optimasi peningkatan jumlah frekuensi penerbangan pada armada

OPTIMASI PENINGKATAN JUMLAH FREKUENSI PENERBANGAN
PADA ARMADA PESAWAT CRJ1000 NEXTGEN
(STUDI KASUS: PT GARUDA INDONESIA)
Amar Rachman1, Annisa2
Departemen Teknik Industri, Fakultas Teknik Universitas Indonesia, Depok 16424
Tel: (021)7270011 ext 51. Fax: (021) 7270077
E-mail: [email protected], [email protected]
Abstrak
Pertumbuhan ekonomi Indonesia yang terus membaik menjadi salah satu sumber peningkatan terhadap jasa
penerbangan khususnya maskapai PT Garuda Indonesia yang mengalami peningkatan penumpang sebesar
14,3% dari tahun 2011 berjumlah 12,2 juta penumpang dan ditahun 2012 berjumlah 13.9 juta penumpang.
Sejalan dengan program pemerintah MP3EI PT Garuda Indonesia ikut mengembangkan perekonomian melalui
pembangunan hub-hub baru untuk mengakomodasi pasar di Indonesia bagian timur yang tumbuh sebesar 10.4%
pada tahun 2012 dan menjadikan Makassar sebagai homebase pesawat CRJ1000 Nextgen. Oleh karena itu,
penelitian ini membahas peningkatan frekuensi armada pesawat CRJ1000 Nextgen yang melayani rute
penerbangan wilayah Indonesia timur dengan menggunakan metode program linier integer. Hasil akhir dari
studi ini adalah sebuah usulan jadwal penerbangan dengan peningkatan beberapa rute penerbangan yang
memberikan nilai jam terbang yang optimal. Dalam pencapain hasil akhir dilakukan proses mengubah model
matematis pure integer linear programming (PILP) kedalam bahasa pemprograman menggunakan software
LINGO 13.0.
Kata Kunci: Optimasi, Frekuensi, Pesawat, PILP, Rute.
Abstract
Indonesia’s economic growth continued to improve become one of the sources of increase in flight sevices
especialli PT Garuda Indonesia airline increased 14.3% of passangers in 2011 12.2 million passengers and the
year 2012 13.9 million passengers. In line with the government programs MP3EI, PT Garuda Indonesia
participated in developing the economy through the development of new hubs to accommodated market in
eastern Indonesia, that grew 10.4% in 2012 and made Makassar as a homebase CRJ1000 Nextgen aircraft. The
focus of this studi is a new flight schedule to increase in routes that provide optimal value of flight hours. To
achieve the goals, the process of transforming an integer linear programming model into a programming
language using the software LINGO 13.0.
Keywords: Aircraft, Frequency, Optimization, PILP, Routing.
1.
PENDAHULUAN
Besarnya potensi industri penerbangan dalam negeri disetujui Sekretaris Jenderal
Indonesia National Air Carriers Association, pertumbuhan ekonomi Indonesia yang terus
membaik ikut mendukung perkembangan industri penerbangan. Pertumbuhan positif pasar
penerbangan di kawasan Asia Pasifik dirasakan oleh Indonesia. Asosiasi Angkutan Udara
Internasional (International Air Transportation Association/IATA) memperkirakan selama
periode 2010 – 2014 laju pertumbuhan penerbangan dalam negeri bisa mencapai 10 persen
per tahun. Pada tahun 2014, IATA memprediksi jumlah penumpang domestik sebesar 38,9
juta orang. Pertumbuhan penumpang pesawat udara dalam negeri pada tahun 2012 sebesar
20,4 juta orangmenigkat 19,6% dari tahun 2011 yang hanya 17,1 juta orang (Prakarsa, 2012).
Optimasi Peningkatan…, Annisa, FT UI, 2013
Perkembangan pasar penumpang PT Garuda Indonesia mengalami peningkatan
14,3% dari tahun 2011 berjumlah 12,2 juta penumpang dan ditahun 2013 berjumlah 13,9 juta
penumpang. Bagi Garuda Indonesia penambahan kapasitas di tahun 2012 diikuti dengan
perbaikan tingkat load factor seiring dengan penambahan flight frequency yang dilakukan
sepanjang tahun 2012.
