OPTIMISASI KELAS TIKET PADA SATU RUTE
PENERBANGAN DOMESTIK
SKRIPSI
AMSAL SURBAKTI
100803034
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
OPTIMISASI KELAS TIKET PADA SATU RUTE
PENERBANGAN DOMESTIK
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat
mencapai gelar Sarjana Sains
AMSAL SURBAKTI
100803034
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
JUDUL : OPTIMISASI KELAS TIKET PADA
SATU RUTE PENERBANGAN DOMESTIK
KATEGORI : SKRIPSI
NAMA : AMSAL SURBAKTI
NOMOR INDUK MAHASISWA : 100803034
PROGRAM STUDI : SARJANA (S1) MATEMATIKA
DEPARTEMEN : MATEMATIKA
FAKULTAS : MATEMATIKA DAN ILMU
PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Desember 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Esther S M Nababan, M.Sc Dr. Parapat Gultom, M.SIE
NIP. 19610318 198711 2 001 NIP. 19610130 198503 1 002
Diketahui/Disetujui oleh
Departemen Matematika FMIPA USU Ketua
Prof. Dr. Tulus, M.Si.
PERNYATAAN
OPTIMISASI KELAS TIKET PADA SATU RUTE
PENERBANGAN DOMESTIK
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Desember 2014
PENGHARGAAN
Pujian syukur penulis ucapkan kepada Tuhan Yesus Kristus atas setiap kasihNya, penyertaanNya, dan berkatNya yang dirasakan oleh penulis dalam seluruh hidup yang dijalani penulis terkhusus dalam proses pengerjaan skripsi ini.
Penulis juga mengucapkan terimakasih kepada pihak-pihak yang turut mendukung dalam penulisan skripsi ini:
1. Bapak Dr. Parapat Gultom, M.SIE. dan Ibu Dr. Esther S M Nababan, M.Sc. sebagai Dosen Pembimbing yang telah banyak memberikan nasehat, motivasi, bimbingan, dan kepercayaan yang diberikan kepada penulis dalam mengerjakan skripsi ini.
2. Bapak Dr. Pasukat Sembiring, M.Si. dan Ibu Asima Manurung, S.Si., M.Si. sebagai Dosen Pembanding yang memberikan telah saran dan masukan dalam langkah memperbaiki penyelesaian skripsi ini.
3. Bapak Prof. Dr. Tulus, M.Si. selaku Ketua Departemen Matematika dan Ibu Dra. Mardiningsih, M.Si. selaku Sekretaris Departemen Matematika FMIPA USU.
4. Bapak Dr. Sutarman, M.Sc. selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Sumatera Utara.
5. Semua Dosen Departemen Matematika FMIPA USU atas segala ilmu dan bimbingan yang diberikan kepada penulis selama masa perkuliahan, serta seluruh Staf Administrasi yang ada di Departemen Matematika FMIPA USU. 6. Teman-teman seperjuangan Matematika USU 2010 yang telah memberikan
banyak kesan dan pengalaman selama kegiatan yang terjalin baik di bidang akademik maupun non-akademik di luar kampus.
7. Rekan-rekan seperjuangan kost anak Seruling 18 dan anak gang Merdeka, Diky Lamhot Siahaan, Parningotan Simanjuntak, Erick Doorka Purba, Rival Sijabat, Pinjil Tumanggor dan yang lainnya, atas kebersamaan, canda tawa, dan pengalaman hidup yang selalu dijalani bersama.
8. Senina, Darmenta Barus yang memberikan waktu untuk mengajari dan memberikan dukungan, serta Riamarta Sibero yang selalu memberi semangat dan ejekan-ejekan sehingga penulis lebih termotivasi untuk menyelesaikan penyusunan skripsi ini.
9. Kedua kakak, Mil Sri Ekanita Surbakti dan Erika Floren Surbakti, keluarga besar Surbakti dan Tarigan yang selalu memberikan motivasi, semangat dan doa kepada penulis dalam menyelesaikan skripsi ini.
Mengingat keterbatasan dan kemampuan yang ada, penulis menyadari bahwa skripsi ini masih terdapat banyak kekurangan, Untuk itu penulis sangat mengharapkan kritik dan saran yang membangun guna kesempurnaan skripsi ini. Semoga skripsi ini bermanfaat bagi pembaca. Damai sejahtera dari Tuhan senantiasa menyertai kita.
Medan, Desember 2014
OPTIMISASI KELAS TIKET PADA PENERBANGAN RUTE
MEDAN-JAKARTA
ABSTRAK
Permasalahan kekosongan kursi pada saat keberangkatan pesawat mungkin dialami suatu maskapai penerbangan dan ini menjadi masalah yang sangat penting untuk dicari solusinya. Pada industri penerbangan dikenal istilah Revenue Management yaitu bagaimana mengelola usaha agar usaha yang dijalankan tidak mengalami kerugian. Penelitian ini membahas tentang bagaimana cara untuk mengoptimalkan alokasi kursi untuk setiap kelas tiket pada saat periode penjualan tiket tersebut. Dengan alokasi kursi yang maksimal tentunya pendapatan dari penjualan tiket juga akan maksimal. Untuk menentukan alokasi kursi yang maksimal digunakan salah satu heuristik yang dikenal dengan Expected Marginal Seat Revenue (EMSR) dan metode Program Dinamik. Dan data yang digunakan merupakan data yang mempresentasikan calon penumpang yang datang pada periode penjualan tiket dan bersedia membeli tiket yang ditawarkan oleh pihak perusahaan penerbangan. Hasil penelitian ini diperoleh bahwa alokasi kursi untuk kelas tiket V, T, Q, N, K, M, B, Y, D, C, dan J adalah 11, 13, 15, 14, 12, 10, 8, 5, 4, 3, 1, dengan perkiraan tingkat isian pesawat atau dengan kata lain peluang terjualnya semua kursi adalah 98,888%.
OPTIMISASI KELAS TIKET PADA PENERBANGAN RUTE
MEDAN-JAKARTA
ABSTRACT
Unoccupied flight seat on a departure might be faced by an airline company, which is the important problem that have to be solved. In airline industry there is a terminology known as Revenue Management, it is about how to manage a business in order to avoid loss revenue. This research discuss about how to optimize the seat allocation to every class of ticket at the selling period. It is expected that the optimal seat allocation will imply the revenue of selling ticket to be optimal too. To set the optimal seat allocation, one of heuristic methods which is known as Expected Marginal Seat Revenue (EMSR) and Dynamic Programming is used. The data used represent the candidate of customer comes at the selling period and willing to buy ticket that airline company offered. The result of this research shows that seat allocation to ticket class V, T, Q, N, K, M, B, Y, D, C, and J is 11, 13, 15, 14, 12, 10, 8, 5, 4, 3, 1, with expected seat occupation or the probability of all allocation seat will be sold is 98,888%.
