OPTIMASI PENJADWALAN ARMADA PESAWAT TERBANG SUZI SEHATI
|
|
- Yulia Indradjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMASI PENJADWALAN ARMADA PESAWAT TERBANG SUZI SEHATI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
2 PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul Optimasi Penjadwalan Pesawat Terbang adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Juni 2014 Suzi Sehati NIM G
3 1 ABSTRAK SUZI SEHATI. Optimasi Penjadwalan Armada Pesawat Terbang. Dibimbing oleh AMRIL AMAN dan FARIDA HANUM. Salah satu permasalahan yang dihadapi maskapai penerbangan adalah memenuhi permintaan calon penumpang untuk setiap Origin-Destination (O-D) serta menentukan jenis pesawat yang digunakan pada setiap rute penerbangan secara efisien. Karya ilmiah ini menyajikan sebuah model optimasi untuk menentukan penugasan jenis pesawat terbang yang sesuai untuk setiap rute penerbangan yang telah terjadwalkan dengan biaya minimum. Total biaya terdiri atas biaya operasional dan biaya kehilangan penumpang. Model optimasi tersebut merupakan model pemrograman integer linear yang kemudian diimplementasikan pada kasus penerbangan maskapai Citilink dan diselesaikan menggunakan perangkat lunak Lingo Model ini menghasilkan penugasan setiap tipe pesawat untuk memenuhi permintaan pada setiap O-D dengan biaya minimum. Kata kunci: optimisasi, pemrograman integer linear, penjadwalan armada ABSTRACT SUZI SEHATI. Optimization of Fleet Assignment. Supervised by AMRIL AMAN and FARIDA HANUM. One of the common issues faced by airline companies relies on fulfilling passenger demands for Origin-Destination (O-D) routes using all fleet types. This paper presents an optimization model to determine fleet assignment for each flight route in order to minimize total costs. The total costs consist of the operating cost and passenger spill cost. The model is considered as an integer linear programming which is further implemented within the Citilink airlines schedule, and was solved using software Lingo The model produced a fleet assignment in order to fulfill demand for all O-Ds with minimum cost. Keywords: optimization, integer linear programming, fleet assignment
4 2 OPTIMASI PENJADWALAN ARMADA PESAWAT TERBANG SUZI SEHATI Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains pada Departemen Matematika DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014
5 3 Judul Skripsi : Optimasi Penjadwalan Armada Pesawat Terbang Nama : Suzi Sehati NIM : G Disetujui oleh Dr Ir Amril Aman, M Sc Pembimbing I Dra Farida Hanum, M Si Pembimbing II Diketahui oleh Dr Toni Bakhtiar, M Sc Ketua Departemen Tanggal Lulus:
6 4 PRAKATA Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 ini ialah penjadwalan, dengan judul Optimasi Penjadwalan Armada Pesawat Terbang. Terima kasih penulis ucapkan kepada Bapak Dr Ir Amril Aman, M Sc dan Ibu Dra Farida Hanum, M Si selaku pembimbing, serta Bapak Drs Prapto Tri Supriyo, M Kom yang telah banyak membantu dan memberi saran. Di samping itu, ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga dan teman-teman matematika 46, atas segala doa, bantuan dan kasih sayangnya. Karya ilmiah ini melengkapi tonggak penting dalam hidup penulis. Terima kasih atas semua dukungannya Semoga karya ilmiah ini bermanfaat. Bogor, Juni 2014 Suzi Sehati
7 5 DAFTAR ISI DAFTAR GAMBAR ix DAFTAR LAMPIRAN ix PENDAHULUAN 1 Latar Belakang 1 Tujuan Penelitian 1 TINJAUAN PUSTAKA 2 DESKRIPSI DAN FORMULASI MASALAH 2 Fleet Assignment 2 Passenger Spill Cost dan Recapture Rate 3 Teknik Jaringan Ruang dan Waktu 4 STUDI KASUS 6 Pengumpulan Data 6 Formulasi Model Matematika 7 HASIL DAN PEMBAHASAN 8 SIMPULAN DAN SARAN 11 Simpulan 11 Saran 11 DAFTAR PUSTAKA 12 LAMPIRAN 13 RIWAYAT HIDUP 35
8 6 DAFTAR GAMBAR 1 Urutan proses perencanaan jadwal penerbangan 2 2 Contoh teknik jaringan ruang-waktu 4 3 Ilustrasi hasil teknik jaringan ruang-waktu untuk setiap jenis armada 10 DAFTAR LAMPIRAN 1 Daftar anggota himpunan M 13 2 Data penerbangan, jarak, demand, dan standar deviasi 14 3 Data biaya penugasan setiap jenis armada untuk setiap nomor penerbangan 17 4 Data biaya pendukung untuk untuk penghitungan total spill cost 22 5 Program LINGO 11.0 untuk formulasi masalah 27 6 Hasil dari program LINGO Hasil fleet assignment 32
9 PENDAHULUAN Latar Belakang Pengaturan manajemen perusahaan penerbangan umumnya lebih banyak difokuskan pada hal-hal operasional; antara lain optimasi perencanaan penerbangan. Langkah-langkah yang dilakukan dalam optimasi perencanaan penerbangan adalah melakukan penjadwalan penerbangan, penugasan armada pesawat terbang, penentuan rute pesawat terbang, penjadwalan kru pesawat terbang, hingga perencanaan manpower (Bazargan 2004). Dalam perencanaan penerbangan, penugasan armada pesawat terbang merupakan langkah awal dimulainya penghitungan biaya operasional sehingga tahapan ini sangat memengaruhi tingkat efektivitas dan efisiensi penerbangan. Penentuan penugasan armada tidak sama dengan penentuan penugasan pesawat terbang. Penentuan penugasan armada hanya menentukan alur terbang armada di dalam suatu jaringan. Setiap armada pesawat terbang memiliki karakteristik yang berbeda-beda walaupun dibuat dalam satu perusahaan yang sama. Setiap armada yang diciptakan pasti memiliki keunggulan tersendiri sehingga biaya untuk menerbangkannya akan berbeda. Pengoptimuman biaya inilah yang menjadi tujuan dari penentuan penugasan armada pesawat terbang. Terdapat dua jenis biaya yang berkaitan dengan penugasan armada yaitu biaya operasional dan biaya tidak terangkutnya calon penumpang. Kedua jenis biaya tersebut harus diminimumkan agar dapat memberikan kontribusi keuntungan bagi maskapai penerbangan. Sumber utama karya ilmiah ini ialah buku yang berjudul Airline Operations and Scheduling oleh Massoud Bazargan pada tahun Bazargan (2004) menyajikan teknik-teknik penelitian operasional (operational research) dalam perancangan operasional pada perusahaan penerbangan secara umum. Dalam perencanaan penugasan armada, Bazargan menjelaskan dengan rinci mengenai biaya operasional, biaya kehilangan calon penumpang, besarnya kemungkinan untuk mendapatkan kembali calon penumpang yang hilang dan sebagainya. Karya ilmiah ini menggunakan model yang dikembangkan oleh Bazargan dengan siklus satu hari yang berulang dalam satu minggu. Tujuan Penelitian Tujuan penulisan karya ilmiah ini adalah mempelajari model dasar dari penugasan armada pesawat terbang dan menerapkannya pada salah satu maskapai penerbangan di Indonesia.
