PEMODELAN PENGUKURAN PERFORMANSI PENGIRIMAN KARGO UDARA DENGAN PENDEKATAN SISTEM DINAMIK Moch.Eka Prasetyan, Ahmad Rusdiansyah Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111 Email:
[email protected] ;
[email protected]
ABSTRAK Peningkatan permintaan pengiriman kargo udara akan meningkatkan jumlah kargo yang harus dikirim tiap waktunya. Kemungkinan terjadinya keterlambatan pengiriman kargo meningkat seiring dengan pertambahan permintaan pengiriman kargo. Penelitian ini bertujuan untuk mengukur performansi pengiriman kargo udara terkait dengan parameter jumlah kargo yang terkirim tiap waktunya, total waktu tunggu dan turn over ratio gudang. Selain itu akan dilakukan pendekatan untuk melakukan pengiriman kembali kargo yang tidak terkirim. Proses pengiriman kembali kargo yang tidak terkirim pada periode sebelumnya, merupakan perilaku umpan balik. Peristiwa umpan balik ini akan mempengaruhi jumlah kargo yang keluar dan masuk gudang (turn over ratio). Proses umpan balik inilah menjadi alasan utama dilakukan pemodelan pengukuran performansi pengiriman kargo udara dengan pendekatan sistem dinamik. Skenario yang digunakan erat hubungannya dengan performansi. Pada simpulan penelitian dapat ditentukan berbagai macam perubahan skenario kebijakan. Variabel yang paling berpengaruh terhadap performansi pengiriman kargo dan yang memungkinkan untuk dilakukan perbaikan adalah kebijakan perubahan fraksi jumlah kedatangan kargo yang tidak terjadwal. Kata kunci : Pemodelan, Pengukuran, Performansi, Kargo Udara, Sistem Dinamik
ABSTRACT The growth demand of air cargo shipments will increase the amount of cargo whom that must be sent each time. Someday the possibility of delays in delivery of air cargo will increase along with increasing demand for cargo shipping. Menwhile that this study aims to manage and measure about performance of air cargo shipments related to the parameters of the amount of cargo sent each time, total waiting time and turn over ratio in warehouse. Additionally, it will be approached to minimize delay of shipping air cargo and measure internal performance of air cargo shipment process. The process of sending cargo again will be described in this research. Feedback prosess is a major reason to doing this research with system dynamics approach. The scenario to be used to evaluate the performance.In the end of this research, the variables that most influence on the performance of cargo shipping and have the most possibilty to be applicated is the fractional change of the arrival ofcargo that is not scheduled. Keywords : Modelling, Measurement, Performance, Air Cargo, System Dynamics
1.
PENDAHULUAN Menurut Peraturan Direktur Jenderal Perhubungan Udara (SKEP47, 2010), kargo adalah barang yang diangkut pesawat udara selain kiriman pos, stores ,dan bagasi penumpang atau bagasi yang salah tujuan (mishandle). Pada beberapa tahun terakhir ini, pola permintaan pengiriman kargo udara cenderung naik. Pola permintaan dari tahun
2003 – 2009 dapat dilihat pada Gambar 1. Hal ini menuntut para pelaku bisnis di bidang pengiriman kargo udara untuk terus meningatkan pelayanannya kepada para konsumennya. Konsumen yang dimaksud adalah shipper atau pengirim kargo udara. Ketepatan waktu dalam pengiriman kargo udara merupakan salah satu faktor yang menentukan kepuasaan konsumen.
1
Gambar 1 Grafik jumlah pengiriman kargo ekspor Sumber : PT (Persero) Angkasa Pura I dan II, Kementerian Perhubungan (BPS) 2009
Untuk memenuhi kepuasaan konsumen yang optimal, maka diperlukan pengukuran performansi pengiriman kargo udara. Performansi pengiriman kargo dapat diukur melalui beberapa variabel antara lain keterlambatan pengiriman (delay), keramaian/antrian proses pengiriman kargo (congestion), dan jumlah kargo yang bisa dilayani tiap waktunya (level of service) ( (ICAO, 1999). Parameter performansi yang diukur pada penelitian ini adalah Turn Over Ratio di gudang Terminal Kargo, Waktu Idle Pekerja, dan Waktu Terkirimnya Kargo. Permasalahan pengukuran performansi menurut Manataki dan Zografos (2009), memperhatikan hubungan antara perancangan fasilitas dan jenis kegiatan operasional yang dilakukan. Kompleksitas hubungan tersebut akan digambarkan melalui pemodelan sistem dinamik. Pada penelitian ini akan dilakukan pengukuran performansi pengiriman kargo udara. Sebagai alat untuk menggambarkan kondisi yang sesuai dengan kenyataaan maka digunakan pemodelan simulasi sistem dinamik. Pemilihan sistem dinamik sebagai simulasi continous berdasarkan atas hubungan timbal balik, apabila ada pengiriman yang tidak terkirim sesuai jadwal. Dengan model ini akan bisa diketahui kapan waktu kargo tidak terkirim dapat terkirim. Dengan menggunakan metodologi simulasi sistem dinamik maka diperoleh ; pertama, dihasilkannya model pengukuran performansi pengiriman kargo udara. Kedua, pada penelitian ini akan dilakuan beberapa skenario perubahan kebijakan untuk
melihat hubungan variabel yang berpengaruh terhadap peribahan performansi. Ketiga, penelitian ini akan menentukan variabel yang paling berpengaruh terhadap perubahan performansi pengiriman kargo udara. Penelitian dilakukan dengan objek amatan proses pengiriman kargo di Terminal Kargo Bandara Juanda, komoditas yang dipilih adalah perishable karena memiliki prosesntase pengiriman yang besar. Pengiriman pada objek amatan dilakukan dengan menggunakan tipe pesawat terbang combined (Narrow Body dan Wide Body) atau pengiriman kargo bersamaan dengan penerbangan penumpang. Pesawat Narrow dan Wide merupakan jenis dari pesawat Combined yang ada di Bandara Juanda. Perbedaan dari kedua pesawat ini adalaha pada kapasitas dan fleksibilitas pengangkutan kargo .Pesawat jenis Narrow lebih banyak diminati karena pola permintaan yang kecil per waktu, sedangkan jadwal penerbangan yang ada banyak, Sehingga pengangkutan dilakukan dengan jumlah kecil namun frekuensi penerbangan banayak. Asumsi yang digunakan dalam penelitian adalah tidak ada perubahan kebijakan saat penelitian, tidak ada perubahan layout fasilitas selama penelitian, dan Turn Over Ratio yang diukur adalah perpindahan kargo keluar masuk di gudang Terminal Kargo. 2.
