PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN BERBASIS SISTEM DINAMIK UNTUK MENGEVALUASI KEBUTUHAN KAPASITAS BANDARA JUANDA

Transkripsi

1 PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN BERBASIS SISTEM DINAMIK UNTUK MENGEVALUASI KEBUTUHAN KAPASITAS BANDARA JUANDA Febru Radhianjaya, Ahmad Rusdiansyah Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya ; ABSTRAK Industri penerbangan di Indonesia sangat berkembang pesat. Hal ini dibuktikan dengan bertambahnya jumlah penumpang dan jumlah perusahaan angkutan udara yang menyebabkan semakin padatnya aktivitas pada bandara. Berdasarkan wawancara yang telah dilakukan dengan pihak Direktorat Jenderal Perhubungan Udara, terdapat kajian mengenai evaluasi kebutuhan kapasitas terminal bandara. Dengan adanya permasalahan ini, maka dilakukan penelitian mengenai model sistem yang akan menyelesaikan permasalahan yang terkait dengan evaluasi terminal bandara tersebut. Berdasarkan studi literatur dan proses wawancara yang dilakukan, model sistem yang sesuai adalah dengan menggunakan implementasi sistem dinamik karena sistem penerbangan yang diteliti sangat dinamis oleh perubahan waktu. Oleh karena itu, dilakukan penelitian mengenai pembuatan alat bantu pengambilan keputusan untuk mengevalusi kebutuhan kapasitas bandara. Untuk mendukung penelitian ini, diperlukan data-data sekunder yang meliputi kapasitas bandara, data history penumpang, dan data rute penerbangan domestik. Hasil yang didapatkan dalam penelitian tugas akhir ini, bahwa kapasitas terminal bandara I telah overload pada tahun Adanya kondisi tersebut dilakukan beberapa skenario kebijakan, yaitu dengan mengembangkan terminal bandara I dengan total kapasitas orang per tahun yang akan bertahan hingga Skenario kebijakan lainya adalah pengoperasian bandara II yang akan digunakan oleh maskapai Lion, sehingga didapatkan bahwa pada terminal bandara I dan II akan overload pada tahun Kata kunci : Bandara, Kapasitas Terminal, Sistem Dinamik, Alat Bantu Pengambilan Keputusan ABSTRACT Aviation industry in Indonesia is growing rapidly. It is evidenced by increasing number of passengers and airlines that causes more dense activity at the airport. Based on conducted interviews to Directorate General of Civil Aviation, an evaluation of capacity for airport is needed. Therefore, this research aims to build a decision support system to help in solving the problem through system dynamic approach. It is based on conducted literature study and interview, the observed aviation system is very dynamic by changing of the time. To support this research, secondary data were needed which includes data of airport capacity, number of passengers, and domestic flight routes. Results show that capacity of I airport terminal has been overloaded since Some scenarios of policies are constructed in response to this condition, namely by developing the airport terminal capacity to 10.5 million people per year which will last until Other scenario is operating the II terminal, which will be used by Lion Air, with the result that the airport will be overload in Keywords : Airport, Terminal Capacity, System Dynamic, Decision Support Systems 1. PENDAHULUAN Indonesia adalah negara yang memiliki topografi beraneka ragam. Hal ini dapat dibuktikan dengan adanya dataran rendah hingga dataran tinggi. Indonesia juga merupakan negara kepulauan dengan adanya bukti terpisah oleh lautan dan beberapa selat. Kondisi demikian ini yang membuat pemerintah Indonesia menerapkan tiga sistem transportasi, yaitu sistem transportasi udara, laut, dan darat. Ketiga sistem transportasi tersebut digunakan oleh masyarakat Indonesia

2 sesuai dengan kebutuhan. Sistem transportasi adalah sistem yang penting dalam suatu rangkaian infrastruktur suatu wilayah. Sistem transportasi ini sangat dibutuhkan untuk memperlancar beberapa sistem yang terkait, seperti sistem perekonomian, sistem pariwisata, sistem pendidikan, dan sistem pertahanan. Transportasi udara di Indonesia berkembang cukup pesat. Hal ini dapat dibuktikan dengan semakin bertambahnya perusahaan angkutan udara, baik perusahaan angkutan udara terjadwal maupun tidak berjadwal untuk melayani penumpang dari suatu rute tertentu (Udara, 2008). Dengan adanya kondisi tersebut, aktivitas dalam beberapa bandara yang berada di Indonesia semakin padat dari tahun ke tahun. Kepadatan ini mengakibatkan terhambatnya akses masuk dan keluar baik bagi pesawat maupun penumpang di bandara. Selain itu dampak yang diterima oleh penumpang adalah menurunnya tingkat kualitas kenyamanan dalam terminal bandar udara. Kondisi ini dapat terjadi karena dari tahun ke tahun tingkat pertumbuhan penumpang yang menggunakan jasa penerbangan semakin meningkat. Data yang didapatkan dari buku Statistik Angkutan Udara Tahun 2009 menyatakan bahwa di bandara Surabaya, pada tahun 2008 jumlah total penumpang sebesar orang dengan jumlah penumpang berangkat sebesar orang dan jumlah penumpang datang sebesar orang (Udara, 2010a). Sedangkan pada tahun 2009 jumlah total penumpang 2009 sebesar orang dengan jumlah penumpang berangkat sebesar orang dan jumlah penumpang datang sebesar orang (Udara, 2010a). Oleh karena itu didapatkan pertumbuhan jumlah total penumpang rata-rata per tahun sebesar 4,88 % (Udara, 2010a). Untuk lebih jelasnya akan ditampilkan data penumpang dan kapasitas terminal dari tahun pada bandara Surabaya : Gambar 1 Jumlah dan Kapasitas Dari hasil pengolahan data diatas, terlihat bahwa terdapat kecenderungan kenaikan penumpang dari tahun 2005 menuju 2009 dibuktikan dari grafik di atas. Selain itu pada tahun 2005 hingga 2009 kapasitas terminal bandara telah overload. Namun pada awal tahun 2011 terdapat isu yang dikemukakan oleh General Manager PT. Angkasa Pura I, Trikora Harjo mengenai akan dioperasikannya kembali bandara II yang berkapasitas orang per tahun (Bisnis, 2010). Selain itu pada bandara I akan dikembangkan hingga 90% seperti yang telah dikatakan oleh Gubernur Jawa Timur, Soekarwo (, 2011). Adanya kondisi tersebut dipengaruhi oleh jumlah penumpang dari bandara-bandara lain yang akan menuju bandara. Terdapat 15 bandara yang mempengaruhi jumlah penumpang bandara, yaitu bandara Adi Sutjipto, Ahmad Yani, Husein Sastranegara, Hang Nadim, Soekarno-Hatta, Tjilik Riwut, Syamsuddin Noor, Sepinggan, Mutiara, Hasanuddin, Sam Ratulangi, Pattimura, El Tari, Selaparang, dan Ngurah Rai (Udara, 2011). Selain kondisi diatas, pengaruh penumpang yang akan berangkat menuju 15 bandara tersebut juga dipertimbangkan karena juga mempengaruhi kapasitas terminal domestik. Hal ini dapat dibuktikan ada sekitar 25% penduduk Indonesia yang menggunakan transportasi udara. Jumlah ini dapat dipastikan akan mengalami kenaikan sehingga semua bandara juga akan mengalami kenaikan penumpang dan mengakibatkan kapasitas penumpang bandara akan overload (, 2010). Pada penelitian ini, hasil yang ingin dicapai adalah untuk melakukan pemodelan sistem dinamis dalam mendapatkan sistem dan evaluasi kapasitas bandara. Selain itu pada penelitian ini juga memberikan alat bantu 2

