Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara dengan Mempertimbangkan Variabilitas Rate Berbasis Persediaan Kapasitas

Transkripsi

1 Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara dengan Mempertimbangkan Variabilitas Rate Berbasis Persediaan Kapasitas FAIZATUL MARWIYAH

2 Alur proses pengiriman kargo Shipper Freight Forwarders Freight Forwarders Consignee Security Storage Loading Carrier -Pure freighter -Combination carrier tidak Unloading Storage Final destination? ya Customs

3 Kompleksitas permasalahan kargo Book cargo space volume berat In practice : Stokastik actual value known only shorthly before take-off Decreasing revenue Freight forwarders carrier Accepted shipment may exceeds capacity of the flight compensation Over-sale penalty Extra work Ketidakpuasan konsumen Negative impact unloaded

4 Latar belakang American Airlines mengalami peningkatan pendapatan sebesar $500 juta selama satu tahun Revenue Management Delta Airlines $300 juta Lufthansa $1.4 Milyar Marriot $100 juta per tahun Pendapatan National Car Rental meningkat sebanyak 20% Air Cargo Air Cargo Revenue Management Merupakan permasalahan yang cukup kompleks Penting dilakukan untuk MEMAKSIMUMKAN PENDAPATAN Kargo udara memainkan peran penting dalam perdagangan global sekitar 30% dari barang-barang yang diperdagangkan secara internasional, diangkut melalui udara untuk AS dan Jepang, dua ekonomi terbesar di dunia rata-rata tahunan tingkat pertumbuhan dari segi RTK (pendapatan Tonne Kilometer) menjadi setinggi 6,1% dengan PDB di seluruh dunia hanya sekitar 3.2%. (Boeing, 2008)

5 Air Cargo revenue management Perbedaan utama antara pengelolaan pendapatan pengangkutan kargo udara dengan pengelolaan pendapatan penumpang adalah pada produk itu sendiri. (Huang dan Chang, 2010) Perbedaan lainnya dari air cargo RM dengan Passenger RM : Terdapat tiga dimensi dari kargo yaitu berat, volume, dan posisi kontainer yang harus selalu dipertimbangkan pada saat terjadi proses pemesanan. Berbeda halnya pada penumpang dimana pesanan untuk satu tempat berarti satu kursi. Pada pesawat penumpang, entitasnya bisa didefinisikan jelas, yaitu penumpang. Pada kargo, satu item menjadi lebih kompleks yaitu volume dan berat dan didefinisikan sebagai masingmasing entitas Adanya tingkat dan kepadatan kargo. Penumpang tersegmentasi oleh struktur tarif, sedangkan kargo tersegmentasi menggunakan tingkat dan kepadatan. Demand lumphy dan forecasting untuk future demand tidak mudah

6 Perumusan Masalah Bagaimana mengembangkan model pengelolaan pendapatan pengangkutan kargo udara dengan mempertimbangkan aspek variabilitas rate berbasis persediaan kapasitas

7 Tujuan Penelitian Melakukan pengembangan model pengelolaan pendapatan pengangkutan kargo udaradengan mempertimbangkan aspek variabilitas rate ruang kargo berbasis persediaan kapasitas Mengetahui pengaruh adanya perubahan rate dalam pengelolaan pendapatan pengangkutan kargo udara terhadap total expected revenue yang didapatkan

8 Fokus Penelitian Melakukan pengembangan model pengelolaan pendapatan pengangkutan kargo udara yang memperhitungkan multidimensionality dari kargo, yaitu berat dan volume kargo, dengan menambahkan aspek variabilitas rate berbasis persediaan kapasitas Merancang sebuah perangkat lunak yang bisa digunakan untuk mengestimasikan akspektasi pendapatan carrier

9 Ruang Lingkup Penelitian Batasan Asumsi Penelitian ini adalah penelitian teoritis dan tidak mengacu pada studi kasus tertentu Tidak mempertimbangkan adanya cancellation dan no-show didalam formulasi masalah Penelitiann ini hanya fokus pada pengelolaan pendapatan kargo yang dilakukan oleh carrier Model yang dikembangkan pada penelitian ini berlaku pada kasus single flight Over-sale penalty dari berat dan dari volume diasumsikan terpisah, dan linier terhadap potential revenue Tidak ada penalty yang dibebankan kepada carrier untuk declanations, selain margin yang hilang

