HALAMAN JUDUL OPTIMISASI PENGISIAN BAHAN BAKAR PESAWAT DI BANDARA JUANDA TERMINAL 2 MENGGUNAKAN ALGORITMA ANT COLONY

HALAMAN JUDUL

TUGAS AKHIR – TE141599

OPTIMISASI PENGISIAN BAHAN BAKAR PESAWAT DI BANDARA JUANDA TERMINAL 2 MENGGUNAKAN ALGORITMA ANT COLONY Adi Wibisono NRP 2212 100 041 Dosen Pembimbing Nurlita Gamayanti, ST., MT. Mochammad Sahal, ST., M.Sc.

JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2017 i

--halaman ini sengaja dikosongkan--

ii

HALAMAN JUDUL

FINAL PROJECT – TE141599

OPTIMIZATION OF AIRCRAFT REFUELING AT TERMINAL 2 JUANDA AIRPORT USING ANT COLONY ALGORITHM Adi Wibisono NRP 2212 100 041 Advisor Nurlita Gamayanti, ST., MT. Mochammad Sahal, ST., M.Sc.

DEPARTEMENT OF ELECTRICAL ENGINEERING Faculty of Industrial Technology Sepuluh Nopember Institute of Technology Surabaya 2017 iii


iv

PERNYATAAN KEASLIAN TUGAS AKHIR Dengan ini saya menyatakan bahwa isi sebagian maupun keseluruhan Tugas Akhir saya dengan judul “Optimisasi Pengisian Bahan Bakar Pesawat di Bandara Juanda Terminal 2 Menggunakan algoritma Ant Colony” adalah benar-benar hasil karya intelektual mandiri, diselesaikan tanpa menggunakan bahan-bahan yang tidak diijinkan dan bukan merupakan karya pihak lain yang saya akui sebagai karya sendiri. Semua referensi yang dikutip maupun dirujuk telah ditulis secara lengkap pada daftar pustaka. Apabila ternyata pernyataan ini tidak benar, saya bersedia menerima sanksi sesuai peraturan yang berlaku.

Surabaya, 18 Januari 2017

Adi Wibisono NRP 2212 100 041

v


vi


viii

ABSTRAK

Optimisasi Pengisian Bahan Bakar Pesawat di Bandara Juanda Terminal 2 Menggunakan Algoritma Ant Colony

Nama Pembimbing

: Adi Wibisono : Nurlita Gamayanti, ST., MT. Mochammad Sahal, ST., M.Sc.

ABSTRAK Seiring dengan semakin majunya dunia penerbangan dan padatnya rute penerbangan, maka dalam suatu bandar udara, terutama bandar udara besar, terdapat suatu fasilitas pengisian bahan bakar pesawat. Depo Pengisian Pesawat Udara (DPPU) merupakan salah satu fasilitas dan sarana vital di suatu bandar udara untuk menunjang operasi pelayanan pengisian bahan bakar pesawat. DPPU di Bandar Udara Juanda menggunakan 2 tipe pengisian yaitu dengan jalur pipa (pipeline) di bawah apron dan pengisian menggunakan truk refueler. Dalam tugas akhir ini, akan dilakukan perencanaan penjadwalan untuk pengisian bahan bakar pesawat dengan truk refueler, sehingga dihasilkan jumlah truk yang digunakan minimum dengan menggunakan Algoritma Ant Colony. Dengan menggunakan iterasi 400, 𝜌 = 0,2 dan semut 80, diperoleh jumlah truk yang dioperasikan lebih sedikit dari truk yang beroperasi di DPPU Juanda.

Kata Kunci: Ant Colony Algorithm, Optimasi, Sistem Distribusi, Vehicle Routing Problem

ix


x

ABSTRACT

Optimization of Aircraft Refueling at Terminal 2 Juanda Airport Using Ant Colony Algorithm

Name Advisor

: Adi Wibisono : Nurlita Gamayanti, ST., MT. Mochammad Sahal, ST., M.Sc.

ABSTRACT Along with the advanced world of dense low and the flight route, then in an airport, especially the large airports, there is an air refueling facilities. Charging the Aircraft Depot is one of the vital facilities and amenities at an aerodrome to support the operation of aircraft refueling services. Depots aircraft in Juanda using two types of charging is by pipeline (pipeline) under the apron and charging using refueler truck. In this thesis, we will do the planning schedule for refueling of aircraft with refueler truck, so that the resulting minimum number of trucks used by using Ant Colony Algorithm. Using iteration 400, 𝜌 = 0,2 and ant 80, the results number of truck from simulation is less than from number of truck DPPU Juanda . Key Word: Ant Colony Algorithm, Optimization, Distribution System, Vehicle Routing Problem

xi


xii

KATA PENGANTAR Puji dan syukur kehadirat Allah SWT yang telah melimpahkan rahmat dan hidayah-Nya, sehingga penulis dapat menyelesaikan buku Tugas Akhir ini. Shawalat serta salam senantiasa tercurah pula kepada nabi besar baginda Rasulullah Muhammad SAW. Buku Tugas Akhir ini disusun untuk melengkapi salah satu syarat memperoleh gelar sarjana teknik di jurusan Teknik Elektro ITS. Buku yang berjudul “Optimisasi Pengisian Bahan Bakar Pesawat di Bandara Juanda Terminal 2 Menggunakan algoritma Ant Colony” dipersembahkan juga untuk kemajuan riset dan teknologi Indonesia khusunya untuk ITS, Fakultas Teknologi Industri, Jurusan Teknik Elektro, dan bidang studi Teknik Sistem Pengaturan. Berbagai kendala dihadapi dalam pengerjaan tugas akhir ini, namun dukungan selalu mengalir dari orang-orang terdekat. Ucapan terima kasih penulis sampaikan kepada: 1. Allah SWT yang telah memlimpahkan ramhat dan hidayah-Nya serta memperlancar dalam pengerjaan Tugas Akhir ini. 2. Orang tua yang selalu memberikan dukungan dan doa sehingga Tugas Akhir ini dapat diselesaikan. 3. Dosen pembimbing 1 Ibu Nurlita Gamayanti, ST., MT. yang telah membimbing penulis sehingga dapat menyelesaikan seluruh kendala pada tugas akhir ini. 4. Dosen pembimbing 2 bapak Mochammad Sahal, ST., M.Sc. yang selalu memberi motivasi agar penulis semangat menyelesaikan Tugas Akhir ini. Penulis menyadari dan memohon maaf karena masih banyak kekurangan pada Tugas Akhir ini. Kritik dan saran selalu penulis nantikan agar menjadi lebih baik pada masa mendatang. Akhir kata, penulis berharap Tugas Akhir ini dapat bermanfaat dan menjadi acuan dalam penelitian selanjutnya. Surabaya, 19 Desember 2016

Penulis

xiii


xiv

DAFTAR ISI HALAMAN JUDUL i HALAMAN JUDUL iii PERNYATAAN KEASLIAN TUGAS AKHIR v HALAMAN PENGESAHAN vii ABSTRAK ix ABSTRACT xi KATA PENGANTAR xiii DAFTAR ISI xv DAFTAR GAMBAR xvii DAFTAR TABEL xix Bab I 1 1.1 Latar Belakang ...................................................................... 1 1.2 Permasalahan ....................................................................... 2 1.3 Batasan Masalah .................................................................. 2 1.4 Tujuan ................................................................................. 2 1.5 Metodologi .......................................................................... 2 1.6 Sistematika Penulisan .......................................................... 3 1.7 Relevansi ............................................................................. 4 Bab II 5 2.1 Operation Research ............................................................. 5 2.2 Linear Programming ........................................................... 5 2.3 Penjadwalan .......................................................................... 6 2.4 Permasalahan Jaringan.......................................................... 8 2.5 Graph ................................................................................... 9 2.5.1 Notasi Graph ....................................................................... 9 2.5.2 Node .................................................................................. 9 2.5.3 Arc ................................................................................... 10 2.6 Permasalahan Lintasan Terpendek .................................... 10 2.7 Permasalahan Rute dan Penjadwalan ................................. 11 2.8 Sistem Distribusi ............................................................... 12 2.8.1 Tugas dan Tujuan Distribusi ........................................... 12 2.9 Sistem Distribusi PT. Pertamina DPPU Juanda .................. 13 2.10 Vehicle Routing Problem ................................................... 14 2.10.1 Metode Penyelesaian Vehicle Routing Problem ............... 15 2.10.2 Vehicle Routing Problem with Tight time window, Short travel time, and Re-use vehicle (VRPTSR) ............................... 16 2.11 Metode Sorting ................................................................. 17 xv

2.12 Ant Colony Optimization (ACO) ...................................... 18 2.12.1 Algoritma ACO ............................................................... 19 2.13 Nearest Neighbor ............................................................ 21 Bab III 23 3.1 Proses Distribusi Bahan Bakar Pesawat ............................. 23 3.2 Perancangan Konseptual ................................................... 24 3.2.1 Parameter Sistem .............................................................. 24 3.2.2 Variabel Sistem .................................................................. 24 3.2.3 BatasanSistem .................................................................... 24 3.3 Model Matematis ............................................................... 25 3.3.1 Fungsi Objektif .................................................................. 25 3.3.2 Parameter ........................................................................... 25 3.3.3 Variabel Keputusan ............................................................ 25 3.3.4 Batasan .............................................................................. 26 3.4 Perancangan Fungsional ..................................................... 27 3.4.1 Inisiasi Data ....................................................................... 27 3.4.2 Fungsi Ant Colony Algorithm ............................................. 29 BAB IV 31 4.1 Pengumpulan Data ............................................................. 31 4.1.1 Data Intern ........................................................................ 31 4.2 Hasil Running program ........................................................ 36 4.3 Pengujian Parameter Ant Colony Algorithm........................ 39 4.3.1 Pengujian Tingkat Penguapan Pheromone.......................... 39 4.3.2 Pengujian Jumlah Semut .................................................... 44 4.4 Kondisi Awal .................................................................... 49 4.5 Perbandingan Penerapan Ant Colony dan Kondisi Awal .... 50 BAB V 53 5.1 Kesimpulan ....................................................................... 53 5.2 Saran................................................................................. 53 DAFTAR PUSTAKA 55 LAMPIRAN ...................................................................................... 57 RIWAYAT HIDUP ............................................................................ 95

xvi

DAFTAR GAMBAR Gambar 2.1 Graph Dengan Lima Buah Node ........................................ 9 Gambar 2.2 Aliran Pada Graph ........................................................... 10 Gambar 2.3 Sistem Distribusi Pengisian Bahan Bakar ......................... 14 Gambar 2.4 Representasi VRPTSR ..................................................... 17 Gambar 2.5 Perjalanan Semut dari Sarang Menuju Sumber Makanan . 19 Gambar 3.1Sistem Distribusi Terminal 2 ............................................. 23 Gambar 4.1 Hasil Tanggal 1 ................................................................ 39 Gambar 4.2 Hasil Tingkat Penguapan Pheromone tanggal 2 .............. 40 Gambar 4.3 Hasil Tingkat Penguapan Pheromone tanggal 3 ............... 41 Gambar 4.4 Hasil Tingkat Penguapan Pheromone tanggal 4 ................ 41 Gambar 4.5 Hasil Tingkat Penguapan Pheromone tanggal 5 ................ 42 Gambar 4.6 Hasil Tingkat Penguapan Pheromone tanggal 6 ................ 43 Gambar 4.7 Hasil Tingkat Penguapan Pheromone tanggal 7 ................ 43 Gambar 4.8 Hasil Pengujian Semut Tanggal 1 .................................... 44 Gambar 4.9 Hasil Pengujian Semut Tanggal 2 .................................... 45 Gambar 4.10 Hasil Pengujian Semut Tanggal 3......................................45 Gambar4.11 Hasil Pengujian Semut Tanggal 4.......................................46 Gambar 4.12 Hasil Pengujian Semut Tanggal 5......................................47 Gambar 4.13 Hasil Pengujian Semut Tanggal 6......................................47 Gambar 4.14 Hasil Pengujian Semut Tanggal 7......................................48

xvii


xviii

DAFTAR TABEL Tabel 3.1 Tabel Jenis Kendaraan dan Kapasitas....................................21 Tabel 3.2 Tabel Jadwal Penerbangan.....................................................22 Tabel 3.3 Tabel Pengalokasian Pesawat.................................................22 Tabel 3.4 Tabel Keterangan Parameter ACO.........................................23 Tabel 4.1 Tabel Tipe dan Kapasitas Kendaraan.....................................32 Tabel 4.2 Tabel Permintaan Tiap Maskapai...........................................32 Tabel 4.3 Tabel Waktu Pelayanan Tiap Maskapai.................................34 Tabel 4.4 Tabel Hasil Nilai ρ=0,2; semut=80.......................................36 Tabel 4.5 Tabel Hasil Nilai ρ=0,5; semut=80.......................................37 Tabel 4.6 Tabel Hasil Nilai ρ=0,8; semut=80.......................................38 Tabel 4.7 Perbandingan Parameter.........................................................48 Tabel 4.8 Kondisi Awal..........................................................................49 Tabel 4.9 Perbandingan ACO dan Kondisi Awal...................................50

xix


xx

Bab I PENDAHULUAN 1.1

Latar Belakang

Penanganan pesawat di darat atau yang bisa disebut ground service adalah penanganan pesawat mulai dari pesawat tersebut mendarat hingga siap untuk diberangkatkan kembali, yang termasuk kegiatan penanganan pesawat adalah keperluan bongkar muat penumpang, kebersihan pesawat, dan keperluan pesawat. Keperluan pesawat terdiri dari penarik pesawat, pemadam kebakaran, dan pengisian bahan bakar pesawat. Pengisian bahan bakar pesawat memiliki peran penting dalam dunia penerbangan. Instansi yang memfasilitasi dan bertanggung jawab dalam pengisian bahan bakar pesawat adalah Depot Pengisian Pesawat Udara (DPPU) Juanda, Pertamina. Untuk menunjang operasi pelayanan pengisian bahan bakar pesawat, seiring dengan kemajuan dunia penerbangan dan padatnya penerbangan, maka di bandara terutama bandara sedang dan besar terpasang fasilitas untuk pengisian bahan bakar pesawat. Fasilitas pengisian bahan bakar pesawat terdapat 2 (dua) tipe pengisian, yaitu pengisian menggunakan jalur pipa di bawah apron dan menggunakan truk refueller. Penggunaan jalur pipa banyak digunakan pada bandara besar yang mempunyai tingkat kesibukan penerbangan yang cukup tinggi, sedangkan untuk penggunaan truk refueller biasanya digunakan pada bandara kecil yang mempunyai tingkat kesibukan penerbangan yang tidak terlalu tinggi, umumnya tipe pengisian menggunakan jalur pipa pada bandara besar di mana volume bahan bakar yang diisi ke pesawat sangat efektif dari segi waktu pengisian dibandingkan penggunaan truk refueller. Beberapa bandara di Indonesia, terutama Bandara Juanda Surabaya, khususnya terminal 2, masih menggunakan truk refueller dalam pengisian bahan bakar pesawat. Bandara Juanda Surabaya Terminal 2 masih tergolong bandara baru yang mulai beroperasi pada tahun 2014. Yang membuat terminal 2 masih menggunakan truk refueller dalam pengisian bahan bakar pesawat adalah belum terpasangnya fasilitas pengisian menggunakan jalur pipa di bawah apron. Pada penelitian tugas akhir ini akan dilakukan perencanaan jumlah keberangkatan truk refueller yang akan digunakan seminimum mungkin. Dalam tugas akhir ini digunakan ant colony optimization untuk menyelesaikan permasalahan meminimumkan jumlah keberangkatan truk refueller. 1

1.2 Permasalahan Permasalahan yang dijadikan sumber pengerjaan tugas akhir ini adalah mengoptimalkan jumlah truk refueller yang dioperasikan untuk pengisian bahan bakar pesawat di DPPU Juanda Terminal 2 Surabaya.