METODOLOGI Pada bab ini akan dijelaskan mengenai langkah-langkah yang digunakan dalam melakukan aktifitas selama penelitian yang digambarkan melalui framework penelitian. Metodologi penelitian ini berguna sebagai acuan sehingga penelitian ini dapat berjalan secara sistematis, sesuai dengan framework penelitian. Terdapat empat tahapan yang akan dilakukan, yaitu tahap identifikasi dan perumusan permasalahan, tahap pengumpulan dan pendeskripsian sistem, tahap simulasi model dan skenario kebijakan, dan tahap analisis dan penarikan kesimpulan. 2.1
Tahap Identifikasi Masalah Identifikasi permasalahan dimulai dengan melakukan wawancara kepada pihak Direktorat Jenderal Perhubungan Udara yang memiliki fungsi untuk mengeluarkan dan melaksanakan kebijakan mengenai kegiatan transportasi udara (KM, 2010). Identifkasi masalah kemudian dilengkapi dengan pengayaan kajian studi pustaka sehingga bisa
2
ditentukan permasalahan yang memang benarbenar nyata. Selain itu juga dilakukan pengamatan langsung di PT JAS sebagai perusahaan yang berkerja dalam ground handling dan warehousing pengiriman kargo udara. Untuk memudahkan dalam menentukan fokusan permasalahan maka dibuatlah latar belakang permasalahan dengan alasan-alasan yang mendasari permasalahan tersebut. Dari hasil identifikasi permasalahan maka dapat diperoleh informasi bahwa pada saat ini belum ada penelitian tentang pemodelan pengukuran perfomansi pengiriman kargo udara dengan pendekatan sistem dinamik. Permasalahan yang akan diseselsaikan terkait dengan penjadwalan pengiriman kargo. Dari hasil identifikasi permasalahan, lalu akan dibuat tujuan dan manfaat peneltian. 2.2
Tahap Pengumpulan Data dan Deskripsi Sistem Pada tahap ini akan dijelaskan tentang tahapan pengumpulan data dan deskripsi sistem dari permasalahan yang diangkat pada penelitian. Pengunpulan data dilkukan dengan wawancara, pengamatan langsung, dan pengumpulan data sekunder. Deskripsi pada sistem dilakukan dengan menentukan variabelvariabel yang berpengaruh pada pengukuran performansi pengiriman kargo udara. Sebagai konseptualisasi dari deskripsi sistem, perlu ditentukan model alur proses pengiriman kargo udara. 2.3
Tahap Formulasi Model Sistem Pada tahap ini, akan dilakukan simulasi dari sektor-sektor yang telah dibuat dan dianggap mewakili sistem riil. Pada tahapan ini akan dibuat model hubungan sebab akibat model pengiriman kargo udara. Dari mdoel tersebut maka dapat dibuat model Data Flow Diagram Sistem Dinamik melalui bantuan software Stella. Apabila model sudah bisa disimulasi maka akan dilakukan tahap validasi dan verifikasi untuk menentukan kesesuain hasil model dengan sistem nyata. 2.4
Tahap Analisis Hasil Simulasi dan Skenario Pada tahap ini akan dilakukan analisis dan pembahasan mengenai evaluasi output model simulasi. Analisis yang dilakukan terkait dengan jumlah antrian kargo, peristiwa kargo terjadwal dan kargo tidak terjadwal dan lainlain. Setelah mengetahui performansi
pengiriman kargo yang ada saat ini, maka dapat dibuat skenario perubahan kebijakan. Pada tahapan ini perubahan kebijakan akan dilihat hubungannya dengan variabel performansi yang sudah ditentukan sebelumnya. 2.5
Tahap Kesimpulan dan Saran Pada hasil analisis dan pembahasan diatas, kemudian akan dilakukan penarikan kesimpulan untuk menjawab tujuan dari penelitian ini. Dilakukan juga saran dan usulan yang dapat dijadikan bahan masukan untuk penelitian selanjutnya yang berhubungan dengan penelitian ini. 3.
PEMODELAN SISTEM Bab ini meliputi tahap identifikasi variabel, konseptualisasi model, formulasi model, simulasi model, verifikasi dan validalidasi serta perancangan alat bantu pengambilan keputusan. 3.1
Identifikasi Variabel Identifikasi Variabel tentang proses pengiriman kargo mengacu dari alur proses yang digunakan di Terminal Kargo Bandara Juanda. Dari hal tersebut maka dapat dibuat pembagian kerja dari masing-masing stasiun kerja sebagai berikut ; Stasiun Kerja Terminal Kargo
Controlled Airport Functional Area
Ground Handling Functional Area
Departing Controlled Airport Functional Area
Security Screening
Palletisasi Process
Ground Handling Process To Apron
Administration Process
Ground Handling Process to Warehouse
Ground Handling Process To Airline
Gambar 2 Pembagian kerja stasiun kerja
Dari pembagian kerja tersebut dapat ditentukan dua sektor utama pemodelan yang mewakili proses pengiriman kargo udara. Sektor pertama mewakili pengiriman kargo sesuai jadwal pengiriman kargo. Sektor pemodelan kedua mewakili pengiriman kembali kargo yang tidak terkirim sesuai jadwal. 3.2
Konseptualisasi Model Model konseptual yang digunakan untuk menggambarkan penelitian ini adalah causal loop diagram dan interaksi antar variabel. Model konseptual ini diharapkan dapat
3
memudahkan pembaca untuk memahami maksud dan ruang lingkup penelitian yang dilakukan. Penggambaran siste konseptualisasi pada penelitian ini lebih banyak pada aliran proses material kargo. 3.2.1
Causal Loop Diagram Pada penyusunan causal loop diagram ini dilakukan untuk mengetahui keterkaitan antar hubungan stasiun kerja dalam proses pengiriman kargo. Selain itu akan ditentukan hubungannya dengan resource yang dimiliki oleh Terminal Kargo sehingga dapat ditentukan nantinya hubungan ketersedian resource dengan performansi proses pengirman kargo.
