MODELANALISIS GEO-SPASIAL PENENTUAN JALUR
TRANSPORTASI INDUSTRI CRUDE PALM OILMENGGUNAKAN
ALGORITMA DJIKSTRA
I Ketut Gunarta
1; Eriyatno
2; Anas Miftah
3; Fauzi; B.S. Kusmuljono
41
Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember Gedung Teknik Industri – ITS, Sukolilo, Surabaya
2, 3, 4
Departemen Teknologi Industri Pertanian, Fakultas Teknologi Pertanian, Institut Pertanian Bogor PO Box 220, Bogor, 16002
ABSTRACT
Product transportationforcrude palm oil is a complex problem. The complexity is caused by the spread of the location of the oil palm plantationsand mills, the current and potential transportation network, the capacity constraint of each oil factory, the perishable characteristics of the product, the limited of port and port capacity which also depends on their geographical location and the supply fluctuation from plantationsto the factories due to their age.This paper will give an alternative solution which has not yet discussed in the earlier publications by providing a decision alternative related to product transportation from oil mills to ports using GIS based network analyst. The solution is a decision support system that integrate GIS and shortest path model. Spatial decision support system which has built have the capability to accomodate transportation network condition to find the best path from oil mills to the portswhich can be used for further decision making.This research shows that the short distance is not always as the fastest path and the lowest cost due to the condition of the network. The selection of development strategy in CPO agroindustry and the improvement of transportation infrastructures will be able to improve the performance of CPO industry significantly.
Keywords: GIS, Crude Palm Oil, Spatial Analysis Model
ABSTRAK
Transportasi produk CPO merupakan permasalahan yang kompleks. Kompleksitas permasalahan disebabkan oleh sebaran lokasi dari kebun kelapa sawit (KKS) dan pabrik CPO (PKS), jaringan transportasi eksisting, kendala kapasias masing-masing pabrik, karakteristik perishable dari produk, keterbatasan pelabuhan dan kapasitasnya yang juga bergantung dengan lokasi geographisnya serta fluktuasi pasokan dari kebun kelapa sawit ke pabrik yang dipengaruhi oleh umur tanaman.Makalah ini memberikan alternatif solusi yang belum didiskusikan pada publikasi-publikasi yang adadengan menyediakan alternatif keputusan transportasi produk dari pabrik ke pelabuhan menggunakan network analyst berbasis GIS. Solusinya adalah sistem pendukung keputusan yang mengintegrasikan model GIS dengan model shortest path. Sistem pendukung keputusan berbasis spasial yang dibangun ini memiliki kapabilitas untuk mengakomodasi kondisi jaringan transportasi untuk menemukan jalur terbaik dari pabrik CPO menuju ke pelabuhan muat untuk digunakan sebagai bahan pengambilan keputusan lebih lanjut. Penelitian yang dilakukan menunjukkan bahwa jarak yang terpendek tidak selalu merupakan jalur yang tercepat dan termurah karena kondisi jaringan transportasi yang ada. Pemilihan strategi pengembangan agroindustri CPO yang mempertimbangkan kondisi jaringana transportasi dan peningkatan infrastruktur transportasi akan dapat meningkatkan kinerja industri CPO secara signifikan khususnya pada area kajian yang dilakukan.
PENDAHULUAN
Latar Belakang
Perkembangan industri minyak kelapa sawit (crude palm oil – CPO) di Indonesia dan Malaysia telah mampu merubah peta perminyakan nabati dunia dalam waktu singkat. Pada tahun 1985, produksi minyak sawit Indonesia baru mencapai 1,3 juta ton. Namun, pada tahun 2007 dengan cepat produksi CPO Indonesia telah berhasil melampaui total produksi CPO Malaysia (Akyuwen & Sulistyanto, 2010; Edser, 2010; Syaukat, 2010). Menurut data dari Kementrian Perdagangan RI (2011), hasil produksi CPO Indonesia pada tahun 2011 yang baru saja berlalu sebesar 23 juta ton. Dari angka tersebut, 17,5 juta ton diekspor ke berbagai negara dengan China sebagai pembeli utama. Dengan harga per ton pada akhir tahun tersebut mencapai lebih dari USD 1,000 (Kurniawan, 2011) maka nilai pendapatan dari sektor CPO mendekati 150 triliun. Saat ini Indonesia dan Malaysia menghasilkan 83% dari total produksi minyak kelapa sawit dunia dan menguasai 89% ekspor global (Edser, 2010).