1.3 Batasan Masalah Dalam penelitian tugas akhir ini yang menjadi batasan masalah adalah: a. Pesawat pengangkut jamaah haji diabaikan karena merupakan permasalahan khusus. b. Waktu kedatangan pesawat tiap maskapai tepat waktu. c. Truk memulai pengisian bahan bakar pesawat berawal dari Depo.

1.4 Tujuan Tujuan dalam tugas akhir ini adalah menerapkan algoritma ant colony pada permasalahan optimasi jumlah truk refueller yang dioperasikan untuk pengisian bahan bakar pesawat.

1.5

Metodologi

Dalam penelitian Tugas Akhir ini diperlukan suatu tahapan yang merepresentasikan urutan yang harus dilaksanakan agar sesuai dengan tujuan penelitian. Tahapan tersebut ialah sebagai berikut: a. Studi literatur Kegiatan pengumpulan dan pengkajian terhadap referensi terkait topik tugas akhir yang diusulkan. Data yang dikumpulkan berasal dari data kegiatan pengisian bahan bakar pesawat untuk setiap maskapai penerbangan yang diberikan dari PT. Pertamina DPPU Juanda. Sementara, referensi tersebut berasal dari sumber ilmiah terpercaya, seperti buku materi, jurnal ilmiah, artikel ilmiah, pendapat para ahli, dan hasil penelitian terkait. b. Identifikasi dan Permodelan Sistem Dari data yang telah dikumpulkan kemudian dilakukan identifikasi parameter-parameter yang penting dalam membangun permodelan sistem. 2

c. Simulasi Model Setelah permodelan sudah ditentukan kemudian model tersebut disimulasikan menggunakan MATLAB untuk mencari hasil paling optimal. d. Analisa Hasil Perbandingan Metode Dari hasil simulasi tersebut terdapat beberapa hasil yang kemudian dapat dianalisa dengan membandingkan hasil melalui perhitungan dengan kondisi nyata. e. Penulisan Buku Tugas Akhir Tahap yang terakhir ialah penulisan laporan/buku Tugas Akhir. Penulisan dilakukan secara intensif bila proses pengujian telah selesai.

1.6 Sistematika Penulisan Tahap terakhir dari sebuah penelitian adalah penulisan laporan. Pada penulisan laporan/buku Tugas Akhir ini disusun berdasarkan 5 bab, di mana setiap bab berisi mengenai permasalahan dalam penelitian. Babbab tersebut adalah sebagai berikut: BAB I

PENDAHULUAN Berisi latar belakang permasalahan, pembatasan masalah, tujuan, metodologi, sistematika penulisan, dan relevansi pembahasan tugas akhir ini.

BAB II

TEORI PENUNJANG Berisi konsep dasar dan teori yang mendasari perancangan tugas akhir ini, meliputi sistem distribusi pengisian bahan bakar di DPPU Juanda, vehicle routing problem, graph, linear programming, dan ant colony optimization.

3

BAB III PERANCANGAN SISTEM Dalam bab ini dijelaskan mengenai spesifikasi sistem, identifikasi parameter, perancangan model matematis sistem dan Ant Colony Optimization. BAB IV PENGUJIAN DAN ANALISIS SISTEM Dalam bab ini dijelaskan mengenai hasil simulasi dari program dan analisanya. BAB V

PENUTUP Berisi kesimpulan dari penelitian Tugas Akhir dan saran yang dapat digunakan untuk pengembangan lebih lanjut dari tugas akhir ini.

1.7 Relevansi Tugas akhir ini diharapkan dapat menjadi rekomendasi untuk DPPU Juanda agar dalam menjadwalkan truk refueller yang dioperasikan, dengan memprioritaskan truk dengan kapasitas terbesar terlebih dahulu yang dipakai.

4

Bab II TEORI PENUNJANG Suatu penelitian memerlukan teori-teori yang sudah ada sebelumnya untuk dikaji lebih dalam memperkuat argumen penulis. Teori tersebut digunakan untuk membantu penulis dan sebagai dasar dalam membuat suatu penelitian. Pada bab ini terdapat beberapa teori dasar yang menjadi landasan untuk merumuskan dan menyelesaikan masalah yang akan dibahas pada penelitian tugas akhir ini. Pada bagian awal, terdapat penjelasan mengenai teorema umum yang mendasari kasus Vehicle Routing Problem, yaitu Operation Research dan Pemrograman Linier. Pada bagian selanjutnya, membahas mengenai teori-teori pendukung, seperti Ant Colony Algorithm.

2.1 Operation Research Menurut Operation Research Society of Great Britain, operation research adalah penerapan metode-metode ilmiah dalam masalah yang kompleks. Dapat pula diartikan sebagai suatu pengelolaan sistem manajemen yang besar, baik yag menyangkut manusia, mesin, bahan dan uang dalam skala industri, bisnis, maupun pemerintahan. Pendekatan ini menggabungkan dan menerapkan metode ilmiah yang sangat kompleks dalam suatu pengelolaan manajemen dengan menggunakan faktor-faktor produksi yang ada dan digunakan secara efektif dan efesien untuk membantu pengambilan keputusan dalam kebijakan suatu perusahaan. Definisi lain menurut Operation Research Society of America (ORSA), operation research berkaitan dengan pengambilan keputusan secara ilmiah dan bagaimana membuat suatu model yang baik dalam merancang dan menjalankan sistem yang melalui alokasi sumber daya yang terbatas. Inti dari beberapa kesimpulan di atas adalah bagaimana proses pengambilan keputusan yang optimal dengan menggunakan sumber daya yang ada.

2.2 Linear Programming Pemrograman linier menggunakan model matematika untuk mencari penyelesaian suatu permasalahan. Kata linier berarti semua fungsi model matematika diperlukan dalam fungsi linier. Pemrograman di sini tidak merujuk pada pemrograman komputer, melainkan sinonim

5

dari perencanaan. Dengan demikian, pemrograman linier adalah perencanaan kegiatan untuk mendapatkan hasil yang optimal. Dalam model linear programming dikenal 2 (dua) macam fungsi, yaitu fungsi tujuan (objective function) dan fungsi batasan (constraint function). 1. Fungsi tujuan adalah fungsi yang menggambarkan tujuan atau sasaran di dalam permasalahan linear programming yang berkaitan dengan pengaturan secara optimal sumber dayasumber daya, untuk memperoleh keuntungan maksimal atau biaya minimal. Nilai yang akan dioptimalkan dinyatakan sebagai Z. 2. Fungsi batasan merupakan bentuk penyajian secara matematis batasan-batasan kapasitas yang tersedia yang akan dialokasikan secara optimal ke berbagai kegiatan. 3. Variabel keputusan merupakan aspek dalam model yang dapat dikendalikan. Bentuk umum atau standar dari linear programming adalah sebagai berikut: (2.1) MAX C1 X1+C2 X 2+...+CN X N Dengan kendala: a11 X1 + a12 X1 + ... + a1n Xn

(2.2)

 b1

a 21 X2 + a 22 X2 + ... + a 2n Xn

 b2

(2.3)

a m1 X1 + a m2 X2 + ... + a mn Xn

 bm

(2.4) (2.5)

X1, X 2 , X3 ,...,X n  0

2.3 Penjadwalan Penjadwalan adalah sebuah proses pengambilan keputusan yang digunakan sebagai acuan dasar pada berbagai industri. Hal ini terkait dengan alokasi sumber daya terhadap pekerjaan dalam suatu periode waktu yang diberikan dan tujuannya adalah untuk mengoptimalkan satu tujuan atau lebih. Sumber daya dan pekerjaan dalam sebuah organisasi dapat dilihat dari berbagai bentuk. Sumber daya dapat berupa mesin dalam ruang kerja, landasan pesawat terbang di airport, karyawan dalam tempat kontruksi, dan lain sebagainya, sedangkan pekerjaan dapat berupa jenis-jenis operasi dalam sebuah proses produksi, misalnya take-offs and landings pada 6

sebuah airport dan tahap/langkah-langkah dalam sebuah proyek kontruksi. Setiap pekerjaan mempunyai level prioritas tertentu, dan juga waktu memulai dan berakhirnya sebuah pekerjaan. Tujuan juga dapat dilihat dalam berbagai bentuk yang berbeda. Sebuah tujuan dapat berupa meminimalkan penyelesaian sebuah pekerjaan atau tujuan lain dapat meminimalkan jumlah pekerjaan diselesaikan setelah jatuh tempo (Michael L. Pinedo, 2010). Tujuan penjadwalan, adalah sebagai berikut: 1. Menurut Baker (1974), tujuan penjadwalan umumnya adalah sebagai berikut: a. Meningkatkan produktifitas mesin, yaitu dengan mengurangi waktu mesin menganggur. b. Mengurangi persediaan barang setengah jadi dengan jalan mengurangi jumlah rata-rata pekerjaan yang menunggu dalam antrian suatu mesin karena mesin tersebut sibuk. c. Mengurangi keterlambatan suatu pekerjaan. Setiap pekerjaan mempunyai batas waktu (due date) penyelesaian, jika pekerjaan tersebut diselesaikan melewati batas waktu yang ditentukan maka pekerjaan tersebut dinyatakan terlambat. Dengan metode penjadwalan maka keterlambatan ini dapat dikurangi, baik waktu maupun frekuensi. 2. Menurut Narasimhan (1985), penjadwalan yang baik seharusnya simpel, mudah dimengerti dan dapat dilaksanakan oleh pihak manajemen dan oleh siapa pun yang menggunakannya. Aturan-aturan penjadwalan seharusnya cukup kuat tetapi mempunyai tujuan yang realistis sehingga cukup flexible untuk memecahkan masalah yang tidak terprediksi sebelumnya dan membolehkan satu perencanaan ulang. 3. Bedworth (1987) mengidentifikasi beberapa tujuan dari aktivitas penjadwalan, adalah sebagai berikut: a. Meningkatkan penggunaan sumber daya atau mengurangi waktu tunggunya, sehingga total waktu proses dapat berkurang dan produktivitas dapat meningkat. b. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan menunggu dalam antrian ketika sumber daya yang ada masih mengerjakan tugas yang lain. Teori Baker mengatakan, jika aliran kerja suatu 7

jadwal konstan, maka antrian yang mengurangi rata-rata waktu alir akan mengurangi rata-rata persediaan barang setengah jadi. c. Mengurangi beberapa kelambatan pada pekerjaan yang mempunyai batas waktu penyelesaian sehingga akan meminimalisasi penalty cost (biaya kelambatan). d. Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan jenis kapasitas yang dibutuhkan sehingga penambahan biaya yang mahal dapat dihindarkan.

2.4 Permasalahan Jaringan Dalam kehidupan sehari-hari, kita sering bertemu dengan berbagai macam contoh jaringan mulai dari jaringan tenaga listrik, jaringan pesawat telepon, jaringan rel kereta api, hingga jaringan lalu lintas kendaraan. Pada semua contoh tersebut, terdapat hal yang harus disalurkan dari satu ke titik yang lainnya, misalnya tenaga listrik, produk konsumen, pesan dan lain sebagainya. Hal ini dilakukan dengan tujuan melakukan pelayanan kepada konsumen dengan baik dan bagaimana memaksimalkan fasilitas transmisi dan distribusi secara efektif. Selanjutnya untuk mengatasi permasalahan sehari-hari tersebut dapat dimodelkan ke dalam berbagai teori jaringan yang ada. Secara umum, jaringan terdiri dari sejumlah titik yang terhubung satu dengan yang lainnya dan terdapat aliran di dalamnya. Pembahasan masalah jaringan akan dibawa ke suatu bentuk graph. Ada beberapa teknik optimasi yang dapat diaplikasikan pada permasalahan sistem yang biasa ditemui dalam dunia nyata yang dinyatakan dalam bentuk graph, diantaranya adalah: a. Lintasan terpendek, bagaimana menemukan rute dalam jaringan dengan dengan jarak terpendek. b. Aliran maksimum, apabila dalam sebuah jaringan terdapat kapasitas dalam alirannya, bagaimana cara menentukan jumlah produk yang dikirimkan pada arc tersebut tanpa melebihi batasan kapasitas arc. c. Biaya minimum, dicari aliran dari sejumlah node ke sejumlah node dalam suatu jaringan dengan total biaya minimum.

8

2.5 Graph Suatu graph terdiri dari kumpulan node atau disebut juga vertex dan kumpulan arc atau disebut juga dengan edge. Informasi yang disertakan dalam graph menjelaskan batasan-batasan serta kondisi arc dan node dalam graph tersebut.

2.5.1 Notasi Graph Graph G adalah pasangan dari himpunan node dan arc ditulis dengan notasi G = (N,A) , N = himpunan node (titik simpul) atau vertex, AϵNxN ; himpunan arc (cabang) atau edge. Contoh: N = {1,2,3,4,5} A = { (1,2) (1,3) (2,3) (2,4) (3,2) (3,4) (3,5) (5,4) } A ϵ NxN

Gambar 2.1 Graph Dengan Lima Buah Node

2.5.2 Node Informasi yang terdapat dalam node ialah kapasitas. Kapasitas node I didefinisikan (𝑏𝑖 ). Berdasarkan kapasitasnya, node dapat dibagi menjadi 3 macam: a. Node sumber (memiliki pasokan) apabila 𝑏𝑖 > 0 b. Node tujuan (memiliki permintaan) apabila 𝑏𝑖 < 0 c. Node transit (hanya dilewati) apabila 𝑏𝑖 = 0

9

2.5.3 Arc Apabila pada suatu graph terdapat aliran, maka akan terbentuk jaringan. Di dalam arc menyimpan informasi apakah suatu aliran mungkin atau tidak, dan apabila mungkin apakah itu aliran yang terbaik atau tidak. Batas kapasitas arc antara node i dan j terdiri dari batas kapasitas maksimum aliran yang diijinkan dinotasikan dengan uij dan batas minimum aliran dengan lij. Besar aliran antara node i dan j dinotasikan dengan xij. Contoh:

Gambar 2.2 Aliran Pada Graph

2.6

Permasalahan Lintasan Terpendek

Permasalahan lintasan terpendek dapat digambarkan sebagai upaya pencarian lintasan yang mempunyai biaya minimum. Biaya lintasan adalah jumlah biaya semua arc yang membentuk lintasan tersebut. Ada beberapa asumsi yang digunakan dalam perhitungan lintasan terpendek, yaitu: 1. Jaringan berarah (directed network). 2. Ada lintasan berarah dari satu node sumber ke semua node lain. 3. Tidak ada siklus negatif, yaitu siklus dengan total biaya negatif. 4. Biaya tiap arc merupakan bilangan bulat.