3 keputusan untuk mengevaluasi kebutuhan kapasitas bandara dan melakukan studi eksperimen dengan berbagai perubahan skenario. Batasan penelitian Tugas Akhir ini sebagai berikut : 1. Penerbangan yang diteliti adalah penerbangan domestik 2. Aspek mengenai kondisi perekonomian eksternal tidak dijabarkan 3. Tidak mempertimbangkan hubungan moda transportasi lain Selain itu, terdapat asumsi yang digunakan pada penelitian Tugas Akhir ini yaitu tidak terdapat perubahan kebijakan strategis pada saat penelitian dilakukan. Berdasarkan kondisi yang telah diuraikan diatas, maka perlu dibuat suatu alat bantu untuk mengevaluasi kapasitas dari kondisi eksisting yang bertujuan untuk evaluasi bandara, khususnya bandara dengan menggunakan sistem dinamik agar mendapatkan suatu kebijakan strategis. 2. METODOLOGI Pada bagian ini akan dijelaskan mengenai langkah-langkah yang dilakuan pada penelitian Tugas Akhir ini untuk menyelesaikan permasalahan yang diangkat. Metodologi penelitian ini berguna sebagai acuan sehingga penelitian dapat berjalan secara sistematis. 2.1 Tahap Identifikasi Masalah Pada tahap identifikasi dalam penelitian ini, dilakukan beberapa sub tahapan yang terdiri dari penentuan topik dan observasi awal, perumusan masalah dan penentuan tujuan penelitian, studi literatur, dan studi lapangan. Pada tahap identifikasi dan perumusan masalah ini, penulis melakukan bimbingan kepada pembimbing eksternal di Direktorat Jenderal Perhubungan Udara. Dari bimbingan yang dilakukan terdapat permasalahan mengenai evaluasi kapasitas bandara, khususnya bandara. Hal ini terjadi karena dalam data menunjukkan bahwa jumlah penumpang pada bandara telah melebihi kapasitas yang ada. Berdasarkan hasil bimbingan kepada pembimbing eksternal dalam pihak Direktorat Jenderal Perhubungan Udara, selanjutnya dilakukan perumusan masalah untuk membatasi ruang lingkup penelitian. Dalam penelitian ini akan membahas mengenai evaluasi keadaan bandara dan merancang alat bantu keputusan evaluasi tersebut sehingga memberikan usulan skenario terkait permasalahan yang dihadapi saat ini. Selanjutnya adalah tahap penetapan tujuan penelitian. Hal ini dilakukan agar permasalahan yang ada dapat terjawab pada akhir penelitian ini. Tujuan yang diharapkan adalah melakukan evaluasi bandara kemudian merancang alat bantu keputusan evaluasi permasalahan tersebut dengan berbagai skenario dan isu-isu terkini. Dari penetapan tujuan diatas, maka dilakukan studi literatur dan studi lapangan. Studi literatur melingkupi studi dari beberapa jurnal dan buku yang berkaitan dengan konsep transportasi, sistem bandara, terminal bandara, sistem dinamik, dan decision support system. Sedangkan studi lapangan bertujuan untuk mendapatkan informasi mengenai permasalahan yang dihadapi di Departemen Perhubungan Udara, kondisi eksisting sistem bandara, dan data sekunder mengenai jumlah history penumpang dan kapasitas pada suatu bandara tertentu. Dari studi lapangan, dapat dilakukan evaluasi mengenai hal-hal yang menjadi faktor permasalahan sehingga dapat dilakukan solusi untuk menyelesaikan permasalahan ini. 2.2 Tahap Pengumpulan Data dan Deskripsi Sistem Pada tahap ini akan dijelaskan tentang tahapan pengumpulan data dan deskripsi sistem dari permasalahan yang diangkat pada penelitian. 2.3 Tahap Pemodelan Sistem Pada tahap ini, akan dilakukan simulasi dari sub model-sub model yang telah dibuat dan dianggap mewakili sistem riil. Kemudian akan dilakukan tahap validasi dan verifikasi terhadap model. 2.4 Tahap Analisis Hasil Simulasi dan Skenario Pada tahap ini akan dilakukan analisis dan pembahasan mengenai evaluasi kondisi eksisting terhadap bandara dengan menggunakan model sistem dinamik yang telah dibuat. Analisis ini dimulai dari analisis mengenai kondisi eksisting kapasistas maksimum dan jumlah penumpang pada suatu bandara, 3

