000000 0.000000
0.1829218E+08 0.1902960E+08 0.2177280E+08 0.1063440E+08 0.2000160E+08 2721180. 4794290. 0.1076656E+08 5148759. 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
30 R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R(
15, 15, 15, 15, 16, 16, 16, 16, 17, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 19, 20, 20, 20, 20, 21, 21, 21, 21, 22, 22, 22, 22, 23, 23, 23, 23, 24, 24, 24, 24, 25, 25, 25, 25, 26, 26, 26, 26, 27, 27, 27, 27, 28, 28, 28, 28, 29, 29, 29, 29, 30, 30, 30, 30, 31,
1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1,
1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1) 1)
0.000000 0.000000 2.250000 0.000000 1.152000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.350000 0.000000 0.000000 0.000000 2.572000 0.000000 0.000000 0.000000 3.512000 0.000000 2.293000 0.000000 0.000000 0.000000 2.559000 0.000000 0.000000 0.000000 4.600000 0.000000 0.000000 0.000000 2.500000 0.000000 0.000000 0.000000 2.397000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.800000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.800000 0.000000 0.000000 0.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R( R(
31, 31, 31, 32, 32, 32, 32, 33, 33, 33, 33, 34, 34, 34, 34, 35, 35, 35, 35, 36, 36, 36, 36, 37, 37, 37, 37, 38, 38, 38, 38, 39, 39, 39, 39, 40, 40, 40, 40, E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E(
2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 6, 6, 6, 6, 7, 7,
1) 0.000000 1) 0.000000 1) 0.000000 1)0.8300000 1) 0.000000 1) 0.000000 1) 0.000000 1) 1.778000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1)0.9500000 1) 0.000000 1) 0.000000 1) 0.000000 1) 1.800000 1) 2.400000 1) 0.000000 1) 0.000000 1) 0.000000 1) 5.523000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 0.000000 1) 4.800000 1) 0.000000 1) 2.387000 1) 0.000000 1) 0.000000 1) 0.000000 1) 30.50000 2) 35.20000 3) 7.200000 4) 35.30000 1) 18.20000 2) 23.00000 3) 13.10000 4) 23.70000 1) 31.30000 2) 36.80000 3) 4.370000 4) 37.60000 1) 26.00000 2) 32.50000 3) 8.250000 4) 36.10000 1) 39.40000 2) 44.40000 3) 12.00000 4) 40.90000 1) 12.50000 2) 25.30000 3) 18.50000 4) 16.80000 1) 9.960000 2) 19.60000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
31 E( 7, 3) 14.30000 0.000000 E( 7, 4) 17.80000 0.000000 E( 8, 1) 24.50000 0.000000 E( 8, 2) 29.30000 0.000000 E( 8, 3) 11.60000 0.000000 E( 8, 4) 36.20000 0.000000 E( 9, 1) 4.630000 0.000000 E( 9, 2) 16.60000 0.000000 E( 9, 3) 30.20000 0.000000 E( 9, 4) 10.00000 0.000000 E( 10, 1) 12.80000 0.000000 E( 10, 2) 32.10000 0.000000 E( 10, 3) 11.50000 0.000000 E( 10, 4) 35.50000 0.000000 E( 11, 1) 8.490000 0.000000 E( 11, 2) 20.90000 0.000000 E( 11, 3) 26.30000 0.000000 E( 11, 4) 11.80000 0.000000 E( 12, 1) 8.700000 0.000000 E( 12, 2) 19.10000 0.000000 E( 12, 3) 23.70000 0.000000 E( 12, 4) 14.50000 0.000000 E( 13, 1) 8.580000 0.000000 E( 13, 2) 21.00000 0.000000 E( 13, 3) 16.00000 0.000000 E( 13, 4) 14.40000 0.000000 E( 14, 1) 10.20000 0.000000 E( 14, 2) 20.90000 0.000000 E( 14, 3) 14.30000 0.000000 E( 14, 4) 15.00000 0.000000 E( 15, 1) 23.80000 0.000000 E( 15, 2) 41.60000 0.000000 E( 15, 3) 17.80000 0.000000 E( 15, 4) 30.80000 0.000000 E( 16, 1) 11.30000 0.000000 E( 16, 2) 23.20000 0.000000 E( 16, 3) 29.00000 0.000000 E( 16, 4) 23.00000 0.000000 E( 17, 1) 30.30000 0.000000 E( 17, 2) 43.70000 0.000000 E( 17, 3) 26.50000 0.000000 E( 17, 4) 33.30000 0.000000 E( 18, 1) 24.60000 0.000000 E( 18, 2) 35.80000 0.000000 E( 18, 3) 15.40000 0.000000 E( 18, 4) 31.20000 0.000000 E( 19, 1) 21.80000 0.000000 E( 19, 2) 41.40000 0.000000 E( 19, 3) 16.20000 0.000000 E( 19, 4) 29.00000 0.000000 E( 20, 1) 31.50000 0.000000 E( 20, 2) 46.80000 0.000000 E( 20, 3) 19.00000 0.000000 E( 20, 4) 35.60000 0.000000 E( 21, 1) 19.40000 0.000000 E( 21, 2) 38.10000 0.000000 E( 21, 3) 23.20000 0.000000 E( 21, 4) 26.80000 0.000000 E( 22, 1) 16.50000 0.000000 E( 22, 2) 36.40000 0.000000 E( 22, 3) 25.60000 0.000000 E( 22, 4) 24.00000 0.000000 E( 23, 1) 17.80000 0.000000 E( 23, 2) 42.60000 0.000000 E( 23, 3) 24.90000 0.000000