3.3.1
Sektor Pengiriman Kargo Pada Sektor ini akan digambarkan hubungan kedatangan kargo dan pengiriman kargo sesuai jadwal keberangkatan. Dengan sektor ini, maka pengambil kebijakan dapat menentukan jumlah kargo terkirim sesui jadwal keberangkatan kargo. Variabel kedatangan kargo per interval waktu akan dimodelkan dengan mengacu model kedatangan penumpang oleh Manataki dan Zografos (2009). Perlunya menentukan waktu antar kedatangan per penerbangan pesawat terbang adalah membedakan perilaku penumpang. Penumpang dapat saja datang ke terminal penumpang, tanpa menunggu di terminal penumpang. Namun ada juga penumpang yang datang dengan waktu yang jauh dari keberangkatan pesawatnya. Peristiwa ini akan mengakibatkan keramaian di bagian terminal penumpang. Hal ini juga tidak jauh berbeda dengan kargo. Ada jenis kargo yang langsung dikirim, dan ada juga kargo yang disimpan sejenak sampai menunggu waktu diberangkat ke pesawat pengangkutnya. Dengan mengacu referensi tersebut, maka proses pemodelan dapat dibuat pada Gambar 4 sebagai beikut ; Jadwal Keberangkatan Kargo
Jadwal Keberangkatan Pesawat Tiap pengirim Langkah 1
Untuk setiap pesawat i, jumlah kapasitas kargo (Si)
Gambar 3 Causal loop diagram
Secara umum Causal loop diagram yang dibuat mengggambarkan hubungan jumlah dan waktu kedatangan kargo dengan kemampuan Terminal Kargo untuk memproses pengiriman kargo. Apabila terjadi jumah kedatangan yang tinggi ada waktu tertentu maka akan mengakibatkan tingkat keramaian yang tinggi pada satasiun kerja. Hal ini akan mengakibatkan semakin tinginya waktu proses pengiriman kargo. Oleh karena itu faktor kedetangan dan keberangkatan jumlah argo sangat menentukan performansi pengiriman kargo. 3.3
Formulasi Model Pada sistem operasional pengiriman kargo dan dengan melihat hubungannya dengan pengukuran performansi maka dapat dibuat beberapa dua sektor utama terkait kegiatan operasional pengiriman kargo sebagai berikut ;
Langkah 2
Load Factor (Li)
Per tiap pesawat i, jumlah kedatangan kargo yang diharapkan (Pi = Si x Li)
Distribusi waktu antar kedatangan kargo Untuk setiap jenis penerbangan
Untuk setiap pesawat i, jumlah kargo yang datang tiap waktu interval waktu keberangkatan pesawat
Langkah 3
Langkah 4
Apakah saat ini Tidak Akhir penerbangan pesawat ? Ya
Langkah 5
Jumlah Kedatangan kargo per interval keberangkatan untuk semua pesawat Langkah 6
Jumlah kedatangan Kargo per intervel waktu
Langkah 7
Gambar 4 Model kedatangan kargo per interval waktu
Penjelasan langkah-langkah pemodelan kedetangan kargo per interval waktu adalah sebagai berikut ; a. Langkah 1 Proses pengiriman kargo udara tergantung dari jadwal pengiriman kargo per pesawat
4
terbang. Pemilihan pesawat terbang akan berpengaruh pada jumlah kargo yang dikirim dan waktu proses kerja. Oleh karena itu pesawat dengan kapasitas besar (wide) akan memiliki waktu proses yang lebih cepat, dibandingkan dengan pesawat dengan kapasitas kecil (narrow). Keadaan nyata di Bandara Juanda adalah pesawat narrow paling sering digunakan untuk mengirim kargo. Hal ini dikarenakan permintaan yang ada adalah jumlah yang kecil dengan waktu antar kedatangan yang singkat. b. Langkah 2 Pada langkah ini, akan didefinisikan kapasitas kargo maksimal yang bisa diangkut oleh tiap pesawat i. Pada proses pengiriman kargo,sering terjadi kedatangan jumlah kargo yang tidak direncanakan (over cargo). Apabila jumlah over cargo dan jumlah kargo yang datang melebihi kapasitas pesawat maka pengiriman kargo tidak bisa dilakukan. c. Langkah 3 Pada tahapan ini, akan dihitung jumlah kapasitas kargo yang akan digunakan pada saat pengiriman. Tujuan pada tahapan ini adalah menentukan kapasitas yang bisa dipakai untuk kedatangan kargo yang sudah direncakan datang. Sedangkan untuk peristiwa over cargo bukan menjadi tanggung jawab dari pihak terminal kargo, karena kejadiannya bersifat uncertainty. d. Langkah 4 Pada langkah ini akan dilakukan fitting distibusi kedatangan kargo, jumlah kedatangan kargo dan waktu antar kedatangan kargo disesuaiakan tiap jadwal penerbangan pesawat terbang. Harapannya adalah untuk menentukan pola kedatangan kargo per tiap penerbangan pesawat terbang. Waktu antar kedatangan kargo digunakan untuk menggambarkan jumlah kedatangan tiap interval waktu penerbangan pesawat terbang. Perlunya menentukan jumlah kedatangan kargo tiap interval waktu adalah adanya perilaku dari pengirim kargo atau Shipper yang secara tidak langsung mengirimkan kargonya. Shipper yang letak lokasi pengirimannya jauh dari lokasi terminal bandara, mengirimkan kargonya ke terminal dengan selisih waktu yang panjang dengan jadwal keberangkatan kargo. e. Langkah 5 Apabila jadwal penerbangan sudah pada periode akhir penjadwalan per hari maka iterasi penjumlah tiap waktu interval kedatangan kargo
dihentikan. Setelah itu akan dihasilkan jumlah kedatangan kargo selama sehari.
f.
Langkah 6 Selanjutnya dilakukan penjumlahan kedatangan kargo antar interval waktu pemberangkatan pesawat terbang. Dari hasil penjumlahan akan diperoleh jumlah kedatangan kargo per hari. g. Langkah 7 Pada akhir iterasi pemodelan akan diperoleh jumlah kedatangan kargo tiap interval jadwal penerbangan pesawat. Dari acuan pemodelan kedatangan kargo, maka dapat dibuat pemodelan sektor pengiriman kargo di terminal kargo sebagai berikut;
Gambar 5 Sektor pengiriman kargo
3.3.2
Sektor Pengiriman Kembali Sektor pengiriman kembali menggambarkan hubungan pengiriman kembali kargo yang tidak terkirim, akibat kedatangan kargo yang terlambat sampai di area landside terminal kargo. Pada sektor ini akan digambarkan pengiriman kembali kargo yang tidak terkirim, sehingga terkadang menambahkan jadwal pengiriman kargo baru. Pada sektor pengiriman kembali di Gambar 6, alur pengiriman kembali terjadi ketika ada kargo yang tidak terkirim. Cara mengetahuinya adalah dengan membandingkan kargo yang terkirim pada sektor terminal kargo di Gambar 4 dengan jadwal jumlah kargo yang harus dikirim. Setelah mengetahui jumlah kargo yang tidak terkirim, maka kargo akan dikembalikan ke gudang untuk disimpan dengan waktu tertentu. Kargo akan dikirim kembali pada saat ada penerbangan dengan tujuan yang sama dengan kargo yang tidak terkirim pada periode sebelumnya.
