MODEL OPTIMASI PENGELOLAAN SAMPAH PERKOTAAN: PENENTUAN LOKASI INSENERATOR MENGGUNAKAN
INTEGER PROGRAMMING
Prapto Tri Supriyo1), Amril Aman2), Toni Bakhtiar3), Farida Hanum4) 1,2,3,4
FMIPA, Institut Pertanian Bogor 1 email: [email protected] 2 email: [email protected] 3 email: [email protected] 4 email: [email protected] Abstrak
Pemanfaatan teknologi insenerator modern merupakan salah satu pilihan dalam pengelolaan sampah perkotaan. Teknologi ini mampu mereduksi sampah hingga mencapai 90% dan menyisakan residu 10% berupa abu. Mesin insenerator ini juga dapat dimanfaatkan sebagai pembangkit listrik. Lokasi mesin insenerator ini idealnya relatif dekat dengan TPS-TPS (Tempat Penampungan Sampah Sementara) agar efisien dalam pengangkutan sampah dan residunya. Penelitian ini bertujuan untuk membangun model optimasi pengelolaan sampah perkotaan berdasarkan integer programming yang berguna untuk menentukan lokasi-lokasi optimum bagi pembangunan insenerator dan juga sebagai dasar untuk menentukan rute armada pengangkutan sampah, sehingga biaya operasional pengelolaan sampah ini minimum. Model dibangun dengan memperhatikan lokasi TPS-TPS beserta volume sampahnya, lokasi TPA-TPA (Tempat Pembuangan Akhir), serta lokasi-lokasi yang potensial untuk pembangunan insenerator. Implementasi model menggunakan sampel 40 TPS yang tersebar merata di wilayah kota Jakarta dengan empat pilihan lokasi insenerator menunjukkan bahwa sejalan dengan bertambahnya insenerator maka volume sampah dan volume pekerjaan pengangkutan sampah mengalami penurunan secara signifikan. Penurunan volume pekerjaan ini menunjukkan adanya penurunan biaya operasional pengangkutan sampah.
Kata Kunci: integer programming, TPS, TPA, insenerator
1. PENDAHULUAN
Pada tahun 2015 jumlah penduduk Indonesia diperkirakan mencapai 255,5 juta jiwa (Julaikah N. 2013). Padahal pada tahun 2010, data sensus BPS menunjukkan bahwa jumlah penduduk Indonesia tercatat sebanyak 237.641.326 jiwa (BPS 2010). Hal ini memperlihatkan demikian sangat tingginya laju pertumbuhan penduduk Indonesia. Meningkatnya jumlah penduduk ini tentu akan menyebabkan sampah yang dihasilkan juga meningkat. Diperkirakan pada tahun 2025, produksi sampah di Indonesia mencapai 130.000 ton/hari (Kemen LH 2014). Karenanya diperlukan pengelolaan sampah yang tepat agar dampak negatif timbulan sampah yang dihasilkan dapat direduksi.
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
190
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Internalisasi Nilai-nilai Berfikir Matematis Dalam Perannya di Era Masyarakat Ekonomi ASEAN (MEA) kabupaten/kota dan pengolahan sampahbersama (Kemensetneg 2012).
Penanganan sampah di Indonesia masih belum berjalan maksimal karena pada umumnya 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 pencemaran lingkungan. Sampah yang menumpuk di TPA juga menyebabkan masa pakai TPA tersebut rendah karena sampah yang dibuang sudah melebihi kapasitas TPA. Salah satu upaya pengelolaan sampah perkotaan adalah menerapkan konsep zero waste. Zero waste adalah suatu prinsip pengelolaan sampah yang menitikberatkan pada usaha peniadaan jumlah sampah yang dibuang ke TPA. Prinsip zero waste timbul karena semakin langkanya lahan untuk tempat penampungan sampah dan biaya pengelolaan sampah yang semakin tinggi tiap harinya. Oleh karena itu, tercetuslah sebuah gagasan untuk membuat jumlah timbulan sampah yang dihasilkan menjadi nihil (Rizka S. ---.).