4 deskripsi sistem yang dilakukan, sampai dengan analisis terhadap skenario dan usulan rekomendasi dari model yang diterapkan. 2.5 Tahap Kesimpulan dan Saran Pada hasil analisis dan pembahasan diatas, kemudian akan dilakukan penarikan kesimpulan untuk menjawab tujuan dari penelitian ini. Dilakukan juga saran dan usulan yang dapat dijadikan bahan masukan untuk penelitian selanjutnya yang berhubungan dengan penelitian ini. 3. PEMODELAN SISTEM Bab ini meliputi tahap identifikasi variabel, konseptualisasi model, formulasi model, simulasi model, verifikasi dan validalidasi serta perancangan alat bantu pengambilan keputusan. 3.1 Identifikasi Variabel Pada penelitian ini terdapat enam sub model yang diterapkan, yaitu sub model keberangkatan maskapai, keberangkatan penumpang, kedatangan maskapai, kedatangan penumpang, permintaan penumpang, dan pengembangan bandara. 3.2 Konseptualisasi Model Model konseptual yang digunakan untuk menggambarkan penelitian ini adalah causal loop diagram dan interaksi antar variabel. Model konseptual ini diharapkan dapat memudahkan pembaca untuk memahami maksud dan ruang lingkup penelitian yang dilakukan. Penggambaran sistem secara lebih luas tergambar pada causal loop diagram sistem dengan melihat pada hubungan sebab akibat satu variabel terhadap variabel yang lain. Keterkaitan hubungan dengan dampak sifat positif atau negatif satu sama lain juga tergambar dalam diagram sebab akibat ini Causal Loop Diagram Pada penyusunan causal loop diagram ini dilakukan untuk mengetahui keterkaitan beberapa variabel dalam sistem terminal bandara di Indonesia. Dari beberapa variabel yang digambarkan diatas, dapat diketahui seberapa jauh pengaruh yang ditimbulkan dalam sistem terminal bandara. Variabel-variabel yang mempengaruhi didefinisikan sesuai dengan identifikasi yang telah dilakukan pada sub bab sebelumnya. Pendekatan sistem terminal bandara di Indonesia juga dilakukan dengan mendefinisikan interaksi yang terjadi antar elemen dalam sistem yang berikutnya akan digambarkan dalam causal loop diagram. Dengan menggunakan causal loop diagram, akan diketahui hubungan antar variabel yang ditunjukkan dengan hubungan panah positif ataupun negatif. Gambar 2 Causal Loop Diagram Causal loop diagram yang dibuat diatas menggunakan software STELLA berdasarkan variabel-variabel yang telah diidentifikasikan oleh pembuat model. Selanjutnya setelah variabel-variabel telah ditentukan oleh pembuat model dan dihubungakan keterkaitan diantara variabel tersebut, maka akan dilakukan polarity yang berguna untuk menggambarkan hubungan umpan balik positif dan negatif. Salah satu variabel yang memberikan dampak umpan balik positif adalah semakin tinggi frekuensi total penerbangan maka kapasitas total pesawat juga akan semakin meningkat. Sedangkan salah satu variabel yang memberikan dampak umpan negatif adalah semakin tinggi jumlah penumpang di bandara maka kapasitas bandara tersebut akan semakin rendah. 3.3 Formulasi Model Dalam sistem terminal bandara di Indonesia ini, terdapat 6 sub model yang sesuai dengan variabel pada pembuatan causal loop diagram, yaitu sub model keberangkatan maskapai, keberangkatan penumpang, kedatangan maskapai, kedatangan penumpang, pertumbuhan permintaan, dan pengembangan bandara Sub Model Keberangkatan Maskapai Sub model keberangkatan maskapai ini merupakan model yang mendeskripsikan bagaimana proses keberangkatan maskapai di bandara. Salah satu variabelnya adalah kapasitas penumpang keluar Batavia Hasanuddin yang didapatkan dari perkalian antara kapasitas Batavia Hasanuddin dan frekuensi Batavia per tahun Hasanuddin. 4

