Perencanaan Optimal Rantai Suplai Yang Berkelanjutan Dengan Adanya Ketidakpastian

ERENCANAAN OPTIMAL RANTAI SUPLAI YANG
BERKELANJUTAN DENGAN ADANYA
KETIDAKPASTIAN

TESIS

Oleh

LESMAN TARIGAN
097021059/MT

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011

Universitas Sumatera Utara

ERENCANAAN OPTIMAL RANTAI SUPLAI YANG
BERKELANJUTAN DENGAN ADANYA
KETIDAKPASTIAN

TESIS

Diajukan Sebagai Salah Satu Syarat
Untuk Memperoleh Gelar Magister Sains dalam
Program Studi Magister Matematika pada
Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara

Oleh

LESMAN TARIGAN
097021059/MT

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2011

Universitas Sumatera Utara

Judul Tesis

: ERENCANAAN OPTIMAL RANTAI SUPLAI
YANG BERKELANJUTAN DENGAN
ADANYA KETIDAKPASTIAN
Nama Mahasiswa : Lesman Tarigan
Nomor Pokok
: 097021059
Program Studi
: Matematika

Menyetujui,
Komisi Pembimbing

(Prof. Dr. Drs. Iryanto, M.Si)
Ketua

(Prof. Dr. Tulus, M.Si)
Anggota

Ketua Program Studi,

Dekan

(Prof. Dr. Herman Mawengkang)

(Dr. Sutarman, M.Sc)

Tanggal lulus: 15 Juni 2011

Universitas Sumatera Utara

Telah diuji pada
Tanggal 15 Juni 2011

PANITIA PENGUJI TESIS
Ketua

:

Prof. Dr. Drs. Iryanto, M.Si

Anggota

:

1. Prof. Dr. Tulus, M.Si
2. Dr. Saib Suwilo, M.Sc
3. Drs. Suwarno Arriswoyo, M.Si

Universitas Sumatera Utara

ABSTRAK
Tesis ini membahas desain rantai suplai bahan kimia yang berkelanjutan dengan
adanya ketidakpastian persediaan yang terkait dengan jaringan. Desain matematis dirumuskan sebagai stokastik campuran bi-kriteria program integer nonlinear
yang secara bersamaan memaksimalkan net present value (NPV) dan meminimalkan dampak lingkungan untuk tingkat probabilitas tertentu. Kinerja lingkungan
diukur melalui Eco-indikator 99, yang menyertakan kemajuan yang dibuat dalam
Life Cycle Assessment (LCA). Model stokastik diubah menjadi setara deterministik dengan merumuskan kendala probabilistik yang diperlukan untuk menghitung
dampak lingkungan dalam ketidakpastian. Hasil deterministik MIN LP bi-kriteria

selanjutnya dirumuskan sebagai MIN LP parametrik yang diselesaikan dengan
menguraikan menjadi dua sub masalah yang diselesaikan dengan iterasi. Solusi
ini memberikan wawasan berharga masalah desain dan dimaksudkan untuk membimbing pengambil keputusan terhadap penerapan desain alternatif berkelanjutan.
Kata kunci : Manajemen Rantai suplai, Optimalisasi, berkelanjutan, ketidakpas
tian, penilaian siklus hidup

i
Universitas Sumatera Utara

ABSTRACT

This thesis studies about designed of sustainable chemical supply chains under uncertainty in the life cycle inventory related to the network operation. Mathematically design formulated as bi-criterion stochastic mixed-integer nonlinear program
that simultaneously account to maximize the net present value (NPV) and to minimize the environment impact for probability level. Environment activities Measured
through Eco-indicator 99, which incorporates the advancement made in Life Cycle
Assessment (LCA). Stochastic model changed to be equivalent with deterministic
by formulating probabilistic constraint that is required to calculate the environmental impact in the space of uncertain parameters. Then the result of deterministic
bi-criterion MINLP is formulated as MINLP parametric, that is finished by iterating by decomposing it into two sub-problems finished by iterating. These solutions
provide valuable perception about design problem and intended to guide the decision
maker towards the applying sustainable alternative design.
Keywords : Supply chain management, optimization, sustainability, uncertainty,

life cycle Assessment

ii
Universitas Sumatera Utara

KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan, karena berkat kasih
dan karunia-Nya jualah penulis dapat menyelesaikan perkuliahan tepat waktu dan
menyelesaikan Tesis dengan judul ”PERENCANAAN OPTIMAL RANTAI SUPLAI YANG BERKELANJUTAN DENGAN ADANYA KETIDAKPASTIAN”.
Pada kesempatan ini, penulis menyampaikan ucapan terima kasih dan penghargaan yang sebesar-besarnya kepada:
Bapak Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc(CTM), Sp.A(K), selaku
Rektor Universitas Sumatera Utara.
Bapak Prof. Dr. Ir. A. Rahim Matondang, MSIE, selaku Direktur Pascasarjana
Universitas Sumatera Utara.
Bapak Dr. Sutarman, M.Sc, selaku Dekan FMIPA Universitas Sumatera Utara
yang telah memberikan kesempatan kepada penulis untuk mengikuti perkuliahan
pada Program Studi Magister Matematika.
Bapak Prof. Dr. Herman Mawengkang, selaku Ketua Program Studi Magister
Matematika pada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas
Sumatera Utara dan juga selaku Ketua Panitia Penguji tesis ini, yang telah dengan

penuh kesabaran memotivasi dan membimbing penulis hingga selesainya tesis ini
dengan baik.
Bapak Dr. Saib Suwilo, M.Sc, selaku Sekretaris Program Studi Magister Matematika pada Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Sumatera
Utara dan juga pembanding dan penguji yang telah banyak memberikan saran dan
masukan, juga motivasi belajar selama masa perkuliahan.
Bapak Prof. Dr. Drs. Iryanto, M.Si dan Prof. Dr. Tulus, M.Si selaku pembimbing
tesis yang telah banyak memberikan saran dan masukan, juga motivasi belajar selama masa perkuliahan.
Bapak Drs. Suwarno Arriswoyo, M.Si, selaku pembanding dan penguji atas segala
saran dan petunjuk yang diberikan.
Gubernur Sumatera Utara, yang telah memberi bantuan bea siswa pendidikan
kepada penulis melalui BAPEDASU.
Bapak Prof. Dr. Opim Salim S, M.Sc ; Drs. Marwan Harahap, M.Eng; Drs.
Open Darnius, M.Sc ; Drs. Marihat Situmorang, M.Kom ; Drs. Sawaluddin,
iii
Universitas Sumatera Utara

M.IT, sebagai staf pengajar yang telah memberikan ilmunya kepada penulis selama perkuliahan. Rekan-rekan mahasiswa angkatan 2008 dan 2009 atas kerjasama dan kebersamaan yang indah selama perkuliahan dan rekan-rekan guru
SMA Negeri 2 Kabanjahe yang turut memberi motivasi kepada penulis.
Penulis juga mengucapkan terima kasih kepada istri tercinta Hettiani Br
Barus yang selalu mendukung penulis dalam menyelesaikan kuliah.