10 Manfaat Penelitian Dapat membuat model pengelolaan pendapatan pengangkutan kargo udara dengan mempertimbangkan adanya variabilitas rate ruang kargo berbasis persediaan kapasitas, serta software untuk menghitung maksimum expected revenue yang didapatkan Dapat memberi masukan bagi akademisi yang akan belajar tentang penerapan logistik udara

11 Metodologi Penelitian START Pengembangan dan Formulasi Model Model Huang dan Chang (2010) Perubahan Rate berbasis persediaan kapasitas Model pengelolaan pendapatan pengangkutan kargo udara dengan mempertimbangkan variabilitas rate berbasis persediaan kapasitas Percobaan Numerik dan Analisa Percobaan Numerik : Ubah request probabilities A : Ubah data booking request Perubahan Nilai Expected Revenue Skenario 3 : Ubah kenaikan rate Analisa Perilaku Model terhadap perubahan parameter input Perancangan perangkat lunak (VBA Excell) A Penarikan Kesimpulan dan Saran FINISH

12 Permodelan Two-Dimentional Cargo Space Control Model Penelitian Amaruchkul, dkk (2006) Huang dan Chang (2010) Deskripsi Memaksimumkan ekspektasi pendapatan dengan menghitung terpisah expected revenue terpisah berdasarkan berat dan ditambahkan dengan berdasarkan volume Menggunakan metode sampling untuk menghitung expected revenue secara bersamaan berdasarkan berat dan volume Pengembangan model pada penelitian ini Menggunakan metode sampling untuk menghitung expected revenue secara bersamaan berdasarkan berat dan volume Menambahkan aspek perubahan rute untuk memaksimumkan pendapatan

13 Notasi Model i tipe pengiriman (i=1,..,m) t periode keputusan (t=0,..,n, diasumsikan bahwa t=0 adalah periode pada saat take-off, dan t=n adalah awal proses pemesanan) Pit probabilitas pemesanan tipe i pada periode t r i rate untuk tipe i W i variabel acak yang merepresentasikan distribusi berat untuk tipe i w i berat rata-rata untuk tipe i, E[W i ] V i variabel acak yang merepresentasikan distribusi volume untuk tipe i v i volume rata-rata untuk tipe i, E[V i ] expected revenue dari tipe i; r i E[max(W i, V i /)] y akumulasi berat rata-rata dari pemesanan yang diterima x akumulasi volume rata-rata dari pemesanan yang diterima y k titik sampling untuk berat setelah range dari rata-rata berat dibagi dengan parameter b (k=o,1,,b). y 0 =0 dan y b =maksimum berat. x j titik sampling untuk volume setelah range dari rata-rata volumet dibagi dengan parameter b (k=o,1,,b). x 0 =0 dan x j = maksimum berat.

14 Model Dasar (Huang dan Chang, 2010) Control policy Berat dan volume pengiriman kargo stokastik, direpresentasikan oleh variabel acak Penerbangan tunggal Kapasitas volume dan berat (k v dan k w ) Booking horizon dibagi dalam n periode waktu dan dalam satu periode paling banyak terdapat satu booking request. Periode waktu diurutkan terbalik ( t=n awal proses pemesanan dan t=0 take off) Kedatangan booking request independen di seluruh periode waktu Oversale penalty diasumsikan linier terhadap potential revenue

15 Algoritma Perhitungan Mulai Input : Rata-rata berat dan volume kargo Rate tiap kelas Probabilitas kedatangan Penalty Kapasitas berat dan kapasitas volume Menentukan parameter (a,b) Menghitung P it dan P 0t masing-masing tipe kargo di setiap periode t Menghitung Rho setiap tipe tipe i; r i E[max(W i, V i ) Menghitung nilai w 0 (x j,y k ) Menghitung nilai w 0 (x j +v i,y k +w i ) Menentukan parameter (a,b) Menghitung nilai w t (x j +v i,y k +w i ) Mengitung nilai w t (x j,y k ) Selesai

