Presentasi TESIS - PS 2399

Presentasi TESIS - PS 2399

1. Pendahuluan 2. Metodologi

3. Analisa dan Hasil Studi 4. Kesimpulan dan Saran

 

  

Demand transportasi udara di Indonesia terus menerus mengalami peningkatan. Ini disebabkan karena ekonomi, laju pertumbuhan penduduk, perkembangan wilayah, dan semakin berartinya waktu tempuh. Angkutan udara sangat berperan di wilayah dengan aksesibilitas transportasi darat yang lemah maupun baik. Peningkatan pelayanan transportasi udara mampu memicu dan mendukung pembangunan pada sektor lainnya. Guna menyediakan sarana dan prasarana transportasi udara yang sesuai dengan kebutuhan sekarang dan masa mendatang maka perlu diadakan prediksi kebutuhan yang terjadi serta perencanaan transportasi.

1. Bagaimana matriks asal dan tujuan penumpang domestik dan internasional pengguna transportasi udara di Bandara Internasional Juanda pada tahun 2009? 2. Bagaimana hasil pemodelan trip distribution penumpang domestik dan internasional yang melalui Bandara Internasional Juanda dengan menggunakan model gravity tanpa-batasan (Unconstrained Gravity) dengan menggunakan tiga jenis fungsi hambatan yaitu fungsi pangkat, fungsi eksponensial negatif dan fungsi Tanner? 3. Bagaimana matriks asal dan tujuan penumpang domestik dan internasional pengguna transportasi udara di Bandara Internasional Juanda pada 10 tahun mendatang (2019)?

1. Memperoleh matriks asal dan tujuan tujuan penumpang domestik dan internasional pengguna transportasi udara tahuun 2009. 2. Pemodelan trip distribution penumpang domestik dan internasional yang melalui Bandara Internasional Juanda dengan menggunakan model gravity-tanpa-batasan (Unconstrained Gravity) dengan menggunakan tiga jenis fungsi hambatan yaitu fungsi pangkat, fungsi eksponensial negatif dan fungsi Tanner. 3. Memperoleh matriks asal dan tujuan penumpang domestik dan internasional pengguna transportasi udara di Bandara Internasional Juanda pada 10 tahun mendatang (tahun 2019)

1. 2. 3.

4. 5.

Data yang digunakan dalam studi ini adalah data sekunder, yang berasal dari hasil survai tahun 2009 dan PT. Angkasa Pura I tahun 2008 dan 2009. Survai wawancara penumpang (pada point 1) hanya dilakukan di terminal keberangkatan domestik dan internasional di Bandara Internasional Juanda. Pemodelan distribusi yang digunakan adalah model gravitytanpa-batasan (Unconstrained Gravity) dengan menggunakan tiga jenis fungsi hambatan yaitu fungsi pangkat, fungsi eksponensial negatif dan fungsi Tanner. Faktor pemisah antar zona hanya berdasarkan pada jarak. Tahapan dalam studi ini hanya sampai dengan pemodelan trip distribution serta peramalan untuk 10 tahun mendatang (tahun 2019).

Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan Domestik. Sumber : http://gambar-peta.blogspot.com/2010/09/peta-indonesia-dunia-of-atlas.html

Rute Penerbangan di Bandara Internasional Juanda Untuk Asal/Tujuan Internasional. Sumber : http://greatpowerpolitics.com/?tag=military

menu

Tinjauan Pustaka 2. Pengumpulan Data Sekunder 3. Pengolahan Data 4. Matriks Expanded 5. Pemodelan Trip Distribution 6. Grafik Trip Length Distribution 7. Pengujian Model 8. Memilih Model Terbaik 9. Peramalan 10. Kesimpulan 1.

menu

 

Pada model gravity jarak mempengaruhi besar kecilnya jumlah perjalanan antar zona Berdasarkan jenisnya model gravity dibagi menjadi empat yaitu : 1. 2. 3. 4.

