Paul Rose Revenue Management Ltd. Santi Purwantini

Transkripsi

1 Paul Rose Revenue Management Ltd Santi Purwantini

2 Revenue Management Memaksimalkan pendapatan dengan mengelola permintaan (Philips, 2005) melalui strategi penetapan harga dan pengalokasian kapasitas (Kimes, 2000). Mengoptimal kan harga Memprediksi perilaku konsumen Mengalokasi kan persediaan Revenue Management

3 Airlines Revenue Management Kursi pesawat = Perishable product, nilai produk naik turun secara drastis dan sisa kursi tidak dapat disimpan. Pengelolaan seat inventory control (Bazargan, 2010). Persaingan pada Low Cost Carrier (Philips, 2005) & pada penerbangan paralel Strategi Penetapan Harga : Dynamic Pricing selling the right product to the right customers at the right prices and the right time (Ian Yeoman, dkk, 2011) Airlines Revenue Management

4 Penerbangan Paralel CUSTOMER CHOICE Jam Keberangkatan Flight A Flight B 07 : : 00 Customer Choice Time Sensitive Price Sensitive Balobaba, dkk (1999) Tipe 1 Tipe 2 Tipe 3 Tipe 4 Penerbangan Paralel: Melayani rute yang sama serta bersifat single leg Jam keberangkatan berbeda namun berdekatan Kebijakan Penerbangan A akan mempengaruhi kebijakan penerbangan B

5 Dynamic Pricing Dynamic Pricing dalam Revenue Management Quantity Based Price Based Talluri dan Van Ryzin, 2004 Dynamic Pricing with competition 1. Menentukan harga tiket secara dinamis berdasarkan waktu dan persediaan kursi 2. Menentukan harga tiket secara dinamis dengan mempertimbangkan harga tiket kompetitor

6 Price & Quantity Based RM Price Based Quantity based

7 Low Cost Carrier Penerbangan bertarif rendah Tidak ada kelas bisnis (hanya kelas ekonomi) Mengoperasikan 1 tipe pesawat Menerapkan Sub classes Tidak ada layanan tambahan Point to point

8 Penelitian yang dilakukan Dynamic pricing under competition (Li & Hua, 2007) Dynamic price competition with discrete customer choice (Lin & Sibdari, 2009) Dynamic price competition with fixed capacity (Mart & Talluri, 2010) PENGEMBANGAN MODEL PENETAPAN HARGA TIKET PESAWAT TERBANG UNTUK PENERBANGAN PARALEL PADA LOW COST CARRIER DENGAN MEMPERTIMBANGKAN HARGA TIKET KOMPETITOR DAN PERSEDIAAN KURSI

9 Posisi Penelitian Model Characteristic Lin & Sibdari (2009) Penelitian Terdahulu Li & Hua (2007) Mart & Talluri (2010) Penelitian ini Objective function Total expected revenue Decision Variabel Price Demand intensity Flight options Two flight with competition Time Based Continous Discrete Others Parameter Competition Passenger choice behaviour Based on quality of airlines

10 Posisi Penelitian

11 Rumusan Masalah Bagaimana mengembangkan model pada penelitian sebelumnya menjadi model penetapan harga tiket pesawat terbang untuk penerbangan paralel pada low cost carrier dengan mempertimbangkan harga tiket kompetitor dan persediaan kursi

12 Tujuan Penelitian 1. Menghasilkan model dynamic pricing untuk penerbangan paralel berbasis persediaan kursi dan waktu dengan mempertimbangkan penetapan harga kompetitor. 2. Membandingkan model dynamic pricing berbasis persediaan kursi dengan model dynamic pricing persediaan kursi dan waktu melalui parameter ekspektasi pendapatan. 3. Mengetahui pengaruh alokasi kursi terhadap penetapan harga yang optimal dengan melihat ekspektasi pendapatan. 4. Mengetahui pengaruh penetapan harga terhadap pendapatan dengan melihat ekspektasi pendapatan.