10

Formulasi masalah dalam permasalahn lintasan terpendek dapat dinyatakan dalam bentuk aliran minimum dimana tiap node yang dituju dianggap memiliki permintaan sebesar satu unit dan node sumber memiliki supply sebanyak yang diminta. Lintasan terpendek dari node s ke semua node lain dapat diformulasikan sebagai berikut: min

c x

i , j  A

st

ij ij

 n  1,i  s

x  x            1, i  N  s ij j: i, j A

(2.6)

ji

j: j,i A

xij  0 untuk i, j   A

Lintasan terpendek dari node s (node sumber) ke node T dapat diformulasikan dalam bentuk: min

c x

i , j  A

st

ij ij

(2.7)

 1, i  s  x ji    1, i  t  j :i , j  A  j : j , i  A 0, i  N  s, t 



xij 



xij  0 untuk i, j   A

2.7 Permasalahan Rute dan Penjadwalan Permasalahan rute dan penjadwalan seringkali direpresentasikan dalam bentuk graph. Dalam graph tersebut terdapat sekumpulan node konsumen dan arc-arc yang mengubungkan tiap-tiap node. Arc tersebut menyatakan biaya yang dibutuhkan untuk berpindah dari node yang satu ke node yang lainnya. Jika permasalahannya tidak memperhatikan arah maka arc tersebut merupakan arc tidak berarah dan sebaliknya. Tujuan dari permasalahan rute dan penjadwalan adalah mendapatkan rute yang harus ditempuh dengan biaya total yang minimal. Biaya dalam hal ini termasuk diantaranya jarak, biaya, atau waktu yang dibutuhkan untuk membentuk suatu tour. Dalam meminimalkan biaya total, permasalahan rute dan penjadwalan mempertimbangkan berbagai batasan yang ada diantaranya kapasitas kendaraan, batasan waktu untuk tiap rute yang dilaluinya, dan batasan-batasan yang menyangkut kebijakan dari produsen. Batasan-batasan pada permasalahan rute dan penjadwalan secara umum adalah sebagai berikut: 1. Sebuah tour harus mencakup semua node. 2. Sebuah node harus dikunjungi satu kali. 11

3. Sebuah tour harus berawal dan berakhir di depot.

2.8 Sistem Distribusi Distribusi adalah salah satu aspek dari pemasaran. Distribusi juga dapat diartikan sebagai kegiatan pemasaran yang berusaha memperlancar dan mempermudah penyampaian barang dan jasa dari produsen kepada konsumen, sehingga penggunaannya sesuai dengan yang diperlukan. Seorang atau sebuah perusahaan distributor adalah perantara yang menyalurkan produk dari pabrikan (manufacturer) ke pengecer (retailer). Setelah suatu produk dihasilkan oleh pabrik, produk tersebut dikirimkan ke suatu distributor, maka distributor tersebut akan menjual produk tersebut ke pengecer atau pelanggan. Tiga aspek lainnya dari pemasaran adalah manajemen produk, harga, dan promosi.

2.8.1 Tugas dan Tujuan Distribusi Tugas dari distribusi adalah sebagai berikut: 1. Membeli barang dan jasa dari produsen atau pedagang yang lebih besar. 2. Mengklasifikasi barang atau memilahnya sesuai dengan jenis, ukuran, dan kualitasnya. 3. Memperkenalkan barang atau jasa yang diperdagangkan kepada konsumen, misalnya dengan reklame atau iklan. Adapun tujuan kegiatan distribusi baik yang dilakukan oleh individu atau lembaga adalah sebagai berikut: 1. Kelangsungan kegiatan produksi dapat terjamin. Produsen atau perusahaan membuat barang untuk dijual dan mendapatkan keuntungan dari hasil penjualan yang kembali digunakan untuk proses produksi dimana keuntungan tersebut didapatkan jika terdapat distributor. 2. Barang atau jasa hasil produksi dapat bermanfaat bagi konsumen. Barang atau jasa produksi tidak akan ada artinya jika tetap berada di tempat produsen. Barang atau jasa dapat bermanfaat bagi konsumen jika telah ada kegiatan distribusi. 3. Konsumen meperoleh barang dan jasa dengan mudah. Tidak semua barang atau dapat dibeli langsung konsumen dari

12

produsen dimana hal ini membutuhkan penyalur atau distribusi dari produsen ke konsumen.

2.9 Sistem Distribusi PT. Pertamina DPPU Juanda Pada sistem ini, avtur dari tangki penimbunan akan didistribusikan ke konsumen yang berada pada terminal 1 dan 2 melalui beberapa kendaraan dan melalui jalur pipa (hydrant pit). Untuk distribusi ke terminal 1 sudah memiliki hydrant pit yang kemudian disambungkan dengan hydrant dispenser untuk mengisi bahan bakar pesawat, selain itu pada terminal 1 juga terdapat refueller yang bertugas untuk mengisi bahan bakar pesawat langsung tanpa perantara. Sedangkan di terminal 2 tidak memiliki hydrant pit melainkan memiliki depo sendiri yang akan diisi oleh bridger. Depo itu sendiri akan digunakan untuk mengisi ketersediaan bahan bakar pesawat melalui refueller sehingga refueller akan mengisi bahan bakar langsung ke pesawat.

Gambar 2.3 Sistem Distribusi Pengisian Bahan Bakar

13

2.10

Vehicle Routing Problem

Vehicle Routing Problem (VRP) adalah suatu metode yang digunakan untuk menentukan rute beberapa armada kendaraan baik dari satu depot atau pun banyak depot sehingga dapat melayani pelanggan yang tersebar secara geografis. Contoh dari VRP seperti distribusi barang meliputi pelayanan sejumlah konsumen pada waktu tertentu dan jumlah kendaraan berasal dari 1 atau lebih depot, dikendarai oleh sejumlah pengemudi/kru. Terdapat beberapa jenis VRP, antara lain: 1. Capacitated Vehicle Routing Problem (CVRP), jenis dari VRP dimana setiap unit kendaraan mempunyai kapasitas angkut barang yang sama. Jumlah permintaan barang yang dapat dilayani oleh setiap kendaraan tidak boleh melebihi dari kapasitas angkut barang kendaraan. 2. Vehicle Routing Problem with Time Window (CRPTW), jenis dari VRP dimana masing-masing pelanggan dan tempat pemberhentian memiliki interval waktu tertentu dalam melakukan pengambilan dan pengiriman barang. 3. Capacitated Vehicle Routing Problem with Time Windows (CVRPTW), jenis dari VRP yang merupakan gabungan dari CVRP dan VRPTW. 4. Multiple Depot Vehicle Routing Problem (MDVRP), jenis dari VRP dengan lebih dari satu depot. 5. Periodic Vehicle Routing Problem (PVRP), jenis dari VRP dimana pengiriman barang dapat dilakukan dalam beberapa hari (lebih dari 1 hari). 6. Split Delivery Vehicle Routing Problem (SDVRP), jenis dari VRP dimana satu pelanggan dapat dilayani oleh lebih dari satu unit kendaraan. 7. Vehicle Routing Problem with Backhauls (VRPB), jenis dari VRP dimana antara pengambilan barang dan pengiriman barang dapat dilakukan pada setiap tempat pemberhentian yang diberikan sepanjang rute. Secara khusus, pengambilan barang tidak dapat dilakukan sampai semua pengiriman selesai dilakukan.

14

2.10.1 Metode Penyelesaian Vehicle Routing Problem Pada dasarnya, terdapat 3 metode untuk menyelesaikan permasalahan VRP, antara lain: 1. Metode Eksak Pada metode eksak, dilakukan pendekatan dengan menghitung setiap solusi yang mungkin sehingga solusi terbaik dapat diperoleh. Contoh dari penyelesaian ini adalah metode branch and bound dan branch and cut. 2. Metode Heuristik Metode ini memberikan satu cara untuk menyelesaikan permasalahan optimasi yang lebih sulit dan waktu penyelesaiaan yang lebih cepat daripada metode eksak. Contoh metode ini adalah metode saving, metode nearest neighbor, multiroute improvement heuristic, dll.

15

3. Metode Metaheuristrik Algoritma heuristik modern atau lebih dikenal dengan metaheuristik memecahkan masalah penjadwalan produksi dengan melakukan perbaikan mulai dengan satu atau lebih solusi awal. Solusi awal ini dapat dihasilkan secara acak, dapat pula dihasilkan berdasarkan hasil dari metode heuristik tertentu. Contoh dari metode metaheuristik adalah genetic algorithm, particle swarm algorithm, ant colony algorithm, dll.

2.10.2 Vehicle Routing Problem with Tight time window, Short travel time, and Re-use vehicle (VRPTSR) Vehicle Routing Problem with Tight time window, Short travel time, and Re-use vehicle (VRPTSR) merupakan gabungan dari beberapa jenis dari VRP, yaitu Capacitated Vehicle Routing Problem (CVRP), Vehicle Routing Problem with Time Window (CRPTW), dan penggunaan kendaraan lebih dari satu kali. Pada umumnya, permasalahan VRP terdapat beberapa kendaraan, kendaraan tersebut hanya digunakan satu kali dalam melayani permintaan pelanggan dan tidak dapat digunakan lagi. Pada permasalahan ini, kendaraan dapat digunakan kembali untuk melayani permintaan pelanggan yang belum dilayani oleh kendaraan itu sendiri dan kendaraan lainnya.

16

Rute 4

5

Rute Truk 1 Rute Truk 3 Rute 3 4

Depot

1

2 Rute 1

3 Rute 2 Rute Truk 2

Gambar 2.4 Representasi VRPTSR Dalam gambar 2.4, diilustrasikan suatu permasalahan Vehicle Routing Problem with Tight time window, Short travel time, and Re-use vehicle yang terdiri dari 1 depo, 5 pelanggan, dan 3 kendaraan. Dari ketiga kendaraan tersebut, hanya truk 3 yang melayani kembali setelah kembali dari depo untuk pengisian. Truk 2 dan truk 1, hanya melayani satu permintaan pelanggan saja setelah itu truk 2 dan 1 akan kembali ke depot dikarenakan truk 2 dan 1 kapasitas sisa tidak dapat memenuhi permintaan berikutnya.

2.11 Metode Sorting Sorting atau pengurutan data adalah proses yang sering dan harus dilakukan dalam pengolahan data. Sort dalam hal ini diartikan mengurutkan data yang berada dalam suatu tempat penyimpanan, dengan urutan tertentu baik urutan menaik (ascending) dari nilai terkecil sampai dengan nilai terbesar, atau urutan menurun (descending) dari nilai terbesar sampai dengan nilai terkecil.

17

Terdapat dua macam pengurutan pada kasus sorting, yaitu: 1. Pengurutan internal (internal sort) Pengurutan terhadap sekumpulan data yang disimpan dalam media internal komputer yang dapat diakses setiap elemennya secara langsung. Dapat dikatakan sebagai pengurutan tabel. 2. Pengurutan eksternal (external sort) Pengurutan data yang disimpan dalam memori sekunder, biasanya data bervolume besar sehingga tidak mampu untuk dimuat semuanya dalam memori.

2.12

Ant Colony Optimization (ACO)

Ant Colony Optimization (ACO) adalah suatu metode penyelesaian masalah optimasi yang berupa kumpulan beberapa algoritma yang menggunakan teknik probabilistik dan perilaku koloni semut dalam mencari makanan. Konsep ACO pertama kali diperkanalkan melalui algoritma Ant System (AS) pada tahun 1992 oleh Marco Dorigo dalam disertasinya. Terinspirasi oleh cara koloni semut dalam mencari rute ke sumber makanan, metode ini meniru sistem komunikasi koloni semut yang meninggalkan zat kimia yang disebut feromon di rute-rute perjalanan mereka. Setiap semut memulai tournya melalui sebuah titik yang dipilih secara acak (setiap semut memiliki titik awal yang berbeda). Secara berulang kali, satu-persatu titik yang ada dikunjungi oleh semut dengan tujuan untuk menghasilkan sebuah tour. Pemilihan titik-titik yang akan dilaluinya didasarkan pada suatu fungsi probabilitas, dinamai aturan transisi status (state transition rule), dengan mempertimbangkan visibility (invers dari jarak) titik tersebut dan jumlah Feromone yang terdapat pada ruas yang menghubungkan titik tersebut. Semut yang menemukan sumber makanan, akan meninggalkan feromon di rute saat kembali ke koloninya. Semut lain yang mencium feromon di suatu rute, akan cenderung untuk mengikuti rute tersebut jika kandungan feromon cukup padat. Semakin padat kandungan feromon pada suatu rute, semakin besar kemungkinan semut lain mengikuti rute tersebut. Feromon akan mengalami penguapan seiring berjalannya waktu. Rute yang pendek akan mengandung feromon yang cukup padat, karena waktu yang digunakan untuk pulang-pergi (tiap kali pulang ke koloninya, semut selalu meninggalkan feromon) dari koloni ke sumber makanan lebih sedikit, yang menyebabkan penguapan feromon menjadi minimal. 18

Gambar 2.5 Perjalanan Semut dari Sarang Menuju Sumber Makanan Melalui Lintasan Terpendek Dalam dunia nyata, semut mencari jalan secara acak, menemukan makanan, dan kembali ke sarang sambil meninggalkan jejak pheromone. Jika semut lain menemukan jalur tersebut, maka mereka tidak akan berjalan secara acak lagi tetapi mulai mengikuti jejak pheromone yang kemudian menguatkan jejak tersebut. jejak pheromone tersebut akan memudar seiring berjalannya waktu. Untuk jalur-jalur yang panjang, jejak tersebut akan mulai memudar karena jarang dilalui, sedangkan untuk jalur-jalur yang pendek, jejak tersebut akan mempunyai ketebalan pheromone yang tinggi dan membuat jalur tersebut yang akan dipilih dan jalur yang panjang akan ditinggalkan.

2.12.1 Algoritma ACO Prosedur algoritma ACO (Dorigo, Gambardella) dijelaskan sebagai berikut: 1. Menentukan nilai parameter-parameter ACO (jumlah semut M, jumlah iterasi K, dan lain-lain) dan inisialisasi jumlah feromon pada setiap cabang. 2. Menentukan node selanjutnya berdasarkan state transition rule dan meng-update jumlah feromon pada setiap cabang 19

yang dilaluinya berdasarkan local pheromone update. Setiap semut akan membangun solusi (rute). a. State Transition Rule State Transition Rule yang digunakan dalam pemilihan node selanjutnya dapat dirumuskan sebagai berikut:



arg max  (r , u ) .  (r , u )  U Jk ( r )   Sk (r , s )    (r , s).  (r , s)    (r , u ).  (r , u )   uJk ( r )





,

q

, q

 qo

 qo (2.6)

(2.7) (2. 7) Dimana jika q  qo, maka eksploitasi, sedangkan jika q  qo, maka eksplorasi. Keterangan: 𝜏(𝑟, 𝑢) : jumlah feromon pada sisi dari simpul r ke simpul u. 𝜂(𝑟, 𝑢) : (panjang sisi dari simpul r ke simpul u) -1. 𝛽 : parameter perbandingan jumlah feromon relatif terhadap jarak (merupakan parameter yang telah ditentukan sebelumnya). 𝐽𝑘 (𝑟) : himpunan node yang belum dikunjungi oleh semut ke-k yang berada ada node r. 𝜏(𝑟, 𝑠) : jumlah feromon pada sisi dari simpul r ke simpul s. 𝜂(𝑟, 𝑠) : (panjang sisi dari simpul r ke simpul s) -1. 𝑞 : bilangan random. 𝑞0 : parameter yang menentukan eksploitasi dan eksplorasi. Ekploitasi : semut akan memilih node yang paling pendek dan jumlah pheromone yang tinggi. Eksplorasi : semut akan mencari node yang belum pernah dikunjungi sebelumnya. b. Local Pheromone Update Setiap kali membentuk tour, semut-semut tersebut akan melewati cabang yang ada dan merubah jumlah pheromone dengan persamaan: τ ( r,s )  (1 – ρ ). τ ( r,s ) + ρ. ∆τ ( r,s ) (2.8) keterangan:

20

τ ( r,s ) : jumlah feromon pada sisi dari simpul r ke simpul s. ρ : parameter lokal feromon yang hilang. ∆τ ( r,s ) : jumlah total feromon pada sisi dari simpul r ke s. 3. Mengurutkan solusi ke-1 sampai dengan solusi ke-M, simpan solusi terbaik sebagai solusi BestIteration. 4. Melakukan local search, dalam hal ini insertion heuristic, pada BestIteration. 5. Melakukan global pheromone update pada BestIteration. Setelah semua semut telah melaluli tiap node maka besarnya jumlah pheromone akan berubah berdasarkan persamaan global updating rule berikut: τ ( r,s )  (1 – α ). τ ( r,s ) + α . ∆τ ( r,s ) (2.9)  1  Lgb   ( r, s ) =   0  

untuk (r , s)  global  best  tour

lainnya

Dimana α adalah parameter global feromon yang hilang dan Lgb adalah panjang dari tour terbaik yang dihasilkan oleh sekumpulan semut tersebut. 6. Pada iterasi ke-1, BestIteration = BestSolution. Pada iterasi ke-2 sampai ke-K, Jika BestIteration > BestSolution maka BestIteration = BestSolution.