E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E( E(
23, 24, 24, 24, 24, 25, 25, 25, 25, 26, 26, 26, 26, 27, 27, 27, 27, 28, 28, 28, 28, 29, 29, 29, 29, 30, 30, 30, 30, 31, 31, 31, 31, 32, 32, 32, 32, 33, 33, 33, 33, 34, 34, 34, 34, 35, 35, 35, 35, 36, 36, 36, 36, 37, 37, 37, 37, 38, 38, 38, 38, 39, 39, 39, 39,
4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4) 1) 2) 3) 4)
31.70000 13.50000 25.90000 23.50000 18.00000 15.00000 34.40000 24.10000 22.40000 12.30000 17.90000 37.00000 5.060000 20.10000 29.90000 35.30000 18.80000 30.00000 36.20000 33.00000 25.20000 13.70000 22.90000 34.50000 11.00000 32.40000 47.40000 28.60000 36.40000 18.80000 36.80000 29.70000 26.00000 17.50000 36.20000 32.20000 24.40000 7.910000 20.70000 33.70000 12.90000 26.00000 41.60000 31.90000 29.30000 6.190000 8.280000 29.00000 5.820000 7.740000 17.80000 32.20000 5.330000 4.160000 7.960000 26.80000 10.40000 14.40000 15.90000 18.50000 19.70000 23.00000 26.80000 10.00000 25.40000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
32 E( 40, E( 40, E( 40, E( 40, F( 1, F( 2, F( 3, F( 4, TR( 1, TR( 2, TR( 3, TR( 4, Row 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51
1) 2) 3) 4) 1) 1) 1) 1) 1) 1) 1) 1)
4.170000 9.950000 25.30000 12.00000 34.30000 34.40000 47.70000 23.80000 45.22300 0.000000 27.57500 7.350000
Slack or Surplus 0.2616780E+09 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 Dual Price -1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116
0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
33 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181
0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 0.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000 1.000000 1.000000 0.000000 1.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246
0.000000 1.000000 0.000000 1.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 1.000000 1047.770 2500.000 724.2500 1426.500 1074.612 52.00000 45.70000 48.80000 40.00000 37.20000 36.70000 41.00000 40.00000 31.40000 39.20000 31.30000 37.60000 36.70000 37.20000 34.50000 27.00000 27.30000 35.80000 34.30000 31.00000 30.00000 28.40000 26.80000 30.20000 25.80000 24.40000 15.60000 19.40000 23.00000 32.10000 21.70000 24.70000 28.40000 25.00000 28.00000 25.00000 32.10000 42.40000 43.20000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
34 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311
38.10000 30.50000 35.20000 7.200000 35.30000 18.20000 23.00000 13.10000 23.70000 31.30000 36.80000 4.370000 37.60000 26.00000 32.50000 8.250000 36.10000 39.40000 44.40000 12.00000 40.90000 12.50000 25.30000 18.50000 16.80000 9.960000 19.60000 14.30000 17.80000 24.50000 29.30000 11.60000 36.20000 4.630000 16.60000 30.20000 10.00000 12.80000 32.10000 11.50000 35.50000 8.490000 20.90000 26.30000 11.80000 8.700000 19.10000 23.70000 14.50000 8.580000 21.00000 16.00000 14.40000 10.20000 20.90000 14.30000 15.00000 23.80000 41.60000 17.80000 30.80000 11.30000 23.20000 29.00000 23.00000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376
30.30000 43.70000 26.50000 33.30000 24.60000 35.80000 15.40000 31.20000 21.80000 41.40000 16.20000 29.00000 31.50000 46.80000 19.00000 35.60000 19.40000 38.10000 23.20000 26.80000 16.50000 36.40000 25.60000 24.00000 17.80000 42.60000 24.90000 31.70000 13.50000 25.90000 23.50000 18.00000 15.00000 34.40000 24.10000 22.40000 12.30000 17.90000 37.00000 5.060000 20.10000 29.90000 35.30000 18.80000 30.00000 36.20000 33.00000 25.20000 13.70000 22.90000 34.50000 11.00000 32.40000 47.40000 28.60000 36.40000 18.80000 36.80000 29.70000 26.00000 17.50000 36.20000 32.20000 24.40000 7.910000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
35 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441
