Optimasi Penjadwalan Armada Pesawat Terbang

(1)

OPTIMASI PENJADWALAN ARMADA PESAWAT

TERBANG

SUZI SEHATI

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(2)

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Optimasi Penjadwalan Pesawat Terbang adalah benar karya saya dengan arahan dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor.

Bogor, Juni 2014

Suzi Sehati

(3)

ABSTRAK

SUZI SEHATI. Optimasi Penjadwalan Armada Pesawat Terbang. Dibimbing oleh AMRIL AMAN dan FARIDA HANUM.

Salah satu permasalahan yang dihadapi maskapai penerbangan adalah memenuhi permintaan calon penumpang untuk setiap Origin-Destination (O-D) serta menentukan jenis pesawat yang digunakan pada setiap rute penerbangan secara efisien. Karya ilmiah ini menyajikan sebuah model optimasi untuk menentukan penugasan jenis pesawat terbang yang sesuai untuk setiap rute penerbangan yang telah terjadwalkan dengan biaya minimum. Total biaya terdiri atas biaya operasional dan biaya kehilangan penumpang. Model optimasi tersebut merupakan model pemrograman integer linear yang kemudian diimplementasikan pada kasus penerbangan maskapai Citilink dan diselesaikan menggunakan perangkat lunak Lingo 11.0. Model ini menghasilkan penugasan setiap tipe pesawat untuk memenuhi permintaan pada setiap O-D dengan biaya minimum. Kata kunci: optimisasi, pemrograman integer linear, penjadwalan armada

ABSTRACT

SUZI SEHATI. Optimization of Fleet Assignment. Supervised by AMRIL AMAN and FARIDA HANUM.

One of the common issues faced by airline companies relies on fulfilling passenger demands for Origin-Destination (O-D) routes using all fleet types. This paper presents an optimization model to determine fleet assignment for each flight route in order to minimize total costs. The total costs consist of the operating cost and passenger spill cost. The model is considered as an integer linear programming which is further implemented within the Citilink airlines schedule, and was solved using software Lingo 11.0. The model produced a fleet assignment in order to fulfill demand for all O-Ds with minimum cost.

(4)

2

Skripsi

sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains

pada

Departemen Matematika

OPTIMASI PENJADWALAN ARMADA PESAWAT

TERBANG

SUZI SEHATI

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR

(5)

Judul Skripsi : Optimasi Penjadwalan Armada Pesawat Terbang Nama : Suzi Sehati

NIM : G54090058

Disetujui oleh

Dr Ir Amril Aman, M Sc Pembimbing I

Dra Farida Hanum, M Si Pembimbing II

Diketahui oleh

Dr Toni Bakhtiar, M Sc Ketua Departemen

(6)

4

PRAKATA

Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2013 ini ialah penjadwalan, dengan judul Optimasi Penjadwalan Armada Pesawat Terbang.

Terima kasih penulis ucapkan kepada Bapak Dr Ir Amril Aman, M Sc dan Ibu Dra Farida Hanum, M Si selaku pembimbing, serta Bapak Drs Prapto Tri Supriyo, M Kom yang telah banyak membantu dan memberi saran. Di samping itu, ungkapan terima kasih juga disampaikan kepada ayah, ibu, serta seluruh keluarga dan teman-teman matematika 46, atas segala doa, bantuan dan kasih sayangnya. Karya ilmiah ini melengkapi tonggak penting dalam hidup penulis. Terima kasih atas semua dukungannya

Semoga karya ilmiah ini bermanfaat.

Bogor, Juni 2014

(7)

DAFTAR ISI

DAFTAR GAMBAR ix

DAFTAR LAMPIRAN ix

PENDAHULUAN 1

Latar Belakang 1

Tujuan Penelitian 1

TINJAUAN PUSTAKA 2

DESKRIPSI DAN FORMULASI MASALAH 2

Fleet Assignment 2

Passenger Spill Cost dan Recapture Rate 3

Teknik Jaringan Ruang dan Waktu 4

STUDI KASUS 6

Pengumpulan Data 6

Formulasi Model Matematika 7

HASIL DAN PEMBAHASAN 8

SIMPULAN DAN SARAN 11

Simpulan 11

Saran 11

DAFTAR PUSTAKA 12

LAMPIRAN 13

(8)

6

DAFTAR GAMBAR

1 Urutan proses perencanaan jadwal penerbangan 2

2 Contoh teknik jaringan ruang-waktu 4

3 Ilustrasi hasil teknik jaringan ruang-waktu untuk setiap jenis armada 10

DAFTAR LAMPIRAN

1 Daftar anggota himpunan M 13

2 Data penerbangan, jarak, demand, dan standar deviasi 14 3 Data biaya penugasan setiap jenis armada untuk setiap nomor

penerbangan 17

4 Data biaya pendukung untuk untuk penghitungan total spill cost 22

5 Program LINGO 11.0 untuk formulasi masalah 27

6 Hasil dari program LINGO 11.0 29

(9)

PENDAHULUAN

Latar Belakang

Pengaturan manajemen perusahaan penerbangan umumnya lebih banyak difokuskan pada hal-hal operasional; antara lain optimasi perencanaan penerbangan. Langkah-langkah yang dilakukan dalam optimasi perencanaan penerbangan adalah melakukan penjadwalan penerbangan, penugasan armada pesawat terbang, penentuan rute pesawat terbang, penjadwalan kru pesawat terbang, hingga perencanaan manpower (Bazargan 2004). Dalam perencanaan penerbangan, penugasan armada pesawat terbang merupakan langkah awal dimulainya penghitungan biaya operasional sehingga tahapan ini sangat memengaruhi tingkat efektivitas dan efisiensi penerbangan. Penentuan penugasan armada tidak sama dengan penentuan penugasan pesawat terbang. Penentuan penugasan armada hanya menentukan alur terbang armada di dalam suatu jaringan.