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataaan iii
Penghargaan iv
Abstrak vi
Abstract vii
Daftar Isi viii
Daftar Tabel x
Daftar Lampiran xi
BAB 1 PENDAHULUAN
1.1 Latar Belakang 1
1.2 Perumusan Masalah 5
1.3 Batasan Masalah 5
1.4 Tujuan Penelitian 6
1.5 Manfaat Penelitian 6
1.6 Metode Penelitian 6
BAB 2 LANDASAN TEORI
2.1 Revenue Management 8
2.1.1 Kriteria Revenue Management dan Jenis Usaha yang
Menggunakannya 9
2.2 Distribusi Normal 9
2.2.1 Kurva dan Sifat Distribusi Normal 10
2.2.2 Transformasi Normal Baku 11
2.2.2.1 Perhitungan Nilai Z 13
2.3 Program Dinamik 14
2.3.1 Prinsip Optimalitas Dalam Program Dinamik 15 2.3.2 Karakteristik Persoalan Program Dinamik 16 2.3.3 Pendekatan yang Digunakan Dalam Program Dinamik 17
BAB 3 METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian 18
3.2 Teknik Pengumpulan Data 18
3.2.1 Pengujian Distribusi Data 22
3.3 Metode Analisis 23
3.3.1 Penentuan Rata-Rata dan Simpangan Baku Data 24 3.3.2 Fungsi Peluang Kepadatan Distribusi Normal dan
Transformasi Normal Baku 24
3.3.5 Perkiraan Pendapatan dan Tingkat Isian Kursi 28
BAB 4 PEMBAHASAN
4.1 Asumsi Kebijakan Perusahaan Penerbangan 30 4.2 Membangun Data Acak Menggunakan Microsoft Excel 31
4.3 Pengujian Data 33
4.4 Perhitungan Alokasi Kursi Optimal 33
4.5 Perbandingan Penelitian dengan Kebijakan Perusahaan 46
BAB 5 KESIMPULAN DAN SARAN
5.1 Kesimpulan 50
5.2 Saran 50
DAFTAR PUSTAKA 52
DAFTAR TABEL
Nomor Tabel
Judul Halaman
3.1 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga Tiket Promo Sesuai Kelas Tiket dan Periode
Penjualannya
19
3.2 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga Tiket Ekonomi Sesuai Kelas Tiket dan Periode Penjualannya
20
3.3 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga Tiket Bisnis Sesuai Kelas Tiket dan Periode
Penjualannya
21
DAFTAR LAMPIRAN
Nomor Lampiran
Judul Halaman
1 Tabel Daftar Distribusi Normal Baku atau Nilai Z 53
2 Gambar Peraga Langkah-Langkah Pengujian Data
OPTIMISASI KELAS TIKET PADA PENERBANGAN RUTE
MEDAN-JAKARTA
ABSTRAK
Permasalahan kekosongan kursi pada saat keberangkatan pesawat mungkin dialami suatu maskapai penerbangan dan ini menjadi masalah yang sangat penting untuk dicari solusinya. Pada industri penerbangan dikenal istilah Revenue Management yaitu bagaimana mengelola usaha agar usaha yang dijalankan tidak mengalami kerugian. Penelitian ini membahas tentang bagaimana cara untuk mengoptimalkan alokasi kursi untuk setiap kelas tiket pada saat periode penjualan tiket tersebut. Dengan alokasi kursi yang maksimal tentunya pendapatan dari penjualan tiket juga akan maksimal. Untuk menentukan alokasi kursi yang maksimal digunakan salah satu heuristik yang dikenal dengan Expected Marginal Seat Revenue (EMSR) dan metode Program Dinamik. Dan data yang digunakan merupakan data yang mempresentasikan calon penumpang yang datang pada periode penjualan tiket dan bersedia membeli tiket yang ditawarkan oleh pihak perusahaan penerbangan. Hasil penelitian ini diperoleh bahwa alokasi kursi untuk kelas tiket V, T, Q, N, K, M, B, Y, D, C, dan J adalah 11, 13, 15, 14, 12, 10, 8, 5, 4, 3, 1, dengan perkiraan tingkat isian pesawat atau dengan kata lain peluang terjualnya semua kursi adalah 98,888%.
OPTIMISASI KELAS TIKET PADA PENERBANGAN RUTE
MEDAN-JAKARTA
ABSTRACT
Unoccupied flight seat on a departure might be faced by an airline company, which is the important problem that have to be solved. In airline industry there is a terminology known as Revenue Management, it is about how to manage a business in order to avoid loss revenue. This research discuss about how to optimize the seat allocation to every class of ticket at the selling period. It is expected that the optimal seat allocation will imply the revenue of selling ticket to be optimal too. To set the optimal seat allocation, one of heuristic methods which is known as Expected Marginal Seat Revenue (EMSR) and Dynamic Programming is used. The data used represent the candidate of customer comes at the selling period and willing to buy ticket that airline company offered. The result of this research shows that seat allocation to ticket class V, T, Q, N, K, M, B, Y, D, C, and J is 11, 13, 15, 14, 12, 10, 8, 5, 4, 3, 1, with expected seat occupation or the probability of all allocation seat will be sold is 98,888%.
BAB 1
PENDAHULUAN
1.1Latar Belakang
Di era modern ini, sering kali segala sesuatu dituntut serba cepat. Di negara yang
sedang berkembang, misalnya Indonesia, banyak hal yang dituntut tepat waktu
untuk memenuhi keperluan tertentu. Untuk itu dibutuhkan sarana yang tepat
dalam upaya memenuhi tuntutan-tuntutan tersebut. Dan dalam hal ini, sarana yang
dimaksud adalah transportasi. Ada 3 macam transportasi yang dikenal secara
umum, yaitu transportasi darat, transportasi udara dan transportasi laut.
Pada tugas akhir ini, khusus dibahas tentang transportasi udara. Pada
tahun-tahun belakangan ini transportasi udara merupakan transportasi yang paling
tren yang digunakan oleh masyarakat Indonesia. Hal ini didukung karena
transportasi udara membutuhkan waktu yang lebih singkat untuk mencapai tujuan
jika dibandingkan dengan transportasi darat maupun transportasi laut.
Transportasi udara juga sering digunakan untuk mengurangi faktor kelelahan yang
mungkin dialami oleh para penumpang.
Menurut data yang diperoleh dari internet, sumber
transportasi udara akan meningkat dari tahun sebelumnya, yaitu 60 juta
penumpang pada tahun 2011 dan 90 juta penumpang pada tahun 2012. Untuk
tahun 2014, jumlah penumpang diprediksi akan mencapai angka 100 juta. Oleh
karena itu, maskapai penerbangan perlu menerapkan kebijakan yang tepat untuk
menarik minat calon penumpang untuk menggunakan layanannya.
Seiring perkembangan penerbangan nasional dan internasional serta
persaingan yang ada dengan maskapai penerbangan yang lain, beberapa
perusahaan maskapai penerbangan mengalami kerugian dan pada akhirnya tidak
tersebut tidak didukung dengan financial yang kuat dan manajemen perusahaan yang profesional. Oleh karena itu perlu disiasati strategi yang baik untuk
mengelola perusahaan, khususnya perusahaan maskapai penerbangan ini.
Dalam dunia bisnis, ada istilah yang disebut dengan revenue management. Dan maskapai penerbangan merupakan salah satu industri jasa yang menerapkan
revenue management. Menurut Cross (1997), revenue management merupakan penerapan berbagai disiplin atau taktik yang memprediksi prilaku konsumen dan
mengoptimalkan ketersediaan produk dan harga produk untuk memaksimalkan
pertumbuhan pendapatan. Revenue management menjadi problem yang penting bagi dunia maskapai penerbangan karena penerapannya bisa digunakan untuk
mengantisipasi masalah ketidakpastian pemesanan tiket pesawat. Penerapan
revenue management pada dunia penerbangan biasa disebut dengan airline revenue management (ARM).
Terdapat beberapa kondisi yang mengharuskan maskapai penerbangan
menerapkan revenue management. Kodisi tersebut antara lain: tingkat permintaan yang tidak menentu di masa depan, kelebihan persediaan tidak mungkin disimpan
dan digunakan pada periode berikutnya, penumpang yang dapat dibedakan dalam
beberapa segmen, biaya tetap sangat tinggi namun biaya marginal cenderung lebih
murah, dan kapasitas kursi penerbangan yang ditawarkan selalu tetap sesuai
dengan jenis pesawat yang digunakan (Chopra dan Meindl, 2001).
Pada airline revenue management terdapat dua keputusan dasar yang dapat dilakukan. Yang pertama adalah keputusan alokasi kursi untuk segmen-segmen
kostumer (seat allocation), kedua adalah keputusan harga tiket yang dijual (pricing). Keduanya dilakukan untuk mengontrol permintaan agar sesuai dengan persediaan kursi yang dimiliki sehingga pendapatan yang diperoleh maksimal.
Adanya kelas-kelas yang diterapkan oleh suatu maskapai penerbangan
juga berpengaruh terhadap pendapatan dan ketersediaan kursi, dengan catatan
harga untuk setiap kelas yang ditawarkan adalah berbeda-beda. Penumpang dari
sebesar selisih antara harga kelas yang sebelumnya dipesan dengan kelas yang
akan disetujui. Sedangkan penumpang dari affordable class bisa berpindah ke kelas yang lain yang lebih tinggi dengan diharuskan membayar tambahan biaya.
Perpindahan penumpang seperti itu dikenal dengan istilah cancel to re-book. Masalah perpindahan penumpang juga akan berpengaruh terhadap ketersediaan
kursi di masing-masing kelas penerbangan. Oleh karena itu, maskapai harus bisa
mengelolanya supaya tidak terjadi kelebihan maupun kekurangan penumpang di
masing-masing kelas.
Calon penumpang akan melakukan pemesanan tiket pada saat waktu
penjualan (selling horizon time) masih dibuka. Dan maskapai penerbangan akan menjual kursi penerbangan dengan harga yang berbeda-beda untuk
memaksimalkan total pendapatan. Strategi ini disebut dengan penerapan
subclasses atau kelas tiket. Subclasses yaitu membagi kursi penerbangan yang tersedia di kelas yang sama ke dalam beberapa subkelas dengan harga tiket yang
berbeda. Contohnya pada kelas ekonomi, maskapai menetapkan beberapa harga
untuk kemudian ditawarkan kepada konsumen. Hal ini tidak menjadi masalah
selama harga tiket yang ditetapkan oleh maskapai penerbangan tidak melebihi
kemauan membayar konsumen (costumer willingness to pay). Adanya dua jenis kelas, flexible class dan affordable class, memberikan kebebasan kepada calon penumpang untuk memilih kursi. Flexible class adalah kelas yang menawarkan harga yang paling tinggi (fullprice). Flexible class diakomodasi melalui fleksibilitas dan ketersediaan kursi penerbangan di akhir periode penjualan
sehingga calon penumpang yang mau memilih kelas ini tidak dibatasi jumlah
kursi selama sisa kursi penerbangan tersebut masih ada. Sedangkan affordable class adalah kelas yang menawarkan beberapa alternatif harga sesuai kelas yang ada. Affordable class akan ditawarkan pada saat waktu penjualan (selling horizon time) dan jumlah kursi yang ditawarkan untuk tiap-tiap kelas akan dibatasi.