Meskipun Industri kelapa sawit saat ini telah menjadi salah satu sumber pendapatan penting bagi Indonesia dan masyarakatnya, namun masih cukup banyak tantangan yang belum berhasil diatasi dengan baik terkait dengan industri ini. Tantangan tersebut datang baik dari dalam maupun luar Indonesia. Dari dalam negeri sendiri, tantangan paling utama yaitu dari ketersediaan infrastruktur pelabuhan dan transportasi untuk kemudahan pengapalan hasil produksi (Supriyadi, 2010; Ashari, 2011). Petani masih mengalami kesulitan membawa hasil panennya sehingga kuantitas maupun kualitas produksi menjadi tidak optimal. Di negara tetangga misalnya Malaysia, ketersediaan sarana infrastruktur yang baik memberi kemudahan bagi para petani mengangkut hasil panennya untuk dijual kembali. Tantangan kedua, berasal dari luar Indonesia terkait isu lingkungan. Pada tahun 2010, telah ditandatangani letter of intent (LOI) antara pemerintah Indonesia dengan pemerintah Norwegia, di mana disebutkan bahwa izin baru konversi hutan alam dan gambut dihentikan selama dua tahun dimulai pada Januari 2011. Artinya, dengan pembatasan lahan baru bisa menghambat ekspansi produksi kebun sawit (Wilkinson & Rocha, 2008).
Pengembangan industri maupun lebih spesifik lagi untuk industri agro, bagaimanapun akan terkait dengan masalah lokasi dan alokasi. Lokasi dalam hal ini merujuk pada dimana aktivitas produksi tersebut berada di permukaan bumi atau letak geografisnya (Chapman, 2009). Sementara alokasi merujuk pada seberapa baik industri tersebut dapat memenuhi permintaan yang ada dari posisinya tersebut (Sommer & Wade, 2006). Seberapa baik industri dapat melayani permintaan yang ada tentu saja sangat bergantung dengan kondisi jaringan transportasi yang berkorelasi terhadap waktu dan biaya transportasi. Biaya transportasi sendiri menurut Beenhakker (2010) memiliki kontribusi terhadap total biaya produk yang cukup besar. Hampir 30 persen dari total harga pokok produk CPO maupun produk-produk agroindustri lainnya merupakan biaya distribusi dan transportasi.
Permasalahan pabrik menuju ke pelabuhan muat merupakan masalah yang kompleks karena dipengaruhi oleh berbagai faktor, antara lain:sebaran dari kebun kelapa sawit, kapasitas dari kebun kelapa sawit yang bervariasi, sebaran dan kapasitas dari pabrik CPO, kondisi jaringan transportasi yang ada serta karakteristik yang perishable dari produk. Melihat kompleksitas dari permasalahan yang ada, diperlukan sebuah sistem yang dapat membantu mengambil keputusan baik yang bersifat strategik maupun operasional bagi para pemangku kepentingan yang terkait agar dapat meningkatkan keunggulan bersaing dari agroindustri minyak kelapa sawit ini.
Tujuan dari penelitian ini adalah membangun model yang dapat digunakan untuk menentukan jalur transportasi yang terbaik untuk pengiriman CPO melalui pelabuhan muat dengan
mengakomodasi atribut spasial dari kebun kelapa sawit (KKS), pabrik CPO (PKS), Jaringan Jalan dan Pelabuhan Muat.
METODE
Tahapan Penelitian
Metode pengembangan sistem yang digunakan dalam penelitian ini adalah metode
systemprototyping (Turban, Sharda et al., 2011). Prototyping merupakan metode pengembangan
sistem yang melibatkan proses pembentukan model (versi) sistem secara iteratif untuk menghasilkan sistem yang sesuai dengan kebutuhan pengguna. Pendekatan seperti ini merupakan implementasi dari konsep think small strategize big dari Turban et al.(2011). Metode ini menekankan pada aspek pencapain produk akhir secepat mungkin. Setelah diimplementasikan untuk pertama kalinya, prototipe sistem dapat segera dievaluasi oleh pengguna untuk memastikan apakah sudah memenuhi kebutuhan atau belum. Tahapan-tahapan dalam penelitian untuk membangun prototipe sistem pendukung keputusan pengembangan agroindustri CPO berbasis spasial ini dapat dilihat pada Gambar 1 berikut ini.