Secara khusus penulis menyampaikan terimakasih dan sayang yang mendalam
kepada orangtua penulis ayahanda Kawas Tarigan (alm) dan ibunda Sinek Ngena
br Ginting, kakak, adik-adik, ipar dan semua keponakan saya yang senantiasa memberikan dukungan dan mendoakan keberhasilan penulis dalam menyelesaikan pendidikan ini.
Kepada seluruh pihak yang tidak dapat penulis sebutkan satu persatu, penulis
berterimakasih atas semua bantuan yang diberikan, semoga Tuhan Yang Maha
Kuasa membalaskan segala kebaikan yang telah diberikan, Amin.
Penulis menyadari tesis ini masih jauh dari sempurna, namun penulis berharap
semoga tesis ini bermanfaat bagi pembaca dan pihak-pihak yang memerlukannya.
Medan, 15 Juni 2011
Penulis,

Lesman Tarigan

iv
Universitas Sumatera Utara

RIWAYAT HIDUP

A. DATA PRIBADI
Nama

: Lesman Tarigan

Tempat/tanggal lahir : Singgamanik, 26 Mei 1970
Jenis kelamin

: Laki-laki

Agama

: Kristen Protestan

Alamat Rumah

: Jl. Mariam Ginting, Gg. Kelinci No. 11 Kabanjahe

Nama istri

: Hettiani Br Barus, A.Md. Ak

Nama Orang Tua

: (alm) Kawas Tarigan (Ayah)
: Sinek Ngena br Ginting (Ibu)

Nama Anak-anak

: Gina Fransiska Br Tarigan
: Ian Primusta Tarigan
: Reinhold Imo Alpredo Tarigan

B. Riwayat Pendidikan
SD

: SD Negeri 1 Sarinembah, Kec. Munte, Kab. Karo

SMP

: SMP Negeri Munte, Kab. Karo

SMA

: SMA GBKP Kabanjahe, Kab. Karo

UNIVERSITAS

: UKSW Salatiga

C. Pengalaman Kerja
1994-2008

: Guru Ikatan Dinas di SMA GBKP Kabanjahe, Kabupaten Karo

2000-2004

: PNS pada SMA Negeri 1 Simpang Empat, Kabupaten Karo

2004-Sekarang

: Guru PNS pada SMA Negeri 2 Kabanjahe, Kabupaten Karo

v
Universitas Sumatera Utara

DAFTAR ISI
Halaman
ABSTRAK

i

ABSTRACT

ii

KATA PENGANTAR

iii

RIWAYAT HIDUP

v

DAFTAR ISI

vi

DAFTAR GAMBAR

viii

BAB 1 PENDAHULUAN

1

1.1 Latar Belakang

1

1.2 Perumusan Masalah

4

1.3 Tujuan Penelitian

4

1.4 Kontribusi Penelitian

4

1.5 Metodologi Penelitian

5

BAB 2 TINJAUAN PUSTAKA

7

BAB 3 LANDASAN TEORI

10

3.1 Keseimbangan Massa

11

3.2 Kendala Kapasitas

13

3.2.1 Kapasitas Pabrik

13

3.2.2 Kapasitas Gudang

14

3.2.3 Jaringan Transportasi

15

3.3 Fungsi Tujuan

16

3.3.1 Net Present Value

16

3.3.2 Penilaian Dampak Lingkungan: Penerapan Prinsip-Prinsip
LCA

18

vi
Universitas Sumatera Utara

3.3.3 Ketidakpastian dalam Siklus Persediaan
BAB 4 PEMODELAN

24
28

4.1 Usulan Teknik Dekomposisi

29

4.1.1 Inisialisasi Parameter

30

4.1.2 Batas Bawah: N LP parametrik

30

4.1.3 Perbandingan Parametrik

31

4.1.4 Batas Atas: Master MIN LP

32

BAB 5 KESIMPULAN

35

5.1 Kesimpulan

35

DAFTAR PUSTAKA

36

vii
Universitas Sumatera Utara

DAFTAR GAMBAR

Nomor

Judul

Halaman

3.1

Kegiatan rantai suplai P. Tsiakis et al (2001)

10

3.2

Kegiatan rantai suplai Ugur Kaplan et al (2001)

11

viii
Universitas Sumatera Utara

ABSTRAK
Tesis ini membahas desain rantai suplai bahan kimia yang berkelanjutan dengan
adanya ketidakpastian persediaan yang terkait dengan jaringan. Desain matematis dirumuskan sebagai stokastik campuran bi-kriteria program integer nonlinear
yang secara bersamaan memaksimalkan net present value (NPV) dan meminimalkan dampak lingkungan untuk tingkat probabilitas tertentu. Kinerja lingkungan
diukur melalui Eco-indikator 99, yang menyertakan kemajuan yang dibuat dalam
Life Cycle Assessment (LCA). Model stokastik diubah menjadi setara deterministik dengan merumuskan kendala probabilistik yang diperlukan untuk menghitung
dampak lingkungan dalam ketidakpastian. Hasil deterministik MIN LP bi-kriteria
selanjutnya dirumuskan sebagai MIN LP parametrik yang diselesaikan dengan
menguraikan menjadi dua sub masalah yang diselesaikan dengan iterasi. Solusi
ini memberikan wawasan berharga masalah desain dan dimaksudkan untuk membimbing pengambil keputusan terhadap penerapan desain alternatif berkelanjutan.
Kata kunci : Manajemen Rantai suplai, Optimalisasi, berkelanjutan, ketidakpas
tian, penilaian siklus hidup

i
Universitas Sumatera Utara

ABSTRACT

This thesis studies about designed of sustainable chemical supply chains under uncertainty in the life cycle inventory related to the network operation. Mathematically design formulated as bi-criterion stochastic mixed-integer nonlinear program
that simultaneously account to maximize the net present value (NPV) and to minimize the environment impact for probability level. Environment activities Measured
through Eco-indicator 99, which incorporates the advancement made in Life Cycle
Assessment (LCA). Stochastic model changed to be equivalent with deterministic
by formulating probabilistic constraint that is required to calculate the environmental impact in the space of uncertain parameters. Then the result of deterministic
bi-criterion MINLP is formulated as MINLP parametric, that is finished by iterating by decomposing it into two sub-problems finished by iterating. These solutions
provide valuable perception about design problem and intended to guide the decision
maker towards the applying sustainable alternative design.
Keywords : Supply chain management, optimization, sustainability, uncertainty,
life cycle Assessment

ii
Universitas Sumatera Utara

BAB 1
PENDAHULUAN

1.1 Latar Belakang
Pada beberapa penelitian sebelumnya, model optimasi yang dirancang, digunakan
di pabrik-pabrik untuk membantu dalam operasi dan desain proses kimia. Namun, dalam dekade terakhir, usaha penelitian telah dikhususkan untuk mempeluas
batas-batas analisis dalam rangka mengembangkan praktik bisnis secara lebih luas.
Hal ini dimotivasi oleh peluang dalam mencapai manfaat yang lebih besar melalui
pengelolaan terpadu keseluruhan rantai suplai. Tren ini juga berdampak terhadap
kemajuan dalam teori optimasi dan perangkat lunak aplikasi. Sebagai hasil dari
perkembangan ini, bidang manajemen rantai suplai telah menjadi isu utama dalam proses industri. Manajemen rantai suplai juga diharapkan dapat berperan
dalam pasar global masa depan, di mana kompetisi akan memacu perusahaan untuk beroperasi lebih keras dalam mendapatkan keuntungan (Nancy Nix et al).
Pergeseran paradigma dalam lingkup analisis yang dilakukan telah menyebabkan dihasilkannya alat-alat generasi baru yang memberikan dukungan untuk
Supply Chain Management. Strategi-strategi ini memungkinkan koordinasi dan optimalisasi simultan terhadap penentuan lokasi pabrik, logistik dan tugas distribusi
di lingkungan Supply Chain. Untuk mencapai optimalisasi tersebut tentu banyak
kendala-kendala yang dihadapi, kendala tersebut menyangkut beberapa hal yang
pokok. Guillen-Gosalbez et al (2008) memberikan persamaan kapasitas kendala
dalam rantai suplai sebagai berikut :
Kapasitas Pabrik
PL
PL
PL
= Cgpt−1
+ CEgpt
Cgpt

;

∀g, j, t

(1.1)

PL
menyatakan kapasitas pabrik yang menggunakan teknologi p pada jadengan Cgpt
PL
ringan g dalam periode t, Cgpt−1
menyatakan kapasitas pabrik yang menggunakan
PL
teknologi p pada jaringan g sebelum periode t, CEgpt
menyatakan perluasan kap-

asitas pabrik yang menggunakan teknologi p pada jaringan g dalam periode t.
1
Universitas Sumatera Utara