5
Dengan mengasumsikan bahwa pengiriman tercepat pada bandara asal akan tiba pada bandara tujuan dengan waktu tercepat maka asumsi tersebut digunakan pada penelitian ini. Sehingga dari sinilah dapat ditentukan waktu pengiriman kembali kargo yang tidak terkirim pada periode sebelumnya. Waktu pengiriman kembali ini akan digunakan sebagai salah satu parameter performansi pengiriman kargo udara.
dengan benar dan logis. Pengecekan ini dilakukan di software STELLA pada pilihan check units yang bertujuan untuk memastikan kesetaraan satuan variabel yang terdapat di model dan unit. Berikut ini adalah hasil verifikasi yang dilakukan :
Gambar 7 Verifikasi check units
Gambar 6 Sektor pengiriman kembali
3.4
Simulasi Model Pada tahapan ini model akan disimulasikan untuk melihat pola hubungannya antar stasiun kerja dan juga digunakan untuk melihat parameter variabel performansi pengiriman kargo sesuai model. Model disimulasikan selama satu hari dengan menggunakan satuan menit. Selain itu unit kargo yang digunakan adalah tiap unit kargo. Hal ini dipilih berdasarkan kemampuan Terminal Kargo dalam memproses pengiriman kargo, khusunya di Area Landside atau Terminal Kargo. Area lain yang ada di Bandara adalah Airside. Area ini dikenal sebagai area pengakutan kargo ke pesawat. Pada model ini juga akan diperhatikan lamanya waktu proses pengiriman dari area Landside ke area Airside. 3.5
Verifikasi dan Validasi Model Pada tahapan ini akan dilaukan analisis hubungan antara model yang dibuat dengan kesesuain sistem yang ada di kenyataaan. Beberapa pengujian dilakukan untuk melihat hubungannya. 3.5.1
Verifikasi Model Verifikasi model adalah tahap pengecekan model simulasi apakah telah dibuat
Gambar 8 Verifikasi check model verbose
3.5.2
Validasi Model Pada tahap validasi model ini bertujuan untuk melihat apakah model yang telah dibuat mampu mewakili atau menggambarkan kondisi sebenarnya. Validasi yang dilakukan meliputi uji struktur, uji parameter model, uji kondisi ekstrim, uji statistik, dan uji struktur model. 3.5.2.1 Uji Struktur Model Tujuan dari uji struktur model adalah melihat apakah struktur model sudah sesuai dengan sistem nyata. Setiap fator penting dalam sistem nyata harus tercermin dalam model. Model ini merupakan metode qualitatif yang paling tepat untuk mempresentasikan validity model. Pengujian struktur model dilakukan dengan melihat penelitian-penelitian sebelumnya terkait pemodelan pengukuran performansi. Seperti yang sudah dilakukan Manataki dan Zografos tahun 2009. Pembuatan strktur model menggunakan acuan model yang sudah dibuat Manataki dan Zografos tahun 2009 tentang A Generic System Dynamics Based Tool for Airport Terminal Performance Analysis. Pada penelitian tersebut pengukuran
6
performansi digambarkan melalui total waktu tunggu yang dihasilkan dalam satu hari.
memasukkan nilai normal, nilai ekstrim besar, dan nilai ekstrim kecil.
3.5.2.2 Uji Parameter Model Uji parameter model dilakukan dengan melihat dua variabel yang saling berhubungan, serta membandingkan hasil logika aktual dengan hasil simulasi. Pada model ini, digunakan variabel hubungan kedatangan kargo dengan adanya antrian di stasiun kerja xray. waktu antar kedatangan kargo Jumlah kedatangan kargo
Jumlah antrian pemindahan kargo ke pallet +
Gambar 11 Grafik hasil eksisting
Gambar 9 Hubungan jumlah kedatangan kargo dan jumlah antrian di stasiun kerja
Gambar 12 Grafik hasil ekstrim terkecil
Gambar 10 Grafik hubungan jumlah kedatangan kargo dan jumlah antrian di stasiun kerja
Dapat dilihat dari hubungan sebab akibat apabila jumlah kedatangan kargo semakin banyak maka antrian akan semakin besar, hal ini nampak pada Gambar 10 Antrian terjadi akumulasi, karena proses pemindahan kargo ke pallet bersifat akumulatif dengan jumlah kargo tertentu. Oleh karena itu model dapat dikatakan valid sesuai uji parameter. 3.5.2.3 Uji Kondisi Ekstrim Uji kondisis ekstrim dilakukan untuk melihat hubungan variabel. Apabila perubahan variabel berpengaruh terhadap variabel lain, maka akan ada perubahan nilai variabel dan juga perilaku model. Pengujian dilakukan dengan
Gambar 13 Grafik hasil ekstrim terbesar
Dari hasil simulasi pada Gambar 11 sampai Gambar 13, pengaruh perubahan waktu antar kedatangan kargo yang tidak direncanakan datang terhadap akumulasi kargo yang akan dikirim ke apron. Semakin kecil waktu antar kedatangan maka akan mempengaruhi jumlah akumulasi kargo, begitu juga sebaliknya.
7
3.5.2.4 Uji Statistik Proses validasi model dengan uji statistik ini adalah menggunakan software Minitab dengan pair-t. Berikut ini adalah syarat yang akan berlaku, yaitu : Ho : π1 = π2 (tidak ada perbedaan data yang signifikan) Ho : π1 ≠ π2 (terdapat perbedaan data yang signifikan) Jika nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho. Validasi ini dilakukan pada hasil simulasi, dengan melihat jumlah kargo yang tidak terkirim ; Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual penumpang berangkat. Tabel 1 Tabel validasi pair-t pesawat narrow Minutes
jadwal penerbangan narrow[Perishable]
kargo tidak terkirim narrow[Perishable]
Data Simulasi
Data Aktual
Data Simulasi
Data Aktual
510
253
265
229
231
615
236
230
167
179
780
21
19
16
15
781
21
24
21
22
Tabel 2 Tabel validasi pair-t pesawat wide Minutes
jadwal penerbangan wide[Perishable]
kargo tidak terkirim wide[Perishable]
Data Simulasi
Data Aktual
Data Simulasi
Data Aktual
23
36
40
36
38
810
178
180
118
120
900
147
157
97
110
Gambar 15 Pengujian pair-t pada pengiriman kargo narrow
Dari hasil pengujian pada Gambar 14 dan 15, nilai Ho berada pada daerah blokplot artinya data valid. Nilai P-value dari kedua pengujian lebih dari derajat kepercayaan 0,05, jadi dapat dikatakan juga model simulasi sesuai dengan kenyataan. 3.6
Perancangan Alat Bantu Pengambilan Keputusan Pada bab ini akan ditampilkan cara penggunaan alat bantu keputusan untuk evaluasi kebijakan kapasitas terminal bandara Juanda. Alat bantu pengambilan keputusan adalah salah satu bagian dalam pembuatan model sistem dinamik ini. Adanya alat bantu pengambilan keputusan ini bertujuan untuk memudahkan para pembuat kebijakan agar dapat mengaplikasikan model yang sudah dirancang tanpa harus mengerti konsep sistem dinamik. Alat bantu pengambilan keputusan dibuat berdasarkan skenario kebijakan yang telah dirancang, yaitu dengan mengganti variabel input dalam dalam interface dan hasil simulasinya dapat dilihat secara langsung melalui grafik output.