Untuk Indonesia bagian Timur, PT Garuda Indonesia membangun Makassar sebagai
hub baru untuk mengakomodasi pasar di Indonesia bagian Timur yang tumbuh sebesar
10,4%. Disamping itu efektif sejak bulan oktober 2012 mulai dioperasikannya pesawat baru
CRJ1000 Nextgen. Dalam memperkuat posisi Garuda Indonesia di pasar Indonesia bagian
Timur, selain dengan pengoperasian CRJ1000 Nextgen, juga telah dilakukan penambahan
frekuensi pada rute-rute yang pertumbuhan pasarnya cukup menjanjikan. Untuk wilayah
timur ASK (Available Seat Kilometer) yang dialokasikan mencapai 25,1% dari total ASK
tahun 2012. Untuk area ini, upaya yang dilakukan untuk memperkuat posisi di pasar adalah
melalui penambahan frekuensi dan penambahan rute baru [1].
Gambar Error! No text of specified style in document. Pertumbuhan Pasar Penerbangan dan Kontribusi
ASK tahun 2012
Penjadwalan industri penerbangan terdiri dari faktor internal dan faktor eksternal yang
memiliki keterkaitan satu dengan yang lainnya. Untuk faktor Internal seperti ketersediaan
sumber daya (armada pesawat, pilot, co-pilot, dan awak pesawat)
yang dimiliki oleh
perusahaan. Untuk faktor Eksternal yang mempengaruhi penjadwalan penerbangan seperti
customer preferences terhaddap jam penerbangan tertentu.
Penentuan jadwal penerbangan untuk ditingkatkan frekuensinya perlu dilakukan
pertimbangan dan analisis terhadap aspek-aspek yang mempengaruhi khususnya yang
Optimasi Peningkatan…, Annisa, FT UI, 2013
berhubungan dengan aspek operasional. Aspek Operasional yang mempengaruhi untuk
peningkatan frekuensi penerbangan antara lain rute dan jadwal penerbangan, jumlah armada
pesawat, waktu tempuh tiap rute, dan waktu operasa bandar udara. Pada penelitian ini,
optimasi peningkatan jadwal penerbangan dilakukan dengan memaksimalkan jumlah
frekuensi penerbangan pesawat.
2.
TINJAUAN LITERATUR
Penjadwalan pada industri penerbangan (airline scheduling) merupakan suatu upaya
perencanaan suatu sistem pola penerbangan yang mampu memberikan jasa pelayanan secara
optimum, baik dari segi kualitas maupun kuantitas, serta dapat beroperasi secara efektif dan
efisien. Produk utama suatu maskapai penerbangan adalah jasa pelayanan dalam bentuk
aktivitas penerbangan antara Dua kota yang berbeda. Untuk melakukan satu aktivitas
penerbangan diperlukan sumber daya seperti sebuah pesawat, pilot, co-pilot, satu grup awak
pesawat, bandara asal, bandara tujuan, serta ijin untuk lepas landas dan mendarat di kedua
bandara tersebut pada waktu yang tertentu.
Masalah penjadwalan penerbangan terdiri dari beberapa sub-masalah yang
berinteraksi satu sama lain, hal ini menyebabkan masalah penjadwalan merupakan persoalan
yang besar dan kompleks. Maka dalam prakteknya, persoalan penjadwalan dibagi menjadi
dua tahap utama, yaitu [3]:
Programa Linier Integer, biasa disebut Programa Integer (Integer Programming atau
IP), adalah model programa linier yang memiliki batasan variabel keputusan berupa nilai
bilangan bulat (integer). Program Integer juga terdiri dari tiga elemen [2] :
•
Variabel keputusan, yaitu solusi layak yang ingin dicari oleh model. Layak berarti
memenuhi semua kendala dalam model. Variabel keputusan (decision variable)
umumnya berbentuk :
x1, x 2 , x3,..., xn
•
Tujuan berupa persamaan atau fungsi tujuan yang ingin dioptimalkan untuk
memperoleh
solusi
yang
optimal.