Gambar 1 Tahapan penelitian rancang bangun prototipe sistem pendukung keputusan pengembangan agroindustri berbasis spasial
Kerangka Pemikiran
Pengembangan industri tidak terkecuali agro-industri minyak kelapa sawit, pada akhirnya harus dapat memberikan value yang optimal bagi para pemangku kepentingan (stakeholders) yang ada. Upaya pengembangan untuk meraih value yang optimal inimau tidak mau harus mempertimbangkan masalah lokasi dan alokasi. Lokasi dalam hal ini merujuk pada dimana aktivitas produksi tersebut berada di permukaan bumi atau letak geografisnya (Chapman, 2009). Sementara alokasi merujuk pada seberapa baik industri tersebut dapat memenuhi permintaan yang ada dari lokasi atau posisinya tersebut (Sommer and Wade, 2006). Seberapa besar value atau nilai yang dicapai oleh entitas usaha dalam rantai nilai agro-industri minyak kelapa sawit ini, ditentukan oleh seberapa baik entitas usaha itu dapat melayani permintaan yang ada.
Upaya untuk memperoleh alokasi yang optimal dari sumber pasokan kebun kelapa sawit (KKS) menuju ke pabrik minyak kelapa sawit (PKS) dan seterusnya menuju ke industri pengolahan berikutnya atau pelabuhan muat, pelabuhan tujuan akhirnya sampai ke pelanggan bergantung
dengan banyak hal, antara lain: (1) letak geographis dari masing-masing entitas usaha yang terlibat, (2) kondisi jaringan transportasi dan komunikasi yang menghubungkan antara entitas, serta (3) kapasitas dan permintaan akan produk yang ada. Tidak seperti industri lain yang mengolah bahan baku non pertanian, kapasitas produksi agro-industri ini sangat bergantung dengan sumber pasokan yang dinamis atau merupakan fungsi dari waktu. Biaya transportasi yang mengkonsumsi kurang lebih 30% dari biaya produk agroindustri (Beenhakker, 2010) dan merupakan non value added cost (Hilton, 2009) diupayakan untuk diminimalkan sebagai bahan pertimbangan untuk merancang konfigurasi rantai nilai yang optimal.
Gambaran dari kerangka pemikiran dalam penelitian ini yang berupaya untuk memperoleh jalur transportasi produk industri CPO yang terbaik, secara diagramatis dapat dlihat pada Gambar 2 berikut ini. Kerangka pemikiran ini sekaligus menjadi kerangka sistem pendukung keputusan yang akan dibangun dalam penelitian.
Gambar 2 Kerangka pemikiran
Basic Digital Map Wilayah Peta Lokasi Pabrik CPO Peta Lokasi KKS Layering Relation Viewing Analisis Spasial View Informasi View Teranalisis Data Overlay Shape File Peta Lokasi Pelabuhan Peta Jalur Transportasi Eksisting MULAI Peta Tematik Lainnya SELESAI Algoritma Djikstra Data Tabular
Model yang digunakan untuk menentukan lintasan yang terbaik dari pabrik CPO menuju ke pelabuhan muat adalah model heuristik menggunakan algoritma Djikstra. Gambar 3 berikut ini menunjukkan langkah-langkah utama pada algoritma Djikstra (Chou, 1996) yang ditampilkan dalam bentuk diagram alir.