5 Konversi Minggu Multiplier Minggu Frekuensi Sebelum Penambahan Kapasitas Keluar Sriwijaya SN ke Tahun Per Tahun Hasanuddin Per Minggu Hasanuddin Batav ia Hasanuddin Kapasitas Keluar Garuda SH Kapasitas Sriwijay a Datang ke Sriwijaya B732 Sepinggan Konversi Minggu ke Tahun Kapasitas Batav ia Hasanuddin Frekuensi Sebelum Penambahan Kapasitas Garuda Garuda Hasanuddin Datang ke Sriwijaya B733 Sepinggan Kapasitas Batav ia Berangkat dari Batav ia Selaparang Konversi Minggu ke Tahun Batav ia Hang Nadim Konversi Minggu ke Tahun Batav ia Tjilik Riwut Per Tahun Selaparang Kapasitas Batav ia Selaparang Per Tahun Hang Nadim Kapasitas Batav ia Hang Nadim Per Tahun Tjilik Riwut Kapasitas Batav ia Tjilik Riwut Per Minggu Selaparang Multiplier Minggu Per Minggu Hang Nadim Per Minggu Tjilik Riwut Multiplier Minggu Frekuensi Sebelum Penambahan Frekuensi Sebelum Penambahan Gambar 3 Sebagian Sub Model Keberangkatan Maskapai Sub Model Keberangkatan Sub model keberangkatan penumpang pada gambar 3.3 menggambarkan bagaimana proses keberangkatan penumpang dari bandara. Salah satu variabelnya adalah penumpang Batavia Selaparang yang didapatkan dari kondisi jika calon penumpang kurang dari sama dengan kapasitas penumpang keluar Batavia Selaparang maka penumpang yang berangkat adalah calon penumpang Batavia Selaparang, namun jika tidak maka yang berangkat adalah maksimal kapasitas penumpang keluar Batavia Selaparang. Frekuensi Batavia Per Minggu Selaparang Total Frekuensi Berangkat dari Frekuensi Batavia Per Minggu Hang Nadim Frekuensi Batavia Per Minggu Tjilik Riwut Total Frekuensi Berangkat dari Lokal Lokal Lokal Proporsi Batav ia Selaparang Noname 8 Calon Batavia Selaparang Proporsi Batav ia Hang Nadim Noname 8 Calon Batavia Hang Nadim Proporsi Batav ia Tjilik Riwut Noname 8 Calon Batavia Tjilik Riwut Batavia Selaparang Tidak Terangkut Batav ia Selaparang Batavia Hang Nadim Tidak Terangkut Batav ia Hang Nadim Batavia Tjilik Riwut Tidak Terangkut Batavia Tjilik Riwut Orang Per Kursi Batavia Selaparang Orang Per Kursi Batavia Hang Nadim Orang Per Kursi Batavia Tjilik Riwut Gambar 4 Sebagian Sub Model Keberangkatan Sub Model Kedatangan Maskapai Dalam sub model kedatangan maskapai pada gambar 5, digambarkan proses kedatangan maskapai dari bandara asal. Varibelnya adalah penjumlahan beberapa asal bandara per maskapai menuju bandara tujuan. Garuda Ngurah Rai Total Kapasitas Datang ke Sriwijaya Hasanuddin Kapasitas Keluar Sriwijaya SR Gambar 5 Sebagian Sub Model Kedatangan Maskapai Sub Model Kedatangan Sub model kedatangan penumpang pada gambar 6 menggambarkan tentang proses penumpang datang dari bandara asal menuju bandara tujuan. Terdapat formulasi variabel penumpang Garuda datang ke yang didalamnya terdapat penjumlahan maskapai Garuda yang menuju bandara. Garuda SH Garuda Hasanuddin Garuda Ngurah Rai Garuda Datang ke Total Datang ke Sriwijay a Datang ke Sriwijaya B732 Sepinggan Sriwijaya B733 Sepinggan Sriwijaya Hasanuddin Sriwijaya SR Sriwijaya B733 El Tari Gambar 6 Sebagian Sub Model Kedatangan Sub Model Lokal Pada sub model permintaan ini menggambarkan bagaimana didapatkan permintaan penumpang setiap bandara yang akan menuju bandara tujuan. Salah satu variabelnya adalah flow penumpang lokal yang didapatkan dari perkalian antara penumpang lokal dan faktor pertumbuhan penumpang lokal. Faktor Pertumbuhan Lokal Flow Lokal Lokal Gambar 7 Sebagian Sub Model Permintaan Sub Model Pengembangan Bandara Sub model pengembangan bandara ini bertujuan untuk memberikan keputusan kapan 5

6 bandara akan dikembangkan. Salah satu variabelnya adalah penambahan kapasitas. Maksud penambahan kapasitas ini adalah jika total penumpang di lebih besar dari kapasitas terminal domestik maka dilakukan penambahan kapasitas baru jika kondisi tersebut belum terjadi maka belum dilakukan pengembangan bandara. model dan unit. Berikut ini adalah hasil verifikasi yang dilakukan : Gambar 9 Verifikasi Check Units Gambar 8 Sebagian Sub Model Pengembangan Bandara 3.4 Simulasi Model Pada penelitian ini, model yang dibangun menggunakan software STELLA. Simulasi ini dilakukan bertujuan untuk melihat perilaku dari sistem yang telah dibuat. Simulasi dapat dilakukan dengan memasukkan data / nilai matematis dalam variabel-variabel yang disesuaikan dengan kondisi real. Nilai matematis yang dijadikan inputan adalah berupa data sekunder yang telah dikumpulkan dari Direktorat Jenderal Perhubungan Udara dan beberapa artikel terkait. Fungsi waktu yang digunakan dalam satuan waktu tahun dan selanjutnya akan disimulasikan model yang dibuat berdasarkan fungsi waktu tersebut. 3.5 Verifikasi dan Validasi Model Simulasi yang telah dilakukan diatas belum tentu menunjukkan bahwa model yang dibuat telah sesuai dengan kondisi real sistem yang diteliti. Oleh karena itu diperlukan pengujian terhadap model yang terdiri dari pengujian verifikasi dan pengujian validasi agar simulasi yang dilakukan benar, masuk akal, dan menggambarkan kondisi yang sebenarnya Verifikasi Model Verifikasi model adalah tahap pengecekan model simulasi apakah telah dibuat dengan benar dan logis. Pengecekan ini dilakukan di software STELLA pada pilihan check units yang bertujuan untuk memastikan kesetaraan satuan variabel yang terdapat di Gambar 10 Verifikasi Check Model Validasi Model Pada tahap validasi model ini bertujuan untuk melihat apakah model yang telah dibuat mampu mewakili atau menggambarkan kondisi sebenarnya. Validasi yang dilakukan meliputi uji parameter model, uji kondisi ekstrim, uji statistik, dan uji struktur model Uji Parameter Model Pengujian parameter ini dapat dilakukan dengan cara membandingkan antara logika aktual dengan hasil simulasi. Hasil simulasi dikatakan baik jika polanya sama dengan logika aktual. Berikut hasil validasi uji parameter model yang dilakukan : Gambar 11 Hasil Uji Parameter Model Dapat dilihat bahwa antara kedua grafik diatas tidak memiliki perbedaan yang signifikan sehingga dapat dikatakan telah valid dalam uji parameter model Uji Kondisi Ekstrim Pengujian dilakukan dengan memasukkan nilai ekstrim terkecil dan terbesar pada variabel penumpang lokal. Berikut hasil dari uji kondisi ektrim yang dilakukan : 6