Salah satu teknologi untuk mengurangi timbulan sampah adalah mengolah sampah menggunakan mesin insinerator sehingga sampah yang dibuang ke TPA hanya berupa abu sisa hasil pembakaran. Insenerator akan mengolah sampah dengan menggunakan teknologi ramah lingkungan yang akan mengolah sampah anorganik dan pengomposan untuk sampah organik. Teknologi insinerator dilakukan dengan tungku pembakaran sampah yang kemudian akan dihasilkan listrik dan panas (Rahmaputro 2012). Teknologi insenerator modern dapat menghancurkan semua jenis sampah dan hanya menyisakan 10% residu. Residu sisa hasil pembakaran sampah yang berupa abu selanjutnya akan dibuang ke TPA setempat. Jakarta merupakan salah satu kota
yang sedang merencanakan pemanfaatan insenerator semacam ini (Dinsih 2014). Pemerintah Provinsi Jawa Barat juga telah mengkaji dan menawarkan teknologi insenerator modern ke Pemerintah Kota Bandung (Tempo 2014). Sementara itu, Kementerian ESDM telah menghibahkan mesin insenerator ramah lingkungan berkapasitas 100 ton perhari kepada Pemerintah Kabupaten Bekasi yang dapat menghasilkan listrik 1 MW. Mesin insenerator ini diharapkan dapat beroperasi pada akhir tahun 2016 (Tempo 2016).
Mesin insenerator pembakar sampah dan penghasil listrik ini sebaiknya ditempatkan di TPST. TPST dengan fasilitas mesin insenerator (sebut saja TPSTI) idealnya sedekat mungkin dengan sumber sampah. Sehingga, untuk setiap kota bisa jadi memerlukan beberapa TPSTI yang tersebar mendekati sumber sampah. Banyaknya TPSTI yang dibutuhkan sangat bergantung dengan volume sampah yang harus dikelola. Lokasi keberadaan TPSTI ini tentu sangat berpengaruh pada biaya operasional pengangkutan sampah dari TPS-TPS ke TPSTI dan pengangkutan residu dari TPSTI-TPSTI ke TPA. Karenanya, upaya menentukan lokasi TPSTI menjadi sangat penting guna meminimumkan biaya pengadaan dan juga biaya operasionalnya serta meminimumkan biaya pengangkutan sampah dan residu yang terkait. Dengan demikian jelas bahwa penentuan lokasi TPSTI-TPSTI ini berkaitan erat dengan skenario pemilihan rute pengangkutan sampah dari TPS-TPS ke TPSTI dan pengangkutan residu dari TPSTI-TPSTI ke TPA.
Tujuan penelitian ini adalah membangun model optimasi pengelolaan sampah perkotaan untuk menentukan lokasi-lokasi optimum bagi pembangunan TPSTI. Model dibangun dengan memperhatikan lokasi TPS-TPS beserta volume sampahnya, lokasi
TPA-Pendidikan Matematika Universitas Muhammadiyah Purworejo,
Ruang Seminar UMP, Sabtu, 28 Mei 2016
191
TPA, serta lokasi-lokasi yang potensial untukTPSTI. Model digunakan sebagai pembantu dalam mengambil keputusan untuk menentukan lokasi-lokasi dibangunnya TPSTI dan juga sebagai dasar untuk menentukan rute armada pengangkut sampah, sehingga biaya operasional pengelolaan sampah ini minimum.
2. KAJIAN LITERATUR
Winston (2004) menyatakan bahwa operations research (OR) atau sering juga disebut sebagai management science (MS) merupakan pendekatan ilmiah untuk pengambilan keputusan yang bertujuan untuk mendapatkan rancangan atau solusi terbaik dalam pengoperasian suatu sistem yang biasanya berkaitan dengan pengalokasian sumberdaya-sumberdaya yang terbatas. Lebih lanjut dipaparkan pula berbagai model dan tools untuk menyelesaikan masalah-masalah optimasi, satu diantaranya terkait dengan masalah penentuan lokasi menggunakan integer programming yang disertai dengan pembahasan software
komersial berbasis optimasi yang digunakan untuk membantu menyelesaikan masalahnya. Sementara itu, secara khusus Eiselt (2006) melakukan investigasi pola-pola pengalokasian fasilitas-fasilitas yang terkait dengan pengelolaan sampah perkotaan serta mengajukan suatu model berdasar mixed-integer programming untuk optimasi penentuan lokasi-lokasi penimbunan sampah dan stasiun-stasiun perantara untuk pengelolaan sampah di provinsi Alberta, Canada dengan fungsi objektif meminimumkan total jarak TPS-TPS ke TPA-TPA. Nufus (2015) melakukan modifikasi terhadap model yang dikemukakan Eiselt (2006). Modifikasi dilakukan khususnya pada fungsi objektif dengan merepresentasikan sebagai fungsi untuk meminimumkan biaya operasional.