Dengan tanpa batasan (Unconstrained Gravity) Dengan batasan bangkitan (Production Constrained Gravity) Dengan batasan tarikan pergerakan (Attraction Constrained Gravity) Dengan dua batasan (Doubly Constrained Gravity)

Menurut Hyman (1969) tiga jenis fungsi hambatan yang dapat digunakan dalam Model Gravity adalah sebagai berikut: Fungsi pangkat : besarnya jarak perjalanan (Cid) dipangkatkan nilai negatif parameter fungsi hambatan α Fungsi eksponensial-negatif : besarnya bilangan natural yaitu e = 2,71828 dipangkatkan nilai negatif dari perkalian antara parameter fungsi hambatan β dengan jarak perjalanan (Cid)

fungsi Tanner : jarak perjalanan (Cid) pangkat nilai parameter fungsi hambatan α dikali dengan bilangan natural e = 2,71828 pangkat nilai negatif dari perkalian antara parameter fungsi hambatan β dengan jarak perjalanan (Cid)

 

Salimatul Muntafiah (2000) “Pemodelan trip distribusi penumpang angkutan udara kawasan Indonesia Timur”. Hasil perumusan model simultan Salimatul Muntafiah adalah sebagai berikut:

Dengan nilai R² = 0,387 SSE = 80.795.788.372 MSE = 2.376.346.717 RMSE = 48,748

 

M Salmani (2003) “Pola distribusi pergerakan angkutan penumpang penerbangan domestik melalui pelabuhan udara Juanda Surabaya“. Hasil perumusan model simultan M Salmani adalah sebagai berikut:

Dimana : P = Jumlah penduduk K = Jumlah angkatan kerja H = Jumlah tamu hotel E2 = PDRB atas dasar harga berlaku tanpa migas E3 = PDRB atas dasar harga konstan tahun 1993 E4 = PDRB atas dasar harga konstan tahun 1993 tanpa migas E5 = Perkapita atas dasar harga berlaku Dij = Jarak antar bandara

Dengan nilai R² = 0,549 SSE = 44.735.842.145 MSE = 1.065.139.099 RMSE = 32,636



Membandingkan hasil pemodelan simultan pada studi Muntafiah (2000) dengan data dari PT. Angkasa Pura I tahun 2009

Matriks Asal Tujuan Tahun 2010 dengan Cara Furness Hasil Studi Muntafiah:

Surabaya

Ujung Pandang

Balikpapan

Biak

Manado

Yogyakarta

Surakarta

Banjarmasin

Semarang

Mataram

Ambon

Denpasar

0

341484

101940

12

1045

0

190530

10

0

0

136869

0

Surabaya

300174

0

414989

606529

0

28493

73204

0

372307

55026

182759

36681

Ujung Pandang

77827

296124

0

71964

27228

94651

22017

42

1216

0

0

60997

0

629536

88402

0

0

40054

140937

60

56296

14

0

9

Biak

3479

0

32016

0

0

8

0

0

0

0

0

0

Manado

55661

39186

115800

51349

0

0

0

0

0

0

0

278

Yogyakarta

192784

85685

37993

137174

0

0

0

0

57247

118

5

8

Surakarta

99

0

442

0

0

0

279

0

0

341

0

0

Banjarmasin

0

413271

1299

51055

0

0

57308

0

0

3799

0

0

Semarang

478

60615

0

97

0

0

8

0

6635

0

0

0

Mataram

134976

222640

0

0

0

0

0

0

0

0

0

0

Ambon

0

52461

180078

0

0

69

0

0

0

0

0

0

Asal/Tujuan

Denpasar

Matriks Asal Tujuan Tahun 2009 berdasarkan Buku SLLAU 2009 oleh PT Angkasa Pura 1

Balikpapan

Dari kedua tabel tersebut dapat diketahui bahwa jumlah pergerakan yang terjadi di Bandara Internasional Juanda untuk sebagian besar jumlah pergerakan sudah melebihi dari hasil pemodelan simultan pada studi Muntafiah (2000).  Bahwa jumlah pergerakan penumpang di tahun 2009 menurut data SLLAU lebih besar daripada hasil pemodelan Furness (Muntafiah, 2000), yakni mencapai 51% dari seluruh rute asal tujuan yang ada



menu



 

  

Data hasil survai wawancara asal tujuan penumpang di terminal keberangkatan domestik dan internasional Bandara Internasional Juanda yang dilakukan oleh Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP – ITS Surabaya. Jumlah penduduk di wilayah – wilayah studi. Pendapatan Domestik Regional Bruto (PDRB) kota/kabupaten atau propinsi serta Gross National Income (GNI) Negara/daerah asal dan tujuan penumpang wilayah studi. Rute perjalanan pesawat di Bandara Internasional Juanda. Jarak antar bandara di kota maupun Negara asal dan tujuan penerbangan. Data asal tujuan perjalanan penumpang dan pesawat di Bandara Internasional Juanda oleh PT Angkasa Pura I.