13 Manfaat Penelitian Model dynamic pricing yang dikembangkan dapat menjadi acuan bagi perusahaan penerbangan dalam menentukan harga tiket yang akan dibuka dalam menghadapi persaingan yang semakin ketat. Mengisi gap penelitian di bidang dynamic pricing competition airlines revenue management. Menjadi referensi atau rujukan penelitian selanjutnya di bidang dynamic pricing competition airlines revenue management.

14 Batasan Penelitian 1) Penelitian kali ini merupakan penelitian yang bersifat teoritis, bukan berdasarkan studi kasus tertentu. 2) Model yang dikembangkan pada penelitian ini hanya berfokus untuk kasus penerbangan paralel yang berbasis kompetisi antara dua maskapai LCC. 3) Kedua perusahaan penerbangan melayani penerbangan melalui rute dari satu origin ke satu destination (single leg) yang sama. 4) Model yang dikembangkan tidak memperhatikan no-show, cancellation, dan overbooking.

15 Asumsi Penelitian 1. Model yang dikembangkan hanya mempertimbangkan perilaku calon penumpang yang memilih penerbangan berdasarkan harga saja (konsumen tipe 3), tidak mempertimbangkan preferensi lainnya seperti jadwal keberangkatan, pelayanan, dan lain sebagainya. 2. Pada setiap event pembelian hanya akan terjadi satu transaksi untuk satu kursi penerbangan. 3. Model yang dikembangkan tidak mempertimbangkan perilaku calon penumpang yang melakukan pemesanan tiket melalui travel agent. 4. Pada event yang ditentukan seluruh kapasitas kursi yang terjual pada model telah memenuhi load factor minimum untuk kedua penerbangan. 5. Segala informasi mengenai sisa kursi serta harga kelas yang dibuka oleh kompetitor pada waktu t diketahui.

16 START Metodologi Penelitian Pengembangan dan Formulasi Model Pembuatan Algoritma Pembuatan Skenario 1. Mengikuti 2. Merespon Percobaan Numerik Parameter Input : waktu pembukaan kelas harga & Sisa Kursi Kesimpulan & Saran END

17 Deskripsi Model 0 T t PA* T+1 Selling horizon dibagi menjadi 4 periode waktu perubahan kelas harga Optimasi harga untuk memaksimalkan total pendapatan penerbangan A Harga akan bergantung pada harga kompetitor (B) waktu (t), dan sisa kursi penerbangan (na dan nb) Terdapat 3 kondisi sisa kursi : na=0 dan nb=0 na>0 dan nb=0 na>0 dan nb>0

18 Deskripsi Model 1. Model diselesaikan dengan metode dynamic programming. 2. Perhitungan dimulai dari T+1 (keberangkatan) dan secara berturut-turut mundur hingga T=0. 3. Hasil pada suatu event akan digunakan sebagai input untuk diakumulasikan pada event sebelumnya. 4. Terdapat 2 kemungkinan yang terjadi dalam setiap event Objective Function Maksimum ekspektasi pendapatan Decision Variable Harga Penerbangan A

19 Deskripsi Model (event 1) Rp /seat Rp /seat Penerbangan Maskapai A Penerbangan Maskapai B qa qb = 0 Kustomer Tipe 3

20 Deskripsi Model (event 2) Rp /seat Rp /seat Penerbangan Maskapai B Penerbangan Maskapai A q0 q0 + qa + qa =1 qa = qa menjadi qb Kustomer Tipe 3

21 Peluang Penerimaan Koefisien kelas harga: Kelas Harga Y B Q M Y 0 0,1 0,2 0,3 B 0,1 0 0,1 0,2 Q 0,2 0,2 0 0,1 M 0,3 0,3 0,2 0 Peluang Penerimaan masing-masing penerbangan QA Y B Q M Y 0, B 0,25 0, Q 3 0,25 0,3 0 M 0,35 0,3 0,35 0,35 QB Y B Q M Y 0,1 0,25 0,3 0,35 B 0 0,15 0,25 0,3 Q 0 0 0,3 0,35 M ,35