16 Pengembangan model Dari Model Huang dan Chang (2010) Menambahkan perubahan rate berdasarkan akumulasi load

17 Percobaan Numerik Terdapat 9 kategori kargo yang memiliki distribusi berat dan volume bervariasi. Categories Average weight Average volume (10^4 cm3) Arrival probabilities Diasumsikan terdapat tiga kelas tarif yang disediakan dan ratio pendapatan untuk ketiga kelas tersebut ada pada tabel. Booking horizon dibagi menjadi t = 60, dimana probabilitas kedatangan untuk masing-masing kelas berubah tiga kali selama booking horizon. Rate Request Probabilities Period Class Class Class No Booking Req Untuk kelas tarif tinggi (tarif kelas 1), probabilitas kedatangan booking request cenderung tinggi menjelang akhir proses booking, dan sebaliknya untuk kelas tarif rendah probabilitas kedatangan booking request justru tinggi di awal proses booking. Input data order booking request digenerate dari bilangan random yang terdistribusi normal dengan standar deviasi 3. Kapasitas berat kg, kapasitas volume 8000 (x10 4 cm 3 ). Jumlah titik sampling yang diambil untuk berat dan volume adalah 5. Untuk penalty, diasumsikan linier sebesar 1,2 kali dari potential revenue.

18 Percobaan Numerik dilakukan dengan menggunakan Uniform Rate dan Progressive Rate. Untuk pengujian dengan rate yang berubah-ubah (progressive rate), parameter persentase akumulasi berat accepted bookingnya adalah naik dari 30%, 40% dan 50% dan kenaikan rate berturut-turut 50%,80%,100% sehingga table perubahan ratenya adalah sebagai berikut : Percentage of Accumulated Load Rate Class Rate Class Rate Class

19 Skenario Percobaan Numerik Percobaan Numerik 1 Mengubah parameter request probabilities request probabilities kelas 1(tarif mahal) semakin tinggi di akhir booking horizon request probabilities kelas 1 menjadi semakin kecil menjelang akhir booking horizon Percobaan Numerik 2 Mengubah pola data order booking request Parameter input sama dengan model dasar (data order tidak diubah) Booking request yang besar cenderung datang di awal booking horizon Skenario 3 Booking request yang besar cenderung datang di akhir booking horizon Percobaan Numerik 3 Mengubah persentase kenaikan rate Kenaikan rate yang terjadi adalah 50%, 80% dan 100% Kenaikan rate yang terjadi adalah 10%, 20% dan 30% Skenario 3 Kenaikan rate yang terjadi adalah 20%, 25% dan 30%

20 Hasil Percobaan Numerik --- Expected total demand in Weight--- Percobaan Numerik 1 Percobaan Numerik 2 Skenario 3 Percobaan Numerik 3 Skenario 3 Uniform rate Progressive rate

21 Hasil Percobaan Numerik --- Expected total demand in Volume- --- Percobaan Numerik 1 Percobaan Numerik 2 Skenario 3 Percobaan Numerik 3 Skenario 3 Uniform rate Progressive rate

22 Hasil Percobaan Numerik --- Potential revenue --- Percobaan Numerik 1 Percobaan Numerik 2 Skenario 3 Percobaan Numerik 3 Skenario 3 Uniform rate Progressive rate

23 Hasil Percobaan Numerik --- Oversale Penalty --- Percobaan Numerik 1 Percobaan Numerik 2 Skenario 3 Percobaan Numerik 3 Skenario 3 Uniform rate Progressive rate

24 Hasil Percobaan Numerik --- nilai expected revenue --- Percobaan Numerik 1 Uniform rate Progressive rate Percobaan Numerik Skenario Percobaan Numerik Skenario

25 Kesimpulan Telah dilakukan pengembangan model pengelolaan pendapatan pengangkutan kargo udara dengan mempertimbangkan aspek variabilitas rate berbasis persediaan kapasitas, serta perancangan perangkat lunak untuk melakukan percobaan numerik sekaligus bisa digunakan sebagai alat bantu carrier dalam mengestimasi pendapatan yang akandiperoleh. Kenaikan rate dalam satu booking horizon menyebabkan peningkatan expected revenue. Peningkatan expected revenue ini dipengaruhi oleh request probabilities kelas kargo, pola data order booking request dan persentase kenaikan rate. Expected revenue akan lebih tinggi ketika request probabilities kelas kargo cenderung tinggi di awal booking horizon, dan ketika data order booking request cenderung lebih besar menjelang akhir booking horizon.

26 Saran Penelitian ini bisa dikembangkan pada kasus paralel flight Model penelitian selanjutnya dapat mempertimbangkan adanya cancellation dan no-shows ke dalam formulasi maslah Pada penelitian ini tidak ada penalty yang dibebankan kepada carrier untuk declanations. Untuk penelitian selanjutnya sebaiknya memperhitungkan penalty untuk declanations