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Bandara Asal

Bandara Tujuan

Bandara Internasional Juanda Bandara Achmad Yani (Semarang) Bandara Internasional Juanda Bandara Adisutjipto (Yogyakarta) Bandara Internasional Juanda Bandara El Tari (Kupang) Bandara Internasional Juanda Bandara Frans Kaisiepo (Biak) Bandara Internasional Juanda Bandara H. Asan (Sampit) Bandara Internasional Juanda Bandara Hang Nadim (Batam) Bandara Internasional Juanda Bandara Hasanuddin (Makassar) Bandara Internasional Juanda Bandara Husein Sastranegara (Bandung) Bandara Internasional Juanda Bandara Internasional Soekarno-Hatta (Jkt) Bandara Internasional Juanda Bandara Juwata (Tarakan) Bandara Internasional Juanda Bandara Mutiara (Palu) Bandara Internasional Juanda Bandara Ngurah Rai (Bali) Bandara Internasional Juanda Bandara Pattimura (Ambon) Bandara Internasional Juanda Bandara Polonia (Medan) Bandara Internasional Juanda Bandara Sam Ratulangi (Manado) Bandara Internasional Juanda Bandara Selaparang (Mataram) Bandara Internasional Juanda Bandara Sentani (Jayapura) Bandara Internasional Juanda Bandara Sepinggan (Balikpapan) Bandara Internasional Juanda Bandara Supadio (Pontianak) Bandara Internasional Juanda Bandara Syamsudin Noor (Banjarmasin) Bandara Internasional Juanda Bandara Tjilik Riwut (Palangkaraya) Bandara Internasional Juanda Bandara Wolter Monginsidi (Kendari) Jumlah Sampel Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP – ITS Surabaya

Jumlah Sampel 30 30 30 30 30 30 36 36 64 30 32 36 30 31 30 30 30 65 50 43 32 30 785

No. 1 2 3

4 5 6

Bandara Asal

Bandara Tujuan Bandara Internasional Senai (Johor Bandara Internasional Juanda Bahru) Bandara Internasional Kuala Lumpur Bandara Internasional Juanda (Kuala Lumpur) Bandara Internasional Changi Bandara Internasional Juanda (Singapore) Bandara Internasional Hongkong Bandara Internasional Juanda (Hongkong) Bandara Internasional Brunei (Brunei Bandara Internasional Juanda Darussalam) Bandara Internasional Taoyuan Bandara Internasional Juanda (Taiwan) Jumlah Sampel

Jumlah Sampel 30 30 32

27 29 30 178

Sumber: Laboratorium Perhubungan dan Bahan Jalan Jurusan Teknik Sipil, FTSP – ITS Surabaya

menu

Data-data dari hasil survai wawancara kepada pelaku perjalanan kemudian diolah menjadi Matrik Asal Tujuan perjalanan penumpang Kota atau kabupaten asal serta kota atau kabupaten tujuan diberi kode

menu

Langkah-langkah membuat Matriks Expanded: 1. Membuat MAT hasil survey wawancara 2. Menjumlahkan tiap kolom Zona tujuan 3. Mendapatkan MAT terkalibrasi dengan rumus : Dimana : › a = MAT hasil survey wawancara

› b = Jumlah pergerakan penumpang berdasarkan hasil survey dari tiap zona (Dj) › c = Data sekunder pergerakan penumpang disetiap zona tujuan selama 1thn berdasarkan SLLAU 2008 › d = MAT terkalibrasi

4.

5.

Menjumlahkan MAT terkalibrasi (Tij). Mendapatkan faktor pengali dengan rumus : › › › ›

6.