10 TINJAUAN PUSTAKA Masalah penentuan jenis armada pesawat penerbangan biasanya diformulasikan untuk siklus satu hari yang berulang dalam satu minggu, seperti dalam (Jarrah et al. 2000). Desaulniers et al. (1997) mengembangkan masalah penentuan jenis armada dengan penentuan rute pesawat terbang untuk flight leg yang lebih fleksibel dalam time windows. Yan dan Young (1996) mengembangkan sebuah framework pendukung keputusan untuk perutean multifleet dan penjadwalan penerbangan multi-stop. Pendekatan pada penelitian tersebut dilakukan dengan mengembangkan model matematis untuk menyelesaikan masalah iterasi dua fase. Renaud dan Boctor (2002) membahas mengenai algoritme untuk ukuran penerbangan dan permasalahan mix vehicle routing. Algoritme yang diusulkan awalnya akan menghasilkan rute-rute dalam jumlah besar untuk satu atau dua pesawat. Rute-rute yang terpilih dan pesawatnya nantinya akan dioptimalkan sebagai solusi. Papadakos (2006) memperkenalkan model penjadwalan penerbangan terintegrasi yang besarnya jumlah penerbangan dapat direduksi dengan menggabungkan dekomposisi Benders dan teknik pembangkitan kolom. Pendekatan yang lebih terintegrasi akan menurunkan biaya secara signifikan. Dalam karya ilmiah ini akan digunakan model dasar dari fleet assignment dengan siklus satu hari yang berulang dalam satu minggu dengan memperhatikan tiga biaya utama, yaitu biaya operasional, biaya kehilangan penumpang, dan recapture rate yang dimodifikasi dari model milik Bazargan. DESKRIPSI DAN FORMULASI MASALAH Bab ini akan membahas tentang fleet assignment, passenger-spill cost, recapture rate, dan teknik jaringan ruang-waktu kemudian dilanjutkan dengan formulasi matematika terhadap permasalahan tersebut. Fleet Assignment Proses penjadwalan penerbangan terdiri dari empat langkah yang ditangani secara independent dan dengan cara yang berurutan. Output setiap langkah memberikan input untuk langkah berikutnya. Berikut adalah empat langkah dalam proses penjadwalan penerbangan (Bazargan 2004). Schedule Design Penjadwalan penerbangan Fleet Assignment Penugasan armada pesawat terbang Crew Scheduling Penjadwalan kru pesawat terbang Aircraft Routing Penentuan rute pesawat terbang Gambar 1 Urutan proses perencanaan jadwal penerbangan
11 3 Pada karya ilmiah ini akan diterapkan model dasar dari fleet assignment. Fleet assignment adalah langkah kedua dalam optimasi perencanaan penerbangan. Perencanaan jadwal penerbangan diawali dengan membuat jadwal penerbangan awal dengan membuat flight leg. Flight leg adalah sebuah penerbangan nonstop antara bandara asal menuju bandara tujuan, misalkan CGK (Jakarta) - DPS (Bali). Mencocokkan flight leg dengan kapasitas armada yang dimiliki agar demand penumpang yang telah diramalkan terpenuhi disebut dengan fleet assignment. Tujuan utama dalam proses ini adalah memaksimumkan kontribusi keuntungan dari setiap armada. Kontribusi keuntungan (profit contribution) adalah pendapatan maksimum dari flight leg dikurangi dengan biaya penugasan. Hal-hal yang termasuk dalam biaya penugasan adalah biaya operasional armada, biaya mengangkut penumpang, biaya yang timbul akibat adanya penumpang yang tidak terangkut. Passenger-Spill Cost dan Recapture Rate Hal yang menjadi pertimbangan penting dalam penugasan armada adalah tingkat permintaan. Penggunaan armada dengan kapasitas besar untuk demand yang rendah akan mengakibatkan banyaknya kursi yang kosong yang disebut low load-factor. Penggunaan armada dengan kapasitas yang kecil untuk demand yang tinggi mengakibatkan adanya calon penumpang yang tidak terangkut. Calon penumpang yang tidak terangkut mengakibatkan adanya pendapatan yang hilang (spill cost). Biaya kehilangan tersebut dapat dihitung dengan cara sebagai berikut: Biaya kehilangan yang diharapkan = banyaknya penumpang tidak terangkut yang diharapkan RASM jarak penerbangan. Revenue per available seat mile (RASM) adalah pendapatan dari menerbangkan penumpang sebanyaknya kursi penumpang yang tersedia. Banyaknya penumpang yang tidak terangkut yang diharapkan -, dengan c adalah kapasitas armada untuk penumpang dan f(x) adalah sebaran peluang untuk demand (Bazargan 2004). Penghitungan integral di atas dapat dihitung dengan membuat simulasinya dalam MS Excel. Fungsi =norminv(rand(), demand, standar deviasi) digunakan untuk membuat simulasi demand. Dengan menggunakan fungsi if, hasil dari simulasi demand dihitung selisihnya dengan kapasitas armada untuk mengetahui banyaknya penumpang yang tidak terangkut. Bila melebihi kapasitas armada maka selisihnya akan menjadi nilainya, selainnya selisihnya bernilai 0. Simulasi ini diulang sebanyak kali dan nilai rata-rata banyaknya penumpang yang tidak terangkut adalah banyaknya penumpang tidak terangkut yang diharapkan. Calon penumpang yang tidak terangkut mungkin akan beralih ke kelas lain yang masih tersedia, mengambil jadwal penerbangan selanjutnya atau sebelumnya dan mungkin akan menggunakan jasa maskapai penerbangan lainnya. Bila calon penumpang tersebut menggunakan jasa maskapai penerbangan lain maka akan dihitung menjadi spill cost. Apabila calon penumpang memilih untuk pindah ke kelas yang masih tersedia atau memilih jadwal penerbangan selanjutnya atau sebelumnya berarti tidak terjadi biaya kehilangan, dan disebut dengan recapture rate. Jadi recapture rate adalah persentase mendapatkan kembali calon penumpang yang hampir hilang, sehingga Total spill cost = Expected spill cost (1 recapture rate) (Bazargan 2004).
12 4 Teknik Jaringan Ruang-Waktu Fokus utama dari fleet assignment adalah jenis armada untuk setiap flight leg. Teknik jaringan ruang-waktu (time-space network) digunakan untuk membuat dan mempermudah melihat model penjadwalan dan rute penerbangan armada. Tiap jaringan menunjukkan pergerakan satu jenis armada dengan periode waktu dan bandara tertentu. Terdapat dua komponen penting dalam jaringan ruangwaktu yaitu node dan arc. Node menunjukkan titik-titik waktu yang terkait jadwal kedatangan dan kepergian pesawat pada suatu bandara sedangkan arc adalah garis yang menghubungkan antara 2 node, yaitu node waktu keberangkatan dan node waktu kedatangan dan tinggal semalaman (stay overnight). Kota A Kota B Kota C Kota D Kota E keterangan: Gambar 2 Contoh teknik jaringan ruang-waktu Gambar 2 memperlihatkan terdapat 2, 2, 8, 6, 2 node di Kota A, B, C, D, E secara berurutan. Untuk Kota A, garis hitam menunjukkan armada B memulai penerbangan pada pukul untuk flight leg Kota A - Kota B. Selang 1 jam dari pukul disebut turn-around time (waktu minimum yang dibutuhkan sebuah pesawat mulai dari pesawat tersebut mendarat hingga siap untuk diberangkatkan kembali). Selanjutnya armada mendarat di Kota C pada pukul (node 5 di Kota C) lalu melanjutkan perjalanan kembali ke Kota A pada pukul dan tiba pada pukul Garis yang menghubungkan node (node 2 atau node terakhir di Kota A) dengan node (node pertama di Kota A) disebut wrap-around arc yang menunjukkan pesawat yang harus bermalam di bandara (Kota A). Untuk membatasi permasalahan penugasan armada pesawat terbang, maka digunakan beberapa asumsi antara lain: 1. satu siklus terdiri atas 1 hari (24 jam) yang berulang dalam 1 minggu, 2. tidak ada deadheading, artinya pesawat tidak boleh terbang dalam keadaan tanpa penumpang. Implikasinya pesawat yang bermalam di suatu bandara
13 5 tidak harus pesawat yang sama dengan yang digunakan di pagi hari asalkan armadanya sama, 3. jumlah pesawat dari setiap armada terbatas, 4. tingkat permintaan dan standar deviasi untuk setiap flight leg diketahui, 5. jenis penerbangan adalah penerbangan langsung tanpa transit, 6. Turn-around time tidak diperhitungkan. Model dasar dari fleet assignment kemudian dibuat dalam formulasi masalah yang berbentuk integer linear programming (ILP). Himpunan F = Himpunan nomor penerbangan, dengan indeks i, K = Himpunan jenis armada, dengan indeks j, M = Himpunan node yang ada dalam jaringan, dengan indeks k, C = Himpunan node pertama, himpunan bagian dari M, dengan indeks l, D = Himpunan node terakhir, himpunan bagian dari M, dengan indeks n. Parameter,, Variabel keputusan. Fungsi Objektif Fungsi objektif dari masalah ini ialah menimumkan total biaya yang dikeluarkan maskapai penerbangan untuk menerbangkan berbagai jenis armada yang dimiliki untuk setiap jadwal penerbangan yang telah disediakan dalam satu hari, yaitu Kendala Kendala pada permasalahan ini ialah sebagai berikut: 1 Setiap penerbangan hanya dapat dilayani oleh satu jenis armada