Rute penerbangan yang dibuka oleh maskapai sering kali dilayani oleh
lebih dari satu jadwal penerbangan. Adanya pilihan jadwal keberangkatan
membuat calon penumpang mempertimbangkan beberapa hal sebelum
harga tiket, jam keberangkatan, layanan yang diterima kostumer, dan lain-lain.
Dalam hal ini juga akan terdapat beberapa tipe kostumer yang akan membeli tiket
penerbangan. Tipe kostumer ini berbeda-beda sesuai dengan faktor-faktor tersebut
di atas yang akan menjadi dasarnya dalam membeli tiket.
Pada dasarnya, maskapai pasti ingin mendapatkan calon penumpang
sebanyak-banyaknya dari flexible class untuk memperoleh pendapatan yang maksimal. Namun kemampuan calon penumpang untuk membeli tiket atau
dengan kata lain peluang terjualnya tiket untuk masing-masing harga juga harus
diperhitungkan, seingga diperlukan komposisi yang tepat untuk flexible class dan
affordable class. Komposisi kursi pada affordable class juga bisa menyebabkan perbedaan pendapatan antara komposisi setara dan komposisi bertingkat.
Misalnya ada 5 kelas harga pada affordable class dengan komposisi kursi masing-masing 15, tentunya akan berbeda pendapatan dengan yang mempunyai
komposisi 5, 10, 15, 20, 25. Istilah yang disebutkan Dunleavy & Philips (2009),
menjual layanan (kursi pesawat) kepada orang yang tepat dengan harga yang tepat
dan pada waktu yang tepat pula.
Masalah yang juga mungkin dialami suatu perusahaan penerbangan adalah
masalah kekosongan kursi yang terjadi pada saat waktu keberangkatan pesawat
tersebut. Ini merupakan masalah yang sangat penting untuk diperhatikan dan
dicari solusi untuk mengatasinya. Kekosongan kursi yang dialami suatu
perusahaan penerbangan akan berakibat pada kehilangan pendapatan (loss revenue). Sehingga perlu dihitung berapa alokasi kursi yang seharusnya ditentukan oleh perusahaan agar seluruh kursi yang tersedia terisi, atau dengan
kata lain seluruh tiket yang ditawarkan oleh perusahaan dapat terjual habis.
Dari gambaran permasalahan seperti ini, sangat penting untuk melakukan
kajian lebih lanjut tentang bagaimana upaya untuk memaksimalkan pendapatan
sebuah maskapai penerbangan dengan berbagai macam masalah atau kendala
yang dihadapi untuk masing-masing maskapai penerbangan tersebut. Atas dasar
inilah penulis tertarik untuk mengangkat judul tugas akhir: “Optimisasi Kelas
1.2Perumusan Masalah
Berdasarkan permasalahan yang dialami oleh suatu perusahaan penerbangan,
yaitu masalah kekosongan kursi yang mungkin terjadi pada setiap kelas kursi,
maka dapat dirumuskan masalah yaitu bagaimana menghitung jumlah kursi yang
optimal yang dialokasikan untuk tiap-tiap kelas tiket kursi serta memodelkan
masalah ke dalam model matematika untuk menghitung pendapatan dari suatu
maskapai penerbangan. Metode yang digunakan dalam penyelesaian model
matematika tersebut yaitu dengan heuristik yang dikenal dengan Expected Marginal Seat Revenue (EMSR) dan metode Dynamic Programming.
1.3Batasan Masalah
Agar penelitian dan permasalahan yang dikaji lebih terarah sesuai dengan judul
dan tujuan penulisan tugas akhir, maka penulis membatasi masalah yang akan
dibahas sebagai berikut:
1. Model yang digunakan tidak memperhatikan adanya persaingan penerbangan
yang diteliti dengan penerbangan maskapai yang lain.
2. Penerbangan tersebut dibatasi hanya melayani satu rute penerbangan.
3. Penelitian yang dilakukan hanya pada satu pesawat yang melakukan
keberangkatan.
4. Data yang layak digunakan pada perhitungan yaitu data yang berdistribusi
normal.
Serta beberapa asumsi yang akan digunakan penulis sebagai berikut:
1. Data acak dianggap merupakan data calon penumpang yang datang dan
bersedia membeli tiket selama periode penjualan tiket.
2. Setiap pemesanan pada tiap-tiap kelas tiket adalah independent.
3. Tidak mempertimbangkan kondisi cancellation dan no-show passengers. 4. Kelas harga yang paling murah terlebih dahulu ditawarkan, kemudian
1.4Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah:
1. Mengoptimalkan pendapatan suatu maskapai penerbangan dalam satu kali
penerbangan.
2. Meminimalkan kekosongan kursi yang mungkin terjadi pada tiap-tiap kelas
kursi untuk satu jadwal keberangkatan.
3. Mengantisipasi kerugian yang mungkin dialami maskapai penerbangan
tersebut.
1.5Manfaat Penelitian
Beberapa manfaat dari penelitian yang dilakukan penulis adalah sebagai berikut:
1. Dapat digunakan sebagai bahan pertimbangan bagi maskapai-maskapai
penerbangan Indonesia dalam menentukan penawaran alokasi kursi yang
akan dilakukan untuk setiap kelas.
2. Dalam upaya mengembangkan dan mempertahankan usaha bagi maskapai
penerbangan Indonesia dengan melihat tipe calon penumpang dan
kemampuan membeli tiket bagi para calon penumpang penerbangan tersebut.
3. Bagi kalangan akademik terkhusus program studi Matematika, dapat
digunakan sebagai salah satu referensi untuk memperluas wawasan atau
mungkin melakukan penelitian selanjutnya dengan permasalahan atau
kendala yang lebih kompleks.
1.6Metode Penelitian
Langkah-langkah yang dilakukan dalam penyusunan skripsi ini adalah sebagai
1. Studi pustaka
Penelitian dan penyusunan skripsi ini dimulai dengan studi kepustakaan yaitu
mempelajari bahan referensi untuk menggali informasi yang berkaitan baik
dari jurnal, buku, maupun internet.
2. Membangkitkan bilangan acak
Dibangkitkan bilangan acak untuk mempresentasikan tingkat pemesanan tiket
yang dilakukan oleh calon penumpang pada periode penjualan yang telah
dibuat. Data tersebut diasumsikan berdistribusi normal.
3. Analisis dan pembahasan
Data tingkat pemesanan tiket oleh calon penumpang pada periode penjualan
kemudian diolah dan ditentukan alokasi maksimal untuk setiap kelas kursi
penerbangan. Digunakan metode Program Dinamik untuk memaksimalkan
alokasi kursi.
BAB 2
LANDASAN TEORI
2.1 Revenue Management
Belakangan ini revenue management telah mendapat perhatian dunia sebagai salah satu aplikasi dari operations research (OR) yang paling sukses. Revenue management dalam arti langsungnya adalah bagaimana cara para pelaku bisnis memanajemen atau mengelola usahanya agar tetap bertahan, atau dengan kata lain
bagaimana mengelola pengeluaran dan pemasukan agar usaha yang dijalankan
tidak mengalami kerugian.
Setiap penjual produk atau jasa harus menghadapi dan membuat beberapa
keputusan-keputusan pokok. Misalnya seseorang yang ingin menjual rumah, maka
ia harus memperhitungkan kapan harus dijual, berapa harga yang harus
ditawarkan, tipe pembeli yang mana yang bersedia membeli, kapan harus
menurunkan harga, dan lain-lain (Tallury & Ryzin, 2004). Hal-hal seperti itulah
yang harus diperhitungkan agar pendapatan yang diperoleh diharapkan maksimal.
Menurut Tallury & Ryzin (2004), revenue management yaitu berhubungan dengan kebijakan pengelolaan permintaan serta seluruh metodologi dan sistem
yang dibutuhkan untuk membuatnya. Kebijakan pengelolaan permintaan yang
dimaksud adalah pengelolaan permintaan yang ada dengan melakukan estimasi
dan menggolongkan permintaan tersebut untuk selanjutnya ditentukan harga dan
kontrol kapasitas yang tepat dalam mengelolanya. Yang tujuan akhirnya adalah
untuk memperoleh keuntungan yang maksimal.
