Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
OPTIMASI PENTAHAPAN KONVERSI JUMLAH UNIT HARBOUR MOBILE CRANE (HMC) DARI PENGGUNAAN TENAGA BAHAN BAKAR MINYAK MENJADI TENAGA LISTRIK Ahmad Zaki Irfan1) dan Nadjadji Anwar2) 1) Program Studi Magister Manajemen Teknologi, Institut Teknologi Sepuluh Nopember Jln. Cokroaminoto No.12A, Surabaya, 60264, Indonesia e-mail:
[email protected] 2) Jurusan Teknik Sipil, Institut Teknologi Sepuluh Nopember
ABSTRAK Terus bertambahnya waktu operasi HMC membuat biaya overhead dan biaya pemeliharaan HMC semakin mahal. Untuk mengatasi kenaikan biaya tersebut, PT Z melakukan investasi konversi HMC yang sebelumnya menggunakan tenaga bahan bakar minyak menjadi tenaga listrik. Namun, meskipun terjadi penghematan biaya operasional, permasalahan yang terjadi adalah penentuan jumlah unit HMC yang akan dilakukan konversi. Penelitian ini bertujuan untuk menentukan model investasi konversi HMC yang paling menguntungkan dan mengidentifikasi komposisi biaya investasi konversi HMC serta jumlah unit konversi HMC yang optimal per tahun. Identifikasi dan perumusan masalah menjadi langkah awal dalam penelitian ini untuk menentukan tujuan penelitian, dilanjutkan studi literatur dan lapangan untuk memperoleh data mengenai biaya operasional dan produktivitas HMC. Kemudian datadata tersebut digunakan sebagai Input di dalam metode optimasi integer programming dengan fungsi tujuan memaksimalkan keuntungan investasi konversi HMC. Model investasi konversi HMC yang paling menguntungkan adalah model 2B, karena menghasilkan NPV tertinggi sebesar Rp 24.391.500.000 dibandingkan dengan model 1A sebesar Rp 23.040.300.000, model 1B sebesar Rp 23.040.300.000, dan model 2A sebesar Rp 23.284.700.000. Pada tahun pertama dan ketiga PT Z tidak melakukan investasi, pada tahun kedua investasi konversi HMC B01, tahun keempat investasi konversi HMC B03 dan B05, dan tahun kelima investasi konversi HMC B09 dan B10. Kata kunci: HMC, Investasi, Konversi BBM
PENDAHULUAN Terus bertambahnya waktu operasi Harbour Mobile Crane (HMC) membuat PT Z harus memiliki rencana strategis terkait operasional HMC, sebab biaya overhead dan biaya pemeliharaan HMC sangat mahal seiring bertambahnya umur HMC. Menurut Rostiyanti (2008) semakin meningkatnya umur alat, maka alat tersebut mengalami penurunan nilai dan penurunan nilai ini bisa disebabkan oleh kerusakan alat. Salah satu rencana strategis yang dilakukan oleh PT Z adalah melakukan konversi bahan bakar HMC yang sebelumnya menggunakan tenaga Bahan Bakar Minyak (BBM) menjadi tenaga listrik. PT Z adalah perusahaan dengan bisnis utama jasa bongkar muat di pelabuhan Tanjung Perak Surabaya yang saat ini memiliki enam belas unit HMC, namun hanya tujuh unit HMC yang dapat dilakukan konversi bahan bakar, dua diantaranya sudah dilakukan konversi bahan bakar. Sembilan unit HMC tidak bisa dilakukan konversi bahan bakar karena merupakan bentuk kerja sama dengan perusahaan lain. ISBN: 978-602-70604-2-5 B-1-1