Pengoptimalan
dilakukan
dengan
cara
memaksimalkan atau meminimalkan fungsi. Fungsi tujuan (objective function) dapat
berbentuk :
n
Minimize
: z ( x ) =
c i x i ∑
Maximize
:
z ( x) = i =1
n
∑ c x i i
i =1
Optimasi Peningkatan…, Annisa, FT UI, 2013
dimana ci adalah konstanta dan xi adalah variabel keputusannya.
•
Kendala, merupakan batasan nilai yang harus dipenuhi oleh variabel keputusan.
Kendala (constraint) dapat berbentuk :
persamaan (equality constraint)
gi(x) = bi
pertidaksamaan (inequality constraint)
gi(x) ≥ bi
atau
gi(x) ≤ bi
dimana gi(x) merupakan fungsi yang berisi variabel keputusan dan disebut fungsi
kendala (constraint function). Sedangkan bi adalah nilai konstanta yang disebut right
hand side constant atau RHS constant.
Programa Integer dapat diklasifikasikan menjadi beberapa jenis, yaitu [4]:
1. Programa Integer Murni (Pure Integer Programming), bila semua variabel
keputusan harus mengambil solusi nilai bilangan bulat. Misalnya, jumlah pekerja,
jumlah mesin dan sebagainya.
2. Programa Integer 0–1 (0–1 Integer Programming), merupakan programa integer
murni dimana seluruh variabel keputusan dibatasi oleh nilai batas bawah (lower
bound) = 0 dan nilai batas atas (upper bound) = 1.
IP jenis ini sering
diaplikasikan dalam persoalan “yes-or-no decisions”. Dalam pengambilan
keputusannya hanya ada dua kemungkinan pilihan yaitu yes atau no. Maka
variabel keputusannya dapat dibatasi juga pada dua nilai, yaitu 0 dan 1.
Variabel di atas sering disebut binary variables (variabel 0 –1). Sehingga persolan
IP yang hanya mencakup variabel biner sering disebut Binary Integer
Programming (BIP).
3. Programa Integer Campuran (Mixed Integer Programming atau MIP), bila dalam
model terdapat beberapa variabel kontinu dan variabel integer. Variabel
integernya dapat berupa variabel biner atau variabel integer biasa.
4.
METODE PENELITIAN
Untuk menyelesaikan permasalahan untuk meningkatkan jumlah penerbangan dan
menentukan jadwal penerbangan pada armada pesawat CRJ1000 NEXTGEN, dibutuhkan
beberapa data yang digunakan untuk mendapatkan solusi optimal, yaitu:
•
Spesifikasi pesawat CRJ1000 Nextgen
Optimasi Peningkatan…, Annisa, FT UI, 2013
•
Jadwal dan rute penerbangan pesawat CRJ1000 NEXTGEN
•
Waktu terbang (Flight Time) masing-masing rute
•
Spesifikasi bandara udara
Berikut Model Matematika yang digunakan:
1. Indeks:
i, menunjukkan kode tujuan;
j, menunjukkan hari ke – j;
k, menunjukkan pesawat ke–k;
l, menunjukkan leg ke – l ;
Range nilai masing-masing indeks di atas adalah :
i ∈ {1, 2, 3, ... , 13};
j ∈ {1, 2, 3, ... , 7};
k ∈ {1, 2, 3, 4};
l ∈ {1, 2, 3, ... , 8};
2. Variabel Keputusan:
Xijkl ∈ {1,0};
dimana Xijkl = 1 bila kode ke – i pada hari ke – k dengan pesawat ke – j untuk leg
penerbangan ke – l . Sedangkan Xijkl = 0 bila sebaliknya.
3. Fungsi Tujuan:
Max.Z = ∑∑∑∑ Ci Bi Xijkl i
j
k
l
Dimana :
Ci merupakan waktu terbang pesawat dari kode ke – i
Bi merupakan bobot dari load factor.
4. Kendala:
•
Kendala pesawat paling lama terbang 10 jam terbang
Peningkatan frekuensi penerbangan harus memperhatikan jam operasi maksimum
pesawat terbang supaya tidak melampaui jam terbang maksimum pesawat per
hari.