Manajemen pendapatan (revenue management) adalah proses memahami, mengantisipasi dan menanggapi perilaku calon konsumen dalam rangka
memaksimasi pendapatan (revenue) atau keuntungan (profit). Untuk memaksimasi keuntungan, perusahaan yang mengatur pendapatannya bisa
melakukan manipulasi harga. Yaitu dengan menyesuaikan harga yang akan
2.1.1 Kriteria Revenue Management dan Jenis Usaha yang Menggunakannya
Manajemen pendapatan (revenue management) ini tidak bisa serta-merta diterapkan untuk semua jenis industri. Menurut yang ditulis Mila mengenai
revenue management theory tentang kartu prabayar, ada beberapa kriteria yang harus dipenuhi, yaitu:
1. Produknya tidak tahan lama (perishable).
2. Kapasitas produk atau layanan dibatasi atau terbatas.
3. Segmentasi pasar.
4. Produk atau layanan bisa dijual di muka.
5. Biaya variabel lebih kecil.
6. Permintaan terhadap produk atau jasa berbeda setiap waktu.
Sumbe
Contoh jenis usaha yang menerapkan teori revenue management adalah perusahaan perhotelan, perusahaan penerbangan, layanan penggunaan kartu
ponsel prabayar, dan lain-lain.
2.2 Distribusi Normal
Distribusi normal merupakan distribusi kontinu yang paling penting dalam bidang
statistik karena dapat mewakili kumpulan data observasi yang terjadi dalam alam
semesta, industri, maupun penelitian. Banyak hasil dan teknik analisis yang
berguna dalam pekerjaan statistik hanya bisa berfungsi dengan benar jika model
distribusinya berupa distribusi normal.
Pada tahun 1733, De Moivre menemukan persamaan matematika kurva
normal yang menjadi dasar banyak teori statistika induktif. Distribusi normal
sering pula disebut distribusi gauss untuk menghormati Gauss (1777–1855), yang juga menemukan persamaannya ketika meneliti galat dalam pengukuran yang
2.2.1 Kurva dan Sifat Distribusi Normal
Distribusi normal berupa kurva berbentuk lonceng setangkup yang melebar tak
berhingga menjauhi rata-ratanya baik ke arah positif maupun ke arah negatifnya.
Kurva normal mempunyai bentuk simetris terhadap rata-rata �. Bentuknya sangat
dipengaruhi oleh besar kecilnya rata-rata� dan simpangan baku �. Makin kecil �
bentuk kurva semakin runcing dan sebagian besar nilai � mengumpul mendekati
�, sebaliknya, bila � makin besar maka bentuknya semakin tumpul dan nilai-nilai � makin menjauhi �. Kurva normal dapat dilihat pada gambar di bawah berikut.
Gambar 2.1 Kurva Normal dengan �1 =�2 dan �1 > �2
Gambar 2.3 Kurva Normal dengan �1 <�2 dan �1 < �2
Variabel random � yang mempresentasikan distribusi normal disebut
variabel random normal, yang distribusinya bergantung pada dua parameter, yaitu
rata-rata (�) dan standar deviasi (�). Fungsinya dinotasikan sebagai �(x; μ; σ). Menurut Sudjana (2005), terdapat beberapa sifat penting dari distribusi
normal, yaitu:
1. Grafiknya selalu berada di atas sumbu �.
2. Bentuknya simetrik terhadap �=�.
3. Mempunyai satu modus, jadi kurva unimodal, tercapai pada �= � sebesar 0,3989
� .
4. Grafiknya mendekati (berasimtotkan) sumbu datar � dimulai dari �= �+ 3�
ke kanan dan �=� – 3� ke kiri.
5. Luas daerah grafik selalu sama dengan satu.
2.2.2 Transformasi Normal Baku
Distribusi normal mempunyai fungsi kepadatan dengan persamaan:
�
(
�
) =
1
�√
2
�
�
−12(�−��)2
2.1
dimana, � = 3,14159...
� = simpangan baku � = rata-rata � � = peubah kontinu
Namun karena distribusi normal merupakan distribusi kontinu, maka berlaku luas
daerah di bawah grafik sama dengan satu (sesuai dengan sifat distribusi normal
yang ke-5). Jadi dapat ditulis:
�
1
�√
2
�
�
−12(�−��)2
��
= 1
∞
−∞
2.2
Untuk menentukan peluang harga � antara � dan �, yakni �(� <�< �), dapat
digunakan rumus:
�
(
�
<
�
<
�
) =
�
1
�√
2
�
�
−12(�−��)2
��
�
�
2.3
Untuk mengatasi kesulitan dalam menghitung fungsi kepadatannya maka
telah dibuat daftar tabel luas kurva normal sehingga memudahkan
penggunaannya. Akan tetapi, tidak akan mungkin membuat daftar tabel yang
berlainan untuk setiap harga � dan �. Untunglah seluruh pengamatan dengan
setiap peubah acak normal � dapat ditransformasikan menjadi himpunan
pengamatan baru suatu peubah acak normal Z dengan rata-rata sama dengan nol
dan standar deviasi sama dengan satu. Yang artinya untuk memudahkan
perhitungan, maka distribusi normal umum akan ditransformasikan menjadi
distribusi normal baku. Yang dimaksud dengan distribusi normal baku adalah
distribusi normal dengan sifat khusus, yaitu distribusi normal dengan rata-rata = 0
dan standar deviasi = 1. Sehingga perhitungan dapat dilakukan setelah distribusi
ditransformasi dengan rumus:
�
=
�
−
�
Dengan demikian, sepanjang diketahui rata-rata dan standar deviasi, maka dapat
ditransformasi setiap distribusi nilai ke dalam nilai-nilai Z. Bagaimanapun hanya
nilai-nilai Z dari daftar tabel distribusi normal baku yang akan dengan sendirinya
berdistribusi normal.
Transformasi kurva normal umum menjadi kurva normal baku dapat dilihat
melalui perubahan grafiknya sebagai berikut.
Gambar 2.4 Perubahan Kurva Normal Umum ke Kurva Normal Baku
2.2.2.1 Perhitungan Nilai Z
Setelah distribusi normal umum ditransformasi menjadi distribusi normal baku,
maka daftar distribusi normal baku dapat digunakan. Dengan daftar ini,
bagian-bagian luas dari distribusi normal baku dapat dicari. Cara perhitungannya adalah
sebagai berikut:
1. Hitung Z sampai dua desimal.
2. Gambarkan kurvanya.
3. Letakkan harga Z pada sumbu datar, lalu tarik garis vertikal hingga
memotong kurva.
4. Luas yang tertera dalam daftar adalah luas daerah antara garis vertikal dengan
5. Dalam daftar normal standar, cari tempat harga Z pada kolom paling kiri
hanya hingga satu desimal dan desimal keduanya dicari pada baris paling
atas.
6. Bilangan yang diperoleh merupakan luas yang dicari dan harus ditulis dalam
4 desimal.
2.3 Program Dinamik
Pemrograman dinamik pertama kali dikembangkan oleh seorang ilmuwan
bernama Richard Bellman pada tahun 1957. Apabila dalam riset operasional
lainnya memiliki formulasi standar untuk memecahkan masalah, maka dalam
program dinamik ini tidak ada formulasi yang standar. Artinya setiap masalah
dalam program dinamik memerlukan pola pendekatan atau penyelesaian yang
berbeda satu dengan yang lainnya. Namun demikian, ada kesamaan dari setiap
penyelesaian masalah dalam program dinamik ini, dimana setiap keputusan
optimal yang diambil diperoleh dari banyak tahap (multistage). Hasil dari sebuah tahap akan berdampak atau menjadi masukan bagi tahap berikutnya.
Secara pengertiannya, program dinamik (dynamic programming) adalah suatu teknik untuk menyelesaikan masalah yang melibatkan sekumpulan
keputusan yang saling berhubungan dalam tujuan agar secara keseluruhan
mencapai keaktifannya (Mulyono, 2004:77). Program dinamik merupakan suatu
pendekatan solusi bukan pendekatan teknik (seperti metode simpleks dalam
program linier). Program dinamik menyelesaikan permasalahan optimasi tidak
dengan sekali langkah, melainkan dengan mengubah masalah yang cukup besar ke
dalam sub-masalah yang lebih kecil, sehingga dari rangkaian penyelesaian
masalah yang lebih kecil akan ditemukan penyelesaian masalah aslinya (Taha,
1997:79).
Bentuk fungsi umum dari pemrograman dinamik adalah:
dimana, ��(�) = fungsi tujuan yang akan dicapai
��(��) = biaya (ongkos) yang diperlukan untuk tahap n
��−1(� − ��) = fungsi optimal yang diperoleh pada tahap n – 1 �� = keadaan (state) pada tahap n
� − �� = keadaan (state) pada tahap n – 1
n = 2, 3, 4, ..., m
Persamaan di atas digunakan untuk perhitungan dari depan ke belakang ( forward-induction) maupun dari belakang ke depan (backward-induction).