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Investasi untuk konversi bahan bakar pada HMC sangat mahal, mencapai Rp 5.000.000.000/unit dan instalasi trafo, converter, dan power house mencapai Rp 1.000.000.000/2 unit akan tetapi dengan konversi bahan bakar ini, PT Z mampu menghemat total biaya operasi HMC. Fungsi biaya dinyatakan sebagai berikut (Halim et al, 2014): Biaya Total = Biaya Tetap Total + Biaya Variabel Total Menurut Soeharto (2003) biaya operasional container crane dibedakan menjadi biaya overhead, biaya pemeliharaan dan biaya operator. Biaya tetap dinyatakan sebagai biaya operator HMC, sedangkan biaya variabel dinyatakan sebagai biaya overhead HMC dan biaya pemeliharaan HMC. Penghematan biaya operasional HMC tahun 2014/unit/tahun di PT Z adalah sebesar Rp 1.276.827.221 per-tahun dengan rincian penghematan dari biaya overhead sebesar Rp 1.204.200.938, penghematan dari biaya pemeliharaan Rp 74.033.617, sedangkan biaya operator sama, sehingga tidak ada penghematan yang terjadi. Namun, meskipun terjadi penghematan biaya operasional, permasalahan yang terjadi adalah penentuan jumlah unit HMC yang akan dilakukan konversi menjadi tenaga listrik, sebab setiap HMC memiliki produktivitas yang berbeda dalam melakukan kegiatan stevedoring (pengangkatan peti kemas dari kapal ke dermaga atau sebaliknya). Dengan biaya investasi konversi bahan bakar per-unit HMC yang mahal, maka diperlukan penelitian untuk menentukan tahapan penentuan konversi jumlah unit HMC yang akan dilakukan per tahun berdasarkan keuntungan masing-masing unit HMC. Pentahapan konversi jumlah unit HMC akan dilakukan selama lima tahun, karena menyesuaikan dengan ketersediaan budget dari PT Z setiap tahunnya untuk investasi. Hal ini penting untuk dilakukan, agar PT Z mampu menjalankan keputusan rencana strategis perusahaan yang efektif dan efisien. Ada banyak penelitian mengenai shore crane, terutama penelitian yang fokus kepada optimasi penjadwalan operasi shore crane, seperti yang dilakukan oleh Chung dan Choy (2012), Diabat dan Ali (2014), dan Kaveshgar et al.(2012) dengan menggunakan Genetic Algorithm (GA) yang masing-masing menghasilkan penjadwalan operasi quay crane yang lebih efisien dalam waktu pencarian solusi yang lebih pendek. Melalui metode yang sama, Homayouni et al.(2014) melakukan riset efisiensi Split-Platform Storage/Retrieval System (SP-AS/RS) dengan tujuan optimasi penjadwalan yang terintegrasi antara cranes, vehicles, dan platform SP-AS/RS, menghasilkan performa terminal peti kemas menjadi lebih baik. He et al.(2015) meneliti optimasi penjadwalan operasi quay crane, namun dengan mempertimbangkan trade off antara efisiensi dengan konsumsi energi dengan menggunakan metode Mixed Integer Linear Programming (MILP), GA, dan Particle Swarm Optimization (PSO), hasilnya penjadwalan operasi quay crane menjadi efisien serta hemat energi. Sedangkan Venus (2011) melihat dari sisi Green Management Practices (GMP), dimana operasi terminal kontainer disesuaikan dengan elemen-elemen GMP, selain menjadi ramah lingkungan operasi terminal peti kemas juga menjadi efisien. Penelitian mengenai pemilihan quay crane untuk terminal peti kemas dilakukan Chao dan Lin (2011) dengan mengevaluasi implementasi simulasi kinerja tipe quay crane yang berbeda di pelabuhan Kaohsiung dengan menggunakan metode fuzzy dan Analytical Hierarcy Process (AHP), hasilnya quay crane tipe twin lift lebih baik karena memiliki produktivitas yang lebih tinggi. Selain itu, Mulyasyah (2012) meneliti tentang meningkatkan kinerja pelayanan bongkar muat dengan penambahan unit HMC melalui metode simulasi di PT. Berlian Jasa Terminal Indonesia, hasilnya mampu menurunkan Berth Occupancy Rate (BOR). Dari penelitian-penelitian yang ada, rata-rata penelitian mengenai optimasi penjadwalan operasi crane dan belum ada yang penelitian mengenai optimasi jumlah unit crane akibat konversi bahan bakar. Sehingga, penelitian ini perlu dilakukan.