∑∑ C
i
i
Xijkl ≤ 600
untuk: ∀j, ∀k
l
Optimasi Peningkatan…, Annisa, FT UI, 2013
Garuda Indonesia membatasi Aircraft Time Available untuk pesawat CRJ1000
Nextgen adalah selama 10 jam atau 600 menit per hari.
•
Kendala total operasi pesawat perhari
⎛
∑∑∑∑ ⎜⎜ C
i
j
k
n
⎝
i
⎞
Xijkl + ∑∑∑∑ 45( Xjiklmn − 1) ⎟⎟ ≤ 1080
i
j
k
n
⎠
untuk: ∀j, ∀k
Dimana semua pesawat k pada leg l dan ground time memiliki total
operasi
perhari maksimal 18 jam perhari.
•
Kendala jumlah frekuensi yang dilalui tiap flight legs
Untuk semua pesawat dan rute, kecuali rute DPS-SUB, SUB-DPS
∑∑ X
ijkl
k
≥1
untuk: ∀j , ∀k
l
Untuk semua pesawat dan rute DPS-SUB, SUB-DPS
∑∑ X
ijkl
k
•
≥3
untuk: ∀j , ∀k untuk DPS-SUB, SUB-DPS
l
Kendala leg penerbangan sebuah pesawat
Semua pesawat CRJ1000 yang melayani rute wilaya Timur memiliki homebase di
Makassar (UPG). Jadi untuk setiap rute, pesawat berangkat dari UPG pada leg
pertama dan kembali ke UPG pada akhir leg penerbangannya.
∑X
ijk 1
=1
untuk: ∀j , ∀k
∑X
ijk 8
=0
untuk: ∀j , ∀k
i
i
4.
HASIL
Rute penerbangan yang ingin ditingkatkan kuantitasnya dilihat dari berapa banyak
kapasitas penumpang yang terisi dalam sekali penerbangan yang disebut dengan load factor.
Untuk data load factor tidak bisa dilampirkan sesuai dengan perjanjian dengan PT Garuda
Indonesia.
Untuk mempermudah mengolah data pada software LINGO, maka perlu diberikannya
kode flight legs untuk setiap rute penerbangan. Berikut rincian mengenai kode flight legs
pada tabel 1.
Optimasi Peningkatan…, Annisa, FT UI, 2013
Tabel 1. Kode Flight Legs setiap rute
Flight Legs
UPG - PLW
PLW - UPG
UPG - BPN
BPN - UPG
BPN - TRK
TRK - BPN
BPN - JOG
JOG - BPN
UPG - DPS
DPS - UPG
DPS - JOG
JOG - DPS
DPS - SUB
SUB - DPS
UPG - KDI
KDI - UPG
UPG - MDC
MDC - UPG
UPG - SUB
SUB - UPG
UPG - LOP
LOP - UPG
LOP - SUB
SUB - UPG
SUB - SRG
SRG - SUB
Kode Flight Legs
A1
A2
B1
B2
C1
C2
D1
D2
E1
E2
F1
F2
G1
G2
H1
H2
I1
I2
J1
J2
K1
K2
L1
L2
M1
M2
Optimasi peningkatan jumlah penerbangan pada armada pesawat CRJ1000 Nextgen
pada PT Garuda Indonesia dihasilkan dari metode Pure Integer Linear Programming dengan
menggunakan software LINGO 13.O. Dan hasil optimum yang diperoleh dalam model ini
merupakan global optimum yang merupakan solusi menyeluruh yang layak dimana nilai
objektifnya merupakan nilai terbaik diantara semua solusi yang layak. Selanjutnya dilakukan
analisis terhadap hasil pengolahan data yang menggunakan software LINGO 13.0. Terdapat
Empat hasil pengolahan data yaitu hasil jadwal penerbangan pada 10 flight hour untuk 4
pesawat, hasil jadwal penerbangan pada 10 flight hour untuk 5 pesawat, hasil jadwal
penerbangan pada 11 flight hour untuk 4 pesawat, hasil jadwal penerbangan pada 11 flight
hour untuk 5 pesawat. Optimasi Peningkatan…, Annisa, FT UI, 2013
Dari hasil pengolahan diketahui beberapa rute yang mengalami peningkatan frekuensi
penerbangan. Berikut hasil perbandingan antara frekuensi penerbangan masing-masing rute
sebelum optimasi dan sesudah optimasi dengan menggunakan 4 pesawat dan 5 pesawat pada
tabel 2 untuk 10 flight hour dan tabel 3 perbandingan jumlah frekuensi untuk 11 flight hour.