14 6 2 Kendala kontinuitas armada untuk setiap node kecuali node pertama. Kendala ini merupakan representasi dari teknik jaringan ruang-waktu. Sebagai ilustrasi, pada Gambar 2 di Kota A pada node (node 1) terdapat 1 pesawat yang kemudian pergi ke node 1 di Kota B sehingga banyaknya pesawat di node 1 Kota A adalah 0. Pada pukul (node 2) di Kota A datang 1 pesawat dari node 6 di Kota C sehingga banyaknya pesawat di node 2 ialah 1 yang berasal dari banyaknya pesawat di node 1 (0 pesawat) ditambah banyaknya pesawat yang datang ke node 2 (1 pesawat) dan dikurangi banyaknya pesawat yang pergi dari node 2 (0 pesawat). 3 Kendala kontinuitas armada di node pertama. Banyaknya pesawat di pagi hari pada node 1 sama dengan banyak pesawat yang berada di node terakhir ditambah banyaknya pesawat yang datang ke node 1 dan dikurangi banyaknya pesawat yang pergi dari node 1 4 Banyaknya pesawat yang digunakan tidak melebihi banyaknya pesawat yang dimiliki maskapai penerbangan untuk setiap jenis armada 5 Variabel keputusan untuk adalah integer nol atau satu 6 Variabel keputusan untuk adalah integer positif STUDI KASUS Studi kasus yang dilakukan penulis untuk karya ilmiah ini ialah masalah penjadwalan armada pada maskapai penerbangan Citilink. Pengumpulan Data Data yang digunakan adalah data penerbangan yang diambil dari website resmi Citilink. Data yang tersedia ialah jadwal penerbangan antarkota per harinya yang meliputi nomor penerbangan, bandar udara keberangkatan dan kedatangan, waktu keberangkatan dan kedatangan pada bandar udara, jenis armada, jumlah pesawat untuk setiap armada, serta harga tiket pesawat yang tidak akan dicantumkan dalam penelitian ini. Pada penelitian ini jadwal penerbangan yang akan diambil sebagai masukan ialah jadwal penerbangan untuk tanggal 11 Oktober Citilink melayani 104 penerbangan antar-19 kota di Indonesia untuk tanggal tersebut. Sembilan belas kota tersebut adalah Jakarta (CGK), Surabaya (SUB), Medan (MES), Bali (DPS), Lombok (LOP), Palembang (PLM), Semarang (SRG), Makassar (UPG), Padang (PDG), Jambi (DJB), Malang (MLG),
15 7 Yogyakarta (JOG), Bengkulu (BKS), Balikpapan (BPN), Pekanbaru (PKU), Tanjung Pandan (TJQ), Pangkalpinang (PGK), Batam (BTH), Banjarmasin (BDJ). Maskapai penerbangan Citilink menggunakan tiga jenis armada yaitu Airbus A320 sebanyak 22 pesawat dengan kapasitas 180 penumpang, Boeing B sebanyak 6 pesawat dengan kapasitas 148 penumpang dan Boeing B sebanyak 1 pesawat dengan kapasitas 170 penumpang. Cost per available seat miles (CASM) adalah biaya yang dikeluarkan untuk menerbangkan satu kursi penumpang. Besarnya CASM untuk armada A320, B dan B secara berurutan adalah $0.046, $0.045 dan $ Besarnya CASM didapatkan dari (Ozdemir et al. 2011). Revenue per available seat mile (RASM) adalah pendapatan dari penumpang berdasarkan banyaknya kursi penumpang yang terisi. Besarnya RASM ditentukan sebesar $0.15. Dengan asumsi rendahnya frekuensi penerbangan untuk beberapa kota maka ditentukan besarnya recapture rate adalah 15% dari penumpang yang tidak terangkut. Ini berarti 85% calon penumpang tidak dapat diangkut dan akhirnya jatuh kepada maskapai lainnya. Untuk data demand, standar deviasi, RASM, recapture rate ditentukan secara hipotetik dengan membangkitkan angka secara acak. Data penerbangan untuk nomor penerbangan, waktu keberangkatan, waktu kedatangan, jarak penerbangan, demand dan standar deviasi dilampirkan pada Lampiran 2. Data yang berhubungan dengan biaya pada Lampiran 3 dan 4. Himpunan Formulasi Model Matematika F = {QG850, QG854,, QG9632}; i = 1, 2,, 104, K = {A320, B , B } ; j = 1, 2, 3, M = {SRG1, SRG2,, CGK66}; k = 1, 2,, 197. Dengan membuat jaringan ruang-waktu diketahui banyaknya node untuk setiap kota. Kota Jakarta memiliki 66 node, Surabaya 32 node, Medan 10 node, Bali 13 node, Lombok 4 node, Jambi 2 node, Malang 2 node, Yogyakarta 2 node, Bengkulu 2 node, Balikpapan 6 node, Pekanbaru 8 node, Tanjung Pandan 2 node, Pangkalpinang 2 node, Batam 24 node, dan Banjarmasin 2 node. Jadi seluruhnya terdapat 197 node. Untuk daftar selengkapnya terdapat dalam Lampiran 1. C = {SRG1, BKS1, DJB1, PGK1, TJQ1, BDJ1, MLG1, JOG1, LOP1, PLM1, UPG1, BPN1, PKU1, MES1, PDG1, DPS1, BTH1, SUB1, CGK1}; l = 1, 3, 5, 7, 9, 11, 13, 15, 17, 21, 25, 29, 35, 43, 53, 63, 76, 100, 132. D = {SRG2, BKS2, DJB2, PGK2, TJQ2, BDJ2, MLG2, JOG2, LOP4,, PLM4, UPG4, BPN6, PKU8, MES10, PDG10, DPS13, BTH24, SUB32, CGK66}; n = 2, 4, 6, 8, 10, 12, 14, 16, 20, 24, 28, 34, 42, 52, 62, 75, 99, 131, 197.
16 8 Fungsi Objektif Fungsi objektif dari masalah ini ialah menimumkan total biaya yang dikeluarkan maskapai penerbangan untuk menerbangkan berbagai jenis armada yang dimiliki untuk setiap jadwal penerbangan yang telah disediakan dalam satu hari. Kendala Kendala pada permasalahan ini ialah sebagai berikut: 1 Masing-masing penerbangan dapat dilayani paling banyak oleh satu jenis armada 2 Kekontinuitasan pesawat di setiap node kecuali node pertama, jumlah pesawat dari setiap jenis armada di suatu node adalah penjumlahan dari banyaknya pesawat di node sebelumnya ditambah jumlah pesawat yang datang atau dikurangi jumlah pesawat yang pergi dari node tersebut. 3 Kekontinuitasan pesawat di node pertama, jumlah pesawat dari setiap jenis armada di node pertama adalah penjumlahan dari banyaknya pesawat di node terakhir ditambah jumlah pesawat yang datang atau dikurangi jumlah pesawat yang pergi dari node pertama. 4 Jumlah pesawat yang diperlukan seharusnya tidak melebihi jumlah pesawat yang dimiliki untuk setiap jenis armada 5 Variabel keputusan untuk adalah integer nol atau satu 6 Variabel keputusan untuk adalah integer positif
17 9 HASIL DAN PEMBAHASAN Model matematik diformulasikan dalam perangkat lunak LINGO 11.0 dan menghasilkan fungsi objektif sebesar $ ini berarti biaya minimum yang diperlukan untuk melakukan penerbangan sesuai jadwal yang telah tersedia pada tanggal 11 Oktober 2013 adalah sebesar $ Program dan hasil dari fleet assignment dapat dilihat pada Lampiran 5 dan 6. Hasil perhitungan pada LINGO 11.0 disajikan dalam Tabel 1 dan Lampiran 7. Kota A320 B B Kota A320 B B SRG UPG BKS BPN DJB PKU PGK MES TJQ PDG BDJ DPS MLG BTH JOG SUB LOP CGK PLM Tabel 1 Jumlah pesawat yang optimal di setiap kota pada akhir periode Dari Tabel 1 diketahui bahwa banyaknya pesawat yang digunakan adalah 18 dari 29 pesawat untuk memenuhi 104 penerbangan pada tanggal 11 Oktober Angka di dalam Tabel 1 menunjukan banyaknya pesawat yang optimal untuk setiap armada di setiap kota. Sebagai contoh, terdapat 5 pesawat dari armada A320, 5 pesawat dari armada B , dan 1 pesawat dari armada B yang harus menginap di Jakarta.
18 CGK SUB BPN LOP SRG JOG DPS Gambar 3 Ilustrasi hasil teknik jaringan ruang-waktu untuk setiap jenis armada berdasarkan Tabel 1. B , A320, B Gambar 3 hanya menunjukan teknik jaringan ruang-waktu untuk 1 pesawat dari setiap jenis armada. Sebagai contoh, rute penerbangan untuk B adalah pesawat berangkat dari Jakarta dengan nomor penerbangan QG811 menuju Surabaya pada pukul dan tiba pada pukul Penerbangan selanjutnya
19 11 menuju Jakarta dengan nomor penerbangan QG817 pada pukul kemudian mendarat di Jakarta pada pukul 12.55, dilanjutkan dengan penerbangan menuju Surabaya untuk nomor penerbangan QG804 pada pukul dan mendarat pada pukul selanjutnya pesawat akan menginap di bandara Surabaya. SIMPULAN DAN SARAN Simpulan Seiring dengan meningkatnya aktivitas masyarakat, transportasi udara menjadi salah satu solusi untuk mencapai suatu tempat dengan cepat dibandingkan dengan moda transportasi lainnya. Akibatnya, proses penjadwalan penerbangan menjadi sangat penting agar maskapai penerbangan mendapatkan keuntungan yang optimal. Bahan bakar pesawat, gaji pilot, biaya operasional pesawat, passenger-spill cost adalah biaya-biaya yang paling besar dalam maskapai penerbangan dan semua hal tersebut berhubungan dengan jenis armada dan pesawat. Oleh karena itu sangatlah penting untuk memilih jenis armada yang tepat untuk suatu flight leg karena dapat meminimumkan biaya. Yang berarti memaksimumkan kontribusi keuntungan bagi maskapai penerbangan. Ini berarti tahapan fleet assignment menjadi kunci dalam proses perencanaan jadwal penerbangan sebab hasil dari fleet assignment akan berpengaruh terhadap tahapan ketiga dan keempat dari perencanaan penerbangan. Saran Pada tulisan ini telah dibahas tahap kedua dalam proses perencanaan jadwal penerbangan yaitu penugasan armada pesawat terbang. Akan lebih baik lagi jika dilanjutkan dengan tahapan selanjutnya yaitu aircraft routing dan crew scheduling serta dikembangkan lagi modelnya agar dapat diaplikasikan dan lebih sesuai dengan kasus nyata yang terjadi di perusahaan.