Dimana : e = Faktor pengali f = ∑ MAT terkalibrasi g = seluruh ∑ pergerakan penumpang selama satu tahun di Bandara Internasional Juanda dengan tujuan domestik berdasarkan SLLAU 2008

Mendapatkan Matriks expanded dengan rumus : › › › ›

Dimana e = Faktor Pengali d = Matriks Kalibrasi h = Matriks Expanded

menu

Matriks Expanded Domestik

Matriks Expanded Internasional

1. 2.

3. 4.

Data-data dari hasil survai wawancara diolah menjadi MAT perjalanan penumpang dan MAT jarak. MAT perjalanan penumpang dikali dengan faktor pengali yang didapatkan dari frekuensi perjalanan penumpang di Bandara Internasional Juanda untuk setiap tujuan perjalanan selama satu tahun. Hasil perkalian tersebut menghasilkan MAT expanded. Sedangkan MAT jarak digunakan untuk mendapatkan nilai dari variabel α dan β pada fungsi hambatan. Metode yang digunakan dalam mendapatkan nilai α dan β adalah metode sederhana nilai α dan β dicari dengan cara trial and error dengan memberikan nilai awal sembarang. Trial and error ini akan berhenti sampai didapatkan selisih prosentase minimum antara nilai sebaran hasil pengamatan dan model.

5.

Tahap berikutnya adalah mendapatkan model empiris dengan memasukkan faktor ekonomi /populasi setiap negara/kota/kabupaten asal tujuan. Tij = Ei . Ej. f(Cij) Dimana : Ei = variabel ekonomi negara/kota/kabupaten asal. Ej = variabel ekonomi negara/kota/kabupaten tujuan. Variabel ekonomi dalam studi ini berupa PDRB kota/kabupaten/propinsi dan GNI dari negara asal dan tujuan penumpang.

6.

Untuk mendapatkan MAT hasil pemodelan maka yang perlu dilakukan terlebih dahulu adalah membandingkan jumlah pergerakan penumpang pada MAT expanded dengan jumlah pergerakan penumpang MAT model empiris. Dari hasil pembandingan tersebut didapatkan nilai K, K=

jumlah pergerakan penumpang pada MAT expanded jumlah pergerakan penumpang pada MAT model empiris

7. Kemudian nilai K tersebut dikali dengan MAT model empiris sehingga didapatkan MAT hasil pemodelan. Tij = K . Ei . Ej. f(Cij) menu

Grafik trip length distribution adalah grafik antara data jarak untuk setiap asal tujuan perjalanan penumpang dengan prosentase jumlah perjalanan penumpang pesawat.

Ada 2 TLD yaitu: 1) TLD data 2) TLD hasil pemodelan

menu

Meminimalkan selisih maksimum antara grafik(Trip Length Distribution) TLD data dan TLD hasil pemodelan.  Jika selisih antara keduanya masih besar, maka perlu dilakukan trial and error dalam memasukkan nilai variabel α atau β 

menu

Model yang TLD data dan TLD hasil pemodelan memiliki selisih terkecil. Model yang terbaik tersebut dijadikan model sebaran perjalanan penumpang pesawat di Bandara Internasional Juanda.

MULAI

Tinjauan Pustaka Pengumpulan data

Data Sekunder: Wawancara asal tujuan penumpang

Pengolahan data primer: MAT hasil wawancara asal tujuan penumpang 2009

Data sekunder: •Jumlah penduduk asal tujuan penumpang •Pendapatan Domestik Regional Bruto (PDRB) kota/kabupaten asal tujuan penumpang •Gross National Product (GNI) negara asal tujuan penumpang •Rute perjalanan pesawat •Jarak antar bandara •Data asal tujuan perjalanan penumpang di Bandara Internasional Juanda oleh PT Angkasa Pura I •Data asal tujuan perjalanan pesawat di Bandara Internasional Juanda oleh PT Angkasa Pura I

•MAT Expanded untuk Penerbangan Domestik •MAT Expanded untuk Penerbangan Internasional •Pemodelan Trip Distribution model gravity tanpa batasan dengan variabel α dan β untuk Penerbangan Domestik •Pemodelan Trip Distribution model gravity tanpa batasan dengan variabel α dan β untuk Penerbangan Domestik