Gambar 3 Algoritma Djikstra untuk Penentuan Jalur Terbaik
Tata Laksana
Penelitian ini menggunakan data primer maupun data sekunder. Data primer diperoleh melalui metode wawancara, survey, dan Focus Group Discussion (FGD). Pengumpulan data sekunder diperoleh dari BPS, Bakosutranal, Kementerian Perindustrian, Kementerian Perdagangan, Kementerian Pertanian, Pemerintah Daerah, Asosiasi Pengusaha Kelapa Sawit dan CPO.Pengumpulan data spasial terkait dengan beberapa node kebun, pabrik CPO dan jaringan jalan dilakukan dengan menggunakan teknologi GPS seperti yang terlihat pada Gambar 4 berikut ini. Sementara untuk peta daerah dan jalan diolah dari peta yang diperoleh dari Bakosutranal dan digitasi dari peta yang tersedia.
Mulai
Identifikasi node asal dan tujuan sebagai V1 dan V2
Tetapkan V1 sebgai T‐Node
Tetapkan T‐Node sebagai “Permanen” dan update status
record set
Identifikasi node tentatif yang terhubung ke V1 yang memiliki
bobot terendah dan tetapkan sebagai T‐Node
T‐Node = V2?
Berdasarkan informasi pada record set, kerjakan sampai diperoleh V1. Node‐node ini merepresentasikan
rute terbaik
Gambar 4 Teknik Pengumpulan Data dengan Teknologi GPS
HASIL DAN PEMBAHASAN
Rancangan Model
Gambaran Sistem
Secara lengkap sistem rantai usaha agroindustri crude palm oil (CPO) digambarkan pada Gambar 5 berikut ini.
Gambar 5 Rantai Usaha Agroindustri CPO
DATA FORMAT CONVERSION GIS MODUL PENGENDALI GPS SATELIT GPS ANTENNE GPS DATA STORAGE WAYPOINT UNTUK KEBUN, PABRIK, PELABUHAN DAN PELANGGAN
h = indeks untuk industri hilir i = Indeks Kebun Kelapa Sawit
j = Indeks Pabrik CPO
w = Indeks Pelabuhan Muat l = Indeks Pelabuhan Tujuan
Perkebunan Kelapa Sawit Pabrik Kelapa Sawit Pelabuhan Asal Pelabuhan Tujuan Pasar Industri Hilir CPO
Kebun kelapa sawit (KKS) menghasilkan tandan buah segar sebagai bahan baku pabrik minyak kelapa sawit (MKS). Tandan buah segar yang dihasilkan, sangat bergantung dengan umur dari tanaman tersebut. 3 tahun setelah penanaman, KKS dapat menghasilkan rata-rata sekitar 7 ton per ha nya dan naik terus sampai tahun ke 12 sekitar 28 ton per ha. Selanjutnya produktivitas tanaman kelapa sawit akan menurun secara gradual sampai tahun ke 25 hanya menghasilkan sebesar 17 ton per ha nya. Setelah umur 25 tahun, tanaman kelapa sawit sudah tidak dimungkinkan untuk dipanen karena terlalu tinggi. Setiap ton produk minyak kelapa sawit secara normal membutuhkan kurang lebih 5 ton tandan buah segar (TBS) dengan kualitas yang sesuai dengan persyaratan (Pahan, 2010).
Minyak kelapa sawit yang dihasilkan oleh PKS selanjutnya dikirimkan ke pelanggan untuk diproses lebih lanjut melalui pelabuhan-pelabuhan pemuatan yang terdekat dengan lokasi pabrik. Lokasi pelabuhan muat yang ada di Indonesia secara geographis pada umumnya berjarak cukup jauh dari PKS dan memiliki infrastruktur transportasi yang pada umumnya juga belum memadai dibandingkan dengan konstribusi dari komoditas ini terhadap pendapatan Negara.
Rancangan Basis Data
Sistem penunjang keputusan pengembangan agroindustri CPO terbangun oleh sistem basis data yang teridiri dari beberapa entitas yang saling terhubung. Keterkaitan antar entitas yang membangun sistem basis data dengan atribut-atribut yang penting digambarkan pada Gambar 6 berikut ini.
Entitas-entitas yang terdapat pada rantai usaha seperti yang tergambarkan pada
Gambar 5 akan menjadi layer pada GIS yang dibangun.