Gambar 14 Pengujian pair-t pada pengiriman kargo narrow
8
Gambar 16 Tampilan alat bantu pengambilan keputusan
berpengaruh terhadap panjangnya antrian proses xray.
4. ANALISIS HASIL SIMULASI DAN SKENARIO Pada tahap ini akan membahas mengenai analisis hasil simulasi dan skenario kebijakan yang akan dihasilkan dari hasil pemodelan sistem sebelumnya. 4.1
Hasil Simulasi Eksisting
Model dibuat dengan tujuan untuk mengukur performansi pengiriman kargo udara. Performansi pengiriman kargo udara dapat dilihat dari parameter jumlah kargo yang tidak terkirim, turn over ratio ,dan waktu total tunggu proses. Model disimulasikan selama 1440 menit atau sama dengan satu hari, dengan tujuan untuk melihat pengaruh kedatangan kargo terhadap keterlambatan pengiriman kargo atau kargo yang tidak terkirim. Hubungan antar stasiun kerja sangat menentukan jumlah kargo terkirim/tidak terkirim setiap jadwal pengiriman kargo. Stasiun kerja x-ray dan stasiun pemindahan ke timbangan menentukan jumlah kargo diproses pada stasiun kerja selanjutnya. Apabila ada kedatangan kargo per waktu yang tidak sebanding dengan kemampuan proses stasiun kerja x-ray dan stasiun kerja pemindahan ke timbangan maka akan terjadi antrian yang panjang pada stasiun kerja tersebut. Pada Gambar 17 ditunjukkan grafik jumlah kargo yang mengantri pada stasiun kerja x-ray dan stasiun kerja pemindahan ke timbangan ;
Gambar18 Grafik kedatangan kargo
Dengan melihat grafik kedatangan pada Gambar 18, dapat ditentukan bahwa keramaian berdistribusi eksponensial, dengan keramaian di awal waktu operasional. Dari sini dapat diketahui bahwa diperlukan kebijakan untuk mengatasi keramaian kargo pada awal waktu operasi.
Gambar.19 Grafik kedatangan kargo terjadwal dan kedatangan kargo tidak terjadwal
Gambar 17 Grafik antrian stasiun x-ray dan proses penataan ke pallet Pada Gambar 17 antrian stasiun xray merupakan hasil outputan dari pemodelan pengukuran performansi pengiriman kargo udara. Dapat dilihat dari Gambar 17, jumlah antrian cenderung konstan. Hal ini disebabkan lamanya waktu proses. Lamanya waktu proses disebabkan jumlah mesin xray, yang hanya satu mesin x-ray. Selain itu kedatangan kargo juga menjadi faktor yang
Pada saat tertentu Shipper yang seharusnya mengirim dengan jumlah tertentu, ternyata pada hari pengiriman kargo menambah kuantittas kargonya. Akibatnya muncul faktor uncertainty demand yang bisa mempengaruhi performansi pengiriman kargo. Adanya kedatangan kargo yang tidak terjadwal mengakibatan perubahan turn over ratio dan waktu tunggu proses pengiriman kargo.
Gambar 1 Turn over ratio gudang dan waktu tunggu setelah ada kedatangan kargo yang tidak terjadwal
9
Apabila ada kedatangan kargo yang tidak terjadwal, maka akan mempengaruhi ratarata waktu tunggu proses pengiriman. Rata-rata waktu tunggu berubah dari 205,6 menit menijadi 152,7. Begitu juga waktu maksimal tunggu berubah dari 812 menit menjadi 572. Hal ini menunjukkan bahwa pekerja operasional harus bekerja lebih dibandingkan tanpa ada kedatangan kargo yang tidak terjadwal. Oleh karena itu diperlukan kebijakan untuk mengatur kedatangan kargo. Turn over ratio gudang tetap bernilai satu, walaupun terjadi perubahan jumlah kedatangan kargo. Hal ini disebabkan kemampuan stasiun awal kerja seperti proses xray dan proses pindah ke timbangan terbatas. Sehingga menyebabkan antrian yang panjang pada kedua stasiun kerja ini. Selain itu turn over ratio gudang, adalah hasil akumulasi rasio dari hasil perhitungan jumlah kargo keluar gudang dengan jumlah kargo masuk gudang per hari. Dari sini dapat disimpulkan bahwa keterlambatan pengiriman kargo komoditas perishable tidak pernah lebih dari satu hari. Tidak berubah turn over ratio gudang kemungkinan Apabila keterlambatan kargo jenis perishable lebih dari satu maka akan terjadi penurunan kualitas yang merugikan pihak Shipper (pengirim). Selain itu, berdasarkan jadwal pengiriman kargo terdapat keterlambatan pengiriman. Jadwal pengiriman kargo dapat dilihat pada Tabel di bawah ini ; Tabel 3 Kargo tidak terkirim wide jadwal penerbangan wide[Perishable]
kargo tidak terkirim wide[Perishable]
Data Simulasi
Data Simulasi
23
36
36
810
178
118
900
147
97
Waktu kargo tidak terkirim wide
Tabel 4 Kargo tidak dikirm terkirim pesawat wide Waktu kargo tidak terkirim wide
Waktu kirim kembali
Kargo dikirim kembali
23
47
36
810
857
118
900
935
97
Kargo yang tidak terkirim pada saat penjadwalan awal akan dikirm pada periode pengiriman berikutnya. Waktu keberangkatan selanjutnya merupakan waktu tercepat pesawat terbang dari bandara asal, bukan sesuai dengan kedatangan tercepat pesawat datang ke bandara tujuan. Pada penerbangan pesawat wide, kargo yang tidak terkirim dapat dilihat pada Tabel 4. Waktu pengiriman kembali merupakan hasil dari waktu random. Tabel 5 Kargo tidak terkirim narrow Waktu kargo tidak terkirim narrow
jadwal penerbangan wide[Perishable] Data Simulasi
kargo tidak terkirim wide[Perishable] Data Simulasi
510
253
229
615
236
167
780
21
16
781
21
21
Tabel 6 Kargo tidak terkirim terkirim pesawat narrow Waktu kargo tidak terkirim narrow
Waktu kirim kembali
Kargo dikirim kembali
510
528
229
615
670
167
780
671
16
781
803
21
Pada Tabel 5 dan 6 dapat dijelaskan tentang waktu terkirimnya kargo yang tidak terkirim. Dari Tabel jumlah kargo yang tidak terkirim pesawat lebih banyak daripada pesawat wide. Hal ini dikarenakan permintaan pengiriman dengan menggunakan pesawat narrow lebih banyak daripada pengiriman dengan pesawat wide. Perbedaan besarnya permintaan disebabkan karena adanya kemuadahan pengangkutan dengan menggunakan pesawat narrow. Selain itu dengan menggunakan pesawat narrow, kuantittas kargo yang diangkut dalam jumlah yang kecil dengan jumlah penerbangan lebih banyak daripada pesawat terbang wide. Dalam model yang digunakan juga dibedakan terkait prioritas pengiriman berdasarkan tipe pesawat tertentu.Pesawat narrow memiliki prioritas pengiriman lebih tinggi daripada pesawat wide.