•MAT hasil pemodelan untuk Penerbangan Domestik •MAT hasil pemodelan untuk Penerbangan Internasional

•Trip Length Distribution (TLD) data dan Trip Length Distribution (TLD) hasil pemodelan untuk Penerbangan Domestik •Trip Length Distribution (TLD) data dan Trip Length Distribution (TLD) hasil pemodelan untuk Penerbangan Internasional

•Sum Square Error (SSE) untuk Penerbangan Domestik •Sum Square Error (SSE) untuk Penerbangan Internasional

B

A

B

A

Masukkan nilai α dan β baru tidak

Pengujian kemiripan hasil model dengan data menggunakan cara TLD atau SSE untuk Penerbangan Domestik dan Internasional

Ya

•Memilih model yang terbaik untuk Penerbangan Domestik •Memilih model yang terbaik untuk Penerbangan Internasional

Meramalkan trip distribution untuk 10 tahun mendatang (tahun 2019)

KESIMPULAN dan SARAN

menu

Trip Length Distribution Wawancara  Pemodelan Trip Distribution Penerbangan Domestik  Pemodelan Trip Distribution Penerbangan Internasional  Peramalan





Grafik TLD Penerbangan Domestik Hasil Wawancara



Trip Length Distribution (TLD) Penerbangan Internasional Hasil Wawancara

Pemodelan dilakukan untuk 2 parameter zona asal dan tujuan, yakni: parameter Populasi (jumlah penduduk) dan Pendapatan Domestik Regional Bruto (PDRB)  Setiap pemodelan dengan masing-masing fungsi hambatan akan dikalibrasi dengan 2 cara, yakni membandingkan selisih Trip Length Distribution (TLD) dan Sum Square Error (SSE)  Model terbaik dipilih dari perbandingan antara model hasil kalibrasi TLD dengan selisih TLD wawancara dan pemodelan yang paling kecil vs hasil kalibrasi SSE dengan nilai SSE terkecil.



Domestik

Hambatan Eksponensial-TLD

Beta PDRB

TLD (%)

Rumus

0,00281 3,92393 Tij=2.68E-13*Ei*Ej*exp (-0.00281*Cij)

Populasi 0,011 9,87078

Tij=1.54E-9*Pi*Pj*exp (-0.011*Cij)

Grafik Dipilih Fungsi Hambatan

Domestik Hambatan Power-TLD

PDRB

Alpha TLD (%)

Rumus

0,838 1,60519 Tij=3.6368E-12*Ei*Ej*Cij^-0.838

Populasi 1,5563 1,98994 Tij=3.53194E-7* Pi*Pj*Cij^-1.5563


Domestik Hambatan Tanner-TLD

PDRB Populasi

Alpha Beta TLD (%)

Rumus

7,1 0,01 0,17938 Tij=5.44047E-30*Ei*Ej*Cij^7.1*exp (-0.01*Cij) 1

0,1 9,87415

Tij=3.87118E-9* Pi*Pj*Cij^1*exp (-0.1*Cij)


Grafik Fungsi Hambatan Eksponensial dengan Kalibrasi TLD dan Parameter PDRB untuk Nilai β=0,00281 pada Penerbangan Domestik

Grafik Fungsi Hambatan Power dengan Kalibrasi TLD dan Parameter PDRB untuk Nilai α=0,838 pada Penerbangan Domestik

Grafik Fungsi Hambatan Tanner dengan Kalibrasi TLD dan Parameter PDRB untuk Nilai α=7,1 dan β=0,01 pada Penerbangan Domestik

Domestik Hambatan

PDRB

EksponensialSSE

Beta

Populasi

Hambatan Power -SSE

SSE

Rumus

0,001174 878,507,611,942 Tij=1,68 x 10-13 x Ei x Ej x e(-0,001174 x Cij) 0,00154

929,510,356,538 Tij=2,17 x 10-10 x Pi x Pj x e(-0,00154 x Cij) Domestik SSE

Alpha

Rumus

PDRB

0

Populasi

0,38261

959,452,314,377 Tij=6,11587 x 10-10 x Pi x Pj x Cij0,38261

Alpha

Domestik Beta SSE

Hambatan

871,680,592,694 Tij=1,64041 x

10-13

x Ei x Ej x Cij

0

Rumus

PDRB

8,22

0,01

636,004,162,917

Tij=3,37761 x 10-33 x Ei x Ej x Cij8,22 x e(-0,01 x Cij)