7 Jika nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho. 1. Validasi Berangkat Ho : π 1 = π 2 (tidak ada perbedaan data Ho : π 1 π 2 (terdapat perbedaan data Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual penumpang berangkat. Gambar 12 Hasil Eksisting Tabel 1 Validasi Berangkat Hasil Simulasi Aktual Gambar 13 Hasil Ekstrim Terkecil Gambar 14 Hasil Ekstrim Terbesar Dapat dilihat bahwa mulai gambar 12 hingga 14 tidak terjadi perubahan grafik dengan perbandingan eksisting, nilai ektrim terkecil, dan nilai ektrim terbesar. Oleh karena itu model dikatakan valid dalam uji kondisi ekstrim Uji Statistik Proses validasi model dengan uji statistik ini adalah menggunakan software Minitab dengan 2-Sample-t. Berikut ini adalah syarat yang akan berlaku, yaitu : Ho : π 1 = π 2 (tidak ada perbedaan data Ho : π 1 π 2 (terdapat perbedaan data Gambar 15 Validasi Berangkat dari Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = 0,349 sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual penumpang berangkat tidak ada perbedaan data yang signifikan. 2. Validasi Datang Ho : π 1 = π 2 (tidak ada perbedaan data Ho : π 1 π 2 (terdapat perbedaan data Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual penumpang datang. Tabel 2 Validasi Datang Hasil Simulasi Aktual

8 Gambar 16 Validasi Datang ke Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual penumpang datang tidak ada perbedaan data yang signifikan. 3. Validasi Total Bandara Ho : π 1 = π 2 (tidak ada perbedaan data Ho : π 1 π 2 (terdapat perbedaan data Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual total penumpang Bandara. Tabel 3 Validasi Total Bandara Hasil Simulasi Aktual Gambar 17 Validasi Total Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual total penumpang Bandara tidak ada perbedaan data yang signifikan Uji Struktur Model Pada akhirnya dilakukan validasi model dengan cara wawancara dengan pihak expert khususnya Direktorat Jenderal Perhubungan Udara untuk memastikan bahwa model yang dibuat mampu mewakili atau menggambarkan sistem nyata. 3.6 Perancangan Alat Bantu Pengambilan Keputusan Pada bab ini akan ditampilkan cara penggunaan alat bantu keputusan untuk evaluasi kebijakan kapasitas terminal bandara. Alat bantu pengambilan keputusan adalah salah satu bagian dalam pembuatan model sistem dinamik ini. Adanya alat bantu pengambilan keputusan ini bertujuan untuk memudahkan para pembuat kebijakan agar dapat mengaplikasikan model yang sudah dirancang tanpa harus mengerti konsep sistem dinamik. Alat bantu pengambilan keputusan dibuat berdasarkan skenario kebijakan yang telah dirancang, yaitu dengan mengganti variabel input dalam dalam interface dan hasil simulasinya dapat dilihat secara langsung melalui grafik output. 4. ANALISIS HASIL SIMULASI DAN SKENARIO Pada tahap ini akan membahas mengenai analisis hasil simulasi dan skenario kebijakan yang akan dihasilkan dari hasil pemodelan sistem sebelumnya. 4.1 Hasil Simulasi Eksisting Pada sub bab ini akan ditunjukkan hasil simulasi yang menggunakan data sekunder dan wawancara kepada pihak Direktorat Jenderal Perhubungan Udara. Simulasi dengan menggunakan software STELLA ini dilakukan dalam waktu simulasi antara tahun 2005 hingga tahun Simulasi dilakukan dalam satuan tahun. Dalam sub bab ini akan ditampilkan hasil simulasi dalam bentuk tabel dan gambar yang menunjukkan jumlah penumpang berangkat dari bandara, jumlah penumpang datang ke bandara, dan total penumpang bandara. Seperti yang telah dijelaskan sebelumnya bahwa penelitian ini difokuskan pada pembuatan alat bantu keputusan untuk evaluasi kapasitas bandara dan skenario kebijakan yang meliputi pengembangan terminal bandara domestik dan perubahan frekuensi penerbangan. Pada tabel 4 menunjukkan hasil simulasi eksisting jumlah penumpang berangkat, datang, dan total bandara. Tabel 4 Hasil Simulasi Eksisting 8