10
4.2
Desain Skenario Kebijakan Model yang didapatkan adalah model generic yang juga diterapkan pada bandara lain. Dari model tersebut juga telah ditentukan variabel-variabel yang berpengaruh dominan terhadap performansi pengiriman kargo udara. Oleh karena itu dari model eksisting, dapat dilakukan what if analysis atau skenario sensitivitas untuk menentukan dampak perubahan perilaku terhadap variabel yang diubah. Rancangan skenario untuk memperbaiki performansi pengiriman kargo adalah: a. Perubahan waktu antar kedatangan jumlah kargo terjadwal b. Perubahan waktu antar kedatangan jumlah kargo yang tidak terjadwal c. Perubahan kebijakan jumlah rata-rata kedatangan kargo tidak terjadwal d. Perubahan jumlah porter ekspor Skenario Perubahan Waktu antar Kedatangan Kargo Terjadwal Skenario perubahan rata-rata waktu antar kedatangan kargo dilakukan dengan mengubah pola kedatangan kargo. Dari yang sebelumnya memiliki menggunakan waktu ratarata antar kedatangan 57,5 akan diubah menjadi 204,3 menit dan 10 menit.. Perubahan yang dilihat adalah pada turn over ratio gudang, waktu pengiriman kembali kargo yang tidak terkirim, dan total waktu tunggu yang menjadi penilaian kinerja pekerja angkutan gudang.
ratio gudang tidak berubah karena kemungkinan ada kargo yang mengantri pada stasiun awal xray dan stasiun awal proses pemindahan ke timbangan, sesuai yang sudah dijelaskan pada uji parameter bahwa penambahan jumlah kedatangan kargo akan mempengaruhi panjang antrian di masing-masing stasiun kerja. Stasiun kerja x-ray merupakan stasiun kerja paling awal, sehingga kemacetan di awal akan menyebabkan kemacetan pada sistem secara keseluruhan. Tabel 8 Waktu pengiriman kembali per skenario 1 Perubahan Antar waktu kedatangan kargo terjadwal
Waktu Kargo tidak terkiri m Narrow (menit)
Skenario 1 Waktu Antar Kedatanga n 57,5 (Narrow)
Skenario 1 Waktu Antar Kedatanga n 204,300 (Narrow)
Skenario 1 Waktu Antar Kedatanga n 10 (Narrow)
Selisi h1
Selisi h2
510
528
662
528
-134
0
615
670
691
671
-21
-1
780
671
671
662
0
9
781
803
675
799
128
4
-27
12
4.2.1
Perbandingan Alternatif kebijakan
Waktu Kargo tidak terkiri m Wide (menit)
Skenario 1 Waktu Antar Kedatanga n 57,5 (wide)
Skenario 1 Waktu Antar Kedatanga n 204,300 (wide)
Skenario 1 Waktu Antar Kedatanga n 10 (wide)
Selisi h1
Selisi h2
23
47
47
47
0
0
810
857
859
856
-2
1
935
1211
933
-276
2
-278
3
Tabel 7 Perubahan output skenario 1 Turn Over Ratio
Total Rata-rata waktu tunggu (menit)
Total Maksim al Waktu tunggu (menit)
900
Perbandingan Alternatif kebijakan Model Eksisting rata-rata waktu antar kedatangan 57,5
1
152,7
572
Model Skenario rata-rata waktu antar kedatangan 204,3
1
251,3
561
1
85,6
271
Model Skenario rata-rata waktu antar kedatangan 10
Pada Tabel 7 ditunjukkan mengenai perubahan rata-rata waktu kedatangan kargo terjadwal terhadap perubahan turn over ratio gudang dan total waktu tunggu atau waktu pekerja mengganggur. Dari hasil perbandingan skenario 1 dapat disimpulkan bahwa turn over
Pada Tabel 8 menunjukkan tentang waktu pengiriman kembali kargo yang tidak terkirim. Dari Tabel 8 akan dibandingkan waktu pengiriman kembali berdasarkan perubahan rata-rata waktu antar kedatangan. Ketika rata-rata waktu antar kedatangan sama dengan 57,7 menit, maka menunjukkan sistem menyerupai sistem kondisi nyata. Dari hasil running simulasi skenario 1 maka dapat disimpulkan bahwa skenario 1 dengan mengubah rata-rata waktu antar kedatangan menjadi 10 menit memberikan dampak perbaikan pada sistem eksisting. Perubahan turn
11
over ratio gudang diabaikan karena tidak terjadi perubahan turn over ratio gudang. 4.2.2
Skenario Perubahan Waktu antar Kedatangan Kargo Tidak Terjadwal Pada sub bab ini akan dilakukan skenario perubahan waktu antar kedatangan kargo yang tidak terjadwal. Perubahan waktu ini akan mengakibatkan kejutan pada sistem pengiriman kargo udara. Dampak terhadap perubahan performansi dapat digambarkan pada Tabel 9 sebagai berikut ; Tabel 9 Perubahan output skenario 2 Turn Over Ratio
Total Ratarata waktu tunggu (menit)
Total Maksim al Waktu tunggu (menit)
1
152,7
572
1
192,5
661
1
103,8
355
Model Eksisting rata-rata waktu antar kedatangan 70,1 Model Skenario rata-rata waktu antar kedatangan 126 Model Skenario rata-rata waktu antar kedatangan 12
Dari hasil merubah skenario pada Tabel 9 maka dapat disimpulkan bahwa rata-rata waktu antar kedatangan semakin kecil akan memperbaiki performansi pengiriman kargo udara. Hal ini dapat dilihat dari total rata-rata waktu tunggu yang semakin kecil dibandingkan dengan kondisi eksisting. Oleh karena itu dapat ditinjau juga mengenai perubahan waktu kirim kembali kargo yang tidak terkirim sebagai berikut ; Tabel 10 Waktu pengiriman kembali per skenario 2 Perubahan Antar waktu kedatangan kargo tidak terjadwal
Waktu Kargo tidak terkiri m Narrow (menit)
Data Waktu Antar Kedatanga n 70,1 (Narrow)
Data Waktu Antar Kedatanga n 126 (Narrow)
Data Waktu Antar Kedatanga n 12 (Narrow)