Populasi

0,9

0,073

950,111,089,545

Tij=1,80973 x 10-9 x Pi x Pj x Cij0,9 x e(-0,73 x Cij)

TannerSSE




Grafik Fungsi Hambatan Eksponensial dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai β=0,001174 pada Penerbangan Domestik

Grafik Fungsi Hambatan Power dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai α=0 pada Penerbangan Domestik

Grafik Fungsi Hambatan Tanner dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai α=8,22 dan β=0,01 pada Penerbangan Domestik

Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi TLD Terkecil Jarak min (Km) 0 1.000 2.000 3.000

Jarak Midrange maks (Km) (Km) 1.000 500 2.000 1.500 3.000 2.500 4.000 3.500 Selisih maksimum data

Data (%) 90,13 9,69 0,00 0,18 dan model

Model (%)

Selisih % data dan model

90,26 9,72 0,02 0,00

0,134544 0,025201 0,019636 0,179381 0,179380766

Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE Terkecil Jarak min (Km) 0 1.000 2.000 3.000

Jarak Midrange Data maks (Km) (%) (Km) 1.000 500 90,13 2.000 1.500 9,69 3.000 2.500 0,00 4.000 3.500 0,18 Selisih maksimum data dan model

Model (%)


82,90 17,04 0,06 0,00

7,227736 7,344072 0,063042 0,179379 7,344072

Dipilih yang minimum

0,179380766

Model dengan kalibrasi TLD

Trip Length Distribution (TLD) Penerbangan Domestik Hasil Wawancara dan Pemodelan Gravity Fungsi Tanner dengan Kalibrasi TLD dan Parameter PDRB

Domestik - PDRB Hambatan Tanner kalibrasi TLD α = 7,1 β 0,01

Dengan: Tij Ei Ei Cij e

Rumus Tij=5,44047 x 10-30 x Ei x Ej x Cij7,1 x e(-0,01 x Cij)

= Jumlah pergerakan antar zona = Parameter ekonomi (PDRB) zona asal = Parameter ekonomi (PDRB) zona tujuan = Jarak antar zona asal dan tujuan = bilangan “natural” = 2,71828

Pada penerbangan domestik perhitungan peramalan pergerakan menggunakan pemodelan gravity fungsi tanner.  Peramalan dimulai dari jarak 500 Km dikarenakan jika peramalan dimulai pada jarak dibawah 500 Km jumlah pergerakan kurang dari 90%, karena pada jarak dekat tersebut sangat dimungkinkan penumpang lebih memilih moda lain 

Internasional Hambatan Eksponensial-TLD

Beta PDRB

TLD (%)

Rumus

0,005629 16,152879 Tij=3.9016E-16*Ei*Ej*exp (-0.005629*Cij)

Populasi 0,00199 14,923499 Tij =1.5254E-9* Pi*Pj*exp (-0.00199*Cij)


Internasional Hambatan Power-TLD

PDRB

Alpha

TLD (%)

Rumus

9,855 16,140382 Tij=1.6E+12*Ei*Ej*Cij^-9.855

Populasi 3,8737 13,806763 Tij=325.848* Pi*Pj*Cij^-3.8737


Internasional Hambatan Tanner-TLD

PDRB Populasi

Alpha Beta TLD (%)

Rumus

7,6661 0,01 16,154018 Tij=1.3E-37*Ei*Ej*Cij^7.6661*exp (-0.01*Cij) 15

0,01 16,034586

Tij=5E-52* Pi*Pj*Cij^15*exp (-0.01*Cij)


Grafik Fungsi Hambatan Ekponensial dengan Kalibrasi TLD dan Parameter Populasi untuk Nilai β=0,00199 pada Penerbangan Internasional