9 Tahu n Jumlah Berangkat dari Bandara Jumlah Datang ke Bandara Total Bandara ,242,864 2,686,691 5,929, ,794,370 3,174,371 6,968, ,936,708 3,462,129 7,398, ,025,824 3,692,066 7,717, ,179,135 4,037,673 8,216, ,189,717 4,089,505 8,279, ,254,319 4,297,919 8,552, ,364,934 4,621,335 8,986, ,425,450 4,818,238 9,243, ,586,367 5,202,349 9,788, ,097,209 5,860,413 10,957, ,172,961 5,962,363 11,135, ,249,031 6,053,347 11,302, ,464,610 6,312,511 11,777, ,011,869 6,655,235 12,667, ,351,756 6,763,170 13,114, ,727,658 6,884,922 13,612, ,906,009 6,948,921 13,854, ,016,237 7,025,603 14,041, ,027,974 7,026,132 14,054, ,323,779 7,255,239 14,579, ,347,551 7,256,349 14,603, ,387,557 7,268,559 14,656, ,450,501 7,310,122 14,760, ,546,292 7,399,825 14,946, ,546,292 7,409,269 14,955,561 Dengan melihat hasil simulasi dengan menggunakan frekuensi eksisting, dapat dilihat bahwa jumlah penumpang yang berangkat dari menuju bandara lain maupun jumlah penumpang datang dari bandara lain menuju terlihat semakin meningkat dari tahun ke tahun. Hal ini dapat diartikan bahwa pengguana jasa transportasi udara akan banyak digunakan oleh masyarakat setempat. Namun pada tahun 2018 hingga 2030 terjadi peningkatan yang tidak terlalu signifikan karena frekuensi penerbangan maskapai tidak mencukupi untuk mengangkut penumpang dari menuju bandara lain dan juga dari bandara lain menuju. Untuk lebih jelasnya berikut ini akan ditampilkan gambar 18 hingga 20 yang menunjukkan grafik hasil simulasi dari jumlah penumpang berangkat, datang, dan perbandingan kapasitas terminal dengan total penumpang bandara. Gambar 18 Simulasi Berangkat dari Gambar 19 Simulasi Datang ke Gambar 20 Simulasi Perbandingan Kapasitas dan Pada gambar diatas dapat dilihat bahwa pada tahun 2006 kondisi kapasitas terminal bandara yang berkapasitas orang per tahun telah overload karena jumlah total penumpang bandara melebihi kapasitas terminal. Selanjutnya akan ditampilkan gambar 21 dan 22 yang menunjukkan grafik hasil simulasi penumpang yang tidak terangkut dari dan menuju bandara. 9

10 perubahan variabel kapasitas bandara dengan kapasitas per tahun sejumlah orang per tahun dengan penambahan kapasitas terminal sejumlah orang per tahun. Gambar 21 Simulasi Tidak Terangkut dari Gambar 23 Perubahan Kapasitas Skenario Pertama Gambar 22 Simulasi Tidak Terangkut ke 4.2 Desain Skenario Kebijakan Penyusunan skenario kebijakan terhadap sistem penerbangan domestik Indonesia, khususnya bandara dapat dilakukan dengan cara mengubah nilai pada variabel yang berpengaruh terhadap sistem yang telah dibuat. Berdasarkan model eksisting yang telah dibuat sebelumnya, akan dilakukan perancangan skenario-skenario kebijakan yang akan terjadi pada masa mendatang. Dalam penelitian ini terdapat beberapa bentuk skenario kebijakan, yaitu : a. Perubahan nilai variabel kapasitas terminal bandara b. Pengoperasian bandara II dengan kebijakan akan digunakan oleh maskapai Lion, Sriwijaya, dan Citilink c. Perubahan nilai variabel penambahan frekuensi d. Skenario berbasis GDP (Gross Domestic Product) Perubahan Variabel Kapasitas Bandara Desain skenario ini bertujuan untuk melihat kondisi terminal bandara dengan adanya perubahan variabel kapasitas bandara. Variabel ini dapat diubah-ubah sesuai kebijakan dari pengelola bandara. Skenario pertama adalah pengaruh dari Dari gambar diatas dapat dilihat bahwa jika dengan adanya penambahan sebesar orang per tahun maka pada tahun 2007 kapasitas terminal sebesar orang per tahun, pada tahun 2016 kapasitas terminal sebesar orang per tahun, dan pada tahun 2026 kapasitas terminal sebesar orang per tahun. Namun kondisi diatas akan berbeda jika penambahan kapasitas terminal sebesar orang per tahun. Berikut ini akan ditampilkan grafik yang menunjukkan hasil simulasinya pada skenario kedua : Gambar 24 Perubahan Kapasitas Skenario Kedua Dari gambar diatas dapat dilihat bahwa jika dengan adanya penambahan sebesar orang per tahun maka pada tahun 2007 kapasitas terminal sebesar orang per tahun dan pada tahun 2020 kapasitas terminal sebesar orang per tahun Pengalihan Beberapa Maskapai ke II Desain skenario ini bertujuan untuk melihat akibat dari pemindahan operasional 10

11 maskapai Lion ke II sesuai dengan isu yang telah disebutkan sebelumnya. Akibat yang terjadi adalah dari variabel kapasitas akan mengalami jumlah yang berbeda dari sebelumnya Pengalihan Lion ] Pada model eksisting menunjukkan bahwa dari segi kapasitas terminal bandara telah overload pada tahun 2006 sehingga pada perubahan nilai variabel kapasitas terminal bandara berguna untuk melihat kebijakan jika akan dikembangkan dengan penambahan kapasitas terminal sebesar orang. Adanya penambahan kapasitas terminal tersebut, maka akan ditampilkan grafik hasil dengan alat bantu keputusan perubahan variabelnya. Berikut ini akan ditampilkan desain skenario pengoperasian bandara II yang digunakan oleh maskapai Lion yang telah banyak dibicarakan oleh pihak-pihak terkait yang telah disebutkan pada latar belakang. Pada gambar 25 merupakan grafik hasil dari perbandingan bandara dengan kapasitas orang per tahun. Sedangkan pada bandara II dengan kapasitas orang per tahun yang akan ditunjukkan pada gambar 26. Pada gambar 25 dan 26 diatas terlihat bahwa kapasitas terminal bandara akan overload pada tahun 2014 dengan kapasitas orang per tahun. Kondisi demikian juga terjadi pada terminal bandara II yang akan overload pada tahun 2014 dengan kapasitas orang per tahun Pengalihan Lion dan Sriwijaya Pada sub bab ini akan ditampilkan desain skenario pengoperasian bandara II yang digunakan oleh maskapai Lion dan Sriwijaya. Pada gambar 27 merupakan grafik hasil dari perbandingan kapasitas terminal dan total penumpang di bandara dengan kapasitas orang per tahun, sedangkan gambar 28 pada bandara II dengan kapasitas orang per tahun. Gambar 27 Kondisi Tanpa Lion dan Sriwijaya di Gambar 25 Perbandingan Kapasitas dan Gambar 28 Kondisi Dengan Lion dan Sriwijaya di II Gambar 26 Perbandingan Kapasitas dan II Pada gambar 4.10 dan 4.11 diatas terlihat bahwa kapasitas terminal bandara akan overload pada tahun 2020 dengan kapasitas orang per tahun. Kondisi demikian juga terjadi pada terminal bandara II yang overload pada tahun 2008 dengan kapasitas orang per tahun. 11