22 Koefisien Penerimaan Harga Koefisien harga : menyatakan perbandingan harga penerbangan A terhadap penerbangan B qa = peluang kustomer memilih penerbangan lain karena harga yang ditawarkan terlalu mahal. Harga dipilih dari alternatif kelas harga yang ditawarkan Kedatangan Kustomer λ₁ = 0,998 λ₂ = 0,986 λ₃ = 0,863 λ₄ = 0,5484

23 Notasi Model t [0,T] : menunjukkan event pada selling horizon. : 0 menunjukkan awal selling horizon, sedangkan T menunjukkan akhir selling horizon. T+1 : Event yang terjadi setelah selling horizon berakhir, yaitu pada saat waktu keberangkatan. P : merupakan alternatif kelas harga yang akan dibuka. P = {p1,p2,...pk}, dimana p1 > p2 >... > pk. Pki k : Kelas harga ke-k yang akan ditetapkan untuk penerbangan i. i = {A,B}. : Koefisien pasangan harga salah satu penerbangan terhadap harga penerbangan lainnya.

24 Cj qa(pki) qb(pki) qa (Pki) : Kapasitas penerbangan j : Peluang kustomer menerima harga P yang ditetapkan untuk penerbangan A. : Peluang kustomer menerima harga P yang ditetapkan oleh penerbangan B. : Peluang kustomer tidak menerima harga P yang ditetapkan untuk penerbangan A akibat harga yang ditetapkan oleh penerbangan B. λl : Demand intensity pada periode l. It R(t,nA,nB) Notasi Model : Kejadian pada waktu t. It = 1 apabila kejadian terjadi ; It = 0 apabila kejadian tidak terjadi. : Ekspektasi pendapatan untuk penerbangan A selama selang waktu [t, T+1], jika kursi yang tersisa saat t, sebanyak na dan nb.

25 Model dasar Lin & Sibdari (2009) U 1 s 1 s 2, t = λ max p 1 (q 1 p 1 s 1, t, p 2 p 1 + U 1 s 2, s 1 1, t 1 + (q 2 p 1 s 1, t, p 2 U 1 s 2 1, s 1, t 1 + (q 0 p 1 s 1, t, p 2 U 1 s 2, s 1, t 1 ) + 1 λ U 1 s 2, s 1, t 1 Pembelian tiket penerbangan A Null Event Pembelian tiket penerbangan B Tidak membeli keduanya

26 1 λ k=1 k=1 i,1 > λ i,2 Model dasar Demand Intensity Li dan Hua (2007) λ t, t = 1,2,3,4 λ 1 > λ 2 Model dasar Pricing Mart dan Talluri (2010) P A p t, A, p t, B = 1 0, 5 0 if p t, A < p t, B dan p t, A, v if p t, A = p t, B otherwise

27 ,.. Formulasi Model Penelitian Model pada event t < T+1 (selling horizon) Kondisi I (na = nb = 0) Revenue = 0 Kondisi II (na > 0 ; nb = 0) R t (n A, n B ) = max paεp λit qa + qa. pa + R t n A 1, 0 + (1 λit). R t n A, n B + 1 qa qa. R t n A, 0 Pembelian tiket penerbangan A Null Event Tidak membeli keduanya

28 Formulasi Model Penelitian Kondisi III (na > 0 ; nb > 0) R t (n A, n B ) = max paεp λit qa. pa + R t n A 1, 0 + qa. R t n A, n B qa qa. R t n A, 0 + (1 λit). R t n A, n B. Pembelian tiket penerbangan A Tidak membeli keduanya Null Event Pembelian tiket penerbangan B

29 Flowchart Start Hitung Revenue periode t=t+1 untuk berbagai kombinasi sisa kursi t = T+1 t = T-1 t = 0 ya NA > 0 tidak ya Stop A B

30 A Flowchart NB > 0 ya NA > NB tidak NA = NB tidak NA < NB ya ya Cari Harga Optimal utnuk penerbanan A dari alternatif harga (pai< pbi) Cari Harga Optimal utnuk penerbanan A dari alternatif harga (pai) Cari Harga Optimal utnuk penerbanan A dari alternatif harga (pai< pbi) Hitung Revenue untuk semua alternatif harga. Cari harga penerbangan A yang memaksimalkan revenue pada periode t Hitung Revenue untuk semua alternatif harga. Cari harga penerbangan A yang memaksimalkan revenue pada periode t Hitung Revenue untuk semua alternatif harga. Cari harga penerbangan A yang memaksimalkan revenue pada periode t B