Gambar 6 Keterkaitan antar Entitas Pembangun Basis Data Sistem Alokasi
Gambar 7 berikut ini memperlihatkan sebaran kebun kelapa sawit, pabrik kelapa sawit dan pelabuhan pada lokasi kajian. Terdapat 29 area perkebunan kelapa sawit yang dimiliki oleh masyarakat, swasta maupun BUMN seluas 351.895 ha dan 13 pabrik kelapa sawit dengan total
Propinsi PK ID_Propinsi Nama_Propinsi Kabupaten PK,FK1,FK2,FK3 ID_Kabupaten FK5 ID_Propinsi ID_KKS ID_PKS ID_Jalan FK4 ID_Jalur KKS PK ID_KKS FK5 ID_Kabupaten Nama_KKS Longitude Lattitude Luas_Areal Tahun_Tanam PKS PK ID_PKS FK2 ID_Kabupaten Nama_PKS Longitude Lattitude Kapasitas_Produksi Jalan PK ID_Jalur FK2 ID_Kabupaten Nama_Jalur Longitude Lattitude Length Kondisi Biaya KecMax Max Berat Alat_Angkut PK ID_Alat_Angkut Kapasitas Kecepatan_Max Biaya Tahun PK ID_Tahun Tahun Produktivitas_KKS PK ID_Umur Produktivitas Supply KKS FK2 ID_KKS FK3 ID_Tahun FK4 ID_Umur Pelabuhan PK ID_Pelabuhan Nama_Pelabuhan Lattitude Longitude Kedalaman Loading Rate Unloading Rate Kapasitas Tanki SP KKS‐PKS FK1 ID_KKS FK2 ID_PKS ID_AlatAngkut FK4 ID_Jalur Cost FK3 ID_Alat_Angkut SP PKS‐PORT FK2 ID_PKS FK1 ID_Pelabuhan ID_AlatAngkut FK4 ID_Jalur Cost FK3 ID_Alat_Angkut
kapasitas sebesar 595 ton per jam. Sebanyak 3 pelabuhan utama yang melayani pengiriman produk keluar dari daerah tersebut untuk diproses lebih lanjut menjadi produk-produk hilir.
Gambar 7 Sebaran KKS, PKS dan Pelabuhan serta Jaringan Transportasi
Jaringan transportasi jalan dibagi menjadi beberapa ruas atas dasar kesamaan kesamaan atribut yang dimiliki terkait dengan kondisi jalan yang dimiliki. Atas dasar kesamaan atribut tersebut terdapat 118 ruas jalan dengan kondisi sebagaimana yang tertera pada Tabel 1 berikut ini.
Tabel 1 Kondisi Ruas Jalan pada Lokasi Kajian
Sebagaimana yang tergambar pada Gambar 8, Pabrik CPO tersebar secara geographis dan berada di dekat pusat-pusat perkebunan kelapa sawit agar waktu yang dibutuhkan untuk memasok tandan buah segar bisa secepat mungkin sehingga kualitas bahan tetap terjaga dengan baik. Namun,tidak semua fasilitas-fasilitas yang ada terjangkau oleh jaringan transportasi yang ada dalam radius waktu pengiriman yang optimal.
Gambar 8 Analisis Proximity Jaringan Transportasi terhadap Fasilitas
x { x { x { x {x{ x{ x{x{ x{x{ x { x { x { x { x { x { x { x { x { x{ Î Î Î L o k a s i S t u d i 2 0 0 0 2 0 0 4 0 0 K i l o m e t e r s N E W S
KONDISI RUAS JALAN JUMLAH KECEPATAN
Sangat Baik 18 >70
Baik 52 50 ‐ 70
Rusak 48 <50
Dengan menggunakan model argoritma Djikstra, dengan asumsi kondisi seperti yang ada saat penelitian dilakukan, maka diperoleh jalur-jalur terbaik dari kebun kelapa sawit menuju ke pabrik pengolahan dan dari pabrik menuju ke pelabuhan. Jalur terbaik dalam hal ini dibagi menjadi beberapa kriteria, yaitu: jalur terpendek, jalur tercepat dan jalur termurah.
Hasil analisis jalur terbaik dengan menggunakan algoritma Djikstra ditunjukkan pada Tabel 2 berikut ini.Atas dasar hasil yang ada, ternyata jalur yang terpendek di lokasi penelitian tidak selalu sama dengan jalur tercepat dan termurah yang disebabkan oleh kondisi jalan yang ada.