20 12 DAFTAR PUSTAKA Bazargan M Airline Operations and Scheduling. Ed ke-2. Burlington (US): Ashgate. Desaulniers G, Desrosiers J, Dumas Y, Solomon M, Soumis, F Daily aircraft routing and scheduling. Management Science. 43(6): doi: /mnsc Jarrah AI, Goodstein J, Narasimhan R An efficient airline re-fleeting model for the incremental modification of planned fleet assignments. Transportation Science. 34(4): doi: /trsc Ozdemir Y, Basligil H, Nalbant KG Optimization of Fleet Assignment: A Case Study in Turkey. IJOCTA. 2(1): doi: /ijocta Papadakos N Integrated Airline Scheduling: Decomposition and Acceleration Techniques. London(GB): IC-PARC (centre for Planning and Resource Control). Renaud J, Boctor FF A sweep-based algorithm for the fleet size and mix vehicle routing problem. European Journal of Operational Research. 140(3): doi: /s (01) Yan S, Young H A decision support framework for multi-fleet routing and multi-stop flight scheduling. Transportation Research Part A :Policy and Practice. 30(5): doi: / (95)
21 13 Lampiran 1 Daftar anggota himpunan M Nomor Nodes Nomor Nodes Nomor Nodes Nomor Nodes Nomor Nodes 1 SRG1 37 PKU3 73 DPS SUB CGK14 2 SRG2 38 PKU4 74 DPS SUB CGK15 3 BKS1 39 PKU5 75 DPS SUB CGK16 4 BKS2 40 PKU6 76 BTH1 112 SUB CGK17 5 DJB1 41 PKU7 77 BTH2 113 SUB CGK18 6 DJB2 42 PKU8 78 BTH3 114 SUB CGK19 7 PGK1 43 MES1 79 BTH4 115 SUB CGK20 8 PGK2 44 MES2 80 BTH5 116 SUB CGK21 9 TJQ1 45 MES3 81 BTH6 117 SUB CGK22 10 TJQ2 46 MES4 82 BTH7 118 SUB CGK23 11 BDJ1 47 MES5 83 BTH8 119 SUB CGK24 12 BDJ2 48 MES6 84 BTH9 120 SUB CGK25 13 MLG1 49 MES7 85 BTH SUB CGK26 14 MLG2 50 MES8 86 BTH SUB CGK27 15 JOG1 51 MES9 87 BTH SUB CGK28 16 JOG2 52 MES10 88 BTH SUB CGK29 17 LOP1 53 PDG1 89 BTH SUB CGK30 18 LOP2 54 PDG2 90 BTH SUB CGK31 19 LOP3 55 PDG3 91 BTH SUB CGK32 20 LOP4 56 PDG4 92 BTH SUB CGK33 21 PLM1 57 PDG5 93 BTH SUB CGK34 22 PLM2 58 PDG6 94 BTH SUB CGK35 23 PLM3 59 PDG7 95 BTH SUB CGK36 24 PLM4 60 PDG8 96 BTH CGK1 168 CGK37 25 UPG1 61 PDG9 97 BTH CGK2 169 CGK38 26 UPG2 62 PDG10 98 BTH CGK3 170 CGK39 27 UPG3 63 DPS1 99 BTH CGK4 171 CGK40 28 UPG4 64 DPS2 100 SUB1 136 CGK5 172 CGK41 29 BPN1 65 DPS3 101 SUB2 137 CGK6 173 CGK42 30 BPN2 66 DPS4 102 SUB3 138 CGK7 174 CGK43 31 BPN3 67 DPS5 103 SUB4 139 CGK8 175 CGK44 32 BPN4 68 DPS6 104 SUB5 140 CGK9 176 CGK45 33 BPN5 69 DPS7 105 SUB6 141 CGK CGK46 34 BPN6 70 DPS8 106 SUB7 142 CGK CGK47 35 PKU1 71 DPS9 107 SUB8 143 CGK CGK48 36 PKU2 72 DPS SUB9 144 CGK CGK49
22 14 Nomor Nodes Nomor Nodes Nomor Nodes Nomor Nodes Nomor Nodes 181 CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK CGK65 Lampiran 2 Data penerbangan, jarak, demand, dan standar deviasi No. Flight No. a Origin-Destination Waktu a Jarak b (OD) a (Miles) Demand (Mean) Standar deviasi 1 QG850 CGK DPS QG854 CGK DPS QG9743 CGK DPS QG852 CGK DPS QG855 DPS CGK QG9744 DPS CGK QG853 DPS CGK 19:45-20: QG851 DPS CGK 20:30-21: QG830 CGK MES 05:55-08: QG832 CGK MES 06:55-09: QG836 CGK MES 12:15-14: QG834 CGK MES 17:25-19: QG831 MES CGK 08:40-10: QG837 MES CGK 09:30-11: QG833 MES CGK 18:50-21: QG835 MES CGK 20:10-22: QG9315 CGK SRG 16:30-17: QG9316 SRG CGK 18:15-19: QG815 CGK SUB 04:10-05: QG811 CGK SUB 06:10-07: QG801 CGK SUB 07:50-09: QG803 CGK SUB 11:35-12: QG805 CGK SUB 13:40-15: QG813 CGK SUB 16:15-17: QG817 CGK SUB QG807 CGK SUB QG809 CGK SUB QG816 SUB - CGK
23 15 No. Flight No. a Origin-Destination Waktu a Jarak b (OD) a (Miles) Demand (Mean) Standar deviasi 29 QG800 SUB - CGK 05: QG802 SUB - CGK 09: QG810 SUB - CGK QG804 SUB - CGK QG808 SUB - CGK QG812 SUB - CGK QG806 SUB - CGK QG814 SUB - CGK QG712 CGK - UPG QG9843 CGK - UPG QG844 UPG - CGK QG713 UPG - CGK QG9321 CGK - JOG QG9322 JOG - CGK : QG972 CGK - PDG : QG970 CGK - PDG QG973 PDG - CGK QG971 PDG - CGK QG9551 CGK - BKS QG9552 BKS - CGK QG9541 CGK - DJB QG9542 DJB - CGK QG9523 CGK - PGK QG9524 PGK - CGK QG9533 CGK - TJQ QG9534 TJQ - CGK QG936 CGK - PKU QG822 CGK - PKU QG937 PKU - CGK QG823 PKU - CGK QG9243 CGK - MLG QG9244 MLG - CGK QG642 SUB - DPS QG644 SUB - DPS QG646 SUB - DPS QG643 DPS - SUB QG645 DPS - SUB QG647 DPS - SUB
24 16 No. Flight No. a Origin-Destination Waktu a Jarak b (OD) a (Miles) Demand (Mean) Standar deviasi 67 QG664 SUB - LOP QG660 SUB - LOP QG665 LOP - SUB QG661 LOP - SUB QG923 SUB - BTH QG921 SUB - BTH QG920 BTH - SUB QG922 BTH - SUB QG914 BTH - PDG QG910 BTH - PDG QG912 BTH - PDG QG915 PDG - BTH QG911 PDG - BTH QG913 PDG - BTH QG882 MES BTH QG883 BTH MES QG931 BTH - PLM QG929 BTH - PLM QG930 PLM - BTH QG928 PLM - BTH QG932 BTH - PKU QG934 BTH PKU QG933 PKU - BTH QG935 PKU - BTH QG840 CGK - BTH QG9571 CGK - BTH QG842 CGK - BTH QG841 BTH - CGK QG9572 BTH - CGK QG843 BTH - CGK QG860 CGK - BPN QG861 BPN - CGK QG862 CGK - BPN QG863 BPN - CGK QG870 CGK - BDJ QG871 BDJ - CGK QG9631 CGK - BPN QG9632 BPN - CGK a Sumber: b Sumber:
25 17 Lampiran 3 Data biaya penugasan setiap jenis armada untuk setiap nomor penerbangan No. Flight no. Operating cost a Total spill cost Total cost b A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400 1 QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
26 18 No. Flight no. Operating cost a Total spill cost Total cost b A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
27 19 No. Flight no. Operating cost a Total spill cost Total cost b A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
28 20 No. Flight no. Operating cost a Total spill cost Total cost b A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
29 21 No. Flight no. Operating cost a Total spill cost Total cost b A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG a Operating cost = kapasitas armada jarak CASM; b Total cost = operating cost + total spill cost
30 22 Lampiran 4 Data biaya pendukung untuk untuk penghitungan total spill cost Expected passenger spill Expected spill cost No. Flight no. A320 B737_300 B737_400 A320 B737_300 B737_400 1 QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
31 23 No. Flight no. Expected passenger spill Expected spill cost A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
32 24 Expected passenger spill Expected spill cost No. Flight no. A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
33 25 No. Flight no. Expected passenger spill Expected spill cost A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
34 26 Expected passenger spill Expected spill cost No. Flight no. A320 B737_300 B737_400 A320 B737_300 B737_ QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
35 27 Lampiran 5 Program LINGO 11.0 untuk formulasi masalah SETS: FLIGHT; FLEET:SIZE; NODES; LINK1(FLIGHT,FLEET):X,COST; LINK2(NODES,FLEET):G; LIINK3(FLIGHT,NODES):S; ENDSETS!NODES: SRG(2), BKS(2), DJB(2), PGK(2), TJQ(2), BDJ(2), MLG(2), JOG(2), LOP(4), PLM(4), UPG(4), BPN(6), PKU(8), MES(10), PDG(10), DPS(13), BTH(24), SUB (32), CGK(66); DATA: @OLE('C:\Users\Toshiba\Desktop\lingoSole.XLSX','x')=x; ENDDATA SUBMODEL ASSIGN: MIN = TOTAL_BIAYA; TOTAL_BIAYA FLIGHT KONTINUITAS;!kendala untuk node selain node K#EQ#2:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J)) K#EQ#4:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J)) K#EQ#6:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J)) K#EQ#8:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J) K#EQ#10:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J) K#EQ#12:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J) K#EQ#14:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J) K#EQ#16:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J) K#GE#18#AND#K#LE#20:G(K-1,J)+@SUM(FLIGHT(I): K#GE#22#AND#K#LE#24:G(K-1,J)+@SUM(FLIGHT(I): K#GE#26#AND#K#LE#28:G(K-1,J)+@SUM(FLIGHT(I): K#GE#30#AND#K#LE#34:G(K-1,J)+@SUM(FLIGHT(I): K#GE#36#AND#K#LE#42:G(K-1,J)+@SUM(FLIGHT(I): K#GE#44#AND#K#LE#52:G(K-1,J)+@SUM(FLIGHT(I): K#GE#54#AND#K#LE#62:G(K-1,J)+@SUM(FLIGHT(I): S(I,K)*X(I,J))=G(K,J)));