31 Percobaan Numerik Percobaan Numerik untuk Alokasi Kursi Alokasi kursi kedua penerbangan sama Alokasi kursi kedua penerbangan A > penerbangan B (low fare) Alokasi kursi kedua penerbangan A < penerbangan B (low fare) Percobaan Numerik untuk Model Berbasis Persediaan Berbagai kombinasi sisa kursi pada akhir periode Percobaan Numerik untuk Model Berbasis Persediaan dan waktu Kebijakan Penerbangan A mengikuti Kebijakan Penerbangan B (follower) Kebijakan Penerbangan A ditetapkan, berubah mengikuti Penerbangan B

32 Parameter percobaan Numerik Kelas Harga B Periode Kenaikan Kelas Harga B (t sebelum keberangkatan) 1 Rp Rp Rp Rp ` SISA KURSI Kenaikan kelas Percobaan 1 Percobaan 2 Percobaan 3 harga event ke- Flight A Flight B Flight A Flight B Flight A Flight B Periode kenaikan kelas harga Periode kenaikan kelas harga penerbangan A` penerbangan B Kelas

33 Hasil Percobaan Numerik (1) Kelas Harga (Rp) Alokasi Kursi Skenario 1 Flight A Flight B Rp 1,000, Rp 850, Rp 750, Rp 650, Revenue Rp26,500,000 Rp26,500,000 Alokasi Kursi Skenario 2 Kelas Harga (Rp) Flight A Flight B Flight A Flight B Rp 1,000, Rp 850, Rp 750, Rp 650, Revenue Rp24,500,000 Rp25,000,000 Rp24,300,000 Rp25,500,000 Alokasi Kursi Skenario 3 Kelas Harga (Rp) Flight A Flight B Flight A Flight B Rp 1,000, Rp 850, Rp 750, Rp 650, Revenue Rp24,500,000 Rp23,800,000 Rp25,200,000 Rp23,800,000

34 Hasil Percobaan Numerik (2) Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp Kelas harga Waktu sebelum keberangkatan Kelas harga Waktu sebelum keberangkatan

35 Cont... Sisa Kursi A Sisa Kursi B

36 Cont... Jumlah Alokasi Kursi Pa4>Pb4 Pa4<Pb4 Pa4=Pb4 Pa1 > Pb1 Hasil Revenue Revenue A < Revenue B Revenue A > Revenue B Revenue A = Revenue B Revenue A > Revenue B Dengan kata lain, apabila dalam suatu kompetisi didapatkan sharing information secara utuh antara satu maskapai dengan maskapai lainnya, maka kebijakan penetapan harga terbaik adalah mencapai kondisi equilibrium. Dimana pendapatan kedua maskapai sama-sama optimal. apabila alokasi pada kedua penerbangan yang saling berkompetisi diketahui dan memiliki jumlah alokasi kursi yang sama pada masing-masing kelas harga maka pendapatan kedua penerbangan tersebut akan sama. Dalam hal ini tidak dipertimbangkan overbooking.

37 Hasil Percobaan Numerik (3) Kelas Harga Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp Kelas Harga Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp

38 Kelas Harga Hasil Percobaan Numerik (3) Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan (3) Periode Sisa kursi Kelas harga yang Flight A Flight B dibuka Periode Sisa kursi Kelas harga yang Flight A Flight B dibuka Kelas Harga Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan (1)

39 Cont... Keputusan penetapan harga di atas dipengaruhi oleh sisa kursi pada kedua penerbangan. Apabila selisih sisa kursi kedua penerbangan itu kecil atau sama, maka penerbangan A lebih baik membuka kelas harga dibawah kelas harga kompetitor. Hal ini bertujuan untuk menjaga kestabilan sisa kursi yang terjual, sehingga pada waktu selling horizon berakhir tidak ada lagi sisa kursi yang belum terjual. Hasil perhitungan di atas menunjukkan bahwa model telah sesuai dengan algoritma yang ditetapkan dan mampu menghasilkan penentuan harga berdasarkan sisa kursi pada waktu tertentu. Namun, penentuan harga tidak hanya berdasarkan sisa kursi pada kedua penerbangan. Penentuan harga untuk mengakomodasi kustomer yang mau membeli tiket pada kelas harga yang lebih tinggi juga harus dipertimbangkan. Oleh karena itu, penetapan harga pada masing-masing periode dengan jumlah alokasi kursi pada kelas harga tersebut akan menghasilkan ekspektasi pendapatan yang berbeda pula.