Selisi h1
Selisi h2
510
535
537
530
-2
5
613
613
662
613
-49
0
615
671
677
666
-6
5
639
639
675
639
-36
0
780
671
799
667
-128
4
781
799
803
799
-4
0
Waktu Kargo tidak terkiri m Narrow
Data Waktu Antar Kedatanga n 70,1 (wide)
Data Waktu Antar Kedatanga n 126 (wide)
Data Waktu Antar Kedatanga n 12 (wide)
Selisi h1
Selisi h2
23
47
47
47
0
0
810
857
931
857
-74
0
900
936
1026
933
-90
3
-164
3
Perbandingan Alternatif kebijakan
Dari hasil perbandingan running simulasi, dengan menggunakan rata-rata waktu antar kedatangan kargo yang tidak terjadwal maka dapat dibuat Tabel 10. Dari Tabel 10 dapat disimpulkan bahwa perbaikan performansi dapat dilakukan jika dilakukan pembatasan kedatangan kargo yang tidak terkirim dengan rata-rata waktu antar kedatangan adalah 12. Dari hasil perbaikan ini akan dibuat kebijakan terkait peraturan untuk mendatangkan kargo tidak terjadwal pada waktu-waktu tertentu khusus jenis kargo yang tidak dijadwalkan datang. 4.2.3
Skenario Jumlah Kargo yang Tidak Terjadwal Dengan mengganti fraksi jumlah kedatangan kargo yang tidak terjadwal maka akan mempengaruhi performansi pengiriman. Peristiwa kedatangan kargo yang tidak terjadwalkan merupakan kegiatan tidak tentu waktu terjadinya (uncertainty). Oleh karena itu dapat dibuat skenario kebajikan mengenai jumlah kedatangan kargo yang diperbolehkan datang. Dengan pengaturan tarif pengangkutan reguler maka dapat ditentukan batasan waktu cargo booking, sehingga ke depannya dapat dibuat ketentuan tarif khusus untuk jumlah kedatangan kargo yang tidak terjadwal. Perubahan tarif dapat dilakukan apabila ada perubahan signifikan antara perubahan kedatangan kargo tidak terjadwal dengan performansi pengiriman kargo udara. Jadi pada sub bab ini akan dilakukan skenario perubahan fraksi jumlah kargo yang tidak terjadwal terhadap jumlah kargo yang terjadwal. Hasil turn over ratio pada gudang selalu bernilai satu walaupaun jumlah kargo yang tidak terjadwal hal ini memiliki arti bahwa dalam satu hari semua jadwal kargo terkirim. Oleh karena itu turn over ratio gudang per hari tidak berubah.Hal ini juga dapat dipengaruhi oleh jumlah kargo yang keluar kargo terjadi dua kali
12
yaitu waktu pengiriman kargo yang mengakibatkan kargo tidak terkirim dan waktu kargo dikirim kembali. Hasil dari running model skenario kebijakan adalah sebagai berikut: Tabel 11 Perubahan output skenario 3 Turn Over Ratio
Total Ratarata waktu tunggu (menit)
Total Maksimal Waktu tunggu (menit)
780
803
780
780
23
23
781
803
781
799
22
4
50
9
Perbandingan Alternatif kebijakan Waktu Kargo tidak terkirim Wide
Fraksi 0,5 (eksisting)
Fraksi 0,7
Fraksi 0,2
Selisih 1
Selisih 2
23
47
47
47
0
0
810
857
856
860
1
-3
935
933
935
2
0
3
-3
900
Perbandingan Alternatif kebijakan
Model Eksisting Fraksi 0,5 dari jumlah kargo terjadwal Model Skenario Fraksi 0,7 dari jumlah kargo terjadwal
1
152,7
572
1
135,5
311
1
188,2
415
Model Skenario Fraksi 0,2 dari jumlah kargo terjadwal
Perubahan skenario jumlah kedatangan kargo tidak terjadwal terhadap perubahan performansi dapat dilihat dari Tabel 10.. Dari Tabel tersebut dapat disimpulkan bahwa dengan mengubah fraksi jumlah kedatangan kargo tidak terjadwal eksisting menjadi 0,7 dari jumlah kedatangan kargo terjadwal maka akan memperbaiki total rata-rata waktu tunggu. Pekerja yang sebelumnya memiliki rata-rata waktu mengganggu 152,7 menit maka harus merelakan waktu tersebut untuk memproses kargo. Waktu rata-rata mengganggur per hari yang direlakan sebesar 17,2 menit untuk memproses kargo. Dengan menentukan waktu terkirimnya kargo yang tidak terkirim, maka akan dicek ulang kesimpulan dari Tabel 10. Maksimal waktu total tunggu merupakan waktu paling lama pekerja tidak melakukan pekerjaan selama interval waktu tertentu. Waktu total ratarata waktu tunggu merupakan akumulasi tiap periodenya. Jadi pada akhir periode akan semakin besar nilanya. Tabel 12 Waktu pengiriman kembali per skenario 3
4.2.4
Skenario Perubahan Jumlah Porter Angkut Gudang Istirahat Kerja Skenario perubahan dilakukan dengan mengubah jumlah porter atau pekerja ground handling terminal kargo landside. Perubahan dilakukan dengan mengganti jumlah porter istirahat kerja, dari 2/3 jam menjadi 5/ jam. Berikut ini adalah hasil dari running simulasi model ; Tabel 13 Perubahan output skenario 4
Model Eksisting Model Skenario 5 orang istirahat/jam
Perubahan fraksi kargo tidak terjadwal Waktu Kargo tidak terkirim Narrow
Perubahan fraksi jumlah kargo tidak terjadwal dari 0,5 menjadi 0,7 terhadap jumlah kargo yang terjadwal yang memberikan pengaruh yang signifikan terhadap terkirimnya kargo tidak terkirim pada periode sebelumnya. Dari Tabel 12 dapat disimpulkan bahwa dengan mengubah fraksi kedatangan jumlah kargo yang tidak terjadwal dari kedatangan kargo yang terjadwal sebesar 0,7 maka akan diperoleh waktu pengiriman lebih cepat daripada kondisi eksisiting. Hal ini terjadi pada pemilihan kedua pesawat terbang secara keseluruhan, wide dan narrow.