2.13

Nearest Neighbor

Metode Nearest Neighbor pertama kali diperkenalkan pada tahun 1983 dan merupakan metode yang sangat sederhana. Pada setiap iterasinya, dilakukan pencarian pelanggan yang terdekat dengan yang terakhir untuk ditambahkan pada akhir rute tersebut. Rute baru dimulai dengan metode yang serupa, jika tidak terdapat posisi yang fisibel untuk menempatkan pelanggan baru karena kendala kapasitas atau time windows. Cara kerja metode ini adalah pertama-pertama, semua rute kendaraan masing kosong. Dimulai dari rute kendaraan pertama, metode ini memasukkan satu persatu pelanggan terdekat yang belum dikunjungi ke dalam rute, selama memasukkan pelanggan tersebut ke dalam rute kendaraan tidak melanggar batasan kapasitas maksimum kendaraan tersebut. Kemudian proses yang serupa juga dilakukan untuk kendaraan-

21

kendaraan berikutnya, sampai semua kendaraan telah penuh atau semua pelanggan telah dikunjungi. Langkah-langkah metode Nearest Neighbor adalah sebagai berikut: 1. Langkah 1 Berawal dari depot, kemudian mencari pelanggan yang belum dikunjungi yang memiliki jarak terpendek dari depot sebagai lokasi pertama. 2. Langkah 2 Ke pelanggan lain yang memiliki jarak terdekat dari pelanggan yang terpilih sebelumnya dan jumlah pengiriman tidak melebih kapasitas kendaraan. a. Apabila ada pelanggan yang terpilih sebagai pelanggan berikutnya dan terdapat sisa kapasitas kendaraan, kembali ke langkah 2. b. Bila kendaraan tidak memiliki kapasitas, kembali ke langkah 1. c. Bila tidak ada lokasi yang terpilih karena jumlah pengiriman melebihi kapasitas kendaraan, maka kembali ke langkah 1. Dimulai lagi dari depot dan mengunjungi pelanggan yang belum dikunjungi yang memiliki jarak tersebut. 3. Langkah 3 Bila semua pelanggan telah dikunjungi maka algoritma berakhir.

22

Bab III PERANCANGAN SISTEM 3.1

Proses Distribusi Bahan Bakar Pesawat

Seperti yang sudah dijelaskan pada subbab 2.2, penelitian tugas akhir ini tertuju pada pembahasan truk refueller yang ada di terminal 2. Sistem distribusi yang dilakukan oleh truk refueller dapat digambarkan dalam ilustrasi berikut:

Gambar 3.1 Sistem Distribusi Terminal 2 Penjabaran prosess distribusi terminal 2 adalah sebagai berikut: 1. Pada proses distribusi di terminal 2 hanya terdapat 2 (dua) jenis kendaraan, yaitu truk bridger dan truk refuelle. 2. Truk bridger mengambil bahan bakar pesawat di DPPU Juanda yang kemudian akan didistribusikan ke depot yang terletak di terminal 2.

23

3. Depot di terminal 2 digunakan untuk mengisi bahan bakar pesawat ke truk refueller dan menjadi tempat parkir truk refueller. 4. Setelah permintaan bahan bakar pada tiap truk refueller telah terpenuhi, maka truk refueller dapat sedia kapan pun untuk melakukan pengisian bahan bakar pesawat secara langsung.

3.2 Perancangan Konseptual 3.2.1 Parameter Sistem 1. 2. 3. 4. 5.

Frekuensi melayani penerbangan oleh satu truk. Waktu pelayanan tiap penerbangan. Waktu perjalanan dari apron satu ke apron lainnya. Truk mana yang tersedia. Konstanta pembobot.

3.2.2 Variabel Sistem 1. Truk yang ditugaskan untuk melayani penerbangan. 2. Waktu mulai setiap penerbangan. 3. Satu truk dapat melayani penerbangan baru setelah melayani penerbangan lama.

3.2.3 BatasanSistem 1. Satu pesawat hanya dapat diisi oleh satu truk saja. 2. Jumlah frekuensi satu truk dalam melayani penerbangan perhari adalah G. 3. Apabila penerbangan baru dan lama dilayani oleh truk yang sama, maka pelayanan untuk penerbangan baru dimulai setelah penerbangan lama telah selesai dilayani. 4. Total permintaan bahan bakar pada setiap pesawat tidak boleh melebihi kapasitas truk. 5. Dalam melayani, truk hanya melayani urutan penerbangan dari penerbangan lama ke penerbangan baru atau sebaliknya.

24

3.3

Model Matematis

Model matematis digunakan untuk menafsirkan hasil perancangan konseptual dalam bentuk yang lebih detail. Dalam model matematis ini, akan dijelaskan mengenai fungsi objektif, parameter, variabel, dan batasan yang ada.

3.3.1 Fungsi Objektif Fungsi objektif pada penelitian tugas akhir ini adalah memiminumkan jumlah truk yang akan diberangkatkan. Fungsi objektif dapat berupa persamaan berikut: m Min Z   y k k 1

(3.1)

3.3.2 Parameter G H pi

cij ai

bi di Mk

: frekuensi melayani penerbangan oleh satu truk. : konstanta pembobot. : waktu pelyanan penerbangan ke-i. :waktu perjalanan dari apron penerbangan ke-i menuju apron penerbangan ke-j : batas awal waktu mulai melayani penerbangan ke-i : batas akhir waktu mulai melayani penerbangan ke-i : permintaan setiap penerbangan i : kapasitas truk

3.3.3 Variabel Keputusan 1, truk k yang siap ditugaskan untuk penerbangan i x ik =  0, jika tidak ada 

1, truk k yang akan digunakan yk =  0, jika tidak ada 

25

3.3.4 Batasan n untuk i  1,2,...,n  xik  1, k m untuk k  1,2,...,m  xik  Gyk , k s j  H (1  zij )  s  p  cij  H ( xik  x jk  2), i i untuk j  i; i, j  1,2,..., n; k  1,2,..., m

(3.2) (3.3) (3.4) (3.5)

 di  xij  M k iN jN xik  x jk  1  z  z ji  1, ij untuk j  i; i, j  1,2,..., n; k  1,2,..., m xik , zijk  {0,1}, untuk i, j  1,2,..., n; k  1,2,..., m

(3.6) (3.7)

si  {ai , bi }, untuk i  1,2,..., n

(3.8)

yk  {0,1}, untuk k  1,2,..., m

(3.9)

Fungsi objektif di persamaan (3.1) adalah untuk meminimumkan jumlah keberangkatan truk yang akan digunakan. Disamping harus memenuhi fungsi objektif, sistem ini juga harus memenuhi semua batasan yang ada. Pada batasan (3.2) menjelaskan bahwa satu pesawat hanya dapat dilayani oleh satu truk saja. Batasan (3.3) menjelaskan setiap truk memiliki frekuensi dalam melayani penerbangan perhari yang dilambangkan dengan G. Batasan (3.4) menjelaskan apabila penerbangan ke-j dan penerbangan ke-i dilayani oleh truk yang sama, maka pelayanan untuk penerbangan ke-j dimulai setelah pelayanan untuk penerbangan kei. Batasan (3.5) menjelaskan bahwa total permintaan bahan bakar pada setiap pesawat tidak boleh melebihi kapasitas truk. Sedangkan pada batasan (3.6), dijelaskan bahwa dalam melayani, truk hanya melayani urutan penerbangan dari penerbangan ke-i ke-j atau sebaliknya.

26

3.4 Perancangan Fungsional Tahap perancangan fungsional adalah menjabarkan semua fungsi operasional sistem, yaitu semua fungsi yang dijalankan oleh sistem ketika sistem dioperasikan. Fungsi operasional perangkat lunak yang dirancang dan dikembangkan adalah sebagai berikut: 1. Penentuan Rute Sistem dapat mengeluarkan rute dari tiap keberangkatan truk dalam melayani penerbangan yang parkir di tempat yang telah disediakan. 2. Penggabungan Rute Sistem dapat memilih rute mana yang diambil untuk tiap kendaraan. 3. Pemilihan Kendaraan Sistem dapat memilih kendaraan mana yang akan diberangkatkan pertama dan selanjutnya sampai semua penerbangan dapat terlayani semuanya.

3.4.1 Inisiasi Data Sistem ini diawali dengan inisiasi data umum. Data umum terbagi menjadi 2, yaitu data umum bersifat fix dan data umum yang bersifat asumsi. Data umum yang bersifat fix adalah data yang didapat langsung dari pihak PT. Pertamina DPPU Juanda Surabaya. Sedangkan data umum bersifat asumsi adalah data yang dibuat oleh penulis sebagai penunjang data fix. Data umum yang bersifat fix adalah: 1. Tipe dan Jumlah Kendaraan Jumlah truk atau kendaraan yang tersedia sebanyak 10 dengan kapasitas yang berbeda-beda, yaitu 16 KL, 25 KL, dan 40 KL.

27

Tabel 3.1 Tabel jenis-jenis kendaraan dengan kapasitas Kendaraan Kapasitas RF 19 16 Kiloliter RF 08 25 Kiloliter RF 09 25 Kiloliter RF 16 25 Kiloliter RF 21 25 Kiloliter RF 22 25 Kiloliter RF 23 25 Kiloliter RF 26 25 Kiloliter RF 17 40 Kiloliter RF 20 40 Kiloliter

2. Maskapai penerbangan Maskapai penerbangan digunakan untuk memberikan informasi tentang watku kedatangan tiap penerbangan agar tiap kendaraan atau truk tahu kapan harus atau tidak. Tabel 3.2 Tabel Jadwal Penerbangan Maskapai Penerbangan PT. Garuda Indonesia China Airlines PT. Indonesia Airasia

Waktu Kedatangan 05:01:00 04:44:00 05:00:00

3. Waktu Pelayanan dan alokasi parkir pesawat (apron) Dari informasi tabel 3.2 sudah diketahui, maka truk dapat melayani penerbangan dengan kedatangan yang lebih awal. Terdapat 2 jenis apron, yaitu apron untuk penerbangan domestik dan apron untuk penerbangan internasional. Apron digunakan agar truk dapat memilih apron dari kedatangan penerbangan, dengan mempertimbangkan waktu kedatangan pesawat dan kapasitas sisa dari truk itu sendiri. Untuk alokasi parkir tiap penerbangan, penerbangan yang datang lebih awal dapat menempati apron pertama.

28

Tabel 3.3 Tabel Pengalokasian Pesawat Maskapai Permintaan Penerbangan PT. Garuda Indonesia 1,907 Kiloliter China Airlines 5,199 Kiloliter PT. Indonesia Airasia 3,679 Kiloliter

Apron 1 7 6

Sedangkan data umum yang bersifat asumsi adalah: 4. Waktu tempuh depot-apron, apron-apron, apron-depot Waktu tempuh dari depot ke apron, apron ke apron, apron ke depot ini berupa matriks 9x9. Satu waktu tempuh ini adalah detik. Data ini diperoleh dengan menghitung jarak pintu masuk sampai batas akhir gedung bandara.

3.4.2 Fungsi Ant Colony Algorithm Seperti yang telah dijelaskan pada bab 2, algoritma ini berjalan layaknya kehidupan ant colony dalam mencari sumber makanan. Masukan dari algoritma ini berupa jumlah semut, state transtition rule, dan penambahan dan penguapan pheromone. Ant Colony Algorithm yang digunakan dalam sistem vehicle routing problem adalah berfungsi untuk menentukan rute mana saja yang akan dilayani terlebih dahulu. Kemungkinan rute terpilih merupakan proses dari perulangan yang ada pada ant colony algorithm. Prosedur ant colony algorithm dalam menyelesaikan sistem vehicle routing problem adalah sebagai berikut: 1. Inisiasi parameter ant colony Parameter yang digunakan dalam ant colony algorithm memiliki karakteristik tertentu. Penjelasan parameter ant colony algorithm dapat dilihat pada tabel dibawah ini. Tabel 3.4 Tabel Keterangan Parameter Ant Colony Algorithm Parameter Keterangan Nilai Max Iteration Jumlah iterasi yang digunakan 400 N Ant Jumlah semut 40,60 dan 80 Pembobot pheromone 10 Alpha (𝛼) Pembobot heuristic 10 Beta (𝛽) Tingkat Penguapan 0,2;0,5;0,8 𝜌

29

2. Nilai rho (𝜌) adalah parameter tingkat penguapan. Penurunan jumlah pheromone memungkinkan semut untuk mengeksplorasi lintasan yang berbeda selama proses pencarian. Ini juga akan menghilangkan kemungkinan memilih lintasan yang kurang bagus. Selain itu, ini juga membantu membatasi nilai maksimum yang dicapai oleh suatu lintasan pheromone. Jumlah pheromone yang ditambahkan pada ruas ij oleh semut k diberikan sebagai berikut: (k ) Q  i, j = Lk

(3.10)

Dimana Q adalah konstanta dan 𝐿𝑘 adalah lintasan terpendek yang dilalui semut k. Nilai Q biasanya ditentukan oleh user. Atau bisa juga diimplementasikan dengan cara berikut:  cf best , jika (i, j)  lintasan terbaik global (k )   i, j =  f worst  0, untuk yang lain 

Dimana 𝑓𝑏𝑒𝑠𝑡 adalah nilai terbaik dari fungsi tujuan dan 𝑓𝑤𝑜𝑟𝑠𝑡 nilai terjelek dari fungsi tujuan. Sedangkan c adalah konstanta untuk mengontrol skala updating global pheromone. Semakin tinggi nilai c semakin banyak pheromone ditambahkan ke lintasan global terbaik dan semakin bagus kemampuan mengeksploitasi. Persamaan diatas dimaksudkan untuk memberikan jumlah pheromone lebih banyak pada lintasan terbaik secara global (keseluruhan).

30

BAB IV IMPLEMENTASI DAN ANALISIS Pada bab ini membahas mengenai implementasi sistem yang telah dirancang sebelumnya, namun sebelum itu dilakukan pengumpulan datadata yang dibutuhkan untuk melakukan implementasi sistem, data-data yang dibutuhkan seperti jumlah kendaraan atau truk, maskapai penerbangan tiap harinya, waktu mulai pelayanan tiap maskapai penerbangan oleh keadaan atau truk, dan alokasi parkir penerbangan atau apron. Pertama-pertama dilakukan pengujian terhadap ACO yang telah dirancang pada bab sebelumnya untuk menyelesaikan permasalahan optimasi distribusi pengisian bahan bakar pesawat. Pengujian pada Aco diuji sebanyak 7 kali dengan iterasi yang sama untuk tiap pengujiannya. Algoritma tersebut akan mengeluarkan proporsi pelayanan tiap truk dalam tiap harinya, sehingga menghasilkan nilai fungsi objektif yang optimal dari sistem distribusi tersebut. Setelah melakukan simulasi dengan proporsi pelayanan tiap truk dalam tiap harinya yang telah dihitung agar mencapai nilai fungsi objektif yang optimal, kemudian dilakukan analisa hasil dari simulasi kondisi awal sebelum dioptimalkan dan simulasi kondisi yang telah dioptimalkan.