12 Pengalihan Lion dan Garuda Citilink Pada sub bab ini akan ditampilkan desain skenario pengoperasian bandara II yang digunakan oleh maskapai Lion dan Garuda Citilink. Pada gambar 29 merupakan grafik hasil dari perbandingan kapasitas terminal dan total penumpang di bandara dengan kapasitas orang per tahun, sedangkan gambar 30 pada bandara II dengan kapasitas orang per tahun. Gambar 29 Kondisi Tanpa Lion dan Citilink di Gambar 30 Kondisi Dengan Lion dan Citilink di II Pada gambar 29 dan 30 diatas terlihat bahwa kapasitas terminal bandara akan overload pada tahun 2020 dengan kapasitas orang per tahun. Kondisi demikian juga terjadi pada terminal bandara II yang overload pada tahun 2010 dengan kapasitas orang per tahun Perubahan Nilai Variabel Penambahan Frekuensi Pada desain skenario ini yang dapat diatur sesuai kebijakan maskapai berapa penambahan frekuensi yang akan dilakukan. Namun pada penambahan frekuensi ini berlaku secara makro yang memiliki maksud penambahan frekuensi ini berlaku untuk semua maskapai. Misalnya terdapat kebijakan penambahan frekuensi sebesar tujuh frekuensi seminggu pada tahun 2013 untuk setiap dua tahun, maka kondisi tersebut berlaku untuk semua maskapai yang diteliti. Pada tabel 5 dan gambar 31 dan 32 adalah hasil skenario pertama penambahan frekuensi pada penelitian ini dengan jumlah penambahan frekuensi sejumlah tujuh per minggu dimulai dengan penambahannya pada tahun 2013 dengan jangka waktu penambahan setiap dua tahun. Tabel 5 Hasil Simulasi Penambahan Frekuensi Jumlah Jumlah Total Tahu Berangkat Datang ke n dari Bandara Bandara Bandara ,266,488 2,686,691 5,953, ,822,012 3,174,371 6,996, ,965,386 3,462,129 7,427, ,055,151 3,692,066 7,747, ,209,580 4,037,673 8,247, ,220,239 4,089,505 8,309, ,285,311 4,297,919 8,583, ,396,733 4,621,335 9,018, ,457,689 4,818,238 9,275, ,619,778 5,316,263 9,936, ,135,455 6,171,923 11,307, ,212,368 6,504,622 11,716, ,289,605 6,860,123 12,149, ,510,068 7,580,808 13,090, ,113,576 8,654,599 14,768, ,505,672 9,754,518 16,260, ,993,397 10,908,576 17,901, ,265,457 12,063,342 19,328, ,574,836 12,941,455 20,516, ,615,144 13,574,415 21,189, ,876,427 15,068,811 23,945, ,980,582 16,036,902 25,017, ,155,866 16,491,699 25,647, ,431,651 17,831,686 27,263, ,210,614 18,776,481 28,987, ,595,945 20,289,905 30,885,850 12

13 Gambar 31 Tidak Terangkut dari Gambar 33 Simulasi Pertimbangan GDP Gambar 32 Tidak Terangkut ke Dua gambar diatas terlihat bahwa tidak terdapat penumpang yang tidak terangkut dari menuju bandara lain karena terdapat penambahan frekuensi sejumlah tujuh per minggu setiap dua tahun yang dimulai pada tahun Namun dengan kondisi penambahan tersebut, masih terdapat penumpang yang tidak terangkut menuju bandara karena jumlah penumpang yang menuju bandara lebih besar dari pada penumpang yang berangkat ke bandara lain. Untuk lebih jelasnya dapat dilihat pada tabel Skenario Berbasis GDP (Gross Domestic Product) Pada skenario ini membahas mengenai pertimbangan penerapan GDP yang berguna untuk mengetahui permintaan penumpang. Berikut ini akan ditampilkan gambar hasil simulasi total penumpang dengan mempertimbangkan GDP dan gambar perbandingan total penumpang tanpa GDP dan pertimbangan dengan menggunakan GDP : Gambar 34 Perbandingan Total Gambar 34 diatas menunjukkan bahwa diawal disimulasi terlihat perbandingan yang didapatkan tidak terlalu signifikan, namun pada simulasi tahun 2013 hingga akhir simulasi pada tahun 2030 terlihat adanya perbedaan. Hal ini terjadi karena input dari total penumpang tanpa mempertimbangkan GDP adalah data history penumpang tahun sedangkan total penumpang dengan mempertimbangkan GDP didapatkan dari jumlah penduduk yang dipengaruhi oleh data GDP yang telah didapatkan. Pada gambar 35 menunjukkan simulasi dengan menambahkan kapasitas sejumlah 4 juta orang per tahun : Gambar 35 Penambahan Kapasitas 4 juta dengan GDP Gambar diatas terlihat pada 2006 dan 2024 seharusnya terjadi pengembangan kapasitas 13