ISBN: 978-602-70604-2-5 B-1-2
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Tujuan yang hendak dicapai dari penelitian ini adalah untuk menentukan model investasi konversi HMC yang paling menguntungkan dan mengidentifikasi komposisi biaya investasi konversi HMC serta jumlah unit konversi HMC yang optimal per tahun. METODE Penelitian ini dilakukan secara garis besar terdiri atas lima tahap, yaitu tahap pendahuluan, tahap pengumpulan data, tahap pemodelan, tahap pengolahan data dan tahap analisa dan interpretasi. Tahap pendahuluan dilakukan dengan identifikasi kondisi lapangan, permasalahan, penentuan tujuan penelitian, dan studi literatur. Tahap Pengumpulan Data Pada tahap pengumpulan data, data yang diperoleh berasal dari laporan keuangan perusahaan, dokumentasi konsumsi energi dan pemeliharaan HMC, dan wawancara langsung dengan pihak terkait. Berikut merupakan data estimasi jumlah produksi setiap HMC: Tabel 1. Estimasi jumlah produksi box setiap HMC tahun 2016-2027 Tahun 2016 2017 2018 2019 2020 2021
B01
B02
HMK B05
B09
B10
62,212
71,141
49,999
73,803
69,217
65,323
74,698
52,499
77,493
72,678
68,589
78,433
55,124
81,368
76,312
72,018
82,355
57,881
85,436
80,128
75,619
86,473
60,775
89,708
84,134
79,400
90,796
63,813
94,194
88,341
Tahun
B01
2022
83,370
2023
87,539
2024
91,915
2025
96,511
2026
101,337
2027
106,404
B02 95,336 100,103 105,108 110,364 115,882 121,676
HMK B05 67,004 70,354 73,872 77,565 81,444 85,516
B09 98,903 103,848 109,041 114,493 120,218 126,228
B10 92,758 97,396 102,266 107,379 112,748 118,385
Tahap Pemodelan Pembuatan model matematis sesuai tiga unsur utama dalam pemrograman integer programming, yaitu variabel keputusan, fungsi tujuan, dan fungsi kendala. Integer programming dipilih karena hasil yang diinginkan merupakan bilangan integer, tujuan yang ingin dicapai dapat diakomodasi dalam satu fungsi tujuan dan model permasalahan sesuai dengan model solusi integer programming, yaitu model assignment. Model matematis yang dibuat adalah sebagai berikut: Subject to:
ISBN: 978-602-70604-2-5 B-1-3
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
dimana: PijVij = Keuntungan konversi HMC B01 yang diinvestasikan pada tahun i berjumlah j unit. PijWij = Keuntungan konversi HMC B02 yang diinvestasikan pada tahun i berjumlah j unit. PijXij = Keuntungan konversi HMC B05 yang diinvestasikan pada tahun i berjumlah j unit. PijYij = Keuntungan konversi HMC B09 yang diinvestasikan pada tahun i berjumlah j unit. PijZij = Keuntungan konversi HMC B10 yang diinvestasikan pada tahun i berjumlah j unit. CijVij = Biaya investasi konversi HMC B01 pada tahun i berjumlah j unit. CijWij = Biaya investasi konversi HMC B02 pada tahun i berjumlah j unit. CijXij = Biaya investasi konversi HMC B05 pada tahun i berjumlah j unit. CijYij = Biaya investasi konversi HMC B09 pada tahun i berjumlah j unit. CijZij = Biaya investasi konversi HMC B10 pada tahun i berjumlah j unit. Bij = Budget yang tersedia untuk investasi pada tahun i berjumlah j unit. Vij = Bilangan biner yang bernilai 1 apabila HMC B01 yang diinvestasikan pada tahun i dan berjumlah j unit serta bernilai 0 apabila tidak terpilih. Wij = Bilangan biner yang bernilai 1 apabila HMC B02 yang diinvestasikan pada tahun i dan berjumlah j unit serta bernilai 0 apabila tidak terpilih. Xij = Bilangan biner yang bernilai 1 apabila HMC B05 yang