4.1 Pengumpulan Data Seperti pada penjelasan subbab 3.4.1 mengenai inisiasi data, bahwa proses pengumpulan data adalah proses paling utama pada kesuluruhan proses. Pengumpulan data ini dibagi kedalam dua tipe, yaitu data intern dan data ekstern.

4.1.1 Data Intern Data intern adalah data yang diperoleh langsung dari pihak PT.Pertamina DPPU Juanda Surabaya. Data yang berada di bab ini merupakan data pada tanggal 1 Mei 2016. Adapun data-data tersebut antara lain:

31

1. Tipe dan Jumlah Kendaraan Jumlah truk atau kendaraan yang tersedia sebanyak 10 dengan kapasitas yang berbeda-beda, yaitu 16 Kiloliter, 25 Kiloliter, dan 40 Kiloliter. Tabel 4.1 Tabel Tipe dan Kapasitas Kendaraan Kendaraan Kapasitas RF 19 16 Kiloliter RF 08 25 Kiloliter RF 09 25 Kiloliter RF 16 25 Kiloliter RF 21 25 Kiloliter RF 22 25 Kiloliter RF 23 25 Kiloliter RF 26 25 Kiloliter RF 17 40 Kiloliter RF 20 40 Kiloliter 2. Jumlah Permintaan Untuk melayani penerbangan selanjutnya, truk terlebih dahulu mempertimbangkan waktu kedatangan pesawat dan jumlah kapasitas sisa, ketika jumlah permintaan masih mencukupi kapasitas sisa maka truk tersebut dapat melayani penerbangan selanjutnya. Tabel 4.2 Tabel Permintaan Tiap Maskpai Maskapai Permintaan PT. Indonesia Airasia 2,228 Kiloliter PT. Garuda Indonesia 2,606 Kiloliter China Airlines 1,004 Kiloliter PT. Indonesia Airasia Extra 4,838 Kiloliter PT Garuda Indonesia 5,931 Kiloliter PT. Indonesia Airasia Extra 4,377 Kiloliter PT Garuda Indonesia 5,222 Kiloliter PT. Indonesia Airasia 1,541 Kiloliter Tabel 4.2 Tabel Permintaan Tiap Maskpai (Lanjutan) Maskapai Permintaan 32

PT Garuda Indonesia PT Garuda Indonesia Cathay Pacific PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia Airasia Berhad PT. Indonesia Airasia Extra Singapore Airlines Tiger Airways PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia PT Garuda Indonesia PT. Indonesia Airasia Extra PT. Indonesia Airasia Extra PT Garuda Indonesia Jetstar Asia Airways PTE LTD PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia Silk Air PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia

4,572 Kiloliter 4,777 Kiloliter 19,043 Kiloliter 4,770 Kiloliter 8,502 Kiloliter 0,544 Kiloliter 3,850 Kiloliter 3,194 Kiloliter 14,169 Kiloliter 1,850 Kiloliter 3,572 Kiloliter 6,444 Kiloliter 8,800 Kiloliter 1,427 Kiloliter 0,592 Kiloliter 5,979 Kiloliter 1,211 Kiloliter 1,198 Kiloliter 5,711 Kiloliter 0,200 Kiloliter 2,488 Kiloliter 3,670 Kiloliter 8,018 Kiloliter 9,132 Kiloliter 1,073 Kiloliter 1,261 Kiloliter 5,807 Kiloliter 9,192 Kiloliter 1,739 Kiloliter 4,996 Kiloliter 6,079 Kiloliter 7,524 Kiloliter 5,417 Kiloliter 1,499 Kiloliter

Tabel 4.2 Tabel Permintaan Tiap Maskpai (Lanjutan) Maskapai Permintaan 33

PT Garuda Indonesia Airasia Berhad PT Garuda Indonesia PT. Indonesia Airasia Extra

3,809 Kiloliter 2,729 Kiloliter 0,729 Kiloliter 4,406 Kiloliter

3. Waktu pelayanan Terdapat 2 jenis apron, yaitu apron untuk penerbangan domestik dan apron untuk penerbangan internasional. Apron digunakan agar truk dapat memilih apron dari kedatangan penerbangan, dengan mempertimbangkan waktu kedatangan pesawat dan kapasitas sisa dari truk itu sendiri. Untuk alokasi parkir tiap penerbangan, penerbangan yang datang lebih awal dapat menempati apron pertama. Tabel 4.3 Tabel Waktu Pelayanan Tiap Maskpai Maskapai Start Finish PT. Indonesia Airasia 04:50 04:54 PT. Garuda Indonesia 04:53 04:57 China Airlines 04:55 04:58 PT. Indonesia Airasia Extra 05:03 05:15 PT Garuda Indonesia 05:12 05:25 PT. Indonesia Airasia Extra 05:40 05:50 PT Garuda Indonesia 05:53 06:02 PT. Indonesia Airasia 06:02 06:06 PT Garuda Indonesia 06:48 06:56 PT Garuda Indonesia 07:10 07:19 Cathay Pacific 07:30 08:08 PT Garuda Indonesia 07:54 08:02 PT Garuda Indonesia 08:04 08:16 PT Garuda Indonesia 08:26 08:28 Airasia Berhad 08:50 08:58 PT. Indonesia Airasia Extra 09:05 09:10

Apron 6 1 7 1 2 7 3 1 6 1 6 2 3 4 6 3

Tabel 4.3 Tabel Waktu Pelayanan Tiap Maskpai (Lanjutan) Maskapai Start Finish Apron Singapore Airlines 09:37 10:01 7 Tiger Airways 10:00 10:08 8 34

PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia PT Garuda Indonesia PT. Indonesia Airasia Extra PT. Indonesia Airasia Extra PT Garuda Indonesia Jetstar Asia Airways PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia Silk Air PT. Indonesia Airasia Extra PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia PT Garuda Indonesia Airasia Berhad PT Garuda Indonesia PT. Indonesia Airasia Extra

35

10:09 10:46 11:05 11:29 11:37 11:54 12:07 12:30 14:22 14:26 14:36 14:42 15:02 15:30 15:49 15:57 16:47 17:08 18:01 18:10 18:15 18:29 18:31 19:39 20:39 21:20 22:13 22:23

10:29 10:57 11:21 11:36 11:41 12:03 12:10 12:35 14:33 14:28 14:42 14:50 15:12 15:44 15:53 16:01 16:59 17:28 18:12 18:20 18:27 18:42 18:43 19:45 20:47 21:29 22:16 22:26

5 1 6 2 2 6 3 6 1 2 3 4 3 5 1 6 1 2 3 6 7 4 5 1 2 6 1 6

4.2

Hasil Running program

Ada satu data yang dihasilkan dari proses optimasi pengisian bahan bakar pesawat menggunakan algoritma ant colony. Pada tabel 4.4, 4.5, dan 4.6 adalah hasil yang diperoleh menggunakan nilai parameter 𝜌=0,2, semut 80 dan iterasi 400; 𝜌=0,5, semut 80 dan iterasi 400; 𝜌=0,8, semut 80 dan iterasi 400. Tabel 4.4 Hasil Nilai 𝜌=0,2, semut=80 dan iterasi 400 Truk RF 09 RF 09 RF 09 RF 09 RF 09 RF 09

RF 16 RF 16 RF 16 RF 16 RF 19 RF 19 RF 19 RF 19

Penerbangan 0-1(A6)-7(A4)-10(A6)-0 0-11(A7)-12(A1)-0 0-16(A4)-18(A1)-19(A2)20(A6)-0 0-22(A7)-26(A6)-27(A1)28(A2)-31(A1)-0 0-32(A6)-34(A1)-35(A2)36(A3)-0 0-38(A3)-41(A1)-42(A2)43(A3)-44(A6)-45(A4)46(A5)-0 0-2(A1)-5(A3)-6(A6)8(A5)-9(A1)-0 0-13(A2)-14(A8)-15(A3)-0 0-17(A5)-23(A8)-25(A2)29(A6)-30(A3)-37(A6)-0 0-39(A4)-0 0-3(A2)-4(A7)-0 0-24(A1)-0 0-33(A2)-0 0-40(A5)-0

36

Tabel 4.5 Hasil Nilai 𝜌=0,5, semut=80 dan iterasi 400 Truk Penerbangan RF 09 0-1(A6)-0 RF 09 0-38(A3)-41(A1)-42(A2)43(A3)-44(A6)-45(A4)46(A5)-0 RF 16 0-2(A1)-5(A3)-8(A5)9(A1)-10(A6)-0 RF 16 0-11(A7)-12(A1)-0 RF 16 0-14(A8)-15(A3)-17(A5)18(A1)-0 RF 16 0-20(A6)-21(A3)-22(A7)24(A1)-26(A6)-29(A6)-0 RF 16 0-31(A1)-32(A6)-33(A2)39(A4)-0 RF 16 0-40(A5)-0 RF 21 0-3(A2)-4(7)-0 RF 21 0-23(A8)-0 RF 21 0-27(A1)-28(A2)-34(A1)35(A2)-36(A3)-37(A6)-0 RF 19 0-6(A6)-7(A4)-0 RF 19 0-13(A2)-16(A4)-0 RF 19 0-19(A2)-0 RF 19 0-25(A2)-0 RF 19 0-30(A3)-0

37

Tabel 4.6 Hasil Nilai 𝜌=0,8, semut=80 dan iterasi 400 Truk RF 09 RF 09

Penerbangan 0-1(A6)-0 0-36(A3)-37(A6)-38(A3)41(A1)-42(A2)-0 RF 09 0-43(A3)-44(A6)-45(A4)46(A5)-0 RF 16 0-2(A1)-8(A5)-0 RF 16 0-15(A3)-16(A4)-17(A5)18(A1)-0 RF 16 0-21(A3)-23(A8)-25(A2)26(A6)-27(A1)-28(A2)-0 RF 16 0-32(A6)-33(A2)-40(A5)-0 RF 21 0-3(A2)-7(A4)-0 RF 21 0-14(A8)-0 RF 21 0-22(A7)-0 RF 21 0-29(A6)-31(A1)-34(A1)35(A2)-39(A4)-0 RF 23 0-4(A7)-0 RF 23 0-10(A6)-11(A7)-0 RF 23 0-13(A2)-0 RF 23 0-20(A6)-0 RF 23 0-24(A1)-0 RF 23 0-30(A3)-0 RF 19 0-5(A3)-6(A6)-0 RF 19 0-9(A1)-0 RF 19 0-12(A1)-0 RF 19 0-19(A2)-0 Dalam hasil running program, juga didapatkan grafik perbandingan antara parameter 𝜌=0,2, semut 80 dan iterasi 400; 𝜌=0,5, semut 80 dan iterasi 400; 𝜌=0,8, semut 80 dan iterasi 400. Dari program tersebut, dapat disimpulkan bahwa parameter 𝜌=0,2, semut 80 dan iterasi 400, program sudah dapat memberikan hasil terbaik, yaitu truk yang digunakan sebanyak 3.

38

Tanggal 1 Mei 2016 6 5 4 3 2 1 0 jumlah truk N=80 dan rho=0,2

N=80 dan rho=0,5

N=80 dan rho=0,8

Gambar 4.1 Hasil Tanggal 1

4.3 Pengujian Parameter Ant Colony Algorithm Proses pengujian ini dilakukan dalam mencari parameter terbaik untuk data yang berbeda-beda. Parameter yang diubah adalah jumlah semut dan tingkat penguapan dari pheromone. Pengujian ini, diuji sebanyak 14 kali.

4.3.1 Pengujian Tingkat Penguapan Pheromone

Pada pengujian tingkat penguapan pheromone (𝜌), parameter 𝜌 dibuat bervariasi nilainya, yaitu 0,2; 0,5; 0,8 dengan jumlah semut dan iterasi yang sama yaitu 80 dan 400.

39

Tanggal 2 Mei 2016 5 4 3 2 1 0 jumlah truk N=80 dan rho=0,2

N=80 dan rho=0,5

N=80 dan rho=0,8

Gambar 4.2 Hasil Tingkat Penguapan Pheromone tanggal 2 Dari gambar 4.2, parameter 𝜌=0,2, semut 80 dan iterasi 400 menghasilkan jumlah truk yang digunakan paling sedikit, yaitu berjumlah 3.

40

Tanggal 3 Mei 2016 5

4 3 2 1 0

jumlah truk N=80 dan rho=0,2

N=80 dan rho=0,5

N=80 dan rho=0,8



N=80 dan rho=0,5

N=80 dan rho=0,8

Gambar 4.4 Hasil Tingkat Penguapan Pheromone tanggal 4

41

Dari gambar 4.4, semua parameter menghasilkan jumlah truk yang sama, yaitu 4 truk.


4 3 2 1 0 jumlah truk N=80 dan rho=0,2

N=80 dan rho=0,5

N=80 dan rho=0,8



N=80 dan rho=0,5

N=80 dan rho=0,8

Gambar 4.6 Hasil Tingkat Penguapan Pheromone tanggal 6 42

Dari gambar 4.6, parameter 𝜌=0,2, semut 80 dan iterasi 400, dan parameter 𝜌=0,5, semut 80 dan iterasi 400 sama-sama menghasilkan jumlah truk yang digunakan paling sedikit, yaitu berjumlah 3.

Tanggal 7 Mei 2016 6 5 4 3 2 1 0 jumlah truk N=80 dan rho=0,2

N=80 dan rho=0,5

N=80 dan rho=0,8


43

4.3.2 Pengujian Jumlah Semut Pada pengujian jumlah semut (N), parameter N dibuat bervariasi nilainya, yaitu 40,60,80 dengan 𝜌 dan iterasi sama sebesar 0,5 dan 400.

Tanggal 1 Mei 2016 5 4 3 2 1 0 jumlah truk

N=40 dan rho=0,5

N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.8 Hasil Pengujian Semut Tanggal 1 Dari gambar 4.8, parameter 𝜌=0,5, semut 60 dan iterasi 400 menghasilkan jumlah truk yang digunakan paling sedikit, yaitu berjumlah 3.

44


N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.9 Hasil Pengujian Semut Tanggal 2 Dari gambar 4.9, parameter 𝜌=0,5, semut 60 dan iterasi 400, 𝜌=0,5, semut 80 dan iterasi 400 menghasilkan jumlah truk yang sama, yaitu berjumlah 3.

Tanggal 3 Mei 2016 5 4 3 2 1 0 jumlah truk

N=40 dan rho=0,5

N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.10 Hasil Pengujian Semut Tanggal 3

45

Dari gambar 4.10, parameter 𝜌=0,5, semut 80 dan iterasi 400 menghasilkan jumlah truk yang digunakan paling sedikit, yaitu berjumlah 3.


4 3 2 1 0


N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.11 Hasil Pengujian Semut Tanggal 4 Dari gambar 4.11, parameter 𝜌=0,5, semut 80 dan iterasi 400 menghasilkan jumlah truk yang digunakan paling sedikit, yaitu berjumlah 4.

46


4 3 2

1 0


N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.12 Hasil Pengujian Semut tanggal 5 Dari gambar 4.12, semua parameter menghasilkan jumlah truk yang digunakan sama, yaitu berjumlah 4.


N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.13 Hasil Pengujian Semut Tanggal 6

47

Dari gambar 4.13, parameter 𝜌=0,5, semut 60 dan iterasi 400, 𝜌=0,5, semut 80 dan iterasi 400 menghasilkan jumlah truk yang sama, yaitu berjumlah 3.