2
Kapasitas Gudang
ST
ST
ST
= Cgst−1
+ CEgst
Cgst

;

∀g, s, t

(1.2)

ST
dengan Cgst
menyatakan kapasitas pabrik yang menggunakan teknologi s pada jaST
ringan g dalam periode t, Cgst−1
menyatakan kapasitas pabrik yang menggunakan
ST
teknologi s pada jaringan g sebelum periode t, CEgst
menyatakan perluasan kap-

asitas pabrik yang menggunakan teknologi s pada jaringan g dalam periode t.
Sementara Zuo Jun max et al (2006) mengkaji tentang biaya persediaan dan
dalam model lokasi strategis, pendekatan solusi untuk menentukan batas bawah
dan batas atas suatu model. Selain yang disebutkan di atas tujuan rantai suplai
adalah mencari solusi optimal secara keseluruhan dari keseluruhan jaringan. Solusi ini seharusnya tidak hanya mengoptimalkan indikator kinerja yang ada, tetapi
juga memenuhi prinsip kesetimbangan massa, tugas dan kapasitas kendala yang
diberlakukan oleh topologi jaringan.
Ketercapaian suatu kinerja dalam hal keakuratan dan penilaian efisiensi terhadap operasi jaringan, menimbulkan tantangan signifikan. Tantangan ini dapat diatasi pada saat merancang sistem pemodelan baru dan teknik solusi untuk
manajemen rantai suplai. Dalam prakteknya, kegiatan distribusi-produksi yang
dilakukan oleh perusahaan biasanya dievaluasi dalam hal kemampuan nyata untuk meningkatkan keseluruhan laba perusahaan. Untuk alasan ini, manfaat proses
ekonomi yang ingin dicapai sebagai tujuan dalam prosedur optimasi digunakan
secara luas sebagai indikator kinerja (Fauske et al 2006).
Akhir-alhir ini telah tumbuh kesadaran tentang pentingnya memasukkan faktor lingkungan dengan kriteria ekonomi dalam optimisasi proses kimia. Pengkajian
siklus hidup (Life Cicle Assesment) dapat digunakan bagi pengembangan pemilihan keputusan-keputusan pemilihan strategis dalam bisnis, poduk dan desain bisnis
dengan mempertimbangkan aspek lingkungan. LCA merupakan suatu alat untuk
memproses dan mengevaluasi beban lingkungan yang berhubungan dengan suatu
produk (Salem, 2009). Siklus hidup produk dimulai ketika bahan mentah diekstraksi dari dalam bumi, diikuti oleh pembuatan, transportasi, dan penggunaan
serta manajemen limbah termasuk pendaur ulangan dan pembuangan akhir. Pada

Universitas Sumatera Utara

3
setiap tahapan siklus hidup terjadi emisi dan konsumsi sumber daya. Efek yang
ditimbulkan emisi dan konsumsi sumber daya ini telah berkontribusi terhadap beberapa isu utama yang menjadi peraturan pemerintah. Selain itu, kebutuhan untuk
meningkatkan persepsi pelanggan terhadap perusahaan sadar lingkungan, akhirnya
dapat mengakibatkan produk penjualan yang lebih tinggi, juga memberikan kontribusi terhadap bisnis.
Kepentingan dalam memasukkan teknik pencegahan polusi dalam proses desain bukanlah hal baru tapi sudah sejak 1970-an. Sejak itu, berbagai pendekatan
telah diusulkan dalam literatur untuk mengurangi konsumsi energi dan sumber
daya dalam pabrik kimia. Kelemahan utama dari strategi ini biasanya berfokus
pada pabrik, dan ruang lingkup yang terbatas. Selanjutnya, perusahaan dapat
memberikan solusi yang mengurangi dampak secara lokal, tetapi mengorbankan
efek negatif lain tahap dari siklus produk, sedemikian rupa sehingga keseluruhan
kerusakan lingkungan meningkat. Untuk mengatasi kelemahan ini, batas-batas
penelitian harus diperluas melalui tahap produksi yang merangkul kegiatan logistik secara lebih luas. Dengan demikian, jelaslah bahwa isu lingkungan harus
diperhatikan sepanjang seluruh rantai suplai (Andie Tri Purwanto, 2000).

Pengelolaan rantai suplai hijau (Green Supply Chain Management) muncul
dalam menanggapi situasi tersebut. Pengelolaan rantai suplai hijau membahas
pengaruh dan hubungan antara manajemen rantai suplai dan lingkungan alam.
Pengelolaan rantai suplai hijau telah mengakui peran yang dimainkan oleh manajemen rantai suplai berkelanjutan dan secara holistik pengelolaan rantai suplai
hijau juga dapat menilai kinerja lingkungan dari suatu proses. Secara khusus,
aplikasi manajemen rantai suplai dalam konteks ini dimotivasi oleh analisis sistem
yang mencakup semua tahapan dari siklus produk. Patut dicatat bahwa kontribusi
yang dibuat untuk pengelolaan rantai suplai hijau terbatas. Jadi, meskipun ada
beberapa penelitian yang meneliti keadaan suatu daerah, namun daerah tersebut
masih dapat dipakai untuk penelitian lebih lanjut (Chien et al, 2007).
Kajian ekstensif yang berkaitan dengan pengelolaan rantai suplai hijau dapat ditemukan di beberapa penelitian. Dalam penelitian ini ditunjukkan bahwa
pemrograman matematis (yakni, LP, NLP,MILP dan MINLP ) belum digunakan

Universitas Sumatera Utara

4
secara luas dalam perancangan sadar lingkungan. Jadi, meskipun potensi manfaat
alat-alat seperti itu telah diakui dalam literatur, namun masih banyak persoalan
yang dapat dikaji kembali. Model optimasi berdasarkan pendekatan matematika
dapat digunakan untuk perencanaan rantai suplai (Dolgui dan Louly, 2001).

Penggunaan program matematika di pengelolaan rantai suplai hijau memberikan penawaran dalam hal optimalisasi simultan operasi proses dan isu-isu
lingkungan. Sayangnya, penerapan teknik ini terhambat oleh kesulitan numerik
yang dapat timbul ketika berurusan dengan masalah skala besar.

Selain itu,

masalah desain proses kimia sadar lingkungan akan lebih rumit dengan tingkat
ketidakpastian yang tinggi. Ketidakpastian dapat ditimbulkan oleh faktor eksternal dan faktor internal. Faktor eksternal antara lain permintaan, harga, biaya, dll
dan serta faktor internal antara lain produk hasil, konsumsi energi, siklus persediaan, dampak kerusakan.