diinvestasikan pada tahun i dan berjumlah j unit serta bernilai 0 apabila tidak terpilih. Yij = Bilangan biner yang bernilai 1 apabila HMC B09 yang diinvestasikan pada tahun i dan berjumlah j unit serta bernilai 0 apabila tidak terpilih. Zij = Bilangan biner yang bernilai 1 apabila HMC B10 yang diinvestasikan pada tahun i dan berjumlah j unit serta bernilai 0 apabila tidak terpilih. i = 1, 2, 3, ..., m j = 1, n m =5 n =2 Tahap Pengolahan Data Pada tahap ini, dihitung NPV dari masing-masing investasi konversi HMC. Kemudian dimasukkan ke dalam model yang sudah di formulasikan sebelumnya, kemudian model tersebut di Running melalui software LINGO 11, sehingga diketahui besar keuntungan yang maksimum. Berikut hasil perhitungan NPV: Tabel 2. Hasil perhitungan NPV setiap investasi konversi HMC Jumlah Dalam 1 Unit Dengan 1 Unit lainnya
B02
4,813,861,441
4,297,700,957
4,620,668,758
4,064,248,110
4,764,186,406
4,174,437,157 1,609,121,791 4,497,404,958 NPV Investasi Tahun 2016 (Rp) B02 B05 B09
3,940,984,310
4,872,804,851
4,880,912,899
3,762,450,822
4,631,687,261
4,749,541,051
4,757,649,099 2,019,013,156 3,639,187,022 NPV Investasi Tahun 2017 (Rp) B02 B05 B09
4,508,423,461
3,453,042,501
4,686,191,488
1,766,480,920
5,053,776,898
4,420,487,414
3,729,654,001
4,962,802,988
2,043,092,420
5,330,388,398
4,697,098,914
Jumlah Dalam 1 Unit Dengan 1 Unit lainnya
B01
Jumlah Dalam 1 Unit Dengan 1 Unit lainnya
NPV Investasi Tahun 2015 (Rp) B05 B09
B01
B01
1,732,385,591
2,142,276,956
ISBN: 978-602-70604-2-5 B-1-4
B10
B10
B10
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
Tabel 3. Hasil perhitungan NPV setiap investasi konversi HMC (lanjutan) Jumlah Dalam 1 Unit Dengan 1 Unit lainnya
B02
4,177,966,599
5,490,714,302
5,882,027,036
3,658,009,561
4,177,966,599
5,490,714,302 2,382,538,907 5,882,027,036 NPV Investasi Tahun 2019 (Rp) B02 B05 B09
3,658,009,561
4,369,824,977
5,765,064,761
2,461,573,957
6,180,967,293
5,464,435,316
4,369,824,977
5,765,064,761
2,461,573,957
6,180,967,293
5,464,435,316
Jumlah
B01
Dalam 1 Unit Dengan 1 Unit lainnya
NPV Investasi Tahun 2018 (Rp) B05 B09
B01
2,382,538,907
B10
B10
Setelah diketahui biaya dan nilai NPV masing-masing investasi konversi HMC, maka langkah selanjutnya adalah memasukkan nilai-nilai tersebut kedalam model integer programming yang telah dibuat. Model akan terbagi dalam empat jenis, yaitu: Tabel 4. Model investasi PT Z Model Investasi
Investasi Konversi Unit HMC/Tahun
1A
Dibatasi per Tahunnya
1 Unit
1B 2A
Dibatasi secara Total Alokasi Budget Dibatasi per Tahunnya
Maksimal 2 Unit
2B
Ketersediaan Budget
Dibatasi secara Total Alokasi Budget
HASIL DAN PEMBAHASAN Dari hasil perbandingan Running keempat model pada software LINGO 11.0, didapatkan hasil sebagai berikut: Tabel 5. Perbandingan Total Biaya dan Total NPV Model
S.T
HMC Terpilih
Model Investasi
2019
Total Biaya (Rp)
Total NPV (Rp)
2015
2016
2017
2018
1A
B01 (V11)
B10 (Z21)
B05 (X31)
B02 (W41)
B09 (Y51)
25.671.988.200
23.040.300.000
1B
B01 (V11)
B10 (Z21)
B05 (X31)
B02 (W41)
B09 (Y51)
25.671.988.200
23.040.300.000
2A
-
B01 (V21)
B05,B10 (X32,Z32)
B02 (W41)
B09 (Y51)
26.337.733.400
23.284.700.000
2B
-
B01 (V21)
-
B02,B05 (W42,X42)
B09,B10 (Y52,Z52)
26.933.126.000
24.391.500.000
Dari Tabel 5 di atas, model 2B menghasilkan nilai NPV yang lebih besar, sehingga model 2B dipilih sebagai model investasi konversi HMC PT Z.