2.3.1 Prinsip Optimalitas Dalam Program Dinamik
Pada penyelesaian persoalan dengan menggunakan metode program dinamik,
akan terdapat sejumlah berhingga pilihan yang mungkin untuk dijadikan solusi
atau keputusan. Solusi yang diambil pada satu tahap dibangun dari hasil solusi
tahap sebelumnya. Kemudian digunakan persyaratan optimasi dan kendala untuk
membatasi sejumlah pilihan yang harus dipertimbangkan pada suatu tahap.
Pada program dinamik, rangkaian keputusan yang optimal dibuat dengan
menggunakan prinsip optimalitas. Prinsip optimalitas, yaitu:
1. Jika solusi total optimal, maka bagian solusi sampai tahap ke-� juga optimal.
2. Jika bekerja dari tahap k ke tahap �+ 1, dapat digunakan hasil optimal dari tahap k tanpa harus kembali ke tahap awal.
Dengan prinsip optimalitas ini, dijamin bahwa keputusan pada suatu tahap adalah
keputusan yang benar untuk tahap-tahap selanjutnya (Munir, 2004).
2.3.2 Karakteristik Persoalan Program Dinamik
Menurut Rinaldi Munir (2004) dalam bahan kuliahnya, terdapat beberapa
karakteristik persoalan program dinamik, yaitu:
1. Persoalan dapat dibagi menjadi beberapa tahap (stage), yang pada setiap tahap hanya diambil satu keputusan.
2. Masing-masing tahap terdiri dari sejumlah status (state) yang berhubungan dengan tahap tersebut. Secara umum, status merupakan bermacam
kemungkinan masukan yang ada pada tahap tersebut. Berikut graf multitahap
(multistage graph). Tiap simpul di dalam graf tersebut menyatakan status, sedangkan V1, V2, ... menyatakan tahap.
1
3 2
4
6
7
8
9
11 10
5
12
V1 V
2 V3 V4 V5
Gambar 2.5 Graf yang Menyatakan Tahap (stage) dan Status (state) 3. Hasil dari keputusan yang diambil pada setiap tahap ditransformasikan dari
status yang bersangkutan ke status berikutnya pada tahap berikutnya.
4. Ongkos (cost) pada suatu tahap meningkat secara teratur (steadily) dengan bertambahnya tahapan.
5. Ongkos pada suatu tahap bergantung pada ongkos tahap-tahap yang sudah
6. Keputusan terbaik pada suatu tahap bersifat independen terhadap keputusan
yang dilakukan pada tahap sebelumnya.
7. Adanya hubungan rekursif yang mengidentifikasikan keputusan terbaik untuk
setiap status pada tahap k memberikan keputusan terbaik untuk setiap status pada tahap �+ 1.
8. Prinsip optimalitas berlaku pada persoalan tesebut.
2.3.3 Pendekatan yang Digunakan Dalam Program Dinamik
Untuk penyelesaian persoalan program dinamik, terdapat dua pendekatan yang
digunakan, yaitu: induksi maju (foward atau up-down) dan induksi mundur (backward atau bottom-up). Misalkan x1, x2, ..., xn menyatakan peubah (variable)
keputusan yang harus dibuat masing-masing untuk tahap 1, 2, ..., n. Maka
1. Induksi maju. Program dinamik bergerak mulai dari tahap 1, terus maju ke
tahap 2, 3, dan seterusnya sampai tahap n. Runtunan peubah keputusan adalah
x1, x2, ..., xn.
2. Induksi mundur. Program dinamik bergerak mulai dari tahap n, terus mundur ke tahap n-1, n-2, dan seterusnya sampai tahap 1. Runtunan peubah keputusan adalah xn, xn-1, ..., x1.
Secara umum, ada empat langkah yang dilakukan dalam mengembangkan
algoritma program dinamik, antara lain:
1. Karakteristikkan struktur solusi optimal.
2. Defenisikan secara rekursif nilai solusi optimal.
3. Hitung nilai solusi optimal secara maju atau mundur.
BAB 3
METODOLOGI PENELITIAN
3.1 Pendekatan Penelitian
Ditinjau dari jenis datanya, pendekatan penelitian yang digunakan dalam
penelitian ini adalah pendekatan kuantitatif. Artinya dalam penelitian ini penulis
ingin menggambarkan permasalahan melalui angka-angka perhitungan
berdasarkan rumus-rumus yang akan digunakan.
Jenis penelitian ini sendiri merupakan penelitian deskriptif. Penulis tidak
melakukan pengamatan secara langsung ke lapangan, melainkan membangun
data-data yang dianggap merupakan gambaran dari masalah yang mungkin terjadi
di lapangan. Jenis penelitian deskriptif kuantitatif yang digunakan pada penelitian
ini dimaksudkan agar perusahaan yang bersangkutan dapat memahami gambaran
masalah dan mengatasinya dengan bijak agar usaha yang dijalankan tetap
bertahan.
3.2 Teknik Pengumpulan Data
Data-data yang digunakan dalam penelitian ini adalah data tingkat pemesanan
tiket oleh kostumer untuk satu penerbangan tertentu. Akan tetapi, data-data
tersebut bukan merupakan yang terjadi di lapangan melainkan data yang dibangun
dengan bantuan software yaitu Microsoft Excel, yang menggambarkan bagaimana kira-kira peristiwa yang mungkin ada di lapangan.
Data tingkat pemesanan tiket tersebut merupakan data sekunder (data
historikal) atau data pemesanan tiket yang pernah terjadi selama sebulan
(dianggap 30 hari). Data tingkat pemesanan tiket ini maksudnya data para calon
penumpang yang datang pada setiap periode penjualan dan mau membeli tiket
Tabel 3.1 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga
Tiket Promo Sesuai Kelas Tiket dan Periode Penjualannya
Kelas Promo
Kelas Tiket V T
Harga (Rp) 1.498.300 1.722.700
Periode Penjualan Periode I Periode II
Hari 1 10 13
Hari 2 13 14
Hari 3 13 11
Hari 4 14 15
Hari 5 12 16
Hari 6 10 16
Hari 7 13 15
Hari 8 10 13
Hari 9 11 15
Hari 10 12 14
Hari 11 12 13
Hari 12 13 15
Hari 13 10 12
Hari 14 11 16
Hari 15 10 11
Hari 16 13 15
Hari 17 13 13
Hari 18 12 13
Hari 19 12 11
Hari 20 10 11
Hari 21 13 12
Hari 22 14 15
Hari 23 12 10
Hari 24 12 11
Hari 26 10 12
Hari 27 10 14
Hari 28 10 13
Hari 29 11 14
Hari 30 12 11
Tabel 3.2 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga
Tiket Ekonomi Sesuai Kelas Tiket dan Periode Penjualannya
Kelas Ekonomi
Kelas
Tiket Q N K M B Y
Harga
(Rp) 1.947.100 2.171.500 2.239.700 2.304.600 2.369.500 2.434.400
Periode Penjualan Periode III Periode IV Periode V Periode VI Periode VII Periode VIII
Hari 1 15 14 12 9 9 7
Hari 2 16 14 13 10 8 7
Hari 3 14 13 13 11 8 8
Hari 4 15 16 14 10 7 6
Hari 5 15 14 13 11 8 6
Hari 6 16 14 12 12 9 7
Hari 7 14 14 12 9 10 7
Hari 8 15 15 11 9 9 6
Hari 9 17 16 14 11 6 5
Hari 10 15 13 11 10 10 8
Hari 11 14 13 11 10 10 7
Hari 12 15 14 12 9 9 8
Hari 13 15 14 13 10 9 6
Hari 15 13 14 11 9 11 6
Hari 16 14 14 12 10 9 5
Hari 17 13 15 11 9 9 7
Hari 18 17 15 14 12 7 5
Hari 19 14 14 12 9 9 7
Hari 20 15 13 11 9 11 8
Hari 21 14 14 13 10 8 7
Hari 22 16 15 13 11 9 6
Hari 23 14 13 11 10 8 8
Hari 24 17 14 10 9 8 5
Hari 25 15 15 13 11 7 6
Hari 26 15 13 12 9 8 7
Hari 27 13 14 12 9 9 7
Hari 28 16 15 13 10 8 5
Hari 29 17 14 13 11 7 5
Hari 30 17 15 14 12 6 5
Tabel 3.3 Data Calon Penumpang yang Datang dan Bersedia Membeli Harga
Tiket Bisnis Sesuai Kelas Tiket dan Periode Penjualannya
Kelas Bisnis
Kelas Tiket D C J
Harga (Rp) 5.364.800 5.631.000 6.167.800
Periode Penjualan Periode IX Periode X Periode XI
Hari 1 4 3 2
Hari 2 3 3 0
Hari 3 5 2 1
Hari 4 4 4 1
Hari 5 3 3 2
Hari 7 4 2 0
Hari 8 3 3 1
Hari 9 5 4 0
Hari 10 3 5 1
Hari 11 6 3 1
Hari 12 4 2 2
Hari 13 3 3 2
Hari 14 4 3 1
Hari 15 3 3 1
Hari 16 5 2 0
Hari 17 4 4 0
Hari 18 4 3 0
Hari 19 5 1 0
Hari 20 5 4 1
Hari 21 4 3 2
Hari 22 4 3 0
Hari 23 5 2 1
Hari 24 3 3 0
Hari 25 4 2 1
Hari 26 4 3 1
Hari 27 5 3 2
Hari 28 3 2 1
Hari 29 4 1 1
Hari 30 5 3 2
3.2.1 Pengujian Distribusi Data
Data yang telah dibangun kemudian dijumlahkan menurut kelasnya
masing-masing. Setelah dijumlahkan selanjutnya diuji distribusinya. Pengujian distribusi
untuk kemudian digunakan dalam perhitungan. Dalam hal ini data diasumsikan
merupakan data normal, oleh karena itu akan dilakukan uji apakah data
berdistribusi normal atau tidak.