Sehubungan dengan hal tersebut penulis memilih judul perencanaan optimal
rantai suplai yang berkelanjutan dengan adanya ketidakpastian.
1.2 Perumusan Masalah
Adapun rumusan masalah dalam penelitian ini adalah bagaimana membentuk
rantai suplai yang berkelanjutan dengan adanya ketidakpastian untuk memperoleh Net Present Value yang Optimal.
1.3 Tujuan Penelitian
Tujuannya penelitian ini adalah untuk menentukan konfigurasi rantai suplai bersama
dengan keputusan perencanaan dan keputusan struktural yang memaksimalkan
NPV dan meminimalkan dampak lingkungan.
1.4 Kontribusi Penelitian
Penelitian ini diharapkan dapat memberikan sumbangan teoritis dalam bidang matematika secara umum dan khususnya dalam bidang matematika terapan sehingga

Universitas Sumatera Utara

5
dapat membantu mahasiaswa/para peneliti dalam memahami dan mengaplikasikan
hal-hal yang berkaitan dengan rantai suplai dalam menyelesaikan program optimasi
rantai suplai.
1.5 Metodologi Penelitian
Metodologi yang dilakukan adalah bersifat literatur dengan mengumpulkan informasi dari berbagai referensi buku, jurnal dan hasil-hasil penelitian yang berhubungan dengan judul tersebut, dengan langkah-langkah sebagai berikut :
1. Mengumpulkan dan mempelajari bahan-bahan berupa buku, jurnal ilmiah
dan makalah dari berbagai sumber, untuk menguraikan tentang :
(a) Rantai suplai
(b) Rantai suplai yang berkelanjutan
(c) ketidakpastian dalam rantai suplai
(d) optimasi
2. Selanjutnya menguraikan isi dari persoalan yaitu melakukan pengembangan
rantai suplai dalam menangani masalah optimasi yang menyertakan faktor
kendala dan fungsi objektif dengan langkah-langkah sebagai berikut :
(a) Mengumpulkan ketentuan-ketentuan tentang rantai suplai.
(b) Menganalisa kemungkinan faktor-faktor kendala.
(c) Menentukan konfigurasi kendala-kendala agar diperoleh hasil yang optimal.
(d) Menentukan daerah layak penyelesaian.
(e) Memilih alternatif penyelesaian agar dapat dilaksanakan proses yang
berkesinambungan.
(f) Menganalisa fungsi tujuan.
(g) Menemukan prosedur solusi.
(h) Mengukur dampak lingkungan dengan eco-indicator 99.
(i) Menggabungkan hasil eco-indicator 99 dengan LCA

Universitas Sumatera Utara

6
(j) Menyelesaikan MILPS bi-criteria dengan teknik decomposisi
(k) Menentukan batas bawah dengan NLP
(l) Menentukan batas atas dengan MINLP
3. Bagian akhir menetapkan kesimpulan yang diperoleh dalam penelitian yang
dilakukan

Universitas Sumatera Utara

BAB 2
TINJAUAN PUSTAKA

Tujuan dari rantai suplai adalah meminimumkan usaha yang dilakukan, meminimumkan biaya yang dikeluarkan dan memaksimalkan keuntungan yang diperoleh.
Kegiatan meminimumkan usaha, meminimumkan biaya dan memaksimalkan keuntungan tersebut dikenal dengan aktivitas optimasi.
Manajemen rantai suplai adalah proses bisnis yang dimulai dari pemasok, informasi dan jasa yang digunakan untuk memenuhi kebutuhan pelanggan dan memberi keuntungan bagi pengelola. Rantai suplai merupakan jaringan yang mencakup
pengadaan bahan baku, mengubah menjadi barang setengah jadi, penyelesaian produk dan sampai kepada pemasaran yang siap dikonsumsi oleh para pelanggan. Semua elemen rantai suplai bukan merupakan bagian yang terpisah tapi merupakan
satu kesatuan. Jadi antara rantai yang satu dengan rantai yang lain tidak terjadi persaingan tapi merupakan suatu kesatuan yang saling mendukung (Meltem,
2009).
Manajemen rantai suplai merupakan rangkaian kegiatan yang menghubungkan
antara satu mata rantai dengan mata rantai yang lain. Kegiatan tersebut adalah
merencanakan, menerapkan dan mengendalikan efisiensi dan efektifitas penyimpanan barang, jasa dan informasi dari hulu ke hilir dan sebaliknya. Kegiatan
tersebut dilakukan mulai dari titik asal barang tersebut hingga ke konsumen. Istilah logistik dalam rantai suplai merupakan hal penting untuk meningkatkan daya
saing (Firman Tamboen et al, 2008). Kegiatan logistik ini sangat erat kaitannya
dengan jaringan transportasi yang merupakan elemen dari rantai suplai.
Guillen Gosalbez et al (2008) mengkaji tentang perencanaan optimal rantai
suplai bahan kimia yang berkelanjutan. Dalam penelitian tersebut di paparkan
beberapa formulasi matematika yaitu :
1. Keseimbangan massa
Untuk setiap hidrogen i yang disimpan (Sigt−1 ) ditambah dengan jumlah yang
diproduksi (P Rigpt ) dan arus yang masuk (Qig′ glt ) harus sama dengan jumlah akhir
7
Universitas Sumatera Utara

8
ditambah dengan jumlah yang dipabrik (Sigt) dengan jumlah yang diantarkan ke
pelanggan(Digt ) dan arus keluar (Qigg′ lt).

I
X

Sigst−1 +

s∈SI(i)
I
X

P
X

′

P Rigpt +

p=1

L
G X
X

Qig′ glt =

g =
6 g l=1
′

′

Sigst + Digt +

s∈SI(i)

G X
L
X

′

Qigg lt ; ∀i, g, t

(2.1)

g 6=g l=1
′

Di setiap bagian rantai suplai ditemukan keterbatasan-keterbatasan yang harus
diperhitungkan, dan keterbatasan-keterbatasan itu dapat diatasi sehingga keberlanjutan rantai suplai dapat dipertahankan. Adapun kendala keterbatasan yang
dihadapai yaitu
2. Kapasitas gudang
P. Tsiakis et al (2001) mengkaji tentang kapasitas gudang m yang selalu
berada pada dua batas yaitu batas bawah dan batas atas. Secara matematis dapat
ditulis sebagai

Wmmin Ym ≤ Wm ≤ WmmaxYm ,

;

∀m

(2.2)

dimana
Wmmin Ym adalah batas bawah kapasitas gudang,
Wm adalah kapasitas gudang,
Wmmax Ym adalah batas atas kapasitas gudang.
Guillen Gosalbez et al (2009) mengkaji tentang kendala kapasitas yang dipaparkan
sebagai berikut :
3. Kapasitas pabrik
PL
PL
PL
Cijt
= Cijt−1
+ CEijt

;

∀i, j, t

(2.3)

dimana

Universitas Sumatera Utara

9
PL
PL
adalah kapasitas teknologi i di pabrik j pada periode t, Cijt−1
adalah kaCijt
PL
adalah perluasan kapasitas
pasitas teknologi i di pabrik j sebelum periode t, CEijt

teknologi i di pabrik j dalam periode t.
4. Kapasitas gudang

WH
WH
WH
Ckt
= Ckt−1
+ CEkt

∀k, t

;

(2.4)

dimana
WH
WH
Ckt
adalah kapasitas gudang k pada periode waktu t, Ckt−1
adalah kapasitas
WH
adalah kapasitas perluasan gudang k
gudang k sebelum periode waktu t, CEkt

dalam periode t.
Menurut Andrey M. Kostin et al (2010) nilai fungsi objektif N P V dapat
dihitung dengan menggunakan rumus

NP Ve =

T
X
t=1

CF te
(1 + ir)t−1

;

∀e

(2.5)

Dalam persamaan ini, N P Ve menyatakan nilai saat ini, ir menunjukkan suku
bunga, CFte merupakan arus kas pada periode t dan t adalah periode.

Universitas Sumatera Utara

BAB 3
LANDASAN TEORI

Manajemen rantai suplai bertujuan untuk mencapai nilai maksimum dari
fungsi objektif yaitu nilai NPV, namun untuk mencapai hal tersebut ada beberapa kendala yang harus diperhatikan. Untuk lebih lengkapnya rangkaian rantai
suplai digambarkan dalam berbagai bentuk. Tsiakis et al (2001) menggambarkan
kegiatan rantai suplai yang meliputi pemasok, pabrik, gudang, pusat distribusi,
dan pelanggan seperti gambar berikut.

Gambar 3.1 Kegiatan rantai suplai P. Tsiakis et al (2001)
Bentuk lain dari kegiatan rantai suplai dipaparkan oleh Ugur Kaplan et al
(2006) meliputi pemasok, pabrik, gudang, pusat distribusi, pedagang, dan pemakai
seperti dinyatakan dalam gambar berikut.