Paparan Winston (2004) dan hasil penelitian Eiselt (2006) dapat dijadikan dasar
bagi pengembangan model untuk menentukan lokasi-lokasi yang optimum bagi pembangunan TPSTI berkapasitas tertentu. Dua model yang secara terpisah dipaparkan oleh Winston dan Eiselt ini dibangun berdasarkan integer programming. Salah satu keuntungan karakter model integer programming adalah relatif fleksibel untuk dimodifikasi dan diadaptasikan. Modifikasi ini dilakukan terhadap fungsi objektif dan kendala-kendala yang terkait sesuai kebutuhan dengan memperhatikan parameter-parameter yang tersedia. Karenanya kedua model ini dapat dimodifikasi sesuai dengan kondisi masalah pengelolaan sampah perkotaan di Indonesia.
3. METODE PENELITIAN
Secara umum, penelitian diawali dengan mendiskripsikan masalah secara informal, kemudian membangun model optimasi beserta analisis matematiknya, dan yang terakhir melakukan implementasi model menggunakan bantuan software berbasis optimasi sebagai bagian dari uji model.
Dengan tidak menghilangkan sifat keumuman, deskripsi masalah dibangkitkan dari lingkup spasial yang akan dikaji sebagai model, yakni suatu kota yang mempunyai karakter mirip kota metropolitan. Namun demikian model optimasi yang dibangun tetap bersifat umum sehingga dapat diimplementasikan untuk kota manapun dengan menyesuaikan parameter-parameter yang terlibat.
Lingkup substansi meliputi kajian dan pembangunan model optimasi penentuan lokasi TPSTI berdasar integer programming
dengan fungsi objektif meminimumkan volume pekerjaan pengangkutan sampah/ residu dari TPS-TPS ke TPSTI-TPSTI dan dari TPS-TPS atau TPSTI-TPSTI ke TPA-TPA. Volume pekerjaan ini menyatakan jumlah perkalian volume sampah terhadap jarak angkut. Output model berupa
lokasi-192
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Internalisasi Nilai-nilai Berfikir Matematis Dalam Perannya di Era Masyarakat Ekonomi ASEAN (MEA) lokasi TPSTI terpilih yang direkomendasikanuntuk dibangun serta pengelompokkan TPS-TPS yang sampahnya harus dibuang ke suatu TPSTI/TPA tertentu sebagai dasar untuk menentukan skenario pendistribusian sampah
yang meminimumkan biaya
pengangkutannya.
Model optimasi ini melibatkan lokasi-lokasi yang potensial dibangunnya TPSTI beserta kapasitas pengolahannya, lokasi TPS-TPS beserta volume sampah perharinya serta jarak TPS-TPS ke lokasi-lokasi potensial TPSTI dan TPA-TPA, dan jarak TPSTI-TPSTI ke TPA-TPA.
Model integer programming sengaja dipilih mengingat bahwa dalam kasus-kasus yang analog dengan penentuan lokasi, model ini akan menghasilkan nilai optimum dalam waktu eksekusi yang relatif cepat. Selain dari pada itu, model integer programming relatif fleksibel untuk dimodifikasi dan diadaptasi sesuai dengan kebutuhan.
Selanjutnya model dianalisis secara matematik dan diimplementasikan untuk kota Jakarta dengan bantuan software optimasi LINGO 11.0.
4. HASIL DAN PEMBAHASAN
Model yang dibangun diharapkan dapat dijadikan dasar untuk penentuan rute yang efisien bagi pendistribusian sampah dari TPS-TPS ke TPS-TPSTI-TPS-TPSTI atau TPA-TPA dan juga pendistribusian residu dari TPSTI-TPSTI ke TPA-TPA. Untuk itu dilakukan modifikasi terhadap model yang dikemukakan Eiselt (2006) maupun Nufus (2015). Modifikasi dilakukan terhadap variabel keputusan dan juga fungsi objektif. Modifikasi terhadap variabel keputusan dilakukan dengan memecah variabel keputusan sehingga lebih rasional untuk penentuan skenario pendistribusian residu dari TPSTI-TPSTI ke TPA-TPA. Akibatnya beberapa kendala yang terkait dengan variabel ini harus disesuaikan.
Sedangkan fungsi objektif model dimodifikasi menjadi meminimumkan total volume pekerjaan agar menjadi lebih fleksibel.