36 28 S(I,K)*X(I,J))=G(K,J))); S(I,K)*X(I,J))=G(K,J))); :S(I,K)*X(I,J))=G(K,J))); :S(I,K)*X(I,J))=G(K,J)));!kendala untuk node pertama; +G(20,J)+G(24,J)+G(28,J)+G(34,J)+G(42,J)+G(52,J)+G(62,J)+G(75,J)+G(99,J)+ G(131,J)+G(197,J)<= SIZE(J));!TAKNEGATIF; @WRITE('Total Biaya ENDCALC = 'Penjadwalan armada pesawat ENDDATA
37 29 Lampiran 6 Hasil dari program LINGO 11.0 Total Biaya = Penjadwalan armada pesawat terbang: A320 B737_300 B737_400 A320 B737_300 B737_400 QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG QG
OPTIMASI RUTE PENERBANGAN MENGGUNAKAN INTEGER PROGRAMMING: STUDI KASUS DI PT CITILINK ELYSA FITRIYANI
OPTIMASI RUTE PENERBANGAN MENGGUNAKAN INTEGER PROGRAMMING: STUDI KASUS DI PT CITILINK ELYSA FITRIYANI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciPERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN JUMLAH DAN RUTE ARMADA PESAWAT TERBANG
PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN UNTUK PENENTUAN JUMLAH DAN RUTE ARMADA PESAWAT TERBANG Fadhilatul Azizah, Ahmad Rusdiansyah, Niniet Indah A. Jurusan Teknik Industri Institut Teknologi Sepuluh
Lebih terperinciMODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS DI PO RAYA
MODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS DI PO RAYA R. A. CAHYADI 1, A. AMAN 2, F. HANUM 2 Abstrak Penjadwalan keberangkatan bus merupakan salah satu hal
Lebih terperinciIII DESKRIPSI DAN FORMULASI MASALAH RUTE DAN JADWAL PESAWAT UNTUK MEMENUHI PERMINTAAN PENUMPANG
t = 1 SUBPROBLEM 1 x 1 = 3,75, x 2 = 2, 25, z = 41, 25 x 1 4 x 1 3 t = 2 SUBPROBLEM 2 x 1 = 4, x 2 = 1, 8, z = 41 SUBPROBLEM 3 t = 7 x = x 3, z = 39, LB = 40 1 2 = x 2 2 x 2 1 SUBPROBLEM 4 t = 3 TAK FISIBEL
Lebih terperinciBAB 2 GAMBARAN UMUM PERUSAHAAN. kita baru saja membenahi kondisi perekonomian yang cukup pelik,
BAB 2 GAMBARAN UMUM PERUSAHAAN 2.1. Sejarah dan Perkembangan Perusahaan PT. Mandala Airlines didirikan pada tanggal 17 April 1969 saat negara kita baru saja membenahi kondisi perekonomian yang cukup pelik,
Lebih terperinciDAFTAR ISI HALAMAN JUDUL... i HALAMAN PERNYATAAN... ii HALAMAN PERSETUJUAN... iii HALAMAN PENGESAHAN... iv INTISARI... v ABSTRACT
DAFTAR ISI HALAMAN JUDUL... i HALAMAN PERNYATAAN... ii HALAMAN PERSETUJUAN... iii HALAMAN PENGESAHAN... iv INTISARI... v ABSTRACT... vi MOTTO... vii HALAMAN PERSEMBAHAN... viii KATA PENGANTAR... xi DAFTAR
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 11 Latar Belakang Manajemen operasi suatu industri penerbangan merupakan suatu permasalahan Operations Research yang kompleks Secara umum, perusahaan dihadapkan pada berbagai persoalan dalam
Lebih terperinciMODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN
MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciOPTIMASI PENINGKATAN JUMLAH FREKUENSI PENERBANGAN PADA ARMADA PESAWAT CRJ1000 NEXTGEN (STUDI KASUS: PT GARUDA INDONESIA)
OPTIMASI PENINGKATAN JUMLAH FREKUENSI PENERBANGAN PADA ARMADA PESAWAT CRJ1000 NEXTGEN (STUDI KASUS: PT GARUDA INDONESIA) Amar Rachman 1, Annisa 2 Departemen Teknik Industri, Fakultas Teknik Universitas
Lebih terperinciMASALAH GROUND-HOLDING DENGAN DUA TERMINAL DALAM PENGENDALIAN LALU LINTAS UDARA
MASALAH GROUND-HOLDING DENGAN DUA TERMINAL DALAM PENGENDALIAN LALU LINTAS UDARA W. PRASETYO 1, F. HANUM 2, P. T. SUPRIYO 2 Abstrak Setiap maskapai penerbangan memiliki strategi untuk meminimumkan biaya
Lebih terperinciOPTIMASI BIAYA OPERASIONAL KERETA API DALAM SISTEM LOOP LINE MENGGUNAKAN PEMROGRAMAN INTEGER TAKLINEAR NOVARIA YUSRI
OPTIMASI BIAYA OPERASIONAL KERETA API DALAM SISTEM LOOP LINE MENGGUNAKAN PEMROGRAMAN INTEGER TAKLINEAR NOVARIA YUSRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciBAB IV METODOLOGI PENGAMBILAN KEPUTUSAN. Low Cost Carrier Citilink Garuda Indonesia periode Bulan Januari sampai dengan
61 BAB IV METODOLOGI PENGAMBILAN KEPUTUSAN 4.1. Objek Riset 4.1.1. Objek Riset Objek riset yang akan dievaluasi pada karya akhir ini adalah analisis implementasi Enterprise Resources Planning Route Profitability
Lebih terperinciPENYELESAIAN MASALAH CREW PAIRING MASKAPAI PENERBANGAN DENGAN 0-1 INTEGER PROGRAMMING ANNE YULIANA UTAMI DEWI
PENYELESAIAN MASALAH CREW PAIRING MASKAPAI PENERBANGAN DENGAN 0-1 INTEGER PROGRAMMING ANNE YULIANA UTAMI DEWI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENJADWALAN DISTRIBUSI BARANG MENGGUNAKAN MIXED INTEGER PROGRAMMING LAISANOPACI
PENJADWALAN DISTRIBUSI BARANG MENGGUNAKAN MIXED INTEGER PROGRAMMING LAISANOPACI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI
Lebih terperinciPENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI
PENGOPTIMUMAN BERBASIS DUAL MASALAH PENJADWALAN TIGA HARI KERJA DALAM SEMINGGU SECARA SIKLIS NUR HADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR
Lebih terperinciMODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN
MODEL OPTIMASI JADWAL UJIAN DAN IMPLEMENTASINYA PADA UNIVERSITAS TERBUKA ASMARA IRIANI TARIGAN SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2009 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI Dengan
Lebih terperinciOleh : BAGUS DWIPURWANTO
EVALUASI LOAD FACTOR PADA BANDARA INTERNASIONAL JUANDA SURABAYA TUJUAN SURABAYA JAKARTA DAN SURABAYA DENPASAR Oleh : BAGUS DWIPURWANTO 3106 100 016 PENDAHULUAN Latar Belakang Perumusan Masalah Tujuan Batasan
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Di dunia ini terdapat 3 jenis jalur transportasi, transportasi melalui darat, laut dan udara. Transportasi dari setiap jalur juga mempunyai banyak jenis, seperti
Lebih terperinciPaul Rose Revenue Management Ltd. Santi Purwantini
Paul Rose Revenue Management Ltd Santi Purwantini 2508 100 006 Revenue Management Memaksimalkan pendapatan dengan mengelola permintaan (Philips, 2005) melalui strategi penetapan harga dan pengalokasian
Lebih terperinciPENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS
PENGOPTIMUMAN MASALAH PENJADWALAN EMPAT HARI KERJA DALAM SEMINGGU SECARA SIKLIS BERBASIS DUAL ARIYANTO PAMUNGKAS DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciPENJADWALAN SIARAN IKLAN PADA TELEVISI MENGGUNAKAN METODE INTEGER LINEAR PROGRAMMING DAN METODE HEURISTIK DEVINA ANGGRAINI
PENJADWALAN SIARAN IKLAN PADA TELEVISI MENGGUNAKAN METODE INTEGER LINEAR PROGRAMMING DAN METODE HEURISTIK DEVINA ANGGRAINI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciMASALAH PENDISTRIBUSIAN BARANG MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER ANGGUN ARYANTI
MASALAH PENDISTRIBUSIAN BARANG MENGGUNAKAN PEMROGRAMAN LINEAR INTEGER ANGGUN ARYANTI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN
Lebih terperinciIMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO
IMPLEMENTASI MIX FLEET VEHICLE ROUTING PROBLEM PADA PENGANGKUTAN PEGAWAI IPB DENGAN MENGGUNAKAN BUS IPB GALIH FEBRIANTO DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciYour Slide Title KESIMPULAN DAN SARAN
Pengembangan Model Model Dynamic Dynamic Pricing Pricing untuk dengan Menentukan Mempertimbangkan Alokasi Kursi Pesawat Customer dengan Overflow Mempertimbangkan Kompetisi Customer Antar Overflow Dua Maskapai
Lebih terperinciIMPLEMENTASI FLEET SIZE AND MIX VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA PENDISTRIBUSIAN KORAN
IMPLEMENTASI FLEET SIZE AND MIX VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA PENDISTRIBUSIAN KORAN Maya Widyastiti *), Farida Hanum, Toni Bakhtiar Departemen Matematika FMIPA, Institut Pertanian Bogor
Lebih terperinciPerhitungan Break Event Point untuk Jalur Penerbangan Domestik Rute Semarang-Jakarta dengan Pesawat Boeing CFM56-3C
Perhitungan Break Event Point untuk Jalur Penerbangan Domestik Rute Semarang-Jakarta dengan Pesawat Boeing 737-400 CFM56-3C Diajukan untuk melengkapi dan memenuhi sebagian persyaratan untuk mencapai gelar