Grafik Fungsi Hambatan Power dengan Kalibrasi TLD dan Parameter Populasi untuk Nilai α=3,8737 pada Penerbangan Internasional

Grafik Fungsi Hambatan Tanner dengan Kalibrasi TLD dan Parameter Populasi untuk Nilai α=15 dan β=0,01 pada Penerbangan Internasional

Hambatan

Beta

PDRB

EkponensialSSE

0,0081393

Populasi

0,03389

Hambatan Power-SSE

14,241,393,853 15,858,466,025

Rumus Tij=1,7877 x 10-14 x Ei x Ej x e (-0,0081393 x Cij)

Tij=6,3518 x 1013 x Pi x Pj x e(-0,03389 x Cij)

Internasional SSE

Alpha

Rumus

PDRB

13,078

14,355,567,866

Tij=2,8 x

Populasi

32,612

15,403,767,642

Tij=7,5 x 1093 x Pi x Pj x Cij32,612

Hambatan TannerSSE

Internasional SSE

Alpha

Internasional Beta SSE

PDRB

3

0,02

5,888,254,143

Populasi

1,092

0,05

6,162,525,246

1022 x

Ei x E j x

Cij13,078

Rumus Tij=1,4 x 10-16 x Ei x Ej x Cij3 x e (-0,02 x Cij) Tij=1,6 x 1018 x Pi x Pj x Cij1,092 x e (-0,05 x Cij)




Grafik Fungsi Hambatan Ekponensial dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai β=0,008139 pada Penerbangan Internasional

Grafik Fungsi Hambatan Power dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai α = 13,078 pada Penerbangan Internasional

Grafik Fungsi Hambatan Tanner dengan Kalibrasi SSE dan Parameter PDRB untuk Nilai α=3 dan β=0,02 pada Penerbangan Internasional

Trip Distribution Model Gravity fungsi Power dengan Kalibrasi TLD Terkecil Jarak min (Km) 0 2000 2500 3000 3500 4000

Jarak Midrange maks (Km) (Km) 2000 1000 2500 2250 3000 2750 3500 3250 4000 3750 10000 7000 Selisih maksimum data

Data (%) 79,40 0,00 0,00 16,15 4,44 0,00 dan model

Model (%)


78,19 13,81 2,50 2,35 1,73 1,41

1,211382 13,80655 2,504967 13,80676 2,707962 1,414588 13,80676

Trip Distribution Model Gravity fungsi Tanner dengan Kalibrasi SSE Terkecil Jarak min (Km) 0 2.000 2.500 3.000 3.500 4.000

Jarak Midrange Data maks (Km) (%) (Km) 2.000 1.000 79,40 2.500 2.250 0,00 3.000 2.750 0,00 3.500 3.250 16,15 4.000 3.750 4,44 10,000 7.000 0,00 Selisih maksimum data dan model

Model (%)


99,99 0,01 0,00 0,00 0,00 0,00

20,59107 0,005545 2,29 x 10-9 16,15427 4,442348 3,4 x 10-20 20,59107

Dipilih yang minimum

13,80676

Model dengan kalibrasi TLD

Trip Length Distribution (TLD) Penerbangan Internasional Hasil Wawancara dan Pemodelan Gravity Fungsi Power dengan Kalibrasi TLD dan Parameter Populasi

Hambatan Power kalibrasi TLD α = 3,8737

Dengan: Tij Pi Pi Cij

Internasional - Populasi Rumus Tij= 325,848 x Pi x Pj x Cij3,8737

= Jumlah pergerakan antar zona = Parameter jumlah penduduk (populasi) zona asal = Parameter jumlah penduduk (populasi) zona tujuan = Jarak antar zona asal dan tujuan

menu

Untuk menemukan pola pergerakan asal dan tujuan penumpang domestik dan internasional pengguna transportasi udara di Bandara Internasional Juanda di tahun 2019, maka perlu dilakukan peramalan dengan menggunakan model yang terbaik.  Jumlah penduduk, PDRB/GNI yang menjadi variabel pada model tersebut terlebih dahulu harus diramalkan