Untuk melakukan pengujian distribusinya, digunakan bantuan software
Minitab®16.1.0. Langkah-langkah melakukan pengujian adalah:
1. Data per kelas tiket dikumpulkan menurut kelas kursinya masing-masing.
2. Setelah data dikumpulkan menurut kelas kursinya, kemudian data disalin ke
Minitab 16 pada bagian worksheet
3. Pada bagian atas Minitab 16 pilih stat→ basic statistics→ normality test
4. Pada bagian variable dibuat variabel yang sesuai dengan data yang diletakkan pada kolom worksheet.
5. Kemudian pada tests for normality dipilih Kolmogorov-Smirnov, artinya uji Kolmogorov digunakan untuk menguji distribusi.
Dalam hal pengujian digunakan tingkat signifikansi 1% atau 0,01. Pada program
Minitab 16 tingkat signifikansi dituluskan P-Value.
Jika pada grafik P-Value < 0,01... maka data tidak berdistribusi normal,
P-Value ≥ 0,01... maka data berdistribusi normal (layak).
Untuk mengetahui langkah-langkah pengujian yang lebih jelas dapat
dilihat gambar peraga pada lampiran halaman 54.
3.3 Metode Analisis
Pada bagian ini, data yang telah diperoleh kemudian diolah secara perhitungan.
Dan hasil pengolahan dapat dipertimbangkan sebagai solusi yang akan digunakan
3.3.1 Penentuan Rata-Rata dan Simpangan Baku Data
Karena data yang diperoleh berdistribusi normal yang mana distribusi normal
bergantung pada dua parameter, yaitu rata-rata (μ) dan simpangan baku (σ), maka sebelum melakukan perhitungan alokasi kursi maksimalnya, maka terlebih dahulu
dihitung rata-rata dan standar deviasi (simpangan baku) data pemesanan tiket
yang telah dikumpulkan sesuai dengan kelas masing-masing. Rumus untuk
menghitungnya adalah:
Rumus mencari rata-rata
�̅
=
∑
�
�� �=1
�
3.1Rumus mencari standar deviasi
�
2=
∑
��=1(
�
�−
�̅
)
2� −
1
3.2dimana, �̅ = rata-rata (mean) data
� = simpangan baku atau standar deviasi data
�� = data ke-i � = banyak data
3.3.2 Fungsi Peluang Kepadatan Distribusi Normal dan Transformasi
Normal Baku
(μ) dan standar deviasi (σ). Fungsinya dinotasikan sebagai N(x; μ; σ). Dengan fungsi kepadatan (density function) dirimuskan:
�
(
�
;
�
;
�
) =
�
(
�
) =
1
�√
2
�
�
−12(�−��)2
3.3
dimana, π = 3,14159...
e = 2,71828...
σ = simpangan baku
μ = rata-rata x
x = peubah kontinu
Untuk mempermudah perhitungan, maka telah disusun daftar distribusi
normal baku. Distribusi normal baku ialah distribusi normal dengan rata-rata μ = 0 dan simpangan baku σ = 1 (Sudjana, 2005). Sehingga fungsi kepadatannya berbentuk:
�
(
�
) =
1
√
2
�
�
−12(�)2
3.4
Dan mengubah distribusi normal umum pada rumus (3.3) menjadi distribusi
normal baku pada rumus (3.4) dapat ditempuh dengan menggunakan transformasi:
�
=
�
−
�
�
3.53.3.3 Penentuan Alokasi Kursi Maksimal Tiap Kelas
Pada perhitung alokasi kursi yang optimal, penulis menggunakan salah satu
heusristik yang terkenal dari Peter P. Belobaba (1987) yaitu Expected Marginal Seat Revenue (EMSR). Menurut Belobaba, perkiraan permintaan harus lebih besar atau sama dengan alokasi kursi yang akan ditentukan untuk setiap kelas. Dan
peluang permintaan lebih besar dari alokasi kursi untuk kelas ke-i dikali rata-rata harga tiket kelas ke-i lebih besar atau sama dengan rata-rata harga tiket kelas
ke-i+1. Secara rumus dapat ditulis:
EMSR
1,�(
�
�) =
�
1,�∗ �
1,�(
�
�)
≥ �
�+1 3.6dimana,
EMSR1,�(��) = fungsi tujuan berapa alokasi kursi yang akan ditentukan untuk
kelas ke-i
�1,� = rata-rata harga kelas ke-i
�1,�(��) = peluang permintaan lebih besar dari alokasi kursi untuk kelas ke-i
�� = alokasi kursi optimal untuk kelas ke-i
kelas kursi = i; dimana i = promo, ekonomi, dan bisnis kelas tiket = 1, 2, 3, ..., k
harga tiket = R1, R2, R3, ..., Rk; dimana R1 < R2 < R3 < ... < Rk
Dan digunakan rumus menghitung:
�
1,�=
∑
��=1�
�∗
�̅
��̅
1,��̅
1,�=
∑
��=1�̅
� 3.8�
1,�=
�∑
��=1�
2� 3.93.3.4 Optimasi Kursi Untuk Setiap Kelas Tiket Secara Dinamik
Setelah alokasi kursi maksimal untuk setiap kelas diperoleh, kemudian akan
dihitung banyaknya kursi yang akan dialokasikan untuk setiap kelas tiket sesuai
kelasnya masing-masing. Perhitungannya dilakukan dengan menggunakan metode
Program Dinamik. Agar banyak kursi untuk setiap kelas tiket diharapkan optimal,
maka dilakukan perhitungan dari belakang ke depan (backward-induction). Modelnya ditulis:
������������(�) = max�������(������) +��������(��������) +�������(�������)�
�
�(
�
�) = max
�
∑
�
� � �=1� �
3.10untuk,
������(������) = max�
(��) + (��)
2 �
��������(��������) = max�
(��) + (��) + (��) + (��) + (��) + (��)
6 �
�������(�������) = max�
(��) + (��) + (��)
3 �
dimana, �� = banyaknya kursi untuk setiap kelas tiket
�� = ����−��������������������������������������������� �, jika rata-rata > banyak kursi, �� = 1
lainnya, �� = ����−����
�����������
Fungsi tujuan = memaksimalkan peluang kursi terisi untuk setiap kelas tiket.
Variabel keputusan = banyak kursi yang dialokasikan pada setiap kelas tiket.
Keadaan (state) = kursi maksimal yang dialokasikan pada kelas kursi masing-masing.
3.3.5 Perkiraan Pendapatan dan Tingkat Isian Kursi
Berdasarkan alokasi kursi yang maksimal untuk setiap kelas tiket, maka dapat
diperkirakan pendapatan dari penjualan tiket, yang dimodelkan sebagai berikut.
�
�(
�
�) = max
��
�∗ �
��
3.11dimana, �� = pendapatan dari penjualan tiket kelas tiket ke-j
�� = alokasi kursi kelas tiket ke-j �� = harga tiket kelas tiket ke-j
������ = ������+��������+ �������
������ = �(��∗ ��) + (��∗ ��) +���∗ ���+ (��∗ ��) + (��∗ ��) +
(��∗ ��) + (��∗ ��) + (��∗ ��) + (��∗ ��) + (��∗ ��) +
Setelah diperoleh alokasi kursi yang maksimal untuk setiap kelas tiket, akan
dihitung perkiraan tingkat isian kursi dengan model:
tingkat isian kursi (E) = ����−�������������������������−� ������������������������−�
Sehingga, perkiraan tingkat isian kursi dapat ditulis:
�
�������=
∑
�
� � �=1�
3.12dimana, �� = tingkat isian kursi untuk kelas tiket ke-j
kelas tiket = 1, 2, 3, ..., k
BAB 4
HASIL DAN PEMBAHASAN
4.1 Asumsi Kebijakan Perusahaan Penerbangan
Diasumsikan bahwa pada suatu penerbangan terdapat:
Kapasitas pesawat adalah 96 kursi.