Lebih terperinciMengingat : 1. Undang-Undang Nomor 13 Tahun 2008 tentang Penyelenggaraan Ibadah Haji (Lembaran Negara
KEMENTERIAN PERHUBUNGAN DIREKTORAT JENDERAL PERHUBUNGAN UDARA INSTRUKSI DIREKTUR JENDERAL PERHUBUNGAN UDARA NOMOR : INST 009 TAHUN 2017 TENTANG PELAKSANAAN PENYELENGGARAAN ANGKUTAN UDARA HAJI TAHUN 1438
Lebih terperinciPENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA
PENJADWALAN MATA KULIAH MENGGUNAKAN INTEGER NONLINEAR PROGRAMMING Studi Kasus di Bina Sarana Informatika Bogor ERLIYANA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciMASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH
MASALAH PENJADWALAN KERETA SECARA PERIODIK DENGAN BIAYA MINIMUM PADA JALUR GANDA MUHAMMAD RIZQY HIDAYATSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Di era modern ini, sering kali segala sesuatu dituntut serba cepat. Di negara yang sedang berkembang, misalnya Indonesia, banyak hal yang dituntut tepat waktu untuk
Lebih terperinciPengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara berdasarkan Pengendalian Ruang Kargo dan Overbooking Limit
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-5 1 Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara berdasarkan Pengendalian Ruang Kargo dan Overbooking Limit Arfini Alivia Dewanty dan Ahmad
Lebih terperinciBAB I PENDAHULUAN Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Pesawat terbang merupakan salah satu sarana angkutan umum yang sering digunakan banyak orang, dikarenakan lebih mengefisiensi waktu dalam bepergian. Faktanya,
Lebih terperinciPENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW
INFOMATEK Volume 19 Nomor 1 Juni 2017 PENGARUH NILAI PARAMETER TERHADAP SOLUSI HEURISTIK PADA MODEL VTPTW Tjutju T. Dimyati Program Studi Teknik Industri Fakultas Teknik Universitas Pasundan Abstrak: Penentuan
Lebih terperinciOPTIMISASI KELAS TIKET PADA SATU RUTE PENERBANGAN DOMESTIK SKRIPSI AMSAL SURBAKTI
OPTIMISASI KELAS TIKET PADA SATU RUTE PENERBANGAN DOMESTIK SKRIPSI AMSAL SURBAKTI 100803034 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2014 OPTIMISASI
Lebih terperinciTRAVELING SALESMAN PROBLEM DENGAN KENDALA TIME WINDOWS ACHMAD KAMILLUDDIN
TRAVELING SALESMAN PROBLEM DENGAN KENDALA TIME WINDOWS ACHMAD KAMILLUDDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2014 PERNYATAAN MENGENAI SKRIPSI
Lebih terperinciPENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM. Oleh: WULAN ANGGRAENI G
PENYELESAIAN MASALAH PENGIRIMAN PAKET KILAT UNTUK JENIS NEXT-DAY SERVICE DENGAN MENGGUNAKAN TEKNIK PEMBANGKITAN KOLOM Oleh: WULAN ANGGRAENI G54101038 PROGRAM STUDI MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPerancangan Alat Bantu Pengambilan Keputusan Berbasis Sistem Dinamik Untuk Mengevaluasi Kebutuhan Kapasitas Bandara Juanda
Sidang Tugas Akhir Perancangan Alat Bantu Pengambilan Keputusan Berbasis Sistem Dinamik Untuk Mengevaluasi Kebutuhan Kapasitas Bandara Juanda Diajukan oleh : Febru Radhianjaya 2507 100 117 Jurusan Teknik
Lebih terperinciOPTIMASI MASALAH TRANSPORTASI MENGGUNAKAN METODE POTENSIAL PADA SISTEM DISTRIBUSI PT. MEGA ELTRA PERSERO CABANG MEDAN SKRIPSI
OPTIMASI MASALAH TRANSPORTASI MENGGUNAKAN METODE POTENSIAL PADA SISTEM DISTRIBUSI PT. MEGA ELTRA PERSERO CABANG MEDAN SKRIPSI DIAH PURNAMA SARI 090803062 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU
Lebih terperinciPENJADWALAN MATA PELAJARAN DI SEKOLAH: STUDI KASUS DI SMPIT NURUL FAJAR BOGOR MUHAMMAD IZZUDDIN
PENJADWALAN MATA PELAJARAN DI SEKOLAH: STUDI KASUS DI SMPIT NURUL FAJAR BOGOR MUHAMMAD IZZUDDIN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN
Lebih terperinciLatar Belakang. Kelas Penerbangan. Tipe Penumpang. Dua Komponen Dalam Penerbangan Yang Perlu Dikelola Supaya Pendapatan Maskapai Bisa Maksimal ARM
PERANCANGAN MODEL PENGELOLAAN PENDAPATAN PADA DUA PENERBANGAN PARALEL DENGAN MEMPERTIMBANGKAN PERPINDAHAN PENUMPANG MENGGUNAKAN METODE SIMULASI DISKRIT SIDANG TUGAS AKHIR KHOIRUN NISA 2507 100 061 Pengantar
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Indonesia merupakan negara yang luas yang terdiri dari banyak pulau.
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang luas yang terdiri dari banyak pulau. Kondisi geografis yang sedemikian rupa menyebabkan alat-alat transportasi baik transportasi darat,
Lebih terperinciMODEL PERSEDIAAN TERINTEGRASI SATU-PRODUSEN MULTI-PENGECER DENGAN KENDALI BIAYA PERSIAPAN PRODUKSI DAN PENGOPTIMALAN JALUR TRANSPORTASI
MODEL PERSEDIAAN TERINTEGRASI SATU-PRODUSEN MULTI-PENGECER DENGAN KENDALI BIAYA PERSIAPAN PRODUKSI DAN PENGOPTIMALAN JALUR TRANSPORTASI oleh SITI ZULFA CHOIRUN NISAK M0111077 SKRIPSI ditulis dan diajukan
Lebih terperinciEVALUASI ON TIME PERFORMANCE PESAWAT UDARA DI BANDAR UDARA HUSEIN SASTRANEGARA MENGGUNAKAN APLIKASI FLIGHTRADAR24
EVALUASI ON TIME PERFORMANCE PESAWAT UDARA DI BANDAR UDARA HUSEIN SASTRANEGARA MENGGUNAKAN APLIKASI FLIGHTRADAR24 Ganayu Girasyitia Jurusan Teknik Sipil Universitas Katolik Parahyangan Jln. Ciumbuleuit
Lebih terperinciPENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB PENDAHULUAN
PENJADWALAN KEGIATAN PERKULIAHAN MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI PROGRAM STUDI S1 MATEMATIKA FMIPA IPB RUHIYAT 1, F. HANUM 1, R. A. PERMANA 2 Abstrak Jadwal mata kuliah mayor-minor yang tumpang
Lebih terperinciPEMODELAN PENENTUAN KOMPOSISI PRODUK UNTUK MEMAKSIMALKAN KEUNTUNGAN PERUSAHAAN JENANG KUDUS ROSMA MULYANI
PEMODELAN PENENTUAN KOMPOSISI PRODUK UNTUK MEMAKSIMALKAN KEUNTUNGAN PERUSAHAAN JENANG KUDUS ROSMA MULYANI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2008 PERNYATAAN MENGENAI TESIS DAN SUMBER INFORMASI
Lebih terperinciPenerapan Graf dalam Optimasi Jalur Penerbangan Komersial dengan Floyd-Warshall Algorithm
Penerapan Graf dalam Optimasi Jalur Penerbangan Komersial dengan Floyd-Warshall Algorithm Hisham Lazuardi Yusuf 13515069 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciPERKEMBANGAN TRANSPORTASI SEPTEMBER 2017 PROVINSI LAMPUNG
Moda transportasi udara paling banyak digunakan oleh penumpang untuk perjalanan ke luar Provinsi Lampung, yaitu 41,65. BADAN PUSAT STATISTIK PROVINSI LAMPUNG PERKEMBANGAN TRANSPORTASI SEPTEMBER PROVINSI
Lebih terperinciBPS PROVINSI LAMPUNG PERKEMBANGAN TRANSPORTASI DESEMBER 2015 PROVINSI LAMPUNG. No. 12/02/18/Th. IV, 1 FEBRUARI 2016
BPS PROVINSI LAMPUNG No. 12/02/18/Th. IV, 1 FEBRUARI 2016 PERKEMBANGAN TRANSPORTASI DESEMBER PROVINSI LAMPUNG Jumlah penumpang kereta api yang berangkat dari Stasiun Kereta Api Tanjung Karang Lampung pada
Lebih terperinciBAB V KESIMPULAN DAN SARAN
92 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Dari penelitian yang telah dilakukan, berikut akan disajikan kesimpulan hasil penelitian tersebut, yaitu sebagai berikut : 1. Hasil pengujian hipotesis pertama
Lebih terperinciPENJADWALAN KARYAWAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI TAMAN AIR TIRTAMAS PALEM INDAH JAKARTA PUTRI AGUSTINA EVERIA
PENJADWALAN KARYAWAN MENGGUNAKAN INTEGER LINEAR PROGRAMMING: STUDI KASUS DI TAMAN AIR TIRTAMAS PALEM INDAH JAKARTA PUTRI AGUSTINA EVERIA DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB I PENDAHULUAN 1.1 Gambaran Umum Objek Penelitian Profil Perusahaan PT. AirAsia Indonesia
BAB I PENDAHULUAN 1.1 Gambaran Umum Objek Penelitian 1.1.1 Profil Perusahaan PT. AirAsia Indonesia Bisnis penerbangan di Indonesia semakin terlihat menjanjikan. Pengguna jasa penerbangan di negara kita
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Perkembangan jasa pelayanan maskapai penerbangan dari tahun ke tahun semakin menjadi perhatian masyarakat luas. Hal itu dapat dilhat dari ketatnya persaingan
Lebih terperinciOPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM) USING A LINEAR PROGRAMMING APPROACH TO FULFILL THE DEMAND (Case Study : PT.