Faktor pengali yang digunakan untuk mendapatkan jumlah populasi maupun Pendapatan Domestik Regional Bruto atau Gross National Product (GNI) di tahun rencana, didapatkan dari perhitungan berikut ini: Faktor pengali = (1+P)n Dimana: P = Pertumbuhan rata-rata N = jumlah tahun peramalan

 

Peramalan Jumlah Populasi untuk Tahun 2019 Peramalan Jumlah PDRB/GNI untuk Tahun 2019 menu

1. Jumlah pergerakan penumpang pesawat dengan tujuan domestik di Bandara Internasional Juanda pada tahun 2009 adalah sebesar 3.599.819 penumpang/tahun, sedangkan untuk penumpang pesawat dengan tujuan internasional di Bandara Internasional Juanda pada tahun 2009 adalah sebesar 500.148 penumpang/tahun.

Rumus model gravity sebaran pergerakan penumpang penerbangan domestik adalah sebagai berikut: Domestik - PDRB Hambatan Tanner kalibrasi TLD α = 7,1 β 0,01

Dengan: Tij Ei Ei Cij e

Rumus Tij=5,44047 x 10-30 x Ei x Ej x Cij7,1 x e(-0,01 x Cij)

= Jumlah pergerakan antar zona = Parameter ekonomi (PDRB) zona asal = Parameter ekonomi (PDRB) zona tujuan = Jarak antar zona asal dan tujuan = bilangan “natural” = 2,71828

Rumus model gravity sebaran pergerakan penumpang penerbangan internasional adalah sebagai berikut: Hambatan Power kalibrasi TLD α = 3,8737

Dengan: Tij Pi Pi Cij

Internasional - Populasi Rumus

Tij= 325,848 x Pi x Pj x Cij3,8737

= Jumlah pergerakan antar zona = Parameter jumlah penduduk (populasi) zona asal = Parameter jumlah penduduk (populasi) zona tujuan = Jarak antar zona asal dan tujuan

3. Jumlah pergerakan penumpang pesawat dengan tujuan domestik di Bandara Internasional Juanda hasil peramalan pada tahun 2019 adalah sebesar 15.198.529 penumpang/tahun. Sedangkan untuk penumpang pesawat dengan tujuan internasional di Bandara Internasional Juanda hasil peramalan pada tahun 2019 adalah sebesar 1.117.063 penumpang/tahun.



Pengembangan studi ini untuk masa yang akan datang dapat digunakan model gravity dengan jenis yang lain yaitu dengan-batasan-bangkitan (Production Constrained Gravity), denganbatasan-tarikan (Attraction Constrained Gravity) dan dengan-dua-batasan (Doubly Constrained Gravity). Dengan menggunakan model lain diharapkan hasil pemodelan yang dihasilkan lebih tepat atau mendekati keadaan yang sebenarnya

  

  



 

Biro Perencanaan dan Sim, Statistik Lalu lintas Angkutan Udara 2009, PT. Angkasa Pura I. Internet (2009), Produk Domestik Bruto Atas Dasar Harga Berlaku untuk Negara Indonesia, www.bps.go.id. ITS, LPPM. 2009. Penyusunan Rencana Kebijakan Angkutan Barang dan Penumpang pada Transportasi Udara – Badan Perencanaan Pembangunan Daerah Provinsi Jawa Timur. Institut Teknologi Sepuluh Nopember, Surabaya Morlock, E. K. (1985), Pengantar Teknik dan Perencanaan Transportasi, Edisi 2, Penerbit Erlangga, Bandung. Muntafiah, S (2000), Pemodelan Trip Distribusi Penumpang Angkutan Udara Kawasan Indonesia Timur, Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. Pignataro, L. J. (1973), Traffic Engineering Theory And Practice, Prentice Hall, inc. Salmani, M. (2003), Pola Distribusi Pergerakan Angkutan Penumpang Penerbangan Domestik Melalui Pelabuhan Udara Juanda Surabaya, Tesis Master, Institut Teknologi Sepuluh Nopember, Surabaya. Sugiyono (2006). Statistik untuk Penelitian, Penerbit Alfabeta, Bandung. Tamin, O. Z. (2000). Perencanaan dan Pemodelan Transportasi, Penerbit ITB, Bandung.

Presentasi TESIS - PS 2399

Recommend Documents