N=60 dan rho=0,5

N=80 dan rho=0,5

Gambar 4.14 Hasil Pengujian Semut Tanggal 7 Dari gambar 4.14, parameter 𝜌=0,5, semut 60 𝜌=0,5, semut 80 dan iterasi 400 menghasilkan jumlah yaitu berjumlah 4. Tabel 4.7 Perbandingan Parameter Jumlah truk 1 2 3 4 5 6 3 4 4 4 3 4 Kondisi Awal 3 3 4 4 3 3 𝝆 = 𝟎, 𝟐 semut 80 4 4 4 4 4 3 𝝆 = 𝟎, 𝟓 semut 80 5 4 4 4 4 4 𝝆 = 𝟎, 𝟖 semut 80 4 5 4 5 4 4 𝝆 = 𝟎, 𝟓 semut 40 3 4 4 5 4 3 𝝆 = 𝟎, 𝟔 semut 60

dan iterasi 400, truk yang sama,

7 4 3 4 5 5 4

Total 26 23 27 30 31 27

Terlihat pada tabel 4.7, dalam kondisi awal total truk yang digunakan selama 7 hari sebanyak 26 truk, sedangkan pada pengujian parameter ant colony, parameter dengan 𝜌 = 0,2 semut 80 memiliki jumlah total truk yang digunakan selama 7 hari paling sedikit daripada parameter lainnya, yaitu sebanyak 23 truk. 48

Jadi, dari hasil pengujian pada subbab 4.3.1 dan 4.3.2, didapatkan parameter yang menghasilkan kondisi optimal, yaitu parameter yang bernilai 𝜌=0,2, semut 80 dan iterasi 400.

4.4

Kondisi Awal

Kondisi awal disini, merupakan kondisi dimana PT. Pertamina DPPU Juanda dalam sehari-hari melayani pengisian bahan bakar pesawat. Dalam sehari-hari PT. Pertamina DPPU Juanda memberangkatkan kendaraan atau truknya dengan kondisi truk tersebut siap untuk digunakan, tidak mempertimbangkan kapasitas terbesar dahulu yang diberangkatkan atau sebaliknya. Tabel 4.8 Kondisi Awal Tanggal Jumlah Truk Tanggal Jumlah Truk 1 3 17 3 2 4 18 4 3 4 19 3 4 4 20 4 5 3 21 5 6 4 22 4 7 4 23 3 8 3 24 4 9 4 25 4 10 4 26 3 11 3 27 5 12 5 28 4 13 6 29 3 14 4 30 3 15 3 31 3 16 5 Tabel 4.8 merupakan representasi kondisi kondisi dimana PT. Pertamina DPPU Juanda menggunakan truk dalam sehari-hari melayani pengisian bahan bakar pesawat.

49

4.5

Perbandingan Penerapan Ant Colony dan Kondisi Awal

Setelah mengetahui hasil dari perhitungan algoritma ant colony dan kondisi awal. Kemudian akan dibandingkan hasil-hasil antara kondisi tersebut, seperti tabel 4.8. Tabel 4.9 Perbandingan ACO dan Kondisi Awal Tanggal 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Jumlah Truk Kondisi Awal ACO 3 3 4 3 4 4 4 4 3 3 4 3 4 3 3 3 4 3 4 4 3 3 5 4 6 4 4 3 3 3 5 3 3 3 4 4 3 3 4 4 5 4 4 3 3 3 4 3 4 3

50

Tabel 4.9 Perbandingan ACO dan Kondisi Awal (Lanjutan) Tanggal 26 27 28 29 30 31

Jumlah Truk Kondisi Awal ACO 3 3 5 4 4 4 3 3 3 3 3 3

Dari tabel 4.9, menurut algoritma ant colony diperoleh jumlah truk yang digunakan dapat berkurang dari kondisi awalnya seperti pada tanggal 2, 6, 7, 9, 12, 13, 14, 16, 21, 22, 24, 25, dan 27 dengan rata-rata truk yang berkurang sebanyak satu truk, sedangkan untuk tanggal yang lainnya, truk yang digunakan sesuai dengan kondisi awalnya.

51


52

BAB V PENUTUP Kesimpulan ini menerangkan hasil dari pengujian dan simulasi yang telah dilaksanakan. Selama proses perancangan dan penelitian, terdapat banyak kendala yang dihadapi. Kendala tersebut telah penulis rangkum dan dirumuskan dalam bentuk saran untuk penyempuranaan dan penelitian lebih lanjut

5.1

Kesimpulan

Berdasarkan hasil pengujian dan analisis, dapat diperoleh kesimpulan sebagai berikut: a. Dari analisa parameter nilai 𝜌 semakin besar, maka truk yang digunakan akan semakin banyak. b. Ketika 𝜌 bernilai 0,8, maka truk yang digunakan selama 7 hari sebanyak 30, sedangkan saat 𝜌 bernilai 0,2, truk yang digunakan selama 7 hari sebanyak 23 truk. c. Penerapan ant colony, dapat mengurangi penggunaan truk dari kondisi awal.

5.2

Saran

Perlu dicari optimasi jaringan distribusi menggunakan metode yang berbeda sebagai pembanding algoritma ant colony, sekaligus untuk bahan evaluasi demi mendapatkan solusi yang terbaik. Penelitian yang telah dilaksanakan ini masih dapat dikembangkan lebih lanjut untuk memecahkan permasalahan Vehicle Routing Problem Vehicle Routing Problem with Tight time window, Short travel time, and Re-use vehicle yang lain, yaitu dengan mempertimbangkan fungsi tujuan lain, variabel yang lain, dan kendala yang lain.

53


54

DAFTAR PUSTAKA [1] [2] [3] [4] [5]

[6]

[7]

[8]

[9]

Hilier, F. Lieberman, G “Introduction to Operation Research”, McGraw-Hill, New York,2001. Alkaff, A., Gamayanti, N.”Diktat Kuliah Penyelidikan Operasi”, Surabaya. Wu, N., R, Coppins.”Linear programming and Entensions”, McGraw-Hill, New York, 1981. Santosa, Budi dan Paul Willy, “Metoda Metaheuristik Konsep dan Implementasi”, Surabaya, Guna Widya, 2011. Toth, P., Vigo, D.”The Vehicle Routing Problem”, SIAM Monograph on Discrete Mathematics and Applications. SIAM, Philadelphia, 2002. Rizaldi, Edo.”Penerapan Firefly algorithm Pada Proses Penentuan Rute dan Pemberangkatan Kendaraan di PT Pertamina TBBM Surabaya Group”, Institut Teknologi Sepuluh Nopember, Thesis, 2016. Nugroho, Rosyid Hadi.”Algoritma Ant Colony Sytem untuk Menyelesaikan Multidepot Vehicle Routing Problem Dengan Variabel Travel Time”, Institut Teknologi Sepuluh Nopember, Thesis, 2015. Du, Yuquan., Zhang, Qian., Chen Qiushuang.”ACO-IH An Improved Ant Colony Optimization Algorithm for Airport Ground Service Scheduling“, Nankai University, China, 2008. Champbell,A.M., Martin S (2004), “Efficient Insertion Heuristics for Vehicle Routing and Schdulling Problems”.

55

[10]

Chen, C.H., Ting, C.J. (2004), “ An Improved Ant Colony Systems Algorithm for The Vehicle Routing Problem”, Working Paper 2004-001, Department of Industrial Engineering and Management, Yuan Ze University, Taiwan.

56

Lampiran Script MATLAB program Ant Colony A1. Definisi permasalahan [model,D]=CreateModelNew();% Need changes to satisfy scheduling model CostFunction=@(ant,i)evalCost(ant,model(i));% Same as above A2. Parameter ACO MaxIt=300; % Maximum Iterations nAnt=80; % Number of Ants Q=1; %tau0=10*Q/(nVar*mean(model.D(:))); % Initial Phromone tau0=1; alpha=10; % Phromone Exponential Weight beta=10; % Heuristic Exponential Weight rho=0.2; % Evaporation Rate proc=0.16; % Process Time Sol=[]; Solution={}; for l=31 start=model(l).ds-0.5; % Start Times nJob=model(l).flight; t=model(l).travel;

A3. Inisialisasi populasi %Pheromones %eta=1./model.D; % Heuristic Information Matrix tau=tau0*ones(nJob,nJob); % Phromone Matrix BestCost=zeros(MaxIt,1); % Holds Cost of Best Solutions of Iteration %Nerest Neighbor Solution % Empty Ant % An ant of scheduling problem should consist of % Start times(ST) % Assignment of jobs(Job to Truck) empty_ant.ST=[]; empty_ant.Job=[]; 57

empty_ant.Truck=[]; empty_ant.cost=0; % Ant Colony Matrix ant=repmat(empty_ant,nAnt,1); % Best Ant BestSol.Cost=inf; %First is set to be infinite %First should be set as solution of EDD A4. ACO main loop for it=1:MaxIt % Move Ants for k=1:nAnt ant(k).Job=firstAvailNew([],model(l));%need consideration ant(k).Truck=1; ent=max(0,start(ant(k).Job)); ant(k).ST=ent; %Tour starts at random for m=2:nJob i=ant(k).Job(end); r=ant(k).Truck(end); %% Setting next reachibility(!) R=reachNew(i,ent,model(l)); for y=ant(k).Job R(y)=0; end if sum(R)==0 r=r+1; j=firstAvailNew(ant(k).Job,model(l)); st=max(0,start(j)); else %Set the roulette P=(tau(i,:).^alpha).*R;%.*eta(i,:).^beta;%Evaluating probability %of the next step %P(ant(k).Tour)=0;% Set all unreachables to 0 P=P/sum(P);% Normized j=RouletteWheelSelection(P,R);% Do the roulette 58

st=max(ent+t(i,j),start(j));%get the start end ant(k).Job=[ant(k).Job j];%Assign the job ant(k).Truck=[ant(k).Truck r];%to a truck ant(k).ST=[ant(k).ST st];%add it ent=st+proc; end ant(k).Cost=CostFunction(ant(k),l);%Evaluate cost of solution %Selection of the best ant if ant(k).Cost
%insertvalue point=1; for i=1:D j=DF(i); model(i).flight=j; model(i).cost=ones(j,j); model(i).travel=0.33*ones(j,j)+99*eye(j); model(i).ds=(N(point:point+j-1,2)+0.5)'; model(i).dy=cell2mat(T(point)); P=N(point:point+j-1,5); prom={}; for k=1:j pp=['A' mat2str(P(k))]; prom=[prom pp]; end model(i).pron=prom point=point+j; end end C1. Evaluasi cost function cost=evalCost(ant,model) %usedparams: %number of truck: last of ant.assign %start times: use ant.ST cost=sum(ant.ST-model.ds)+50*ant.Truck(end); end

61

d1. FirstAvail function T=firstAvailNew(tkn,model) job=ones(1,model.flight); for i=tkn job(i)=inf; end sel=job.*model.ds; [sel,in]=sort(sel); T=in(1); end e1. Nearest Neighbor %Nerest Neighbour %Let us have a set of trucks e.g. 3 truck %Init clc clear RT=[0 0 0]; CapT=[30 30 30]; Job=1:7; CapJ=30*ones(1,7); SR=24*rand(1,7); Sorted=sort(SR); Taken=zeros(size(Job)); proc=0.16; All=[]; while sum(Job)~=0 [C,I]=min(RT); Cap=CapT(I); R=RT(I); J=find(Sorted>=R,1,'first'); RT(I)=Sorted(J)+proc; PR=[I,J]; All=[All;PR]; Use=min(Cap,CapJ(J)); Cap=Cap-Use; CapJ(J)=CapJ(J)-Use; if CapJ(J)==0 62

Job(J)=0; Taken(J)=J; Sorted(J)=-1; end R=RT(I); while sum((Sorted>=R).*(Cap>=CapJ))~=0 J=find((Sorted>=R).*(Cap>=CapJ),1,'first'); RT(I)=Sorted(J)+proc; PR=[I,J]; All=[All PR]; Use=min(Cap,CapJ(J)); Cap=Cap-Use; CapJ(J)=CapJ(J)-Use; if CapJ==0 Job(J)=0; Taken(J)=J; Sorted(J)=-1; end R=RT(I); end end f1. Plot Schedule function PlotSchedule(Sol,model) clf tits=['Jadwal pelayanan truk' ' ' model.dy]; pron=model.pron; J={}; ST=Sol.ST; Truck=Sol.Truck; Job=Sol.Job; UT=Sol.Truck(end); for i=1:numel(Sol.Truck) j={mat2str(i)}; J=[J j]; end TP=(Sol.Truck==i); 63

F=0; for i=1:UT f=find(Sol.Truck==i,1,'last'); F=[F f]; end hold on for i=1:UT plot(ST(F(i)+1:F(i+1)),Truck(F(i)+1:F(i+1)),'k-o',... 'MarkerSize',6,... 'MarkerFaceColor','y',... 'LineWidth',2); end hold off title(tits); set(gca,'XTick',0:4:24); set(gca,'XTickLabel',{'00','04','08','12','16','20.00','24'}) set(gca,'YTick',0:UT+1); for i=1:numel(Sol.Truck) text(Sol.ST(i)+0.15,Sol.Truck(i)+0.3,cell2mat(J(Job(i)))); text(Sol.ST(i),Sol.Truck(i)-0.3,cell2mat(pron(Job(i)))); end xlabel('Waktu'); ylabel('Truk'); grid on; % % % % %

xmin = min(BestSol.ST); xmax = ; dx = xmax - xmin; xmin = floor((xmin - alpha*dx)/10)*10; xmax = ceil((xmax + alpha*dx)/10)*10; xlim([-1 25]);

% % % %

ymin = min(model.y); ymax = max(model.y); dy = ymax - ymin; ymin = floor((ymin - alpha*dy)/10)*10; 64

%

ymax = ceil((ymax + alpha*dy)/10)*10; ylim([0 Sol.Truck(end)+1]);

end g1. Reach function R=reachNew(job,en,model) t=model.travel; if isempty(job) T=zeros(1,model.flight); else T=t(job,:); end E=en*ones(1,model.flight)+T; R=ge(model.ds,E); end h1. Roulette wheel selection function j=RouletteWheelSelection(P,reach) r=rand; C=cumsum(P).*reach; j=find(r<=C,1,'first'); if isempty(j) j=find(C~=0,1,'first'); end end

65

Tabel Data 1 Bulan Maskapai

Tanggal

Truk

Maskapai

Tanggal

Truk

Pt. Indonesia Airasia

1/5/2016

RF 09

17/5/2016

RF19

Pt. Garuda Indonesia

1/5/2016

RF 19

17/5/2016

RF09

China Airlines

1/5/2016

RF 16

17/5/2016

RF23

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

1/5/2016

RF 16

17/5/2016

RF09

1/5/2016

RF 09

17/5/2016

RF09


1/5/2016

RF 16

17/5/2016

RF23

1/5/2016

RF 19

17/5/2016

RF19


1/5/2016

RF 16

17/5/2016

RF23


1/5/2016

RF 19

17/5/2016

RF19


1/5/2016

RF 19

17/5/2016

RF09

Cathay Pacific

1/5/2016

RF 16

17/5/2016

RF09


1/5/2016

RF 09

17/5/2016

RF23


1/5/2016

RF 09

17/5/2016

RF19


1/5/2016

RF 16

17/5/2016

RF23

Airasia Berhad

1/5/2016

RF 09

17/5/2016

RF09

Pt. Indonesia Airasia Extra Singapore Airlines

1/5/2016

RF 09

17/5/2016

RF23

1/5/2016

RF 16

17/5/2016

RF23

Tiger Airways

1/5/2016

RF 19

17/5/2016

RF09


1/5/2016

RF 16

17/5/2016

RF19


1/5/2016

RF 16

17/5/2016

RF09


1/5/2016

RF 16

17/5/2016

RF09


1/5/2016

RF 19

China Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Airasia Berhad Singapore Airlines Pt. Garuda Indonesia