ISBN: 978-602-70604-2-5 B-1-5
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
KESIMPULAN DAN SARAN Kesimpulan yang dapat diambil dan menjawab dari tujuan dilaksanakan penelitian ini adalah sebagai berikut: 1. Model investasi konversi HMC yang paling menguntungkan adalah model 2B, karena menghasilkan NPV paling tinggi, sebesar Rp 24.391.500.000 dibandingkan dengan model 1A dengan NPV sebesar Rp 23.040.300.000, model 1B dengan NPV sebesar Rp 23.040.300.000, dan model 2A dengan NPV sebesar Rp 23.284.700.000. 2. Biaya investasi konversi HMC berdasarkan model 2B adalah sebesar Rp 26.933.126.000. Pada model investasi 2B, strategi pentahapan investasi PT Z adalah dengan melakukan investasi konversi HMC pada tahun kedua, keempat dan kelima saja, sebab dengan strategi pentahapan seperti ini mampu meningkatkan perolehan NPV investasi konversi HMC, jika dibandingkan dengan melakukan investasi konversi HMC setiap tahun. Sesuai model 2B, pada tahun kedua PT Z investasi konversi HMC B01 sebesar Rp 4.726.537.200, pada tahun keempat PT Z investasi konversi HMC B02 dan B05 sebesar 10.720.421.800, dan pada tahun kelima PT Z investasi konverssi HMC B09 dan B10 sebesar Rp 11.486.167.500. Berdasarkan penelitian yang sudah dilakukan, saran yang dapat diberikan untuk penelitian selanjutnya adalah: 1. Penelitian selanjutnya hendaknya mempertimbangkan kemampuan setiap operator dalam menjalankan HMC agar jumlah penghematan biaya operasional lebih akurat dalam keputusan berinvestasi PT Z. 2. Perlu adanya penelitian mengenai jadwal pemeliharaan HMC terhadap biaya operasional PT Z. DAFTAR PUSTAKA Chao, S.L. and Lin, Y.J. (2011) Evaluating Advanced Quay Cranes In Container Terminals. Transportation Research Part E, 47, pp.432-445. Chung, S.H. and Choy, K.L. (2012) A Modified Genetic Algorithm for Quay Crane Scheduling Operations. Expert Systems With Applications, 39, pp.4213-4221. Diabat, A. and Theodorou, E. (2014) An Integrated Quay Crane Assignment and Scheduling Problem. Computers and Industrial Engineering, 73, pp.115-123. Halum, A., Supomo, B., and Kusufi, M.S. (2014) Akuntansi Manajemen. Yogyakarta: BPFE He, J., Huang, Y., and Yan, W. (2015) Yard Crane Schedulling In A Container Terminal for the Trade-Off Between Efficiency and Energy Consumption. Advanced Engineering Informatics, 29, pp.59-75. Homayouni, S.M., Tang, S.H., and Motlagh, O. (2014) A Genetic Algorithm for Optimization of Integrated Scheduling of Cranes, Vehicles, and Storage Platforms at Automated Container Terminals. Journal of Computational and Applied Mathematics, 270, pp.545556. Kaveshgar, N., Huynh, N., and Rahimian, S.K. (2012) An Efficient Genetic Algorithm for Solving the Quay Crane Scheduling Problem. Expert System With Applications, 39, pp.13108-13117. Kusumaningdyah (2012) Integer http://widhadyah.lecture.ub.ac.id/files/2012/11/Materi-9_INTEGERISBN: 978-602-70604-2-5 B-1-6
programming.
Prosiding Seminar Nasional Manajemen Teknologi XXIII Program Studi MMT-ITS, Surabaya 1 Agustus 2015
PROGRAMMING-CUTTING-PLANE-ALG.pdf (diakses pada tanggal 24 Maret 2014). Maritimedia (2013) Fasilitas Pelabuhan. http://www.maritimedia.com/artikel/Fasilitas%20Pelabuhan.pdf (diakses pada tanggal 14 April 2015). Mulyasyah, Arif (2012) Meningkatkan Kinerja Pelayanan Bongkar Muat Dengan Penambahan Unit Harbour Mobile Crane (HMC) Melalui Metode Simulasi (Studi Kasus PT. Berlian Jasa Terminal Indonesia). Tugas Akhir, Institut Teknologi Sepuluh November, Surabaya. PELINDO (2011) Pengenalan dan Pengoperasian Alat Bongkar Muat Peti Kemas. https://www.scribd.com/doc/129646956/Pengenalan-dan-Pengoperasian-Alat-BMpptx#scribd (diakses pada tanggal 14 April 2015). Rostiyanti, S.F.(2008) Alat Berat untuk Proyek Konstruksi. Jakarta: Penerbit Rineka Cipta Siswanto (2007) Operations Research Jilid 1. Jakarta: Erlangga Soeharto (2003) Kajian Terhadap Fasilitas Peralatan Bongkar-Muat Barang Pada Terminal Peti Kemas Di Pelabuhan Tanjung Emas-Semarang. Tesis, Universitas Diponegoro, Semarang. Sulistyo, A.N. (2006) Prasarana Terminal Peti Kemas (Studi Kasus Terminal Peti Kemas Semarang). Tesis, Universitas Dipenogoro, Semarang. Taha, H.A. (2007) Operations Research An Introduction Eight Edition. New Jersey: Prentice Hall Venus and Lun, Y.H. (2011) Green Management Practices and Firm Performance: A Case Of Container Terminal Operations. Resources, Converstion and Recycling, 55, pp.559-566.
ISBN: 978-602-70604-2-5 B-1-7