Pertumbuhan kendaraan listrik yang pesat meningkatkan kebutuhan baterai. Namun kualitas baterai bervariasi seiring dengan waktu dan penggunaan. Untuk itu refurbishing diperlukan dengan membedakan kualitas baterai agar rantai pasok baterai lebih efisien. Refurbishing merupakan salah satu bentuk dari closed-loop supply chain (CLSC). Optimasi model CLSC sangat penting untuk memastikan efisisensi penggunaan sumber daya dan keberlanjutan lingkungan.
Penelitian ini bertujuan memformulasikan model CLSC pada kendaraan listrik dengan mempertimbangkan kualitas baterai, menentukan penyelesaian optimum, membandingkan model, menerapkan model CLSC dengan nilai parameter dari penelitian Yao et al. [17] dan Gu et al. [7], serta melakukan eksperimen numerik untuk mengetahui pengaruh perubahan suatu nilai parameter terhadap penyelesaian optimum. Penelitian ini digunakan metode berupa studi literatur. Studi literatur dilakukan dengan mengkaji penelitian terdahulu serta menambahkan asumsi dan parameter yang digunakan. Selanjutnya, digunakan metode optimasi fungsi satu variabel dan konsep Nash equilibrium untuk memeroleh penyelesaian optimum. Setelah diperoleh penyelesaian optimum, dilakukan perbandingan model. Penerapan dilakukan dengan menyubstitusikan parameter kedalam model, penyelesaian optimum, dan perbandingan model. Selanjutnya, dilakukan eksperimen numerik dengan mengubah nilai parameter untuk mengetahui perubahan suatu nilai parameter terhadap penyelesaian optimum.
Berdasarkan hasil penelitian, diperoleh model CLSC pada kendaraan listrik dengan mempertimbangkan kualitas baterai adalah memaksimumkan tiga fungsi keuntungan yaitu produsen EV, produsen GV, dan produsen baterai tanpa adanya kendala. Model CLSC terdiri dari dua periode yaitu periode 1 dan periode 2. Penyelesaian optimum yang diperoleh berupa harga optimum EV, GV, dan baterai pada periode 1 dan 2. Perbandingan model memberikan hasil bahwa model periode 1 dan model periode 2 memiliki hasil yang sama akibat perubahan biaya produksi baterai, biaya produksi EV, dan biaya produksi GV. Penerapan dengan nilai parameter dari penelitian Yao et al. [17] dan Gu et al. [7] diperoleh nilai optimum pada periode 1 dan periode 2. Eksperimen numerik menunjukkan bahwa perubahan nilai parameter biaya produksi baterai (Cntr), biaya produksi EV (CEVM ), dan biaya produksi GV (CGVM memengaruhi penyelesaian optimum yang diperoleh.