10
Universitas Sumatera Utara

11

Gambar 3.2 Kegiatan rantai suplai Ugur Kaplan et al (2001)
Untuk mencapai fungsi tujuan, selain kendala keterbatasan mengenai kapasitas juga dijumpai kendala lain yaitu kendala untuk memecahkan persoalan secara
matematis. Pendekatan yang paling umum untuk mengatasi masalah desain rantai
suplai adalah untuk merumuskan program linear campuran (MIP ) skala besar yang
menangkap fitur-fitur yang relevan berkaitan dengan jaringan. Dalam penelitian ini
MIP diusulkan untuk mengatasi desain rantai suplai sadar lingkungan yang menggabungkan masalah unsur pabrik yang klasik, lokasi dan proses jangka panjang
dalam formulasi tunggal matematika. Harus di ingat bahwa model yang diusulkan
didasarkan pada tiga tingkatan rantai suplai yaitu menyeimbangkan persamaan,
keterbatasan kapasitas dan fungsi objektif.

3.1 Keseimbangan Massa
Dalam hal menyeimbangkan berarti memuaskan setiap cabang yang ada dalam jaringan. Jadi, untuk setiap pabrik j dan bahan kimia p, jumlah pembelian dan
yang dihasilkan harus sama dengan jumlah yang diangkat dari pabrik ke gudang
ditambah jumlah yang dikonsumsi.
P Ujpt +

X

i∈OU T (p)

Wijpt =

K
X
k=1

L
QPjkpt
+

X

Wijpt

;

∀j, p, t

(3.1)

i∈IN (p)

Dalam persamaan 3.1 di atas, P Ujpt adalah jumlah produk p yang dibeli oleh
pabrik j dalam periode waktu t, Wijpt adalah arus input / output terkait dengan

Universitas Sumatera Utara

12
L
adalah jumlah produk p yang
teknologi i di pabrik j pada periode waktu t, QPjkpt

diangkut dari pabrik j ke gudang k dalam periode waktu t.
Pembelian produk dapat berupa bahan baku atau bahan jadi (yaitu outsourching). Untuk setiap produk jumlah pembelian dibatasi dengan batas bawah
(P Ujpt ) dan batas atas (P Ujpt )
jadi
P Ujpt ≤ P Ujpt ≤ P Ujpt

∀j, p, t

;

(3.2)

Persamaan 3.3 ditambahkan untuk keseimbangan bahan setiap teknologi i
dipasang pada pabrik j
Wiptj = µip Wijp′ t

;

∀i, j, p, t

;

∀p′ ∈ MP (i)

(3.3)

Dalam persamaan ini, Wiptj adalah arus masuk produk p dengan teknologi i di
pabrik j dalam periode t, µip menunjukkan koefisien keseimbangan material pada
teknologi i untuk produk p, Wijp′ t adalah adalah arus keluar, sedangkan MP(i)
adalah himpunan produk utama yang sesuai dengan teknologi masing-masing.
Selanjutnya persamaan 3.4 digunakan untuk keseimbangan massa di gudang.
Maka haruslah berlaku, persediaan awal (INVkpt−1 ) ditambah dengan jumlah proP
L
) harus sama
duk yang diangkut dari pabrik j ke gudang k pada periode t ( j QPjkpt
P WH
dengan arus bahan dari gudang ke pasar ( l Qklpt ) ditambah dengan persediaan
akhir INVkpt yang dapat dinyatakan dalam persamaan berikut.
INVkpt−1 +

J
X

L
QPjkpt
=

j=1

L
X

H
QW
klpt + INVkpt

;

∀k, p, t

(3.4)

l=1

Selanjutnya, penjualan produk di pasar (SAlpt) ditentukan dari jumlah barang
yang dikirim oleh gudang, seperti yang dinyatakan dalam persamaan 3.5
K
X

L
QPjkpt
= SAlpt

;

∀l, p, t

(3.5)

k=1

Hal lain yang diperlukan dinyatakan dalam persamaan 3.6 yang menunjukkan total
penjualan produk p di pasar l pada periode t lebih besar atau sama dengan tingkat

Universitas Sumatera Utara

13
permintaan minimal (yaitu, permintaan minimal yang ingin dicapai perusahaan)
MK
MK
) dan lebih rendah dari permintaan maksimum (Dlpt
)
(Dlpt
MK
MK
Dlpt
≤ SAlpt ≤ Dlpt

∀l, p, t

;

(3.6)

Model ini mengasumsikan bahwa bagian dari permintaan mungkin tidak dapat dipenuhi karena kapasitas produksi terbatas atau kekuatan terlalu rendah

3.2 Kendala Kapasitas
3.2.1 Kapasitas Pabrik
Kapasitas setiap teknologi i di pabrik j pada periode t diwakili oleh variabel
PL
. Persamaan 3.7 menunjukkan bahwa kendala
kontinu yang dinotasikan dengan Cijt

tingkat produksi teknologi i lebih rendah daripada kapasitas yang ada dan lebih
tinggi daripada kapasitas minimum yang diinginkan (τ )
PL
PL
τ Cijt
≤ Wijpt ≤ Cijt

;

∀i, j, t

;

∀p ∈ MP (i)

(3.7)

Selanjutnya persamaan berikut menunjukkan kapasitas pabrik j dalam jangka
waktu t dihitung dari kapasitas yang ada di akhir periode sebelumnya ditambah
dengan perluasan pada periode t :
PL
PL
PL
= Cijt−1
+ CEijt
Cijt

;

∀i, j, t

(3.8)

PL
merupakan perluasan pada kapasitas teknologi
Dalam persamaan ini, CEijt

i yang dilaksanakan pada periode t di pabrik j.
Perluasan yang dimasksudkan di sini tentu ada batasannya, persamaan 3.9
diterapkan untuk membatasi perluasan kapasitas serta penentuan batas atas dan
PL
PL
batas bawah, yang dinotasikan masing-masing dengan CEijt
dan CEijt
.
PL
PL PL
PL PL
CEijt
Xijt ≤ CEijt
≤ CEijt
Xijt

;

∀i, j, t

(3.9)

PL
, yang menunjukkan terPersamaan ini memanfaatkan variabel biner Xijt

jadinya penambahan kapasitas. Variabel bernilai 1 jika ada perluasan teknologi i

Universitas Sumatera Utara

14
di pabrik j pada periode t dan bernilai 0 jika tidak ada perluasan. Selanjutnya
persamaan berikut membatasi perluasan teknologi i di pabrik j di luar waktu yang
ditentukan.
X

PL
Xijt
≤ N EXijP L

∀i, j

;

(3.10)

t

PL
adalah merupakan variabel biner, N EXijP L adalah jumlah maksimum
Xijt

perluasan kapasitas teknologi i di pabrik j

3.2.2 Kapasitas Gudang
Kapasitas gudang juga diwakili oleh variabel kontinu dinotasikan dengan
WH
. Persamaan 3.11 mengharuskan total persediaan disimpan di gudang k lebih
Ckt

rendah dari kapasitas yang tersedia dalam setiap periode waktu t.
P
X

WH
INVkpt ≤ Ckt

∀k, t

;

(3.11)

p=1

Selain itu, jumlah produk yang dikirim dari gudang ke pasar juga dibatasi
oleh kendala kapasitas. Dengan demikian, diperoleh model kapasitas yang diperlukan untuk menangani jumlah produk yang diberikan, dengan asumsi adanya
pengiriman reguler dan pengiriman berikutnya. Jika rata-rata tingkat persediaan
penyimpanan di gudang yang dilambangkan dengan ILkt
WH
2ILkt ≤ Ckt

;

∀k, t

(3.12)

Nilai ILkt dihitung dari arus output bahan baku dan banyaknya pengiriman
dari gudang (T ORk ).
ILkt =