Fraksi 0,5 (eksisting)
Fraksi 0,7
Fraksi 0,2
Selisih 1
510
528
530
533
-2
-5
615
670
667
677
3
-7
639
671
667
677
4
-6
Selisih 2
Model Skenario 10 orang istirahat/2jam
Turn Over Ratio
Total Ratarata waktu tunggu (menit)
Total Maksimal Waktu tunggu (menit)
1
152,7
572
1
128,1
329
1
147,5
462
Dari hasil running simulasi model, turn over ratio tetap karena adanya antrian jumlah kargo pada stasiun kerja x-ray dan stasiun pengiriman pemindahan ke timbangan. Total
13
rata-rata waktu tunggu menjadi semakin kecil apabila jumlah porter istirahat dirubah. Sensitivitas perubahan porter angkut dipengaruhi oleh kargo yang diproses, apabila kargo yang diproses maka pihak JAS dapat mengubah kebijakan dalam mengatur shift kerja pekerjanya. Perubahan shift kerja dapat dilakukan pada momen-momen tertentu seperti Natal dan waktu panen ikan. Waktu rata-rata tunggu total semakin kecil artinya pekerja per stasiun kerja banyak yang menganggur. Tabel 14 Waktu pengiriman kembali per skenario 4 Perubahan Jumlah Porter istirahat per waktu Waktu Kargo tidak terkirim Narrow
2 orang istirahat/3j am
5 orang istirahat/jam
10 orang istirahat/ 2 jam
Selisih 1
Sel isih 2
510
528
530
533
-2
-5
615
670
667
677
3
-7
639
671
667
677
4
-6
780
803
780
780
23
23
803
781
799
22
4
50
9
781
Perbandingan Alternatif kebijakan Waktu Kargo tidak terkiri m Wide
2 orang istirahat/3jam
5 orang istirahat/jam
10 orang istirahat/ 2 jam
Selisih 1
Sel isih 2
23
47
47
47
0
0
810
857
856
860
1
-3
900
935
933
935
2
0
3
-3
Perbandingan Alternatif kebijakan
Dengan mengamati perubahan waktu terkirim kembali kargo yang tidak terkirim, maka secara keseluruhan dengan mengubah jumlah porter istirahat menjadi 5 orang/jam maka akan meningkatkan waktu terkirim kembali kargo tidak terkirim. Hal ini akan meningkatkan kepuasaan konsumen, khususnya dalam hal ketepatan waktu pengiriman kargo udara. 5.
PENUTUP Bab ini berisi mengenai kesimpulan hasil penelitian dan saran yang berkaitan dengan penelitian selanjutnya. 5.1
Dari hasil simulasi dan analisis, maka dapat diambil kesimpulan sebagai berikut : 1. Pada penelitian ini dikembangkan model simulasi pengukuran performansi pengiriman kargo udara dengan menggunakan pendekatan sistem dinamik. Model yang dikembangkan akan mengukur variabel performansi turn over ratio gudang, waktu pengiriman kargo yang tidak terkirim, dan waktu tunggu (idle time). 2. Variabel-variabel yang berpengaruh pada performansi dapat dijelaskan pada causal loops diagram yang sudah dibuat. Variabel-variabel tersebut antara lain waktu kedatangan dan jumlah kedatangan kargo, resource yang dimiliki, waktu proses tiap stasiun kerja dan pemilihan pesawat terbang dalam pengiriman kargo. 3. Dari hasil running simulasi skenario kebijakan, maka dapat ditentukan bahwa perubahan kebijakan tentang perubahan jumlah kedatangan kargo yang tidak terjadwal memberikan efek yang signifikan terhadap performansi. Selain itu, perbaikan ini sangat dimungkinkan dilakukan di Terminal Bandara Kargo. Perbaikan yang berhubungan terkait dengan perbedaan tarif dasar kargo yang tidak terjadwal. 5.2
Saran
Berikut ini adalah rekomendasi dari hasil penelitian serta peluang untuk dilakukan penelitian selanjutnya ;
1. Penyusuanan model pengukuran performansi pengiriman kargo pada penelitian ini belum mempertimbangkan faktor eksternal seperti permintaan bagasi dan permintaan penumpang terminal kargo. Hal ini dianggap penting karena pesawat yang digunakan adalah pesawat yang bisa mengangkut penumpang, bagasi ,dan kargo secara bersamaan (combined) . 2. Penyusunan model belum memperhatikan pengaruh kapasitas kargo, apabila ada demand yang melebihi kapasitas pesawat.
Kesimpulan
14
3. Pada model penelitian ini, pengiriman ulang kargo yang tidak terkirim tidak didasarkan pada jadwal penerbangan pesawat dengan waktu tercepat sampai di Bandara Tujuan. 6.
DAFTAR PUSTAKA
Coyle, R. G. 1982. The technical elements of the system dynamics approach. 359-370. Dogains, R. 1996. Flying Off Course, London, Routledge. Forrester, J. W. 1961. Industrial dyamics. Cambridge: MIT Press. Fukuhara, Yugo (Minato-Ku, J., Takasu & Toru (Minato-Ku, J. 2003. Loading bridge for air cargo loading. Tokyo. G., G., Murino, E. & E., R. 2009. A Discreate event simulation to model passenger flow in the airport terminal. Journal of Mathematical Methods and Applied Computing. How, L. C. 2004. A simulation model of an air cargo import terminal. Master of Engineering, National University of Singapore. ICAO. (1999). Airport Operational Efficiency. International Civil Aviation Organization Airport Privatization . Guatemala: ICAO. J.Antes, L.Campen, U.Derigs, C.Titze & Wolle, G. 1998. Synopse : a model-based decision support system for the evalution of flight schedules for cargo airlines. Decision Support Systems, 22, 307-323. Manataki, I. E. & Zografos, K. 2009. A Generic system dynamic based tool for airport terminal performance analysis. Transportation Research 17, 428-443. Manataki, I. E. & Zografos, K. 2010. Assesing airport terminal performance using a system dynamic model. Journal of Transport Management 16, 86-93. Muhammadi, Aminullah, E. & SOESILO, B. 2001. Analisis Sistem Dinamis, Jakarta, UMJ Press. Nsakanda, A. L., Turcotte, M. & Diaby, M. 2004. Air cargo operations evaluation and analysis through simulation. Peter Belobaba, Amedeo Odoni & Cynthia Barnhart. 2009. The Global Airline Industry. Inggris: Wiley.
Sarabia, C., C., M., Rios, H., H., J. & PaterninaArboleda 2003. Simulation-Based Decision Support Models for river cargo transportation. Department of Industrial Engineering. SKEP47. (2010). Indonesia. Stearman, J. 2000. Business dynamics : Systems thinking and modelling for a complex world Boston McGraw-Hill. Tako, A. A. & Robinson, S. 2010. Model development in discrete-event simulation and system dynamics: Anempirical study of expert modellers. European Journal of Operational Research, 207, 784-794.
15