Kelas kursi = kelas promo, kelas ekonomi, dan kelas bisnis.
Kelas tiket = V dan T → promo; Q, N, K, M, B, dan Y → ekonomi;
D, C, dan J → bisnis.
Periode penjualan = banyaknya kelas tiket yang ditawarkan, yaitu sebanyak 11
periode.
Kursi yang ditawarkan oleh perusahaan penerbangan:
Kelas tiket V = 8 kursi, kelas tiket T = 8 kursi, kelas tiket Q = 12 kursi, kelas tiket
N = 12 kursi, kelas tiket K = 12 kursi, kelas tiket M = 12 kursi, kelas tiket B = 10
kursi, kelas tiket Y = 10 kursi, kelas tiket D = 6 kursi, kelas tiket C = 3 kursi, dan
kelas tiket J = 3 kursi.
Harga (Rp) = kelas tiket V → 1.498.300
kelas tiket T → 1.722.700
kelas tiket Q → 1.947.100
kelas tiket N → 2.171.500
kelas tiket K → 2.239.700
kelas tiket M → 2.304.600
kelas tiket Y → 2.434.400
kelas tiket D → 5.364.800
kelas tiket C → 5.631.000
kelas tiket J → 6.167.800
Untuk memudahkan melihatnya, maka asumsi dibuat ke dalam tabel berikut.
Tabel 4.1 Asumsi Kelas, Kelas Tiket, dan Harga Tiket
Kelas Kelas Tiket Alokasi Kursi Harga (Rp)
Promo V 8 1.498.300
T 8 1.722.700
Ekonomi
Q 12 1.947.100
N 12 2.171.500
K 12 2.239.700
M 12 2.304.600
B 10 2.369.500
Y 10 2.434.400
Bisnis
D 6 5.364.800
C 3 5.631.000
J 3 6.167.800
Sumber: Agen pembelian tiket Maxitravelindo (diolah)
4.2 Membangun Data Acak Menggunakan Microsoft Excel
Pada bagian ini, dibangun sebanyak 30 data acak. Data acak ini berupa data calon
penumpang yang datang pada periode penjualan dan bersedia membayar harga
tiket yang ditawarkan (seperti pada tabel 3.1, 3.2, dan 3.3). Dan diasumsikan data
yang dibangun berdistribusi normal. Data-data pemesanan tiket pada tabel 3.1,
3.2, dan 3.3 tersebut kemudian dijumlahkan menurut kelasnya masing-masing,
Tabel 4.2 Data Pemesanan Tiket yang Dikumpulkan ke Dalam Kelas
Kelas Promo Ekonomi Bisnis
Hari 1 23 66 9
Hari 2 27 68 6
Hari 3 24 67 8
Hari 4 29 68 9
Hari 5 28 67 8
Hari 6 26 70 7
Hari 7 28 66 6
Hari 8 23 65 7
Hari 9 26 69 9
Hari 10 26 67 9
Hari 11 25 65 10
Hari 12 28 67 8
Hari 13 22 67 8
Hari 14 27 70 8
Hari 15 21 64 7
Hari 16 28 64 7
Hari 17 26 64 8
Hari 18 25 70 7
Hari 19 23 65 6
Hari 20 21 67 10
Hari 21 25 66 9
Hari 22 29 70 7
Hari 23 22 64 8
Hari 24 23 63 6
Hari 25 24 67 7
Hari 26 22 64 8
Hari 27 24 64 10
Hari 29 25 67 6
Hari 30 23 69 10
4.3 Pengujian Data
Data yang diperoleh per kelas selanjutnya akan ditentukan distribusinya. Karena
data yang dibangun diasumsikan berdistribusi normal, maka perlu dilakukan uji
distribusi untuk data yang akan digunakan. Apakah data yang dibangun
berdistribusi normal atau tidak, sehingga dapat disimpulkan data tersebut layak
atau tidak dipergunakan dalam proses perhitungan. Untuk pengujian distribusinya,
penulis mempergunakan software Minitab®16.1.0.
Setelah data diperoleh di Microsoft Excel, kemudian data disalin ke
Minitab 16 pada bagian worksheet. Berikut langkah-langkah sebagai berikut. salinan data → stat→ basic statistics→ normality test
Gambar peraganya dapat dilihat pada lampiran halaman 54.
4.4 Perhitungan Alokasi Kursi Optimal
Untuk perhitungan alokasi kursi, ditentukan dahulu rata-rata (�) dan standar
deviasi (�) untuk setiap kelas yang ditawarkan oleh perusahaan.
Rumus mencari rata-rata:
�̅
=
∑
�
�� �=1
�
Rumus mencari standar deviasi:
�
2=
∑
(
�
�−
�̅
)
2 �
�=1
Data pemesanan tiket yang telah dikumpulkan (seperti pada tabel 4.2),
kemudian ditentukan rata-rata dan standar deviasinya, yang tersaji dalam tabel
berikut.
Tabel 4.3 Rata-Rata dan Standar Deviasi Pemesanan Tiket per Kelas
Kelas Promo Ekonomi Bisnis
Rata-rata 24,867 66,567 7,8
Standar deviasi 2,389 2,079 1,324
Untuk menghitung pendapatan dari penjualan tiket dapat ditulis model seperti
berikut:
�
�= max
��
�∗ �
��
dimana, �� = pendapatan dari penjualan tiket kelas tiket ke-j
�� = alokasi kursi kelas tiket ke-j �� = harga tiket kelas tiket ke-j
������ = ������+��������+ �������
������ = �(��∗ ��) + (��∗ ��) +���∗ ���+ (��∗ ��) + (��∗ ��) +
(��∗ ��) + (��∗ ��) + (��∗ ��) + (��∗ ��) + (��∗ ��) +
���∗ ����
Untuk memperoleh pendapatan yang maksimal, maka alokasi kursi untuk
kelas dengan harga yang paling tinggi perlu diperhitungkan. Artinya perlu
ditentukan alokasi kursi yang maksimal untuk kelas dengan harga yang paling
Untuk menghitung alokasi kursi yang optimal digunakan salah satu
heusristik yang terkenal dari Peter P. Belobaba (1987) yaitu Expected Marginal Seat Revenue (EMSR). Menurut Belobaba, perkiraan permintaan harus lebih besar atau sama dengan alokasi kursi yang akan ditentukan untuk setiap kelas. Dan
peluang permintaan lebih besar dari alokasi kursi untuk kelas ke-i dikali rata-rata harga tiket kelas ke-i lebih besar atau sama dengan rata-rata harga tiket kelas
ke-i+1. Secara rumus dapat ditulis:
EMSR
1,�(
�
�) =
�
1,�∗ �
1,�(
�
�)
≥ �
�+1dimana,
EMSR1,�(��) = fungsi tujuan berapa alokasi kursi yang akan ditentukan untuk
kelas ke-i
�1,� = rata-rata harga kelas ke-i
�1,�(��) = peluang permintaan lebih besar dari alokasi kursi untuk kelas ke-i
�� = alokasi kursi optimal untuk kelas ke-i
kelas kursi = i; dimana i = promo, ekonomi, dan bisnis kelas tiket = 1, 2, 3, ..., k
harga tiket = R1, R2, R3, ..., Rk; dimana R1 < R2 < R3 < ... < Rk
Diasumsikan ada sebanyak 11 kelas tiket yang ada pada sebuah
penerbangan. Kelas promo 2 kelas tiket, kelas ekonomi 6 kelas tiket dan kelas
bisnis 3 kelas tiket. Harga yang ditawarkan untuk setiap kelas tiket juga
Maka langkah awal akan ditentukan alokasi kursi optimal untuk kelas
bisnis. Ditentukan rata harga untuk kelas bisnis dengan 3 kelas tiket dan
rata-rata harga untuk kelas ekonomi dengan 6 kelas tiket, yaitu:
������� = harga kelas tiket D + harga kelas tiket C + harga kelas tiket J
= 5.364.800+5.631.000+6.167.800 3
= 5.721.200
�������� = harga kelas tiket Q + harga kelas tiket N + harga kelas tiket K + harga
kelas tiket M + harga kelas tiket B + harga kelas tiket Y
= 1.947.100+2.171.500+2.239.700+2.304.600+2.369.500+2.434.400 6
= 2.244.466,667 ≈ 2.244.467
Akibatnya diperoleh bahwa:
EMSR1,������(�������) =�1,������∗ �1,������(�������)≥ ��������
5.721.200∗ �1,������(�������) ≥2.244.467
�1,������(�������)≥
2.244.467 5.721.200
�1,������(�������)≥ 0,392
�1,������(�������) ≥0,392 artinya alokasi kursi yang akan ditentukan untuk kelas
bisnis harus lebih besar dari 0,392 serta yang dipilih adalah kursi terbanyak.