Tabel 2. Jumlah Frekuensi Penerbangan setiap hari untuk 10 Flight hour.
NO
Flight Legs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
UPG - PLW
PLW - UPG
UPG - BPN
BPN - UPG
BPN - TRK
TRK - BPN
BPN - JOG
JOG - BPN
UPG - DPS
DPS - UPG
DPS - JOG
JOG - DPS
DPS - SUB
SUB - DPS
UPG - KDI
KDI - UPG
UPG - MDC
MDC - UPG
UPG - SUB
SUB - UPG
UPG - LOP
LOP - UPG
LOP - SUB
SUB - LOP
SUB - SRG
SRG - SUB
Frekuensi Per Hari
Awal
4 Pesawat
5 Pesawat
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
2
4
5
2
4
5
1
1
2
1
1
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
3
1
1
3
1
1
1
1
1
1
Dari Tabel 2 diketahui ada beberapa rute penerbangan yang mengalami peningkatan
frekuensi yaitu untuk 4 pesawat rute DPS-SUB, SUB-DPS mengalami peningkatan menjadi 4
kali penerbangan per hari dari sebelumnya 2 kali penerbangan. Dan untuk penambahan
pesawat menjadi 5, mengalami peningkatan 5 kali penerbangan per hari untuk rute DPS-
Optimasi Peningkatan…, Annisa, FT UI, 2013
SUB, SUB-DPS, 3 kali penerbangan perhari untuk rute LOP-SUB, SUB-LOP, dan 2 kali
penerbangan untuk rute UPG-KDI, KDI-UPG.
Tabel 3. Jumlah Frekuensi Penerbangan setiap hari untuk 11 Flight hour
NO
Flight Legs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
UPG - PLW
PLW - UPG
UPG - BPN
BPN - UPG
BPN - TRK
TRK - BPN
BPN - JOG
JOG - BPN
UPG - DPS
DPS - UPG
DPS - JOG
JOG - DPS
DPS - SUB
SUB - DPS
UPG - KDI
KDI - UPG
UPG - MDC
MDC - UPG
UPG - SUB
SUB - UPG
UPG - LOP
LOP - UPG
LOP - SUB
SUB - LOP
SUB - SRG
SRG - SUB
Frekuensi per Hari
4 Pesawat
5 Pesawat
1
1
1
1
1
1
1
1
1
1
1
1
1
2
1
2
1
1
1
1
1
1
1
1
4
4
4
4
1
1
1
1
1
3
1
3
1
2
1
2
1
1
1
1
1
1
1
1
1
1
1
1
Dari tabel diatas untuk 4 pesawat rute DPS-SUB, SUB-DPS mengalami peningkatan
menjadi 4 kali penerbangan, dibandingkan dengan 4 pesawat pada 10 FH jumlah frekuensi
penerbangan setiap rutenya sama namun terlihat perbedaan pada total jam terbangnya. Untuk
5 pesawat, rute penerbangan yang mengalami peningkatan seperti BPN-JOG, JOG-BPN
menjadi 2 kali penerbangan setiap hari nya,rute UPG-SUB,SUB-UPG menjadi 2 kali
penerbangan, UPG-MDC, MDC-UPG menjadi 3 kali penerbangan setiap harinya, dan DPSSUB, SUB-DPS menjadi 4 kali penerbangan. Untuk rute DPS-SUB, SUB-DPS pada 4
Optimasi Peningkatan…, Annisa, FT UI, 2013
pesawat dan 5 pesawat memiliki jumlah frekuensi perhari yang sama, tidak ada perubahan
atau penigkatan.
5.