14 bandara. Sehingga skenario ini diharapkan dapat dijadikan perencanaan dalam pengembangan kapasitas bandara yang akan dilakukan. Pada gambar 36 menunjukkan hasil simulasi dengan mengembangkan bandara sebesar 5,5 juta orang per tahun : Gambar 36 Penambahan Kapasitas 5,5 juta dengan GDP Dari gambar diatas dapat dilihat bahwa pada tahun 2006 dan 2029 seharusnya dilakukan pengembangan kapasitas bandara agar pada dua tahun tersebut tidak terjadi overload yang menunjukkan total penumpang bandara telah melebihi kapasitas. 5. PENUTUP Bab ini berisi mengenai kesimpulan hasil penelitian dan saran yang berkaitan dengan penelitian selanjutnya. 5.1 Kesimpulan Pada bagian akhir ini akan dilakukan penarikan kesimpulan dari hasil pemodelan dan analisis yang telah dilakukan sebelumnya, yaitu : 1. Telah dilakukan pembuatan aplikasi model sistem dinamis untuk mengevaluasi kebutuhan kapasitas terminal bandara 2. Dari hasil simulasi eksisting pada tahun 2005 hingga 2030 didapatkan bahwa kapasitas terminal bandara telah overload pada tahun Pada skenario kebijakan pengembangan kapasitas terminal dengan total kapasitas sebesar akan bertahan hingga tahun Pada skenario pertama pengoperasian bandara II, yaitu maskapai Lion akan beroperasi di bandara II maka bandara dan II akan overload pada tahun Pada skenario kedua pengoperasian bandara II, yaitu maskapai Lion dan Sriwijaya akan beroperasi di bandara II maka bandara akan overload pada tahun 2020 dan bandara II telah overload pada tahun Pada skenario kedua pengoperasian bandara II, yaitu maskapai Lion dan Garuda Citilink akan beroperasi di bandara II maka bandara akan overload pada tahun 2020 dan bandara II telah overload pada tahun Pada skenario makro penambahan frekuensi sejumlah tujuh setiap dua tahun yang dimulai pada tahun 2013, didapatkan hasil penumpang dapat terangkut semua dari bandara menuju bandara lain 8. Pada skenario penambahan faktor GDP, didapatkan bahwa diawal disimulasi terlihat perbandingan yang didapatkan tidak terlalu signifikan, namun pada simulasi tahun 2013 hingga akhir simulasi pada tahun 2030 terlihat adanya perbedaan 5.2 Saran Adapun saran yang dapat diberikan untuk penelitian selanjutnya, yaitu : 1. Model dapat dikembangkan dengan menambahkan variabel penumpang transit serta variabel moda transportasi darat dan laut yang bertujuan untuk melihat pengaruh di terminal bandara 2. Penelitian dapat dikembangkan lebih lanjut untuk mengevaluasi kebutuhan kapasitas terminal seluruh bandara di Indonesia dengan memperhatikan terminal bandara pada penerbangan Internasional 6. DAFTAR PUSTAKA BISNIS, K Bandara Lama Difungsikan Kembali [Online]. Kabar Bisnis. Available: [Accessed]. 14

15 FORRESTER, J. W Industrial Dynamics, Cambridge, Massachusetts MIT. JUANDA, E Mendesak, Perluasan Terminal Bandara [Online]. Elban. Available: h=news&mod=yes&aksi=lihat&id=3 07 [Accessed]. JUANDA, E Kapasitas Bandara dinaikkan 90% [Online]. Elban. Available: mod=yes&aksi=lihat&id=379 [Accessed]. LEMER, A. C Measuring performance of airport passenger terminals. Transportation Research Part A: Policy and Practice, 26, MANATAKI, I. E. & ZOGRAFOS, K. G A generic system dynamics based tool for airport terminal performance analysis. Transportation Research Part C: Emerging Technologies, 17, MANATAKI, I. E. & ZOGRAFOS, K. G Assessing airport terminal performance using a system dynamics model. Journal of Air Transport Management, 16, PERHUBUNGAN, M Peraturan Menteri Perhubungan Nomor : KM 11 Tahun 2010 Tentang Tatanan Kebandarudaraan Nasional, Jakarta, Kementrian Perhubungan RUSDIANSYAH, A Teknik dan Manajemen Transportasi, Surabaya, Departemen Pendidikan Nasional. SOFYAN, A Pengantar Sistem Dinamik, Bandung, Teknik Lingkungan ITB. STERMAN, J. D Dynamics : Systems Thinking and Modeling for a Complex World, Boston, McGraw- Hill. TURBAN, E., ARONSON, J. E. & LIANG, T.-P Decision Support System and Intelligent Systems, New Jersey, Pearson Education, Inc. Upper Saddle River. UDARA, D. J. P Visi, Misi, Tujuan, Strategi [Online]. Departemen Perhubungan Republik Indonesia. Available: detail+12 [Accessed]. UDARA, D. J. P Pekerjaan Penyusunan Master Plan Angkutan Udara di Indonesia, Jakarta, PT. Digratia Avia. UDARA, D. J. P. 2010a. Statistik Angkutan Udara Tahun 2009, Jakarta, Kementrian Perhubungan. UDARA, D. J. P. 2010b. Tugas Pokok Direktorat Jenderal Perhubungan Udara [Online]. Departemen Perhubungan Republik Indonesia. Available: detail+13 [Accessed]. UDARA, D. J. P Kapasitas Angkutan Udara Dalam Negeri, Jakarta, Kementrian Perhubungan. WAHID, A Perencanaan Strategi Menggunakan Model Sistem Dinamik, Jakarta, Departemen Teknik Gas dan Petrokimia FTUI. WIRJODIRDJO, B Sistem Dinamik, Surabaya, Teknik Industri ITS. ZOGRAFOS, K. G. & MADAS, M. A Development and demonstration of an integrated decision support system for airport performance analysis. Transportation Research Part C: Emerging Technologies, 14,