17/5/2016

RF23

66

Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

1/5/2016

RF09

1/5/2016

RF09

1/5/2016

RF09

Jetstar Asia Airways

1/5/2016

RF19


1/5/2016

RF16


1/5/2016

RF09


1/5/2016

RF09


1/5/2016

RF16


1/5/2016

RF09

1/5/2016

RF19


1/5/2016

RF19


1/5/2016

RF09

1/5/2016

RF09


1/5/2016

RF09

Pt. Garuda Indonesia Silk Air

1/5/2016

RF16 RF16

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia Pt. Indonesia Airasia Extra

1/5/2016 1/5/2016 1/5/2016 1/5/2016 1/5/2016 1/5/2016 1/5/2016 1/5/2016 1/5/2016

RF19 RF16 RF19 RF09 RF16 RF16 RF19 RF19

67

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Jetstar Asia Airways China Airlines Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Eva Airways Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia

17/5/2016

RF23

17/5/2016

RF09

17/5/2016

RF19

17/5/2016

RF23

17/5/2016

RF19

17/5/2016

RF09

17/5/2016

RF09

17/5/2016

RF09

18/5/2016

RF23

18/5/2016

RF19

18/5/2016

RF09

18/5/2016

RF23

18/5/2016

RF19

18/5/2016

RF19

18/5/2016 18/5/2016

RF29 RF19

18/5/2016

RF09

18/5/2016

RF19

18/5/2016

RF19

18/5/2016

RF09

18/5/2016

RF19

18/5/2016

RF29

18/5/2016

RF29

18/5/2016

RF19

China Airlines

2/5/2016

RF16


2/5/2016

RF19


2/5/2016

RF09


2/5/2016

RF19


2/5/2016

RF16


2/5/2016

RF16

Royal Brunei Airlines Pt. Indonesia Airasia

2/5/2016

RF09

2/5/2016

RF19


2/5/2016

RF09

2/5/2016

RF09


2/5/2016

RF09

Cathay Pacific

2/5/2016

RF16


2/5/2016

RF09


2/5/2016

RF16


2/5/2016

RF09


2/5/2016

RF09

2/5/2016

RF16


2/5/2016

RF09

Singapore Airlines

2/5/2016

RF16


2/5/2016

RF09


2/5/2016

RF09


2/5/2016

RF16


2/5/2016

RF16

68

Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Singapore Airlines Tiger Airways Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia China Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

18/5/2016

RF19

18/5/2016

RF29

18/5/2016

RF19

18/5/2016

RF09

18/5/2016

RF19

18/5/2016

RF09

18/5/2016

RF09

18/5/2016

RF29

18/5/2016

RF09

18/5/2016

RF29

18/5/2016

RF29

18/5/2016

RF19

18/5/2016

RF09

18/5/2016

RF09

18/5/2016

RF19

18/5/2016

RF19

18/5/2016

RF19

18/5/2016

RF19

18/5/2016

RF29

19/5/2016

RF 29

19/5/2016

RF09

19/5/2016

RF09

19/5/2016

RF29


2/5/2016

RF16


2/5/2016

RF16

2/5/2016

RF16

2/5/2016

RF09

Pt. Surya Air

2/5/2016

RF19


2/5/2016

RF16


2/5/2016

RF19


2/5/2016

RF16


2/5/2016

RF19

2/5/2016

RF09


2/5/2016

RF21

Badan Sar Nasional

2/5/2016

RF16


2/5/2016

RF16


2/5/2016

RF16


2/5/2016

RF16


2/5/2016

RF16


2/5/2016

RF16


2/5/2016

RF09


2/5/2016

RF09


2/5/2016

RF09

Airasia Berhad

2/5/2016

RF16

Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra

2/5/2016

RF16

2/5/2016

RF16

69

Royal Brunei Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Singapore Airlines Tiger Airways Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

19/5/2016

RF09

19/5/2016

RF29

19/5/2016

RF09

19/5/2016

RF29

19/5/2016

RF19

19/5/2016

RF29

19/5/2016

RF29

19/5/2016

RF09

19/5/2016

RF19

19/5/2016

RF09

19/5/2016

RF19

19/5/2016

RF19

19/5/2016

RF29

19/5/2016

RF19

19/5/2016

RF29

19/5/2016

RF09

19/5/2016

RF19

19/5/2016

RF19

19/5/2016

RF19

19/5/2016

RF29

19/5/2016

RF29

19/5/2016

RF09

19/5/2016

RF29

China Airlines

3/5/2016

RF16


3/5/2016

RF09


3/5/2016

RF16


3/5/2016

RF16

3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF09

Cathay Pacific

3/5/2016

RF16


3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF16

Singapore Airlines

3/5/2016

RF16


3/5/2016

RF16


3/5/2016

RF16


3/5/2016

RF16


3/5/2016

RF09


3/5/2016

RF09

3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF09


3/5/2016

RF09

70

Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia China Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia

19/5/2016

RF09

19/5/2016

RF29

19/5/2016

RF09

19/5/2016

RF09

19/5/2016

RF09

19/5/2016

RF09

19/5/2016

RF29

19/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF19

20/5/2016

RF29

20/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF19

20/5/2016

RF29

20/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF19

20/5/2016

RF29

20/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF29

20/5/2016

RF09

Badan Sar Nasional

3/5/2016

RF21


3/5/2016

RF16


3/5/2016

RF16


3/5/2016

RF09

Silk Air

3/5/2016

RF09


3/5/2016

RF16


3/5/2016

RF16


4/5/2016

RF19

China Airlines

4/5/2016

RF16


4/5/2016

RF19


4/5/2016

RF09

4/5/2016

RF19

Eva Airways

4/5/2016

RF09


4/5/2016

RF16

Pt. Indonesia Airasia Extra Pt. Indonesia Airasia

4/5/2016

RF19

4/5/2016

RF09


4/5/2016

RF16


4/5/2016

RF09

Cathay Pacific

4/5/2016

RF16


4/5/2016

RF09


4/5/2016

RF09


4/5/2016

RF09


4/5/2016

RF16

71

Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Singapore Airlines Tiger Airways Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Ekspres Transportasi Antarbenua Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia China Airlines Pt. Garuda Indonesia

20/5/2016

RF29

20/5/2016

RF09

20/5/2016

RF29

20/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF09

20/5/2016

RF29

20/5/2016

RF29

20/5/2016

RF29

20/5/2016

RF19

20/5/2016

RF09

20/5/2016

RF29

20/5/2016

RF09

20/5/2016

RF20

20/5/2016

RF19

20/5/2016

RF19

20/5/2016

RF19

20/5/2016

RF29

20/5/2016

RF29

20/5/2016

RF09

21/5/2016

RF29

21/5/2016

RF09

21/5/2016

RF19


4/5/2016

RF16


4/5/2016

RF16

Pt. Indonesia Airasia Extra Airasia Berhad

4/5/2016

RF19

4/5/2016

RF19

Singapore Airlines

4/5/2016

RF09


4/5/2016

RF09

4/5/2016

RF19


4/5/2016

RF19


4/5/2016

RF09


4/5/2016

RF19


4/5/2016

RF09


4/5/2016

RF19

4/5/2016

RF09


4/5/2016

RF09


4/5/2016

RF19

4/5/2016

RF09


4/5/2016

RF16


4/5/2016

RF19


4/5/2016

RF09

4/5/2016

RF19


4/5/2016

RF16


4/5/2016

RF09

72

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Eva Airways

21/5/2016

RF29

21/5/2016

RF19

21/5/2016

RF09

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Royal Brunei Airlines Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Cathay Pacific Pt. Garuda Indonesia World Fuel Services Singapore Pte L Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Singapore Airlines

21/5/2016

RF19

21/5/2016

RF29

21/5/2016

RF19

21/5/2016

RF21

21/5/2016

RF29

21/5/2016

RF29

21/5/2016

RF21

21/5/2016

RF21

21/5/2016

RF21

21/5/2016

RF29

21/5/2016

RF29

21/5/2016

RF09

21/5/2016

RF29

21/5/2016

RF22

21/5/2016

RF29

21/5/2016

RF09

21/5/2016

RF19

21/5/2016

RF19

21/5/2016

RF29


4/5/2016

RF19


4/5/2016

RF09


4/5/2016

RF19


4/5/2016

RF09


4/5/2016

RF09


4/5/2016

RF19

Silk Air

4/5/2016

RF09


4/5/2016

RF09


4/5/2016

RF19


4/5/2016

RF09


4/5/2016

RF09

Airasia Berhad

4/5/2016

RF09


4/5/2016

RF19


4/5/2016

RF16


4/5/2016

RF16


4/5/2016

RF09


4/5/2016

RF09

Pt. Indonesia Airasia Extra China Airlines

4/5/2016

RF16

5/5/2016

RF16


5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF09

5/5/2016

RF09

73

Airasia Berhad Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia

21/5/2016

RF09

21/5/2016

RF29

21/5/2016

RF19

21/5/2016

RF19

21/5/2016

RF09

21/5/2016

RF19

21/5/2016

RF09

21/5/2016

RF09

21/5/2016

RF19

21/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF19

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09


5/5/2016

RF19

5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF09

Cathay Pacific

5/5/2016

RF16


5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF19


5/5/2016

RF09

Airasia Berhad

5/5/2016

RF16


5/5/2016

RF09

Singapore Airlines

5/5/2016

RF16

Royal Brunei Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

5/5/2016

RF09

5/5/2016

RF19

5/5/2016

RF19


5/5/2016

RF16

5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF09

Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia

5/5/2016 5/5/2016

RF09 RF16

5/5/2016

RF09


5/5/2016

RF19

74

Pt. Garuda Indonesia Singapore Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Silk Air Pt. Garuda Indonesia Pt. Indonesia Airasia China Airlines

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF29

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF29

22/5/2016

RF09

22/5/2016

RF09

22/5/2016

RF09

22/5/2016 22/5/2016

RF29 RF29

23/5/2016

RF29

23/5/2016

RF09


5/5/2016

RF19


5/5/2016

RF16

5/5/2016

RF16


5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF19

5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF09

Silk Air

5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF09


5/5/2016

RF16


5/5/2016

RF19


5/5/2016

RF19


5/5/2016

RF09


5/5/2016

RF19

China Airlines

6/5/2016

RF16


6/5/2016

RF19


6/5/2016

RF19

75

Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Royal Brunei Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia Singapore Airlines Pt. Garuda Indonesia Singapore Airlines Tiger Airways

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF19

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF29

23/5/2016

RF09

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF09

23/5/2016

RF19

23/5/2016

RF09

23/5/2016

RF09

23/5/2016

RF19

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF29

23/5/2016

RF29

23/5/2016

RF29

23/5/2016

RF09

23/5/2016

RF19

23/5/2016

RF19

23/5/2016

RF09


6/5/2016

RF19


6/5/2016

RF21

6/5/2016

RF19


6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF21


6/5/2016

RF16


6/5/2016

RF16


6/5/2016

RF09

6/5/2016

RF16

Airasia Berhad

6/5/2016

RF09

Singapore Airlines

6/5/2016

RF09


6/5/2016

RF09

6/5/2016

RF16


6/5/2016

RF16


6/5/2016

RF19


6/5/2016

RF16


6/5/2016

RF16

6/5/2016

RF09

6/5/2016

RF09


6/5/2016

RF16

76

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia China Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

23/5/2016

RF29

23/5/2016

RF29

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF09

23/5/2016

RF29

23/5/2016

RF19

23/5/2016

RF29

23/5/2016

RF29

23/5/2016

RF29

24/5/2016

RF09

24/5/2016

RF29

24/5/2016

RF16

24/5/2016

RF09

24/5/2016

RF29

24/5/2016

RF16

24/5/2016

RF09

24/5/2016

RF16

24/5/2016

RF09

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF09

24/5/2016

RF29


6/5/2016

RF09


6/5/2016

RF16


6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF16


6/5/2016

RF09


6/5/2016

RF16

Silk Air

6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF09


6/5/2016

RF16

Airasia Berhad

6/5/2016

RF09


7/5/2016

RF09

China Airlines

7/5/2016

RF16


7/5/2016

RF16

Eva Airways

7/5/2016

RF29


7/5/2016

RF09


7/5/2016

RF16


7/5/2016

RF09

7/5/2016

RF16


7/5/2016

RF29


7/5/2016

RF09

Royal Airlines

7/5/2016

RF16

Brunei

77

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Singapore Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Cathay Pacific Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia China Airlines

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF16

24/5/2016

RF09

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF16

24/5/2016

RF29

24/5/2016

RF29

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF09

24/5/2016

RF19

25/5/2016

RF16

Badan Sar Nasional

7/5/2016

RF21

Cathay Pacific

7/5/2016

RF16

Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

7/5/2016 7/5/2016

RF09 RF29

7/5/2016

RF09

Singapore Airlines

7/5/2016

RF16

Airasia Berhad

7/5/2016

RF29


7/5/2016

RF29


7/5/2016

RF09

7/5/2016

RF16


7/5/2016

RF29


7/5/2016

RF16


7/5/2016

RF09


7/5/2016

RF09

7/5/2016

RF29

7/5/2016

RF29


7/5/2016

RF09


7/5/2016

RF16

7/5/2016

RF21


7/5/2016

RF09


7/5/2016

RF29


7/5/2016

RF09


7/5/2016

RF16


7/5/2016

RF29

78

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Eva Airways Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Singapore Airlines Pt. Garuda Indonesia Airasia Berhad Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia

25/5/2016

RF09

25/5/2016

RF19

25/5/2016 25/5/2016

RF16 RF19

25/5/2016

RF09

25/5/2016

RF19

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF23

25/5/2016

RF19

25/5/2016

RF19

25/5/2016

RF16

25/5/2016

RF09

25/5/2016

RF16

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF16

25/5/2016

RF19

25/5/2016

RF19

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF09


7/5/2016

RF29


7/5/2016

RF29

Silk Air

7/5/2016

RF09


7/5/2016

RF09


7/5/2016

RF29


7/5/2016

RF29


7/5/2016

RF29


7/5/2016

RF16


7/5/2016

RF29


7/5/2016

RF29

Airasia Berhad

7/5/2016

RF29


8/5/2016

RF09


8/5/2016

RF29

China Airlines

8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF16

8/5/2016

RF09


8/5/2016

RF29


8/5/2016

RF09

8/5/2016

RF09

Cathay Pacific

8/5/2016

RF16

79

Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia China Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Royal Brunei Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia

25/5/2016

RF16

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF16

25/5/2016

RF09

25/5/2016

RF09

25/5/2016

RF16

25/5/2016

RF09

25/5/2016

RF19

25/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF09

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF09

26/5/2016

RF19

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF09

26/5/2016

RF19

26/5/2016

RF16

26/5/2016

RF09


8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF29

Airasia Berhad

8/5/2016

RF29

Singapore Airlines

8/5/2016

RF16

Tiger Airways

8/5/2016

RF09


8/5/2016

RF29


8/5/2016

RF09


8/5/2016

RF16

8/5/2016

RF09


8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF29

8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF09

8/5/2016

RF29


8/5/2016

RF29

8/5/2016

RF09


8/5/2016

RF09


8/5/2016

RF09

80

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Singapore Airlines Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia China Airlines