Formulasi Masalah
Pandang suatu kota dengan TPS-TPS yang menyebar di wilayahnya beserta TPA-TPA yang tersedia. Diketahui pula lokasi-lokasi yang potensial untuk dibangun TPSTI beserta kapasitas pengolahannya, lokasi TPS-TPS beserta volume sampah perharinya serta jarak TPS-TPS ke lokasi-lokasi potensial TPSTI dan TPA-TPA, dan jarak TPSTI-TPSTI ke TPA-TPA.
Indeks
indeks untuk menyatakan lokasi TPS, indeks untuk menyatakan lokasi
potensial TPSTI,
indeks untuk menyatakan lokasi TPA.
Parameter
= volume sampah yang ditampung di TPS (ton/hari),
= jarak TPS dengan TPA (km), = jarak TPS dengan TPSTI (km), = jarak TPSTI dengan TPA (km), = residu sampah yang dihasilkan TPSTI,
= kapasitas TPSTI (ton/hari), = kapasitas TPA (ton/hari),
= banyaknya TPSTI yang akan dibangun = bobot jika sampah dari TPS i langsung
Pendidikan Matematika Universitas Muhammadiyah Purworejo,
Ruang Seminar UMP, Sabtu, 28 Mei 2016
193
= bobot jika sampah dari TPS i diangkutmenuju TPSTI j,
= bobot jika residu dari TPSTI j diangkut menuju TPA k.
Variabel Keputusan
bernilai 1 jika sampah dari TPS i
langsung diangkut menuju TPA k dan bernilai 0 jika selainnya,
bernilai 1 jika sampah dari TPS i
diangkut menuju ke TPSTI j sebelum ke TPA dan bernilai 0 jika selainnya, bernilai 1 jika dibangun TPSTI di lokasi j
dan bernilai 0 jika selainnya.
Variabel penjelas
= volume sampah yang dibuang
langsung dari TPS ke TPA (ton/hari) dengan ,
= volume sampah yang diangkut dari TPS ke TPSTI (ton/hari) dengan
= total volume sampah yang diangkut dari TPS-TPS ke TPSTI (ton/hari) dengan
∑
= volume residu yang diangkut dari TPSTI j ke TPA k (ton/hari),
= total volume sampah yang dibuang langsung dari TPS-TPS ke TPA (ton/hari) dengan ∑ , = total volume sampah dan residu yang
dibuang ke TPA (ton/hari) dengan ∑ .
Fungsi Objektif
Fungsi objektif model adalah meminimumkan total volume pekerjaan pengangkutan sampah/residu (dalam satuan ton km) dengan pembobotan dari TPS-TPS ke TPA-TPA, dari TPS-TPS ke TPSTI-TPSTI dan dari TPSTI-TPSTI ke TPA-TPA, yakni: ∑ ∑
∑ ∑ ∑ ∑
Bobot ini menunjukkan prioritas kemana sampah/residu tersebut akan dibuang. Semakin rendah bobotnya menunjukkan semakin tinggi prioritasnya. Sebagai contoh, untuk mereduksi volume sampah yang dibuang dari TPS-TPS ke TPA-TPA, maka bobot dibuat relatif kecil dibanding bobot .
Sedangkan volume pekerjaan menyatakan jumlah perkalian volume sampah terhadap jarak angkut dari TPS ke TPSTI/TPA atau dari TPSTI ke TPA.
Kendala
1. Batasan banyaknya TPSTI yang akan dibangun,
∑
2. Sampah yang berasal dari tiap TPS dibuang langsung ke TPA atau melalui TPSTI terlebih dahulu,
∑ ∑ 3. Sampah dari tiap TPS dapat dibuang ke
TPSTI jika TPSTI terkait dibangun,
dengan bilangan positif relatif besar. 4. Batasan volume sampah yang masuk ke
TPSTI ,
∑ 5. Total volume residu pada TPSTI j,
194
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Internalisasi Nilai-nilai Berfikir Matematis Dalam Perannya di Era Masyarakat Ekonomi ASEAN (MEA)∑ ∑ 6. Batasan volume sampah yang masuk ke
TPA , ∑ ∑ 7. Kendala biner Implementasi Model
Model diimplementasikan menggunakan sampel 40 TPS yang menyebar di wilayah kota Jakarta yang diharapkan dapat mewakili lokasi-lokasi populasi seluruhnya. 40 TPS tersebut adalah 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. Total volume sampah dari 40 TPS tersebut adalah 1.012,790 ton, yakni sekitar 1/6 dari total volume sampah kota Jakarta perharinya. Lokasi TPA yang digunakan pada model hanya satu lokasi yaitu TPA Bantar Gebang, Bekasi. Ada empat tempat lokasi potensial dibangunnya TPSTI yaitu di wilayah Sunter, Marunda dan Cakung (Jakarta Utara) serta Duri Kosambi (Jakarta Barat). Masing-masing TPSTI diasumsikan dapat mengolah sampah maksimum 250 ton perhari (1/6 dari kapasitas yang direncanakan, yakni 1500 ton perhari) dengan menyisakan residu berupa abu 10% dari total sampah yang diolah. Asumsi ini diambil secara proporsional terhadap total volume sampah dari 40 sampel TPS yang digunakan sebagai input. Menggunakan bantuan software
LINGO 11.0, diperoleh hasil sebagai berikut: 1. Jika ditentukan tidak ada TPSTI yang
dibangun, diperoleh total volume sampah yang dibuang ke TPA sebanyak 1.012,790 ton dengan volume pekerjaan sebesar 32.470,320 ton km.