20.70000 33.70000 12.90000 26.00000 41.60000 31.90000 29.30000 6.190000 8.280000 29.00000 5.820000 7.740000 17.80000 32.20000 5.330000 4.160000 7.960000 26.80000 10.40000 14.40000 15.90000 18.50000 19.70000 23.00000 26.80000 10.00000 25.40000 4.170000 9.950000 25.30000 12.00000 34.30000 34.40000 47.70000 23.80000 19.33000 17.03000 14.20000 22.25000 25.40000 26.55000 17.03000 22.70000 18.86000 13.59000 21.02000 20.47000 22.84000 27.68000 22.50000 11.52000 12.81000 23.50000 25.72000 35.12000 22.93000 25.59000 46.00000 25.00000 23.97000 28.00000 17.67000 43.58000 18.00000 12.22000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506
112.0000 8.300000 17.78000 13.03000 9.500000 18.00000 24.00000 55.23000 48.00000 23.87000 1500.000 2500.000 1000.000 1500.000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 12.81000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 17.67000 43.58000 0.000000 12.22000 112.0000 0.000000 0.000000 13.03000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.933000 0.000000 0.000000 0.000000 1.703000 0.000000 0.000000 0.000000 1.420000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
36 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571
0.000000 0.000000 0.000000 2.225000 0.000000 0.000000 0.000000 2.540000 0.000000 2.655000 0.000000 0.000000 0.000000 1.703000 0.000000 0.000000 0.000000 0.000000 0.000000 2.270000 0.000000 1.886000 0.000000 0.000000 0.000000 1.359000 0.000000 0.000000 0.000000 2.102000 0.000000 0.000000 0.000000 2.047000 0.000000 0.000000 0.000000 2.284000 0.000000 0.000000 0.000000 2.768000 0.000000 0.000000 0.000000 0.000000 0.000000 2.250000 0.000000 1.152000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.350000 0.000000 0.000000 0.000000 2.572000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
572 0.000000 573 0.000000 574 3.512000 575 0.000000 576 2.293000 577 0.000000 578 0.000000 579 0.000000 580 2.559000 581 0.000000 582 0.000000 583 0.000000 584 4.600000 585 0.000000 586 0.000000 587 0.000000 588 2.500000 589 0.000000 590 0.000000 591 0.000000 592 2.397000 593 0.000000 594 0.000000 595 0.000000 596 0.000000 597 0.000000 598 0.000000 599 2.800000 600 0.000000 601 0.000000 602 0.000000 603 0.000000 604 0.000000 605 0.000000 606 0.000000 607 0.000000 608 0.000000 609 0.000000 610 0.000000 611 1.800000 612 0.000000 613 0.000000 614 0.000000 615 0.000000 616 0.000000 617 0.000000 618 0.000000 619 0.000000 620 0.8300000 621 0.000000 622 0.000000 623 0.000000 624 1.778000 625 0.000000 626 0.000000 627 0.000000 628 0.000000 629 0.000000 630 0.000000 631 0.000000 632 0.000000 633 0.000000 634 0.000000 635 0.9500000 636 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
37 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652
0.000000 0.000000 1.800000 2.400000 0.000000 0.000000 0.000000 5.523000 0.000000 0.000000 0.000000 0.000000 0.000000 4.800000 0.000000 2.387000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
653 654 655 656 657 658 659 660 661 662 663 664 665
0.000000 0.000000 0.000000 291.4580 2000000. 3000000. 1500000. 2500000. 45.22300 0.000000 27.57500 7.350000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000
869
0.000000
0.000000
38
RIWAYAT HIDUP Penulis dilahirkan di Tangerang pada tanggal 28 Juli 1992 sebagai anak pertama dari empat bersaudara, dari pasangan Ahmad Amirullah dan Latifah. Pada tahun 2010, penulis lulus dari SMA Negeri 7 Tangerang dan diterima di Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama mengikuti perkuliahan di Departemen Matematika IPB, penulis aktif dalam berorganisasi yaitu menjadi anggota divisi keilmuan dari Gugus Mahasiswa Matematika IPB periode 2011-2013. Penulis juga bergabung dalam beberapa kepanitiaan diantaranya sebagai Ketua Divisi Acara pada pelaksanaan kegiatan Matematika Ria 2013, dan sebagai anggota Kesekretariatan SEMIRATA 2014. Pada tahun 2013, penulis pernah melakukan kegiatan pengabdian masyarakat melalui kegiatan IPB Goes to Field (IGTF) di Klaten serta melakukan kegiatan magang pada Departemen Pengembangan Akses Keuangan dan UMKM di Bank Indonesia.