PL PP
l=1

p=1

T ORk

H
QW
klpt

;

∀k, t

(3.13)

Universitas Sumatera Utara

15
Akhirnya, kapasitas gudang pada setiap periode waktu ditentukan dari yang
sebelumnya dan perluasan kapasitas dilaksanakan pada periode yang sama :
WH
WH
WH
= Ckt−1
+ CEkt
Ckt

∀k, t

;

(3.14)

WH
Demikian pula, seperti yang berlaku di pabrik, nilai Ckt
, dibatasi oleh batas

bawah dan batas atas, seperti dinyatakan dalam perssamaan 15
WH WH
WH
WK WH
Xkt ≤ CEkt
≤ CEkt
Xkt
CEkt

;

∀k, t

(3.15)

WH
kendala ini mencakup variabel biner Xkt
, yang sama dengan 1 jika perluasan

kapasitas gudang k terjadi pada periode waktu t dan 0 jika sebaliknya. Persamaan
3.16 membatasi jumlah perluasan gudang k.
T
X

WH
Xkt
≤ N EXPkW H

∀k

;

(3.16)

t=1

WH
Xkt
adalah variabel biner dan, N EXPkW H adalah jumlah maksimum perluasan

kapasitas gudang k.

3.2.3 Jaringan Transportasi
Adanya hubungan transportasi antara dua cabang dari jaringan dinyatakan
PL
WH
dan Yklt
. Nilai 0 dari variabel berarti tidak ada arus
oleh variabel biner Yjkt
H
transportasi material (QPjktL dan QW
klt ) antara cabang yang sesuai (misalnya, an-

tara pabrik j dan gudang k dan gudang k dan pasar l) yang terjadi pada periode
t. Pada sisi lain, nilai 1 berarti memungkinkan adanya arus material dalam batas
atas dan batas bawah. Definisi dari variabel-variabel biner diberlakukan melalui
kendala berikut :
PL
PL
≤ QPjktL ≤ QPjktLYjkt
QPjktL Yjkt

H WH
H
WH WH
≤ QW
QW
klt Yklt
klt ≤ Qklt Yklt

∀j, k, t

;

;

∀k, l, t

(3.17)

(3.18)

Universitas Sumatera Utara

16
Dua persamaan berikut yaitu persamaan 3.17 dan 3.18 menyatakan bahwa
jumlah produk p yang dikirim dari pabrik j ke gudang k dalam periode t dibatasi
oleh batas bawah dan batas atas, demikian juga dengan jumlah produk p yang
dikirim dari gudang k ke pasar l dalam periode t.

3.3 Fungsi Tujuan
Desain model rantai suplai harus mencapai dua sasaran berbeda, yaitu tujuan ekonomi yang diwakili oleh NPV, sedangkan masalah lingkungan dinyatakan
dalam perumusan matematis dengan menggunakan Eco-Indicator 99.

3.3.1 Net Present Value
NPV dihitung sebagai penjumlahan dari arus kas yang diperoleh pada masingmasing periode waktu
NP V =

T
X
t=1

CFt
(1 + ir)t−1

(3.19)

Dalam persamaan ini, ir mewakili suku bunga. Arus kas pada setiap periode waktu
dihitung dari laba bersih (yaitu laba setelah pajak), dan sebagian dari total modal
yang mengalami penyusutan (FTDCt) yang berhubungan dengan periode.

CFt = NEt − F T DCt ,

;

t = 1, 2, 3, ..., N T − 1

(3.20)

Selanjutnya dalam perhitungan arus kas periode waktu terakhir (t = N T ),
perlu untuk meninjau kembali apakah total modal yang diinvestasikan (FCI) dapat
diperoleh kembali pada akhir periode waktu. Jumlah ini yang merupakan nilai
penyelamatan atau nilai sisa dari jaringan (SV) dapat bervariasi dari jenis industri
yang lain.
CFt = NEt − F T DCt + SV F CI

;

t = NT

(3.21)

Universitas Sumatera Utara

17
Laba bersih adalah merupakan selisih antara pendapatan dan total biaya,
seperti yang dinyatakan dalam persamaan 3.22. Di sini, pendapatan ditentukan
dari penjualan produk akhir, sedangkan biaya meliputi (1) pembelian bahan baku,
(2) biaya operasi dan persediaan yang terkait dengan pabrik dan gudang dan (3)
biaya transportasi bahan antara kesatuan SC.
Setelah pajak dimasukkan ke dalam perhitungan maka didapat perhitungan
sebagai berikut:



N Et = (1 − ϕ) 
−

K
X

P
L X
X
l=1 p=1

πkt ILkt −

k=1

FP
γlpt
SAlpt −

P
J X
X

RM
γjpt
P Ujpt −

j=1 p=1

K X
P
J X
X

PL
L
ψjkpt
QPjkpt
−

j=1 k=1 p=1

J
I X
X
X

vijpt Wijpt

i=1 j=1 p∈M P (i)

P
L X
K X
X

#

WH WH
ψklpt
Qklpt + ϕDEPt ; ∀t

k=1 l=1 p=1

(3.22)

FP
RM
dan γjpt
Dalam persamaan ini, ϕ menunjukkan tarif pajak, sedangkan γlpt

masing-masing merupakan harga produk akhir dan bahan baku. Selanjutnya, vijpt
menunjukkan biaya produksi per unit utama produk p yang diproduksi dengan
teknologi i di pabrik j pada periode t, πkt merupakan biaya penyimpanan per unit
PL
WH
dan ψklpt
adalah satuan
produk yang disimpan dalam gudang k sedangkan ψjkpt

biaya transportasi. Sehubungan dengan penyusutan modal yang diinvestasikan,
akan diasumsikan metode garis lurus yang dinyatakan sebagai berikut :
DEP t =

(1 − SV )F CI
NT

;

∀t

(3.23)

di mana FCI menunjukkan total biaya investasi yang ditetapkan , yang ditentukan
dari perluasan kapasitas yang dibuat di pabrik dan gudang serta pembentukan
jaringan transportasi selama waktu keseluruhan:
F CI =

I X
J X
T
X
i=1 j=1 t=1

PL
PL P
(αPijtL CEijt
+ βijt
Xijt ) +

T
K X
X
H
WH
WH WH
(αW
+ βkt
Xkt )
kt CEkt
k=1 t=1

Universitas Sumatera Utara

18

+

K X
T
J X
X

TPL PL
(βjkt
Yjkt )

+

T
L X
K X
X

TWH WH
(βklt
Yklt )

(3.24)

k=1 l=1 t=1

j=1 k=1 t=1

PL
H
WH
dan αW
adalah variabel dan investasi yang berParameter αPijtL ,βijt
kt ,βkt
TPL
TWH
dan βklt
adalah investasi
sesuaian untuk pabrik dan gudang. Di sisi lain, βjkt

yang ditetapkan terkait dengan pembentukan jaringan transportasi antara pabrik
dan gudang, dan antara gudang dengan pasar. Perhatikan bahwa persamaan 3.24
mencerminkan konsep skala ekonomi, dimana jumlah modal investasi dapat dibatasi yaitu lebih rendah dari batas atas yang ditentukan, sebagaimana dinyatakan
dalam persamaan 3.25
F CI ≤ F CI

(3.25)

Akhirnya, modal yang harus dibayarkan pada periode t adalah sebesar investasi
modal yang ditetapkan dibagi dengan jumlah yang sama untuk setiap periode
waktu. Asumsi ini memungkinkan perhitungan bagian modal total disusutkan
(F T DCt):
F T DCt =

F CI
NT

;

∀t

(3.26)

F T DCt adalah modal yang harus dibayarkan pada periode t, F CI adalah penanaman modal, NT adalah banyaknya periode.