2. Jika ditentukan hanya ada satu TPSTI yang dibangun, terpilih TPSTI Duri Kosambi dengan total volume sampah
yang dibuang ke TPA sebanyak 787,943 ton (tereduksi 22,20%) dan volume pekerjaan sebesar 26.229,55 ton km (tereduksi 19,22%). Perinciannya sebagai berikut: 249.83 ton sampah dari 10 TPS dibuang ke TPSTI, dan sisanya 762,96 ton dari 30 TPS ditambah 24,983 ton residu dari TPSTI dibuang ke TPA. 3. Jika ditentukan hanya ada dua TPSTI
yang dibangun, terpilih TPSTI Duri Kosambi dan Sunter dengan total volume sampah yang dibuang ke TPA sebanyak 562,799 ton (tereduksi 44,43%) dan volume pekerjaan sebesar 21301,76 ton km (tereduksi 34,40%). Perinciannya sebagai berikut: 250 ton sampah dari 11 TPS dibuang ke TPSTI Duri Kosambi, 249,99 ton dari 10 TPS dibuang ke TPSTI Sunter, dan sisanya 512,8 ton dari 19 TPS ditambah 49,999 ton residu dari dua TPSTI dibuang ke TPA.
4. Jika ditentukan hanya ada tiga TPSTI yang dibangun, terpilih TPSTI Duri Kosambi, Sunter dan Cakung dengan total volume sampah yang dibuang ke TPA sebanyak 338,06 ton (tereduksi 66,62%) dan volume pekerjaan sebesar 20.904,78 ton km (tereduksi 35,62%). Perinciannya sebagai berikut: 249,78 ton sampah dari 12 TPS dibuang ke TPSTI Duri Kosambi, 250 ton dari 11 TPS dibuang ke TPSTI Sunter, 249,92 ton dari 9 TPS dibuang ke TPSTI Cakung, dan sisanya 263,09 ton dari 8 TPS ditambah 74,97 ton residu dari tiga TPSTI dibuang ke TPA.
5. Jika ditentukan keempat TPSTI harus dibangun, maka diperoleh total volume sampah yang dibuang ke TPA sebanyak 117,182 ton (tereduksi 88,43%) dan volume pekerjaan sebesar 20.114,43 ton km (tereduksi 38,05%). Perinciannya sebagai berikut: 249,61 ton sampah dari 10 TPS dibuang ke TPSTI Duri Kosambi, 249,35 ton dari 6 TPS dibuang ke TPSTI Sunter, 246,61 ton dari 11 TPS dibuang ke TPSTI Cakung, 249,55 ton dari 12 TPS dibuang ke TPSTI Marunda, dan sisanya 17,67 ton dari 1 TPS ditambah 99,512 ton residu dari empat TPSTI dibuang ke TPA.
Pendidikan Matematika Universitas Muhammadiyah Purworejo,
Ruang Seminar UMP, Sabtu, 28 Mei 2016
195
Hasil di atas memperlihatkan bahwasejalan dengan bertambahnya TPSTI ternyata volume sampah dan volume pekerjaan mengalami penurunan secara signifikan. Penurunan volume pekerjaan ini dapat diartikan sebagai penurunan biaya operasional pengangkutan sampah. Selain dari pada itu, keluaran model juga memberikan adanya pengelompokkan TPS-TPS yang sampahnya harus dibuang ke suatu TPSTI atau TPA tertentu. Pengelompokkan TPS-TPS ini dapat dijadikan dasar untuk menentukan rute armada pengangkutan sampah yang efisien.