OPTIMASI BANYAKNYA GENTRY PENGISIAN BAHAN BAKAR MINYAK (BBM) DENGAN PENDEKATAN PROGRAM LINIER UNTUK MEMENUHI PERMINTAAN (Studi Kasus : PT.XYZ Surabaya) OPTIMIZATION THE NUMBER OF GENTRY FILLING OIL (BBM)
Lebih terperinciBAB 3 LINEAR PROGRAMMING
BAB 3 LINEAR PROGRAMMING Teori-teori yang dijelaskan pada bab ini sebagai landasan berpikir untuk melakukan penelitian ini dan mempermudah pembahasan hasil utama pada bab selanjutnya. 3.1 Linear Programming
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciUniversitas Bina Nusantara
Universitas Bina Nusantara Teknik Industri Sistem Informasi Skripsi Sarjana Program Ganda Semester Ganjil 2005 / 2006 Analisis dan Perancangan Sistem Penjadwalan Awak Pesawat Dengan Optimalisasi Periode
Lebih terperinciFRACTIONAL AIRCRAFT OWNERSHIP
BAB 2 FRACTIONAL AIRCRAFT OWNERSHIP Fractional Aircraft Ownership (FAO) adalah konsep kepemilikan pesawat di mana pengguna hanya perlu membeli sebagian kecil saham dari pesawat dibanding membeli keseluruhan
Lebih terperinciBAB V HASIL DAN ANALISIS
73 BAB V HASIL DAN ANALISIS 1.1. Hasil 1.1.1. Konsep LCC Berdasarkan data primer hasil interview bahwa konsep penerapan LCC pada Citilink Garuda Indonesia sebagai berikut: LCC Citilink Garuda Indonesia
Lebih terperinciBAB II DESKRIPSI PERUSAHAAN. sejarah PT Garuda Indonesia sebagai induk dari SBU Citilink. Sebagai national
8 BAB II DESKRIPSI PERUSAHAAN 2.1. Sejarah Perusahaan Sebelum masuk ke SBU Citilink yang merupakan unit usaha mandiri yang berada didalam lingkup perusahaan PT Garuda Indonesia maka perlu melihat sejarah
Lebih terperinciPERENCANAAN RUTE ANGKUTAN UMUM DARI BANDARA INTERNATIONAL LOMBOK KE KOTA MATARAM
PERENCANAAN RUTE ANGKUTAN UMUM DARI BANDARA INTERNATIONAL LOMBOK KE KOTA MATARAM Artyas Ebtadi (3106 100 720) Dosen Pembimbing : Ir. Hera Widyastuti, MT. JURUSAN TEKNIK SIPIL Fakultas Teknik Sipil dan
Lebih terperinciPENENTUAN RUTE DISTRIBUSI LPG DENGAN PENDEKATAN MODEL MATEMATIS
PENENTUAN RUTE DISTRIBUSI LPG DENGAN PENDEKATAN MODEL MATEMATIS Annisa Kesy Garside, Xamelia Sulistyani, Dana Marsetiya Utama Jurusan Teknik Industri, Fakultas Teknik, Universitas Muhammadiyah Malang,
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH SIMULTANEOUS PICK-UP AND DELIVERY SERVICE MENGGUNAKAN ALGORITME TABU SEARCH SYUKRIO IDAMAN
PENYELESAIAN VEHICLE ROUTING PROBLEM WITH SIMULTANEOUS PICK-UP AND DELIVERY SERVICE MENGGUNAKAN ALGORITME TABU SEARCH SYUKRIO IDAMAN DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciSEMINAR NASIONAL ke 8 Tahun 2013 : Rekayasa Teknologi Industri dan Informasi MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND
MASALAH TRANSPORTASI DENGAN FUZZY SUPPLY DAN FUZZY DEMAND Ridayati Ircham Jurusan Teknik Sipil STTNAS Jalan Babarsari Caturtunggal Depok Sleman e-mail: ridayati@gmail.com ABSTRAK Tulisan ini membahas tentang
Lebih terperinciModel Penentuan Lokasi Pendirian Distribution Center
Petunjuk Sitasi: Wati, P. E., Nuha, H., & Murnawan, H. (2017). Model Penentuan Lokasi Pendirian Distribution Center. Prosiding SNTI dan SATELIT 2017 (pp. H70-74). Malang: urusan Teknik Industri Universitas
Lebih terperinciBAB 2 KAJIAN PUSTAKA
BAB 2 KAJIAN PUSTAKA 2.1 DEFINISI FRACTIONAL AIRCRAFT OWNERSHIP Fractional Aircraft Ownership (FAO), yang dikenal pula dengan sebutan Fractional Jets, merupakan suatu konsep kemilikan pesawat secara bersama
Lebih terperinciPENENTUAN WAKTU KEDATANGAN PESAWAT DI BANDAR UDARA HUSEIN SASTRANEGARA BANDUNG DENGAN SISTEM PERSAMAAN LINEAR ATAS ALJABAR MAKS-PLUS
PENENTUAN WAKTU KEDATANGAN PESAWAT DI BANDAR UDARA HUSEIN SASTRANEGARA BANDUNG DENGAN SISTEM PERSAMAAN LINEAR ATAS ALJABAR MAKS-PLUS oleh CASILDA REVA KARTIKA M0112021 SKRIPSI ditulis dan diajukan untuk
Lebih terperinciMODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS PO RAYA RAZONO AGALL CAHYADI
MODEL PENJADWALAN KEBERANGKATAN BUS DENGAN STRATEGI ALTERNATING DEADHEADING: STUDI KASUS PO RAYA RAZONO AGALL CAHYADI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinciBab 2. Regulasi Aircrew. 2.1 Peraturan Terbang Homebase Lisensi Pilot
Bab 2 Regulasi Aircrew PT. Garuda Indonesia (Persero) mempunyai peraturan - peraturan kerja untuk setiap crew yang harus dipenuhi sebelum membuat jadwal kerja crew. Peraturan- peraturan kerja ini merupakan
Lebih terperinciMINIMALISASI KETERLAMBATAN KERETA API (STUDI KASUS PADA JADWAL KERETA API DI PT KERETA API INDONESIA DAOP IV SEMARANG)
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 MINIMALISASI KETERLAMBATAN KERETA API (STUDI KASUS PADA JADWAL KERETA API DI PT KERETA API INDONESIA DAOP
Lebih terperinciII TINJAUAN PUSTAKA 2.1 Graf Definisi 1 (Graf, Graf Berarah dan Graf Takberarah) 2.2 Linear Programming
4 II TINJAUAN PUSTAKA Untuk memahami permasalahan yang berhubungan dengan penentuan rute optimal kendaraan dalam mendistribusikan barang serta menentukan solusinya maka diperlukan beberapa konsep teori
Lebih terperinciANALISA DAN PERANCANGAN SISTEM PENJADWALAN PENERBANGAN PADA P.T. SRIWIJAYA AIR
UNIVERSITAS BINA NUSANTARA Program Ganda Sistem Informasi - Teknik Industri Skripsi Sarjana Program Ganda Semester Ganjil 2004/2005 ANALISA DAN PERANCANGAN SISTEM PENJADWALAN PENERBANGAN PADA P.T. SRIWIJAYA
Lebih terperinciAirline Shortest Path Software
Analisis Algoritma Pemilihan Lintasan Terpendek pada Penerbangan Domestik untuk Perancangan Airline Shortest Path Software Tugas Akhir Diajukan untuk Memenuhi Syarat Kelulusan Sarjana Strata 1 Oleh : S
Lebih terperinciBPS PROVINSI LAMPUNG PERKEMBANGAN TRANSPORTASI FEBRUARI 2014 PROVINSI LAMPUNG. No. 12/04/18/Th. III, 1 April 2015
BPS PROVINSI LAMPUNG PERKEMBANGAN TRANSPORTASI FEBRUARI PROVINSI LAMPUNG No. 12/04/18/Th. III, 1 April Jumlah penumpang kereta api yang berangkat dari Stasiun Kereta Api Tanjung Karang Lampung pada sebanyak
Lebih terperinciBAB 2 GAMBARAN UMUM PERUSAHAAN
BAB 2 GAMBARAN UMUM PERUSAHAAN 2.1. Sejarah Perusahaan P.T. Sriwijaya Air atau lebih dikenal dengan nama Sriwijaya Air adalah perusahaan penerbangan swasta nasional yang saat ini eksis meramaikan dunia
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN MODEL SIMULASI (NS-3) yang dibutuhkan kedalam database MySQL. Data informasi client (NAVAID)
BAB III ANALISIS DAN PERANCANGAN MODEL SIMULASI (NS-3) 3.1 Perancangan Perangkat Lunak (Software) Untuk melihat informasi yang akan dikirimkan dari client (Navigation Aid, NAVAID) ke server (FIR Jakarta
Lebih terperinciMODEL KEBIJAKAN PENGELOLAAN PERSEDIAAN KURSI PENUMPANG KERETA API SECARA DINAMIS UNTUK MEMAKSIMALKAN PENDAPATAN
MODEL KEBIJAKAN PENGELOLAAN PERSEDIAAN KURSI PENUMPANG KERETA API SECARA DINAMIS UNTUK MEMAKSIMALKAN PENDAPATAN Rahma Rei Sakura ), Ahmad Rusdiansyah 2), dan Nurhadi Siswanto 3) ) Program Pascasarjana
Lebih terperinciUJM 3 (2) (2014) UNNES Journal of Mathematics.