Berdasarkan analisis proximity dan jarak yang telah dilakukan, ternyata area terdekat belum tentu menghasilkan jarak yang terbaik karena ternyata tidak ada jaringan transportasi yang saat ini menghubungkan antara fasilitas dan event yang ada. Oleh karena itu, berdasarkan gambaran yang diperoleh, sebaiknya Pemerintah dapat melakukan pengembangan infrastruktur secara tepat sehingga kinerja industri CPO di daerah kajian menjadi lebih optimal.
Tabel 2 Jalur Terbaik dari Pabrik ke Pelabuhan Muat untuk Masing-masing Keriteria
Hasil perhitungan dengan menggunakan algoritma Djikstra diperoleh bahwa berdasarkan kriteria jarak, 85% pabrik kelapa sawit lebih dekat mengirim produknya melalui pelabuhan P1, 15% melalui pelabuhan P2 dan 0% melalui pelabuhan P3. Berdasarkan kriteria waktu, 46% pabrik yang ada di daerah kajian lebih cepat jika mengirim hasil produksinya melalui pelabuhan muat P1, 15% melalui pelabuhan P2 dan 38% melalui pelabuhan P3. Sementara dengan menggunakan kriteria biaya pengiriman per ton produk, 54% pabrik yang ada lebih murah mengirim melalui pelabuhan P1, 23% melalui pelabuhan P2 dan 23% melalui pelabuhan P3.
PENUTUP
Indonesia merupakan negara penghasil CPO terbesar di Dunia, namun, pengembangan industri ini masih menghadapi beberapa kendala yang kritikal. Salah satu kendala utama adalah terkait denganketersediaan dan buruknya kualitas infrastruktur transportasi yang ada untuk mendukung distribusi produk yang dihasilkan. Kondisi ini berakibat pada tingginya biaya yang tidak memiliki nilai tambah.
Model analisis spasial dapat digunakan sebagai pendukung dalam pengambilan keputusan pengembangan agroindustri dengan efektif dan efisien karena karakteristik permasalahan yang ada terkait dengan geographical location dan geographical network.
Atas dasar analisis spasial pada network yang ada antara pabrik menuju ke Pelabuhan, diperoleh bahwa Pelabuhan P1 memiliki nilai pilihan mayoritas pabrik yang ada karena faktor
JARAK (M) P1 P2 P3 WAKTU (JAM) P1 P2 P3 BIAYA (RP/TON) P1 P2 P3 PKS 02 196,553 326,620 221,070 PKS 02 6.55 5.44 3.16 PKS 02 137,587 163,310 88,428 PKS 03 211,091 312,082 235,608 PKS 03 5.28 4.46 2.95 PKS 03 126,654 187,249 94,243 PKS 09 56,106 531,316 190,561 PKS 09 1.87 7.08 2.38 PKS 09 39,274 265,658 95,281 PKS 10 60,809 536,019 195,265 PKS 10 1.22 6.70 2.79 PKS 10 39,526 375,213 58,579 PKS 12 269,645 273,115 294,162 PKS 12 8.99 5.46 3.68 PKS 12 80,893 54,623 58,832 PKS 13 3,333 519,839 179,085 PKS 13 0.13 10.40 2.56 PKS 13 2,000 311,903 53,726 PKS 14 3,155 520,752 179,998 PKS 14 0.08 8.68 2.25 PKS 14 1,577 312,451 53,999 PKS 15 10,636 512,537 171,782 PKS 15 0.27 7.32 2.15 PKS 15 5,318 358,776 60,124 PKS 16 25,053 500,263 159,509 PKS 16 0.63 10.01 2.28 PKS 16 15,032 250,131 63,804 PKS 17 100,148 423,024 124,666 PKS 17 3.34 8.46 1.92 PKS 17 70,104 211,512 62,333 PKS 18 216,041 307,131 240,559 PKS 18 4.32 7.68 3.44 PKS 18 43,208 61,426 48,112 PKS 19 427,767 181,284 452,284 PKS 19 10.69 3.63 6.03 PKS 19 85,553 36,257 90,457 PKS 20 399,464 123,709 423,981 PKS 20 9.99 1.77 6.06 PKS 20 79,893 24,742 84,796
kedekatan, waktu dan biaya yang terendah. Hal ini dikarenakan infrastruktur transportasi relatif lebih baik dibandingkan dengan jalur menuju pelabuhan P2 dan P3. Namun, apabila dilihat dari kapasitas pelabuhan yang ada, pelabuhan P1 memiliki keteterbatasan kapasitas kapal yang dapat berlabuh karena kedalaman perairan pelabuhan. Disamping itu pelabuhan P1 juga memiliki keterbatasan kapasitas tanki timbun yang tidak mungkin dapat melayani kebutuhan mayoritas pabrik di wilayah kajian.