Dalam penelitian lanjutan, model direncanakan akan diimplementasikan di kota Jakarta dengan input seluruh populasi TPS untuk menentukan lokasi yang optimum bagi pembangunan TPSTI-TPSTI yang selanjutnya dijadikan dasar untuk menentukan skenario penentuan rute yang paling efisien untuk pengangkutan sampah dan residunya.
5. KESIMPULAN
Penentuan lokasi TPSTI-TPSTI yang optimum dapat dimodelkan sebagai masalah
integer programming. Model dibangun dengan memperhatikan lokasi TPS-TPS beserta volume sampahnya, lokasi TPA-TPA, serta lokasi-lokasi yang potensial untuk pembangunan TPSTI. Output model berupa lokasi-lokasi TPSTI terpilih yang direkomendasikan untuk dibangun serta pengelompokkan TPS-TPS yang sampahnya harus dibuang ke suatu TPSTI/TPA tertentu yang dapat digunakan sebagai dasar untuk menentukan skenario pendistribusian sampah
yang meminimumkan biaya
pengangkutannya.
Implementasi model menggunakan sampel 40 TPS yang menyebar merata di wilayah kota Jakarta dengan empat pilihan lokasi insenerator memperlihatkan bahwa sejalan dengan bertambahnya TPSTI, volume sampah dan volume pekerjaan mengalami penurunan secara signifikan. Hal ini menunjukkan adanya penurunan biaya operasional pengangkutan sampah yang signifikan pula.
6. PENGHARGAAN
Kami mengucapkan terima kasih kepada Direktorat Jenderal Riset dan Pengembangan,
Kementerian Riset Teknologi dan Pendidikan Tinggi RI atas dukungannya melalui Program Penelitian Unggulan Perguruan Tinggi Tahun Anggaran 2016 sehingga penelitian ini dapat dilaksanakan.
7. REFERENSI
[BPS] Badan Pusat Statistik. 2010. Sensus penduduk Indonesia 2010. Jakarta (ID): BPS.
[Dinsih] Dinas Kebersihan DKI Jakarta. 2014. Paparan Pola Penanganan Sampah. Jakarta (ID): Dinas Kebersihan DKI Jakarta.
Eiselt H.A. 2006. Locating landfills and transfer station in Alberta. INFOR. 44(4): 285-298.
Julaikah N. 2013. Jumlah penduduk RI diprediksi tembus 255,5 juta jiwa pada 2015 [internet]. [diunduh 2015 April 24]. Tersedia pada:
http://www.merdeka.com/uang/ jumlah- penduduk-ri-diprediksi-tembus-255-juta-jiwa-pada-2015.html.
[Kemen LH] Kementerian Lingkungan Hidup. 2014. Hari peduli sampah 2014 Indonesia bersih 2020 [internet]. [diunduh 2015 April 24]. 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.
Nufus Z. 2015. Lokasi Optimal Intermediate Treatment Facilities dan Implementasinya di DKI Jakarta [Skripsi]. Bogor (ID): Institut Pertanian Bogor.
196
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika, Internalisasi Nilai-nilai Berfikir Matematis Dalam Perannya di Era Masyarakat Ekonomi ASEAN (MEA) Rahmaputro S. 2012. Mengolah sampahmenjadi energi [internet]. [diunduh 2015 April 23]. Tersedia pada: http://www.hijauku.com/2012/09/12/men golah-sampah-menjadi-energi/.
Rizka S. ---. Kendala Penerapan Prinsip Zero Waste untuk Pengelolaan Sampah daerah Perkotaan [internet]. [diunduh 2015 April 24]. Tersedia pada:
http://www.scribd.com/doc/206974920/K endala-Penerapan-Prinsip-Zero-Waste-untuk- Pengelolaan-Sampah-Daerah-Perkotaan#scribd.
Tempo 2014. Gubernur Tawarkan Incenerator untuk Olah Sampah
[internet]. [diunduh 2015 April 24]. Tersedia pada:
http://www.tempo.co/read/news/2014/04/ 08/058568947/Gubernur-Tawarkan-Incinerator-untuk-Olah-Sampah.
Tempo 2016. Akhir Tahun Bekasi Olah Sampah Jadi Listrik [internet]. [diunduh 2016 Februari 22]. Tersedia pada:
https://metro.tempo.co/read/news/2016/0 2/22/083746923/akhir-tahun-bekasi-olah-sampah-jadi-listrik.
Winston WL. 2004. Operations Research:
Applications and Algorithms. New York (US):Duxbury
Pendidikan Matematika Universitas Muhammadiyah Purworejo,
Ruang Seminar UMP, Sabtu, 28 Mei 2016