UJM 3 (2) (2014) UNNES Journal of Mathematics http://journal.unnes.ac.id/sju/index.php/ujm IMPLEMENTASI ALGORITMA BRANCH AND BOUND PADA 0-1 KNAPSACK PROBLEM UNTUK MENGOPTIMALKAN MUATAN BARANG Arum Pratiwi,
Lebih terperinciPenerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat
Penerapan Travelling Salesman Problem dalam Penentuan Rute Pesawat Aisyah Dzulqaidah 13510005 1 Program Sarjana Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciOPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN
Tugas Akhir KI 091391 OPTIMASI PENGATURAN RUTE KENDARAAN DENGAN MUATAN KONTAINER PENUH MENGGUNAKAN METODE DEKOMPOSISI LAGRANGIAN Akhmed Data Fardiaz NRP 5102109046 Dosen Pembimbing Rully Soelaiman, S.Kom.,
Lebih terperinciIV CONTOH KASUS DAN PEMBAHASAN
() 700 + 0 Z (X) 0 () () (4) Z X 6 6 + d d + = + d d + = a (X) 00 + 50 + d 50 d + = 00 + 5 a (X) 5 (5) 680 Z X 70 + d 4 d 4 + = (7) 50 a (X) 5 (8) x 5 x 00 x 50 x 4 0 (9) x i, d i, d i + 0; d i, d i +
Lebih terperinciMILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Dewasa ini berlibur ke suatu tempat menjadi pilihan untuk mengisi waktuwaktu liburan yang ada, apalagi dengan banyaknya keindahan-keindahan alam dan tempat
Lebih terperinciPENENTUAN SUBCLASSES BERDASARKAN TIPE PESAWAT
PENENTUAN SUBCLASSES BERDASARKAN TIPE PESAWAT Charles, AN STMT Trisakti stmt@indosat.net.id Nadya Sartika nadya.sartika@gmail.com ABSTRACT Based on Break Event Point (BEP) in this article, the most effective
Lebih terperinciPenentuan Jadwal dan Rute Perjalanan Kapal dengan Batasan Waktu dan Jumlah Kunjungan
Jurnal Teknik Industri, Vol. 18, No. 2, Desember 2016, 123-128 ISSN 1411-2485 print / ISSN 2087-7439 online DOI: 10.9744/jti.18.2.123-128 Penentuan Jadwal Rute Perjalanan Kapal dengan Batasan Waktu Jumlah
Lebih terperinciPengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara dengan Mempertimbangkan Variabilitas Rate Berbasis Persediaan Kapasitas
Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara dengan Mempertimbangkan Variabilitas Rate Berbasis Persediaan Kapasitas FAIZATUL MARWIYAH 2507 100 050 Alur proses pengiriman kargo Shipper
Lebih terperinciPENENTUAN WAKTU KEDATANGAN PESAWAT DI BANDAR UDARA HUSEIN SASTRANEGARA BANDUNG DENGAN SISTEM PERSAMAAN LINEAR ATAS ALJABAR MAKS-PLUS
PENENTUAN WAKTU KEDATANGAN PESAWAT DI BANDAR UDARA HUSEIN SASTRANEGARA BANDUNG DENGAN SISTEM PERSAMAAN LINEAR ATAS ALJABAR MAKS-PLUS Casilda Reva Kartika, Siswanto, dan Sutrima Program Studi Matematika
Lebih terperinciOleh: VINAYANTI EKA RAHMAWATI ( )
Pendekatan Goal Programming untuk Penentuan Rute Kendaraan pada Kegiatan Distribusi (A Goal Programming Approach to Vehicle Routing Problems of Distribution) Oleh: VINAYANTI EKA RAHMAWATI (1207 100 020)
Lebih terperinciANALISA JUMLAH INTERFERENCE ANTAR PENUMPANG PADA MODEL STRATEGI BOARDING PESAWAT DENGAN MENGGUNAKAN PENDEKATAN LINIER
ANALISA JUMLAH INTERFERENCE ANTAR PENUMPANG PADA MODEL STRATEGI BOARDING PESAWAT DENGAN MENGGUNAKAN PENDEKATAN LINIER Bilqis Amaliah, Henning Titi C, Yusuf Kurniawan, Nabris Zalmi Pratama, Yunas Lazuardy,
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Sukarelawan adalah seseorang atau sekelompok orang yang secara ikhlas karena panggilan nuraninya memberikan apa yang dimilikinya tanpa mengharapkan imbalan. Sukarelawan
Lebih terperinciPERKEMBANGAN TRANSPORTASI AGUSTUS 2017 PROVINSI LAMPUNG
BADAN PUSAT STATISTIK PROVINSI LAMPUNG PERKEMBANGAN TRANSPORTASI AGUSTUS PROVINSI LAMPUNG Jumlah penumpang kereta api yang berangkat dari Stasiun Kereta Api Tanjung Karang Lampung pada sebanyak 54.637
Lebih terperinciSistem Pengendalian Managemen Southwest Airlines Corporation
Sistem Pengendalian Managemen Southwest Airlines Corporation Class: Executive B 30 C Disususn Oleh : Group 10 Pranandang Adi Laksana Ryan Cipta Kusuma Fakultas Ekonomika Dan Bisnis Universitas Gadjah Mada
Lebih terperinciBAB I PENDAHULUAN. bagi pemenuhan kebutuhan transportasi yang cepat dan aman. Perkembangan
BAB I PENDAHULUAN 1.1. Latar Belakang Semakin berkembangnya bidang teknologi dan perubahan pola kehidupan manusia yang semakin cepat membuat begitu banyak aktivitas yang harus dilakukan oleh manusia untuk
Lebih terperinciEVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH
EVALUASI DETERMINAN MATRIKS REKURSIF DENGAN FAKTORISASI LB RUDIANSYAH DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007 ABSTRAK RUDIANSYAH. Evaluasi
Lebih terperinciPENYELESAIAN PERMASALAHAN TRANSSHIPMENT DENGAN METODE NORTH WEST CORNER DAN METODE STEPPING STONE SKRIPSI MEGAYANTI NADAPDAP
PENYELESAIAN PERMASALAHAN TRANSSHIPMENT DENGAN METODE NORTH WEST CORNER DAN METODE STEPPING STONE SKRIPSI MEGAYANTI NADAPDAP 120803030 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciSEAT INTERFERENCE ANTAR PENUMPANG PADA MODEL BOARDING PESAWAT TERBANG
SEAT INTERFERENCE ANTAR PENUMPANG PADA MODEL BOARDING PESAWAT TERBANG Bilqis Amaliah 1, Victor Hariadi 2, Antonius Malem Barus 3 1,2,3 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. penerbangan salah satu yang unik yang disebut Airline Low Cost Carrier (LCC)
1 BAB I PENDAHULUAN 1.1. Latar Belakang Dunia usaha penerbangan saat ini telah berkembang pesat dengan berbagai perubahan strategi bagi operator dalam menggunakan berbagai model penerbangan salah satu
Lebih terperinciOleh: Dwi Agustina Sapriyanti (1) Khusnul Novianingsih (2) Husty Serviana Husain (2) ABSTRAK
MODEL OPTIMASI PENJADWALAN KERETA API (Studi Kasus pada Jadwal Kereta Api di PT Kereta Api Indonesia (Persero) Daop 2 Bandung Lintasan Bandung-Cicalengka) Oleh: Dwi Agustina Sapriyanti (1) Khusnul Novianingsih
Lebih terperinciOPTIMASI PENGGUNAAN ARMADA BIS PADA PO. ROSALIA INDAH SIGIT PRASTOWO
OPTIMASI PENGGUNAAN ARMADA BIS PADA PO. ROSALIA INDAH SIGIT PRASTOWO SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR 2007 RINGKASAN Transportasi mempunyai peran ganda dalam peningkatan pertumbuhan ekonomi
Lebih terperinciPENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI
PENJADWALAN PERAWAT MENGGUNAKAN GOAL PROGRAMMING: STUDI KASUS DI RUMAH SAKIT HASANAH GRAHA AFIAH DEPOK RUSTIANA IMALA PUTRI DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Pengertian, Struktur, Kelebihan dan Kekurangan, serta Potensi Dynamic Programming Dynamic Programming adalah suatu teknik kuantitatif yang digunakan untuk
Lebih terperinci