Pengembangan infrastruktur transportasi yang tepat akan memberikan akses yang sama bagi petani untuk menjual produknya dengan kualitas dan harga yang bersaing dengan perusahaan-perusahaan perkebunan besar.Pada akhirnya,ketersediaan dan keterandalan infrastruktur transportasi ini akan dapat memberikan pemerataan ekonomi bagi masyarakat.
Analisis spasial yang telah dilakukan memperlihatkan bahwa di wilayah kajian masih memiliki ketidakseimbangan antara produksi TBS dengan kapasitas pabrik yang tersedia. Hal ini menunjukkan bahwa ada peluang untuk investasi pabrik pengolahan minyak kelapa sawit (PKS) di daerah kajian tersebut. Pendirian PKS pada wilayah kajian akan mengurangi jumlah TBS yang harus diangkut ke daerah lain yang jauh yang mengakibatkan penurunan kualitas dan harga.
Saran
Pemerintah pusat maupun daerah sebaiknya segera mengembangkan jaringan dan infrastruktur transportasi ke arah pelabuhan P2 dan P3 secara efektif agar beban pada pelabuhan P1 dapat berkurang dan total biaya transportasi turun. Makalah ini masih berfokus pada pencarian jalur eksisting yang terbaik untuk agroindusri CPO. Penelitian berikutnya masih terbuka untuk menentukan jumlah supply yang optimal dari masing-masing node ke node-node tahapan berikutnya berdasarkan hasil analisis jalur terbaik yang diperoleh pada penelitian ini.
DAFTAR PUSTAKA
Akyuwen, R., & Sulistyanto, A. I. (2010). The dynamics of Indonesia’s crude palm oil export.
Asian Forum on Business Education Conference. IPB, Bogor.
Ashari, A. H. (2011). Infrastruktur, soko guru industri sawit. Info Sawit, 5(12), 10-11.
Beenhakker, H. L. (2010). Issues in agricultural marketing strategy. World Bank, Discussion Paper, Transportation Issues Series No. TRP7.
Chapman, K. (2009). Industrial location. Elsevier.
Chou, Y. H. (1996). Exploring spatial analysis in GIS. Onword Press.
Edser, C. (2010). Growth in Malaysian & Indonesian palm oil production. Focus on Surfactants
2010(4): 2.
Hilton, R. W. (2009). Managerial accounting: Creating value in a dynamic business environment. New York: McGraw-Hill.
Kurniawan, I. E. (2011). Hijaukan bumi dengan menanam pohon sawit. Jakarta: Mitra Media Nusantara.
Pahan, I. (2010). Panduan lengkap kelapa sawit. Jakarta: Penebar Swadaya.
Sommer, S., & Wade, T. (Eds). (2006). A to Z GIS: An illustrated dictionary of geographic
information systems. Esri Press.
Supriyadi. (2010). Tantangan industri CPO Indonesia. Harian Ekonomi Neraca. Jakarta.
Syaukat, Y. (2010). Menciptakan daya saing ekonomi dan lingkungan industri kelapa sawit Indonesia. Agrimedia, 15(1), 17-19.
Turban, E., & Sharda, R., et al. (2011). Decision support and business intelligence systems. New Jersey: Pearson.
Wilkinson, J., & Rocha, R. (2008). Agro-industries trends, patterns and developmental impacts. Global Agroindustries Forum, Improving Competitiveness and Development Impact, New Delhi.