PEMBAHASAN
Dengan bertambahnya frekuensi penerbangan perhari maka total waktu operasi
armada pesawat CRJ1000 Nextgen meningkat. Berikut tabel 4 untuk rincian waktu kondisi
awal dan rincian waktu hasi optimasi dengan menggunakan 4 pesawat dan 5 pesawat pada 10
Flight hour dan tabel 5 untuk rincian total waktu untuk 4 pesawat dan 5 pesawat pada 11
flight hour.
Tabel 4. Total Waktu Jam Terbang pada 10 Flight hour
Pesawat
1
2
3
4
Jam Terbang (Menit)
Awal 4 Pesawat 5 Pesawat
Senin
510
570
560
Selasa
600
570
590
Rabu
510
540
560
Kamis
460
540
570
Jumat
600
590
585
Sabtu
510
590
575
Minggu 460
600
575
3650
4000
4025
Senin
600
590
560
Selasa
510
540
555
Rabu
460
600
560
Kamis
510
590
555
Jumat
510
540
590
Sabtu
460
600
580
Minggu 510
590
580
3560
4050
3970
Senin
510
600
590
Selasa
510
600
580
Rabu
510
590
590
Kamis
600
600
560
Jumat
460
570
555
Sabtu
510
570
590
Minggu 600
540
590
3700
4070
4015
Senin
460
540
575
Selasa
460
590
575
Rabu
600
570
570
Kamis
510
570
590
Hari
Optimasi Peningkatan…, Annisa, FT UI, 2013
Jumat
Sabtu
Minggu
510
600
510
3650
600
540
590
3980
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
5
570
560
560
4050
550
560
550
585
560
555
555
3960
Tabel 5. Rincian Waktu Jam Terbang pada 11 Flight hour
Pesawat
Hari
1
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
2
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
3
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
4
Senin
Selasa
Jam Terbang (Menit)
4 Pesawat 5 Pesawat
570
610
590
605
540
605
535
600
530
610
640
600
575
605
3980
4235
610
640
540
600
510
600
645
575
650
640
510
575
605
60
4070
4230
510
585
600
645
645
645
500
620
510
585
540
620
610
645
3915
4345
610
645
570
610
Optimasi Peningkatan…, Annisa, FT UI, 2013
Rabu
Kamis
Jumat
Sabtu
Minggu
605
620
610
610
510
4135
Senin
Selasa
Rabu
Kamis
Jumat
Sabtu
Minggu
5
610
640
645
640
610
4400
600
620
620
645
600
645
620
4350
Dari tabel total waktu jam terbang tiap pesawat selama seminggu pada 10 flight hour
mengalami kenaikan setelah dilakukannya peningkatan frekuensi yang didasarkan pada load
factor tiap rute. Begitu juga untuk total waktu jam terbang pada 11 flight hour.
Secara umum, total waktu jam terbang untuk armada pesawat CRJ1000 Nextgen
mengalami peningkatan setelah rute hasil optimasi di implementasikan dengan membuat
susunan jadwal penerbangan baru. Terlihat dari jadwal penerbangan sebelumnya dimana
masih ada beberapa leg penerbangan yang belum terisi. Sehingga dengan dilakukannya
optimasi peningkatan ini, semua leg penrbangan untuk setiap pesawat telah terisi semua
sehingga ada beberapa rute yang mengalami kenaikan.
Untuk presentase utilitas pesawat dapat dihitung dengan membagi jumlah waktu
operasi pesawat dengan Aircraft Time Available pesawat tersebut. Dan nilai actually flight
hours
adalah jumlah jam operasi pesawat secara keseluruhan serta nilai aircfart time
available per pesawat adalah 10 jam terbang perhari. Utilitas pesawat yang dihitung adalah
keadaan awal dan setelah optimasi dengan 4 pesawat.
Utilization Percentage =
actually flight hours
x100%
aircraft time available
Berikut total waktu operasi tiap pesawat sebelum optimasi dan sesudah optimasi
mengalami kenaikan pada tabel 6 semua pesawat mengalami peningkatan sebesar 350 menit
untuk pesawat 1, 490 menit untuk pesawat 2, 370 menit untuk pesawat 3, dan 330 menit
untuk pesawat 4.