3.3.2 Penilaian Dampak Lingkungan: Penerapan Prinsip-Prinsip LCA

Isu kunci dalam metodologi yang diusulkan adalah bagaimana mengevaluasi
alternatif desain dari suatu perspektif lingkungan. Definisi ukuran kinerja yang
sesuai lingkungan untuk operasi rantai suplai bukanlah tugas yang mudah, bahkan
sejauh ini belum ada kesepakatan tentang indeks yang harus ditetapkan pada penilaian yang objektif tentang lingkungan, dan sangat mungkin perjanjian tidak akan
pernah tercapai.

Universitas Sumatera Utara

19
Secara khusus, karya ini memanfaatkan Eco-indikator 99 untuk menilai kinerja lingkungan dimana sistem ukuran ini didasarkan pada prinsip-prinsip penilaian siklus hidup (LCA). LCA adalah suatu metodologi untuk mengevaluasi beban
lingkungan yang terkait dengan produk, proses atau aktivitas. Selama penerapannya, energi dan bahan yang digunakan dalam proses adalah identifikasi yang
tetap terukur bersama dengan limbah yang dilepas ke lingkungan. Informasi ini
lebih lanjut diterjemahkan ke dalam suatu dampak lingkungan yang dapat dikelompokkan ke dalam kelompok berbeda. Dampak tersebut digunakan untuk menilai
alternatif proses yang beragam yang dapat dilakukan untuk mencapai perbaikan
lingkungan. Saat ini, LCA telah menjadi instrumen utama untuk mengevaluasi
kinerja lingkungan dari proses kimia.
Salah satu keuntungan utama dari LCA adalah cakupannya, dimana LCA
mencakup seluruh siklus hidup produk, proses atau kegiatan. Hal ini dicapai dengan memperluas batas-batas penelitian yang memasukkan kegiatan hulu dan hilir
yang terkait dengan proses utama itu sendiri. Dengan demikian, inti dari LCA
adalah membandingkan semua material dan arus energi dari sumber daya utama
(Seperti persediaan minyak atau bijih) ke pembuangan akhir (seperti bahan yang
yang sulit distabilkan dalam tanah). Selain itu, keuntungan lain dari LCA adalah
bahwa ia menggunakan model kerusakan yang menghubungkan emisi dikeluarkan
dan limbah yang dihasilkan dengan kerusakan lingkungan yang sesuai. Perhitungan
Eco-indikator 99 berikut empat fase utama LCA . Ini adalah tujuan dan lingkup
definisi, analisis inventarisasi, penilaian dampak dan interpretasi.
Tujuan dan ruang lingkup definisi
Pada fase ini, batas-batas sistem dan kategori dampak akan di identifikasi
di mana batas dari sistem harus mencakup seluruh siklus dari proses. Namun,
dalam hal khusus, analisis lingkungan terbatas pada domain SCM sehingga harus
melakukan aktivitas yang mencakup semua kegiatan logistik dari ekstraksi bahan baku hingga pengiriman produk eksternal kepada pelanggan. Namun, studi

Universitas Sumatera Utara

20
ini tidak termasuk proses hilir yang terkait, seperti pengolahan sekunder, produk
penggunaan dan pembuangan.
Berkenaan dengan kategori dampak, Eco-indikator 99 menentukan 11 kategori
1. Efek penyakit kanker pada manusia.
2. Efek pernapasan pada manusia disebabkan oleh zat organik.
3. Efek pernapasan pada manusia disebabkan oleh zat anorganik.
4. Kerusakan pada kesehatan manusia yang disebabkan oleh perubahan iklim.
5. Efek kesehatan manusia disebabkan oleh radiasi ion.
6. Efek kesehatan manusia disebabkan oleh penipisan lapisan ozon.
7. Kerusakan kualitas ekosistem yang disebabkan oleh emisi beracun ekosistem.
8. Kerusakan kualitas ekosistem yang disebabkan oleh gabungan efek asam eutrofikasi.
9. Kerusakan kualitas ekosistem yang disebabkan oleh pendudukan tanah dan
konversi lahan.
10. Kerusakan yang disebabkan oleh ekstraksi sumber daya mineral.
11. Kerusakan yang disebabkan oleh ekstraksi sumber daya bahan bakar fosil.
Kelompok-kelompok ini dapat lebih dikelompokkan menjadi tiga kategori kerusakan:
kesehatan manusia, kualitas ekosistem dan sumber daya. Sehubungan dengan unit
fungsional analisis, ini didefinisikan sebagai permintaan total menjadi kepuasan
akhir di pasar sepanjang waktu.

Universitas Sumatera Utara

21
Analisis Persediaan
Fase kedua adalah penyediaan input dan output material serta energi yang
terkait dengan proses (Life Cycle Inventory), yang dibutuhkan untuk menghitung
dampak dalam kategori kerusakan yang berbeda.
Dalam konteks SCM , beban lingkungan yang dihasilkan diberikan oleh produksi bahan mentah dan produk akhir, ditambah dengan keperluan konsumsi oleh
kesatuan SC, serta transportasi bahan. Dalam prakteknya, data lingkungan dari
proses biasanya tersedia, sedangkan yang terkait dengan pemasok perlu diambil
dari database khusus yang berisi emisi dan persyaratan bahan baku dari.
Secara matematis, emisi yang dilepaskan dan kebutuhan bahan baku terkait
dengan operasi SC dapat dinyatakan sebagai fungsi dari beberapa variabel model
keputusan. Disini dapat dihitung dari pembelian bahan baku (P Ujpt ), tingkat
L
H
dan QW
produksi di pabrik(Wijpt) dan arus transportasi (QPjkpt
klpt ) sebagaimana

dinyatakan dalam persamaan 27.
LCIb =

P X
T
J X
X

PU
ωbp
P Ujpt +

j=1 p=1 t=1

J
T
I X
X
X X

J
T
I X
X
X X
i=1 j=1 p∈M P (i) t=1

EN
ωbEN ηijp
Wijpt +

i=1 j=1 p∈M P (i) t=1

P X
L X
K X
T
X

PR
ωbp
Wijpt +

K X
P X
J X
T
X

L
ωbT R λPjkL QPjkpt
+

j=1 k=1 p=1 t=1

H WH
ωbT RλW
kl Qklpt

;

∀b

(3.27)

k=1 l=1 p=1 t=1

PR
PU
, ωbEN , ωbT R danωbT R menunjukkan siklus entri
, ωbp
Pada persamaan ini, ωbp

persediaan (yaitu, emisi yang dilepaskan atau persyaratan bahan baku ) yang
berhubungan dengan bahan kimia b per arus kegiatan. Dalam produksi bahan
baku, produk antara, produk ahir sebagai acuan adalah salah satu unit produk yang
dihasilkan. Dalam energi pembangkit sebagai salah satu unit acuan adalah bahan
bakar minyak. Acuan untuk pengangkutan bahan adalah satu unit massa diangkut
EN
merupakan konsumsi energi per unit produk p yang
per satu unit jarak. Di sini ηijp