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF19

26/5/2016

RF16

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF09

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF16

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF19

26/5/2016

RF09

26/5/2016

RF16

26/5/2016

RF16

27/5/2016

RF16


8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF16

Silk Air

8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF16

8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF29


8/5/2016

RF29

Airasia Berhad

8/5/2016

RF16


8/5/2016

RF29


8/5/2016

RF16

Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra China Airlines

8/5/2016

RF16

8/5/2016

RF29

8/5/2016

RF29

9/5/2016

RF16


9/5/2016

RF16


9/5/2016

RF16


9/5/2016

RF29


9/5/2016

RF09


9/5/2016

RF29

9/5/2016

RF09

81

Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia World Fuel Services Singapore Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Airasia Berhad Singapore Airlines

27/5/2016

RF16

27/5/2016

RF19

27/5/2016

RF19

27/5/2016

RF16

27/5/2016

RF16

27/5/2016

RF19

27/5/2016

RF16

27/5/2016

RF16

27/5/2016

RF16

27/5/2016

RF16

27/5/2016

RF16

27/5/2016

RF29

27/5/2016

RF16

27/5/2016

RF29

27/5/2016

RF29

27/5/2016

RF29

27/5/2016

RF29

27/5/2016

RF16

27/5/2016

RF22

27/5/2016

RF29

27/5/2016

RF29

27/5/2016

RF16

27/5/2016

RF16


9/5/2016

RF29

Cathay Pacific

9/5/2016

RF16


9/5/2016

RF09


9/5/2016

RF29


9/5/2016

RF29


9/5/2016

RF16


9/5/2016

RF29

Singapore Airlines

9/5/2016

RF16

Tiger Airways

9/5/2016

RF09


9/5/2016

RF09

9/5/2016

RF09


9/5/2016

RF29


9/5/2016

RF16


9/5/2016

RF29

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia

9/5/2016

RF16

9/5/2016 9/5/2016

RF16 RF29


9/5/2016

RF29

9/5/2016

RF19


9/5/2016

RF19

Royal Brunei Airlines Pt. Garuda Indonesia

9/5/2016

RF09

9/5/2016

RF19


9/5/2016

RF09


9/5/2016

RF29

82

Pt. Garuda Indonesia Tiger Airways Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Eva Airways Pt. Garuda Indonesia Royal Brunei Airlines Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

27/5/2016

RF29

27/5/2016

RF29

27/5/2016

RF09

27/5/2016

RF09

27/5/2016

RF29

27/5/2016

RF09

27/5/2016

RF29

27/5/2016

RF16

27/5/2016

RF29

27/5/2016

RF16

27/5/2016

RF16

28/5/2016

RF09

28/5/2016

RF09

28/5/2016

RF16

28/5/2016

RF16

28/5/2016 28/5/2016

RF29 RF16

28/5/2016

RF09

28/5/2016

RF16

28/5/2016

RF09

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF09

28/5/2016

RF09


9/5/2016

RF29

9/5/2016

RF09


9/5/2016

RF09


9/5/2016

RF09


9/5/2016

RF09


9/5/2016

RF19

Pt. Indonesia Airasia Extra Silk Air

9/5/2016

RF09

9/5/2016

RF29


9/5/2016

RF29


9/5/2016

RF29


9/5/2016

RF29


9/5/2016

RF09


9/5/2016

RF09


9/5/2016

RF09

Airasia Berhad

9/5/2016

RF09


9/5/2016

RF09


10/5/2016

RF09

Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra China Airlines

10/5/2016

RF09

10/5/2016

RF29

10/5/2016

RF19

China Airlines

10/5/2016

RF09


10/5/2016

RF29


10/5/2016

RF09

83

Cathay Pacific Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Singapore Airlines Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra World Fuel Services Singapore Pt. Garuda Indonesia China Airlines

28/5/2016

RF16

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF29

28/5/2016

RF16

28/5/2016

RF16

28/5/2016

RF29

28/5/2016

RF29

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF09

28/5/2016

RF16

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF29

28/5/2016

RF29

28/5/2016

RF09

28/5/2016

RF09

28/5/2016

RF17

28/5/2016

RF09

29/5/2016

RF16


10/5/2016

RF09


10/5/2016

RF19


10/5/2016

RF29

10/5/2016

RF29


10/5/2016

RF29

10/5/2016

RF19


10/5/2016

RF29

Cathay Pacific

10/5/2016

RF16


10/5/2016

RF19


10/5/2016

RF29


10/5/2016

RF19


10/5/2016

RF09


10/5/2016

RF19

Airasia Berhad

10/5/2016

RF09

Pt. Indonesia Airasia Extra Singapore Airlines

10/5/2016

RF29

10/5/2016

RF16


10/5/2016

RF29


10/5/2016

RF19

10/5/2016

RF19


10/5/2016

RF29


10/5/2016

RF16


10/5/2016

RF29


10/5/2016

RF16

84

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia Singapore Airlines Tiger Airways Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF09

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF16

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF09

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF16

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF09

29/5/2016

RF29


10/5/2016

RF16

10/5/2016

RF16


10/5/2016

RF19

10/5/2016

RF19


10/5/2016

RF09


10/5/2016

RF19


10/5/2016

RF19


10/5/2016

RF16


10/5/2016

RF09

10/5/2016

RF19


10/5/2016

RF19


10/5/2016

RF16


10/5/2016

RF16


10/5/2016

RF09

Silk Air

10/5/2016

RF09


10/5/2016

RF19


10/5/2016

RF16


10/5/2016

RF09


10/5/2016

RF09

Airasia Berhad

10/5/2016

RF16


10/5/2016

RF19


10/5/2016

RF19

Pt. Indonesia Airasia Extra

10/5/2016

RF19

85

Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia China Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Royal Brunei Airlines Pt. Indonesia Airasia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF09

29/5/2016

RF16

29/5/2016

RF09

29/5/2016

RF09

29/5/2016

RF29

29/5/2016

RF09

29/5/2016

RF29

29/5/2016

RF29

29/5/2016

RF09

30/5/2016

RF16

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF16

30/5/2016

RF09

30/5/2016

RF16

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF09


10/5/2016

RF19

China Airlines

11/5/2016

RF16


11/5/2016

RF09


11/5/2016

RF09

11/5/2016

RF19


11/5/2016

RF09


11/5/2016

RF19

Eva Airways

11/5/2016

RF16


11/5/2016

RF19


11/5/2016

RF09

11/5/2016

RF09


11/5/2016

RF19


11/5/2016

RF19

Cathay Pacific

11/5/2016

RF16


11/5/2016

RF09


11/5/2016

RF19


11/5/2016

RF09


11/5/2016

RF16


11/5/2016

RF19

Airasia Berhad

11/5/2016

RF09

Singapore Airlines

11/5/2016

RF16

Tiger Airways

11/5/2016

RF19

Pt. Indonesia Airasia Extra

11/5/2016

RF19

86

Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Singapore Airlines Tiger Airways Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

30/5/2016

RF16

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF09

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF16

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF09

30/5/2016

RF09

30/5/2016

RF09

30/5/2016

RF16

30/5/2016

RF29

30/5/2016

RF29

30/5/2016

RF29

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF29

30/5/2016

RF09

30/5/2016

RF29


11/5/2016

RF09


11/5/2016

RF19


11/5/2016

RF09


11/5/2016

RF16


11/5/2016

RF19


11/5/2016

RF09

11/5/2016

RF09

Jetstar Asia Airways Pte Ltd Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

11/5/2016

RF09

11/5/2016

RF09

11/5/2016

RF09


11/5/2016

RF19


11/5/2016

RF16


11/5/2016

RF16


11/5/2016

RF19


11/5/2016

RF16

11/5/2016

RF19


11/5/2016

RF19


11/5/2016

RF16


11/5/2016

RF09

Silk Air

11/5/2016

RF19


11/5/2016

RF09


11/5/2016

RF19


11/5/2016

RF16

87

China Airlines Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Royal Brunei Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Singapore Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia

31/5/2016

RF16

31/5/2016

RF29

31/5/2016

RF09

31/5/2016

RF09

31/5/2016

RF29

31/5/2016

RF16

31/5/2016

RF09

31/5/2016

RF16

31/5/2016

RF16

31/5/2016

RF09

31/5/2016

RF29

31/5/2016

RF09

31/5/2016

RF16

31/5/2016

RF29

31/5/2016

RF09

31/5/2016

RF29

31/5/2016

RF29

31/5/2016

RF16

31/5/2016

RF09

31/5/2016

RF16

31/5/2016

RF09

31/5/2016

RF09

31/5/2016

RF16


11/5/2016

RF16


11/5/2016

RF19


11/5/2016

RF19


12/5/2016

RF19

China Airlines

12/5/2016

RF16


12/5/2016

RF19

12/5/2016

RF09


12/5/2016

RF16


12/5/2016

RF09

Royal Brunei Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

12/5/2016

RF09

12/5/2016

RF19

12/5/2016

RF09

Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016

RF19 RF19 RF09 RF16 RF19

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Indonesia Airasia Extra Cathay Pacific Singapore Airlines Pt. Garuda Indonesia Tiger Airways Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016

RF09 RF09 RF19 RF19 RF09 RF16

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016


12/5/2016 12/5/2016

RF09 RF19

88

Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra

31/5/2016

RF09

31/5/2016

RF16

31/5/2016

RF09

31/5/2016

RF29

31/5/2016

RF16

31/5/2016

RF29

31/5/2016

RF16

31/5/2016

RF29

31/5/2016

RF29

31/5/2016

RF09

31/5/2016

RF29

31/5/2016

RF09


12/5/2016

RF09

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

12/5/2016 12/5/2016 12/5/2016

RF19 RF19 RF09

Pt. Indonesia Airasia Extra World Fuel Services Singapore Pte L Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia

12/5/2016

RF16

12/5/2016

RF29

12/5/2016 12/5/2016 12/5/2016

RF09 RF19 RF09

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016


Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Silk Air

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016

RF16 RF09 RF19 RF16 RF19 RF09 RF09

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia China Airlines Pt. Indonesia Airasia

12/5/2016 12/5/2016 12/5/2016 12/5/2016 12/5/2016 13/5/2016 13/5/2016


Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia World Fuel Services Singapore Pte L

13/5/2016 13/5/2016 13/5/2016

RF19 RF16 RF16

13/5/2016 13/5/2016 13/5/2016

RF19 RF09 RF20

89


13/5/2016

RF09

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia

13/5/2016 13/5/2016 13/5/2016

RF09 RF16 RF19

Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016 13/5/2016 13/5/2016 13/5/2016


Pt. Indonesia Airasia Extra Airasia Berhad Pt. Garuda Indonesia Singapore Airlines Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

13/5/2016

RF19

13/5/2016 13/5/2016 13/5/2016 13/5/2016

RF19 RF19 RF16 RF16

13/5/2016

RF19

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016 13/5/2016 13/5/2016


13/5/2016

RF19

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia World Fuel Services Singapore Pte L Pt. Garuda Indonesia Pt. Garuda Indonesia

13/5/2016

RF16

13/5/2016 13/5/2016

RF19 RF22

13/5/2016 13/5/2016

RF16 RF19

Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016

RF16 RF09 RF16

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016 13/5/2016 13/5/2016


90

Pt. Garuda Indonesia Silk Air (Surabaya) Pt. Garuda Indonesia Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016 13/5/2016

RF16 RF19 RF19 RF19

Pt. Garuda Indonesia Pt. Garuda Indonesia Airasia Berhad Pt. Garuda Indonesia China Airlines Pt. Indonesia Airasia Pt. Garuda Indonesia

13/5/2016 13/5/2016 13/5/2016 13/5/2016 14/5/2016 14/5/2016 14/5/2016


Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Eva Airways Pt. Indonesia Airasia Extra Pt. Indonesia Airasia

14/5/2016

RF09

14/5/2016 14/5/2016 14/5/2016

RF19 RF16 RF09

14/5/2016

RF23

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia

14/5/2016 14/5/2016 14/5/2016 14/5/2016 14/5/2016 14/5/2016 14/5/2016


Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Singapore Airlines Pt. Garuda Indonesia

14/5/2016 14/5/2016

RF19 RF09

14/5/2016 14/5/2016 14/5/2016 14/5/2016

RF09 RF09 RF16 RF16

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia

14/5/2016

RF19

14/5/2016 14/5/2016 14/5/2016 14/5/2016 14/5/2016


91

Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Indonesia Airasia China Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Extra Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia

14/5/2016

RF19

14/5/2016 14/5/2016

RF16 RF09

14/5/2016 14/5/2016 14/5/2016 14/5/2016 14/5/2016 15/5/2016 15/5/2016 15/5/2016 15/5/2016 15/5/2016

RF16 RF16 RF16 RF09 RF09 RF16 RF16 RF19 RF16 RF09

15/5/2016

RF19

15/5/2016 15/5/2016 15/5/2016

RF19 RF19 RF09

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Cathay Pacific Pt. Garuda Indonesia Pt. Garuda Indonesia

15/5/2016 15/5/2016 15/5/2016 15/5/2016 15/5/2016 15/5/2016


Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Airasia Berhad Tiger Airways Singapore Airlines Pt. Garuda Indonesia

15/5/2016

RF19

15/5/2016 15/5/2016 15/5/2016 15/5/2016 15/5/2016



15/5/2016

RF09

15/5/2016

RF19

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Indonesia Airasia Extra

15/5/2016 15/5/2016 15/5/2016 15/5/2016

RF09 RF19 RF16 RF09

92


15/5/2016

RF09


15/5/2016

RF09

15/5/2016

RF19

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Extra Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia

15/5/2016 15/5/2016 15/5/2016

RF19 RF19 RF16

15/5/2016 15/5/2016 16/5/2016

RF16 RF16 RF16

Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Singapore Airlines Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Indonesia Airasia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Pt. Garuda Indonesia Silk Air

16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016 16/5/2016

RF09 RF19 RF19 RF23 RF19 RF19 RF09 RF19 RF09 RF09 RF23 RF16 RF23 RF19 RF16 RF23 RF23 RF09 RF16 RF19 RF09 RF19 RF09 RF09 RF09 RF19 RF09 RF09 RF09 RF16 RF16 RF19 RF19

93

Peta Terminal 2

94

RIWAYAT PENULIS Adi Wibisono yang biasanya dipanggil Adi lahir pada tanggal 25 Maret 1994. Adi merupakan anak terakhir dari tiga bersaudara. Lulus dari SDN Ketabang I Surabaya, kemudian melanjutkan sekolah di SMPN 29 Surabaya dan lulus pada thun 2009. Kemudian melanjutkan sekolah di SMA Muhammadiyah2 Surabaya dan lulus pada tahun 2012. Setelah lulus SMA penulis memilih untuk melanjutkan pendidikan di Teknik Elektro Institut Teknologi Sepuluh Nopember pada tahun 2012.Penulis juga aktif dalam kegiatan mahasiswa, seperti GERIGI dan pernah menjadi koordinator teritori. Memasuki tahun ketiga kuliah yaitu pada tahun 2014 penulis memutuskan untuk mengambil bidang studi Teknik Sistem Pengaturan. Dan pada tahun terakhir yaitu pada tahun 2015 penulis menjadi asisten Laboratorium Teknik Sistem dan menjadi bendahara. Pada bulan Juni 2016 penulis mengikuti seminar dan ujian Tugas Akhir sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Elektro dari Institut Teknologi Sepuluh Nopember Surabaya. E-mail : [email protected] HP : 085655178694

95


96

HALAMAN JUDUL OPTIMISASI PENGISIAN BAHAN BAKAR PESAWAT DI BANDARA JUANDA TERMINAL 2 MENGGUNAKAN ALGORITMA ANT COLONY

Recommend Documents