Karena pemesanan tiket untuk kelas bisnis telah teruji berdistribusi normal, maka
dapat diubah bentuk distribusi normal umum menjadi distribusi normal baku,
yaitu dengan ditransformasi menjadi
�
=
�−�(�bisnis) = 4, Prob
�
(�bisnis – 7,8) 1,324≥
(4 – 7,8)
1,324
�
= 0,998(�bisnis) = 5, Prob
�
(�bisnis – 7,8) 1,324≥
(5 – 7,8)
1,324
�
= 0,983(�bisnis) = 6, Prob
�
(�bisnis – 7,8) 1,324≥
(6 – 7,8)
1,324
�
= 0,912(�bisnis) = 7, Prob
�
(�bisnis – 7,8) 1,324≥
(7 – 7,8)
1,324
�
= 0,726(�bisnis) = 8, Prob
�
(�bisnis – 7,8) 1,324≥
(8 – 7,8)
1,324
�
= 0,444(�bisnis) = 9, Prob
�
(�bisnis – 7,8) 1,324≥
(9 – 7,8)
1,324
�
= 0,184(�bisnis) = 10, Prob
�
(�bisnis – 7,8) 1,324≥
(10 – 7,8)
1,324
�
= 0,049Alokasi kursi yang maksimal yang akan diambil yaitu alokasi kursi yang
memberikan nilai peluang bahwa permintaan akan lebih besar dari alokasi kursi.
Setelah nilai-nilai diperoleh, maka �bisnis = 8 merupakan nilai terbesar yang
menyatakan peluang lebih besar dari 0,392. Sehingga akan dialokasikan kursi
sebanyak 8 untuk kelas bisnis.
Langkah selanjutnya akan ditentukan alokasi kursi optimal untuk kelas
ekonomi. Ditentukan �1,������� dan rata-rata harga untuk kelas promo dengan 2
kelas tiket, yaitu:
Dengan �̅������ = 7,8 dan �̅������� = 66,567, maka:
�̅
1,�=
∑
��=1�̅
��̅
1,�������=
�̅
������+
�̅
�������= 74,367
Dengan ������� = 1,324 dan �������� = 2,079, maka:
�
1,�=
�∑
��=1�
2��
1,�������=
��
2������+
�
2�������= �4,42299 + 1,75172
= √6,07471
= 2,46469
Dengan ������� = 5.721.200 dan �������� = 2.244.467, maka:
�
1,�������=
�������∗����������+��������∗���������1,�������
= (5.721.200∗7,8)+ (2.244.467∗66,567) 74,367
= 2.609.127
������ = harga kelas tiket V + harga kelas tiket T
= 1.498.300+1.722.700 2
= 1.610.500
Akibatnya diperoleh bahwa:
2.609.127∗ �1,�������(��������) ≥1.610.500
�1,�������(��������) ≥
1.610.500 2.609.127
�1,�������(��������)≥ 0,617
�1,�������(��������) ≥0,617 artinya alokasi kursi yang akan ditentukan untuk
kelas ekonomi harus lebih besar dari 0,617 serta yang dipilih adalah kursi
terbanyak. Karena pemesanan tiket untuk kelas ekonomi telah teruji berdistribusi
normal, maka dapat diubah bentuk distribusi normal umum menjadi distribusi
normal baku, yaitu dengan ditransformasi menjadi
�
=
�−�� . Sehingga untuk:
�������� = 69, Prob
�
(�������� – 74,367)
2,465
≥
(69 – 74,367)
2,465
�
= 0,9850�������� = 70, Prob
�
(��������2,465 – 74,367)≥
(70 – 2,46574,367)�
= 0,9616�������� = 71, Prob
�
(�������� – 74,367)
2,465
≥
(71 – 74,367)
2,465
�
= 0,9131�������� = 72, Prob
�
(��������2,465 – 74,367)≥
(72 – 2,46574,367)�
= 0,8315�������� = 73, Prob
�
(�������� – 74,367)
2,465
≥
(73 – 74,367)
2,465
�
= 0,7088�������� = 74, Prob
�
(��������2,465 – 74,367)≥
(74 – 2,46574,367)�
= 0,5557Alokasi kursi yang maksimal yang akan diambil yaitu alokasi kursi yang
memberikan nilai peluang bahwa permintaan akan lebih besar dari alokasi kursi.
Setelah nilai-nilai diperoleh, maka �������� = 73 merupakan nilai terbesar yang
menyatakan peluang lebih besar dari 0,617. Karena 8 kursi telah dialokasikan ke
kelas bisnis, maka untuk kelas ekonomi akan dialokasikan kursi sebanyak 73 – 8
Langkah selanjutnya akan ditentukan alokasi kursi optimal untuk kelas
promo. Karena kapasitas kursi pesawat sebanyak 96 kursi, maka alokasi kursi
untuk kelas promo adalah sebanyak 96 – 73 = 23 kursi. Jadi diperoleh alokasi
kursi yang optimal untuk setiap kelas sebagai berikut.
Kelas promo = 23 kursi
Kelas ekonomi = 65 kursi
Kelas bisnis = 8 kursi
Setelah alokasi kursi maksimal untuk tiap kelas diperoleh, maka perlu
dihitung banyaknya kursi untuk setiap kelas tiket pada masing-masing kelas agar
pendapatan dari penjualan tiket diharapkan maksimal. Selanjutnya akan
dikerjakan dengan program dinamik dengan model untuk menentukan alokasi
untuk semua kelas tiket adalah:
������������(�) = max�������(������) +��������(��������) +�������(�������)�
�
�(
�
�) = max
�
∑
�
�� �=1
� �
untuk,
������(������) = max�
(��) + (��)
2 �
��������(��������) = max�
(��) + (��) + (��) + (��) + (��) + (��)
6 �
�������(�������) = max�
(��) + (��) + (��)
3 �
dimana, �� = banyaknya kursi untuk setiap kelas tiket
�� = peluang terisi kursi untuk kelas tiket j, j = V, T, Q, ..., J
�� = ����−��������������������������������������������� �, jika rata-rata > banyak kursi, �� = 1
lainnya, �� = ����−����
�����������
Untuk mengalokasikan banyaknya kursi untuk tiap-tiap kelas tiket, perlu
diperhatikan bagaimana perilaku calon kostumer atau bagaimana rata-rata tingkat
pemesanan pada setiap periode pejualan.
Tabel 4.4 Rata-Rata Pemesanan Tiket Menurut Periode Penjualan
Kelas Kelas Tiket Periode Penjualan Rata-rata Penjualan
Promo V Periode I 11,7
T Periode II 13,1667
Ekonomi
Q Periode III 15,0667
N Periode IV 14,2
K Periode V 12,3333
Ekonomi
M Periode VI 10,1333
B Periode VII 8,4333
Y Periode VIII 6,4
Bisnis
D Periode IX 4,0333
C Periode X 2,8333
J Periode XI 0,9333
Pada bagian ini akan dihitung banyaknya kursi yang optimal untuk setiap
kelas tiket dengan metode Program Dinamik, dimana:
Variabel keputusan = banyak kursi yang dialokasikan untuk setiap kelas tiket.
Keadaan (state) = kursi maksimal yang dialokasikan pada kelas kursi masing-masing.
Dalam hal ini dilakukan perhitungan dari belakang ke depan ( backward-induction). Dengan melihat rata-rata pemesanan tiket setiap periode penjualan dan alokasi kursi maksimal pada masing-masing kelas, maka untuk alokasi kursi
masksimal untuk setiap kelas tiket adalah:
Untuk tahap 1, kursi kelas bisnis = 8 kursi, akibatnya
�������(�������) = max�
(��) + (��) + (��)
3 �
�������(8) = max�
(��) + (��) + (��)
3 �
untuk AD = 5, AC = 3, AJ = 0, maka �������(8) =�
�4,035 �+�2,833 �+�1�
3 �
= 0,916
untuk AD = 5, AC = 2, AJ = 1, maka �������(8) =�
�4,035 �+(1)+�0,931 �
3 �
= 0,912
untuk AD = 4, AC = 3, AJ = 1, maka �������(8) =�
�1�+(2,833 )+�0,931 �
3 �
= 0,958
Untuk tahap 2, kursi kelas ekonomi = 65 kursi, akibatnya
��������(��������) = max�
(��) + (��) + (�ï