Universitas Sumatera Utara

22
diproduksi dengan teknologi i di pabrik j dalam selang waktu t. Ini termasuk penggunaan seperti listrik, uap, bahan bakar dan air pendingin, yang dikonversi menjadi
ton setara bahan bakar minyak (F OET ). Dengan demikian, siklus persediaan dan
suplai energi panas dari pembakaran satu unit bahan bakar minyak dapat diguH
masing-masing
nakan untuk memperkirakan konsumsi. Selanjutnya, λPjkL danλW
kl

menunjukkan jarak antara pabrik dan gudang, gudang dan pasar .
Perhatikan bahwa untuk menghindari penghitungan ganda dalam perhitungan
PR
hanya mencakup emisi langsung (yaitu, emisi pelarian)
siklus persediaan ωbp

dari proses utama. Akhirnya, persamaan ini dapat dimodifikasi untuk memperhitungkan produk dan penghematan energi, jika ini diperlukan.
Penilaian Dampak Lingkungan
Pada tahap ini proses data dijabarkan ke dalam informasi lingkungan. Seperti
yang telah disebutkan sebelumnya, tiga kategori kerusakan berbeda dipertimbangkan dalam perhitungan Eco-indikator 99. Dampak kesehatan manusia khususnya
pada cacat tetap disesuaikan dengan tahun hidup (DALYs). Kerusakan 1 berarti
bahwa 1 tahun hidup dari satu individu hilang, atau salah satu orang menderita
4 tahun cacat dengan berat sebesar 0,25. Di sisi lain, kerusakan mutu ekosistem
secara khusus dinyatakan dalam PDF. m2.tahun. PDF (potensi menghilangnya
Spesies). Sebuah kerusakan 1 berarti semua spesies menghilang dari 1 m2 selama
1 tahun, atau 10 persen dari seluruh spesies menghilang dari 1 m2 selama 10
tahun. Sehubungan dengan kerusakan sumber daya ini secara khusus dinyatakan
sebagai energi surplus MJ . Sebuah kerusakan 1 berarti bahwa karena ekstraksi
tertentu sumber daya, ekstraksi lebih lanjut dari sumber daya yang sama di masa
depan akan memerlukan satu MJ tambahan energi karena sumber daya konsentrasi yang lebih rendah atau karakteristik lain kurang baik dari sisa cadangan.
Beberapa kerusakan akibat setiap kategori c berdampak ke kategori kerusakan d
(IMc ) dihitung dari siklus persediaan dan semuanya sesuai faktor kerusakan (bc),

Universitas Sumatera Utara

23
sebagaimana dinyatakan dalam persamaan 3.28.
IMc =

B
X

θbc LCIb

∀c

;

(3.28)

b=1

Faktor kerusakan adalah hubungan antara hasil dari fase persediaan dan
kerusakan di masing-masing kategori dampak. Sebagai contoh, untuk kategori
merusak kesehatan manusia, yang sesuai model kerusakan meliputi: (1) analisis faktor kebetulan, untuk menghubungkan setiap emisi, yang dinyatakan dalam
massa, untuk suatu perubahan sementara pada konsentrasi, (2) analisis pemaparan,
untuk jaringan ini konsentrasi sementara adalah dosis, (3) analisis efek , untuk
menghubungkan dosis untuk sejumlah efek kesehatan ; (4) analisis kerusakan yang
menghubungkan efek kesehatan ke Cacat Tahun Hidup Disesuaikan (DALYs).
Selain itu, ada tiga model kerusakan berbeda yang terdapat dalam Ecoindikator 99 yang bekerja sesuai dengan tiga perspektif berbeda. Dalam perspektif
Egaliter (perspektif jangka panjang) menekankan pembenaran bukti ilmiah dari
efek minimum dan dalam perspektif individu (perspektif waktu yang singkat),
hanya efek terbukti yang disertakan sedangkan dalam konsensus Hierarchist (perspektif waktu menengah) menekankan dimasukkannya faktor efek. Dampak akhir
yang disebabkan dalam setiap kategori yang rusak dapat dihitung dengan menggunakan persamaan 29:
DAMd =

X

IMc

;

∀d

(3.29)

c∈ID(d)

Dimana ID (d) menunjukkan himpunan dampak kategori c yang berkontribusi terhadap kerusakan d.

Selanjutnya, kerusakan akan dinormalisasi dan

dikumpulkan ke dalam faktor dampak tunggal (misalnya, Eco-ndikator 99), seperti
dinyatakan dalam persamaan 3.30.
ECO99 =

D
X

δd ξd .DAMd

(3.30)

d=1

Universitas Sumatera Utara

24
Persamaan ini memanfaatkan normalisasi (δd ) dan bobot faktor (ξd ). Normalisasi didasarkan atas perhitungan kerusakan yang relevan, ekstraksi emisi dan
penggunaan lahan.
Akhirnya, pada tahap keempat dirumuskan analisis hasil dan satu kesimpulan atau rekomendasi sistem. Dalam hal ini, tujuan akhir dari LCA adalah untuk
memberikan kriteria dan ukuran kuantitatif yang dapat digunakan untuk membandingkan operasi pada proses yang berbeda dan desain alternatif. Salah satu
kelemahan utama dari LCA adalah tidak memiliki cara sistematis menghasilkan
alternatif alternatif dan untuk mengidentifikasi yang terbaik dalam hal kinerja
lingkungan. Kelemahan ini dapat diatasi dengan menggabungkan LCA yang dipadukan dengan perhitungan optimasi.
Perhatikan bahwa jika dibandingkan dengan teknik lain yang memperhitungkan masalah lingkungan dengan menambahkan kendala pada operasi, dalam
pekerjaan preferensi diartikulasikan pada analisis optimal dari semua solusi optimal Pareto. Pendekatan ini memberikan wawasan lebih lanjut ke dalam desain
masalah dan memungkinkan untuk pemahaman yang lebih baik dari perdagangan
yang melekat antara ekonomi dan kriteria lingkungan.

3.3.3 Ketidakpastian dalam Siklus Persediaan
Banyak studi LCA berasumsi bahwa nilai nominal data masukan bukanlah
cara sistematis untuk menilai analisis validitas lingkungan dalam ruang parameter
ketidakpastian. Eco-indikator 99 adalah metodologi yang menawarkan tiga sumber
utama ketidakpastian. yaitu: (1) ketidakpastian operasional atau data, (2) ketidakpastian fundamental atau model, dan (3) ketidakpastian terhadap kelengkapan
pada model. Sumber ketidakpastian kedua dan ketiga adalah ketidakpastian yang
tidak dapat dicakup oleh analisis statistik standar. Untuk alasan ini maka analisis
di dibatasi untuk ketidakpastian operasional.

Universitas Sumatera Utara

25
Ketidakpastian operasional meliputi ketidakpastian yang terkait dengan hasil
inventarisasi (Yaitu, emisi dilepas dan persyaratan bahan baku), dan yang terkait
dengan model kerusakan. Ketidakpastian yang berpengaruh pada perhitungan
penilaian kerusakan sulit dituliskan dan diukur. Untuk alasan ini, penulis mempertimbangkan bahwa faktor kerusakan dan model kerusakan dapat disempurnakan
dan difokuskan pada ketidakpastian yang terkait dengan siklus persediaan. Sumber
ketidakpastian muncul dari kurangnya informasi yang dapat dipercaya mengenai
emisi, karena operasi dari sistem yang menyediakan bahan baku dan penggunaan
untuk rantai suplai yang diteliti. Asumsi bahwa emisi dilepas dan sumber daya
yang dikonsumsi per unit aktivitas arus referensi mengikuti distribusi Gaussian
yang berarti nilai-nilai dan standar deviasi harus diberikan sebagai data masukan
oleh pembuat keputusan. Asumsi ini memungkinkan untuk melakukan analisis dari
fungsi probabilitas yang mencirikan Eco-indikator 99. Distribusi probabilitas normal adalah salah satu distribusi statistik yang paling banyak digunakan di LCA
dan telah berulang kali diterapkan dalam literatur LCA.
Model optimasi stokastik mencoba untuk memperhitungkan ketidakpastian
dan mengoptimalkan kinerja sesuai dengan yang diharapkan dari fungsi objektif.
Namun, strategi ini tidak mencerminkan variabilitas dari capaian ruang parameter
yang tidak pasti. Oleh karena itu, dalam pekerjaan diusulkan untuk mengontrol
variabilitas dampak lingkungan dengan akuntansi untuk minimisasi Eco-indikator
99 pada tingkat probabilitas tertentu. Hal ini digunakan untuk mengukur kinerja
yang menimbulkan kendala probabilistik berikut :
P r[ECO99 ≤ Ω] ≥ κ

(