40 Hasil Percobaan Numerik (3) Kelas Harga Kelas Harga Penerbangan A Penerbangan B Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan Waktu Sebelum Keberangkatan Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp

41 Hasil Percobaan Numerik (3) Kelas Harga Penetapan harga penerbangan A = penerbangan B Penerbangan A Penerbangan B Waktu Sebelum Keberangkatan Ekspektasi Pendapatan sisa kursi A sisa kursi B Rp Rp Rp Rp Rp

42 Cont... Pada skenario kedua, penerbangan A menghasilkan nilai ekspektasi pendapatan yang lebih tinggi dibandingkan skenario pertama. Selisih antara skenario 1 berkisar antara 10-30% lebih tinggi dibanding skenario 2. Skenario Percobaan 1 Percobaan 2 Percobaan 3 Follower Rp Rp Rp Responser Rp Rp Rp

43 Kesimpulan Pada penelitian ini telah dikembangkan model dynamic pricing untuk penerbangan paralel berbasis persediaan kursi dengan mempertimbangkan harga kompetitor dan persediaan kursi Model dynamic pricing berbasis persediaan dan waktu memberikan hasil ekspektasi pendapatan yang lebih baik, namun hanya berbeda 2% dibandingkan dengan dynamic pricing berbasis persediaan. Pengalokasian kursi berpengaruh terhadap penetapan harga yang optimal dan ekspektasi pendapatan. Persediaan jumlah kursi pada masing-masing kelas harga harus dialokasikan secara optimal sesuai dengan demand pada kelas harga tersebut. Penentuan kebijakan dalan menetapkan harga berpengaruh terhadap ekspektasi pendapatan. Penetapan harga sendiri kemudian secar dinamis melakukan perubahan untuk merespon kompetitor memberikan hasil ekspektasi pendapatan yang lebih baik. Dengan selisih antara 10-30%

44

45 Analisa Sensitivitas Sisa kursi dan harga kompetitor. Kombinasi sisa kursi di akhir periode masingmasing percobaan konsisten (00 > 01). Demand intensity, peluang penerimaan, koefisien hanya mempengaruhi besarnya pendapatan, bukan keputusan penentuan harga.

46 Generate Sisa Kursi event Percobaan 1 Percobaan 2 Percobaan , no event , no event , , , no event , , no event , , no event , , , , no event , no event , no event , , ,44977 no event , , no event , no event , , no event , no event , , no event , no event , no event , , , , , , no event , no event , , , no event , no event , , , ,25027 no event , no event , , ,25236 no event , no event , no event , , no event , , no event , no event , no event , , , no event , , , , no event , no event , no event , , , no event , , ,05656 no event , no event , no event , , no event , no event , , , no event , , no event , no event , , , no event , , , , , , , , no event ,

47 Follower (1) P1 P2 P3 P4

48 Follower (1) P1 P2 P3 P4

49 Follower (1) simulasi seat allocation Time-Quantity Based (Model) Time-Quantity Based (Simulasi2) Time-Quantity Based (Simulasi1) Time-Quantity Based (Simulasi3)

50 Respon (3) PA PB XA XB 0 6,5 6,5 seat allocation A dan B sama R(t , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,757 39, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,899 79, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,21 127, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,17 154, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,65 260, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,531 P1 P2 P3 P4

51 Respon (3) PA PB XA XB 0 6,5 6,5 seat allocation A dan B sama R(t , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,757 39, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,899 79, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,21 127, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,17 154, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,65 260, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,531 P1 P2 P3 P4