Optimasi Peningkatan…, Annisa, FT UI, 2013
Tabel 6. Perbandingan Waktu Operasi Tiap Pesawat
Pesawat
1
2
3
4
Sebelum Optimasi
Utilitas per minggu
3650
3560
3700
3650
Setelah Optimasi
Utilitas per minggu
4000
4050
4070
3980
Dari hasil persentasi utilitas pada tabel 7 semua pesawat mengalami peningkatan
sebesar 8.33% untuk pesawat 1, 11.67% untuk pesawat 2, 8.81% untuk pesawat 3, dan
7.86% untuk pesawat 4.
Tabel 7. Hasil Persentase Utilitas Tiap Pesawat
Pesawat
1
2
3
4
Seblum Optimasi
86.90%
84.76%
88.10%
86.90%
Setelah Optimasi
95.24%
96.43%
96.90%
95.24%
6.
KESIMPULAN
Berdasarkan penelitian yang telah dilakukan,
maka
dapat ditarik beberapa
kesimpulan sesuai dengan tujuan awal penelitian yang ingin dicapai. Dengan peningkatan
waktu terbang armada pesawat CRJ1000 Nextgen maka masing-masing pesawat hampir
memenuhi maksimal jam terbang yaitu 10 jam terbang untuk 4 pesawat, serta mengalami
kenaikan frekuensi di rute DPS-SUB, SUB-DPS menjadi 4 kali penerbangan sehari dari
sebelumnya hanya 2 kali penerbangan untuk rute tersebut.
Dengan adanya optimasi terhadap penignkatan jumlah jam terbang pada pesawat
CRJ1000 Nextgen, maka diperoleh peningkatan utilitas waktu operasi untuk masing-masing
pesawat sebesar 8.33% untuk pesawat 1, 11.67% untuk pesawat 2, 8.81% untuk pesawat 3,
dan 7.86% untuk pesawat 4.
Dengan penambahan satu armada pesawat yang dilakukan PT Garuda Indonesia maka
diasumsikan maksimal jam terbang untuk pesawat CRJ1000 Nextgen menjadi 11 jam terbang
untuk 5 pesawat, sehingga ada beberapa rute yang mengalami kenaikan frekuensi
penerbangan. Untuk DPS-SUB, SUB-DPS sehari menjadi 4 kali penerbangan, BPN-JOG,
JOG-BPN menjadi 2 kali penerbanga sehari, UPG-SUB, SUB-UPG
menjadi 2 kali
penerbangan sehari, dan 3 kali penerbangan sehari untuk rute UPG-MDC, MDC-UPG.
Optimasi Peningkatan…, Annisa, FT UI, 2013
7.
SARAN
Untuk penyempurnaan penelitian ini selanjutnya, saran yang dapat dipertimbangkan
adalah mengenai penambahan rute untuk penerbangan CRJ1000 Nextgen sehingga bisa
menjangkau seluruh daerah yang ada di Indonesia khususnya wilayah timur dengan melihat
ketersediaan fasilitas bandara. Dan juga peningkatan untuk tipe pesawat PT Garuda Indonesia
lainnya. Kesimpulan dari hasil penelitian ini diharapkan mampu meningkatkan jumlah
frekuensi penerbangan untuk pesawat baru PT Garuda Indonesia dan juga bisa dijadikan
bahan pertimbangan untuk menambah armada pesawat untuk kemudian hari.
Referensi
[1] Garuda Indonesia. 2012.
Laporan Tahunan 2012. Diunduh dari http://www.garuda-
indonesia.com pada tanggal 01 Juli 2013
[2] Hillier, Frederick S. dan Gerald J. Lieberman. 2001. Introduction to Operations Research,
7th ed., McGraw–Hill, New York.
[3] Meehan, Rochelle. 1999,
Flight Schedule Optimisation for Air New
Zealand’s
International Fleet , Department of Engineering Science University of Auckland, New
Zealand.
[4] Taha, Hamdy A. 1997, Operations Research, 6th ed., Prentice–Hall Inc., New Jersey.
Optimasi Peningkatan…, Annisa, FT UI, 2013