Setiap armada pesawat terbang memiliki karakteristik yang berbeda-beda walaupun dibuat dalam satu perusahaan yang sama. Setiap armada yang diciptakan pasti memiliki keunggulan tersendiri sehingga biaya untuk menerbangkannya akan berbeda. Pengoptimuman biaya inilah yang menjadi tujuan dari penentuan penugasan armada pesawat terbang. Terdapat dua jenis biaya yang berkaitan dengan penugasan armada yaitu biaya operasional dan biaya tidak terangkutnya calon penumpang. Kedua jenis biaya tersebut harus diminimumkan agar dapat memberikan kontribusi keuntungan bagi maskapai penerbangan.

Sumber utama karya ilmiah ini ialah buku yang berjudul Airline Operations and Scheduling oleh Massoud Bazargan pada tahun 2004. Bazargan (2004) menyajikan teknik-teknik penelitian operasional (operational research) dalam perancangan operasional pada perusahaan penerbangan secara umum. Dalam perencanaan penugasan armada, Bazargan menjelaskan dengan rinci mengenai biaya operasional, biaya kehilangan calon penumpang, besarnya kemungkinan untuk mendapatkan kembali calon penumpang yang hilang dan sebagainya. Karya ilmiah ini menggunakan model yang dikembangkan oleh Bazargan dengan siklus satu hari yang berulang dalam satu minggu.

Tujuan Penelitian

(10)

TINJAUAN PUSTAKA

Masalah penentuan jenis armada pesawat penerbangan biasanya diformulasikan untuk siklus satu hari yang berulang dalam satu minggu, seperti dalam (Jarrah et al. 2000). Desaulniers et al. (1997) mengembangkan masalah penentuan jenis armada dengan penentuan rute pesawat terbang untuk flight leg

yang lebih fleksibel dalam time windows. Yan dan Young (1996) mengembangkan sebuah framework pendukung keputusan untuk perutean multi-fleet dan penjadwalan penerbangan multi-stop. Pendekatan pada penelitian tersebut dilakukan dengan mengembangkan model matematis untuk menyelesaikan masalah iterasi dua fase. Renaud dan Boctor (2002) membahas mengenai algoritme untuk ukuran penerbangan dan permasalahan mix vehicle routing. Algoritme yang diusulkan awalnya akan menghasilkan rute-rute dalam jumlah besar untuk satu atau dua pesawat. Rute-rute yang terpilih dan pesawatnya nantinya akan dioptimalkan sebagai solusi. Papadakos (2006) memperkenalkan model penjadwalan penerbangan terintegrasi yang besarnya jumlah penerbangan dapat direduksi dengan menggabungkan dekomposisi Benders dan teknik pembangkitan kolom. Pendekatan yang lebih terintegrasi akan menurunkan biaya secara signifikan. Dalam karya ilmiah ini akan digunakan model dasar dari fleet assignment dengan siklus satu hari yang berulang dalam satu minggu dengan memperhatikan tiga biaya utama, yaitu biaya operasional, biaya kehilangan penumpang, dan recapture rate yang dimodifikasi dari model milik Bazargan.

DESKRIPSI DAN FORMULASI MASALAH

Bab ini akan membahas tentang fleet assignment, passenger-spill cost, recapture rate, dan teknik jaringan ruang-waktu kemudian dilanjutkan dengan formulasi matematika terhadap permasalahan tersebut.

Fleet Assignment

(11)

Pada karya ilmiah ini akan diterapkan model dasar dari fleet assignment. Fleet assignment adalah langkah kedua dalam optimasi perencanaan penerbangan. Perencanaan jadwal penerbangan diawali dengan membuat jadwal penerbangan awal dengan membuat flight leg. Flight leg adalah sebuah penerbangan nonstop antara bandara asal menuju bandara tujuan, misalkan CGK (Jakarta) - DPS (Bali). Mencocokkan flight leg dengan kapasitas armada yang dimiliki agar demand

penumpang yang telah diramalkan terpenuhi disebut dengan fleet assignment. Tujuan utama dalam proses ini adalah memaksimumkan kontribusi keuntungan dari setiap armada. Kontribusi keuntungan (profit contribution) adalah pendapatan maksimum dari flight leg dikurangi dengan biaya penugasan. Hal-hal yang termasuk dalam biaya penugasan adalah biaya operasional armada, biaya mengangkut penumpang, biaya yang timbul akibat adanya penumpang yang tidak terangkut.

Passenger-Spill Cost dan Recapture Rate

Hal yang menjadi pertimbangan penting dalam penugasan armada adalah tingkat permintaan. Penggunaan armada dengan kapasitas besar untuk demand

yang rendah akan mengakibatkan banyaknya kursi yang kosong yang disebut low load-factor. Penggunaan armada dengan kapasitas yang kecil untuk demand yang tinggi mengakibatkan adanya calon penumpang yang tidak terangkut. Calon penumpang yang tidak terangkut mengakibatkan adanya pendapatan yang hilang (spill cost). Biaya kehilangan tersebut dapat dihitung dengan cara sebagai berikut: Biaya kehilangan yang diharapkan = banyaknya penumpang tidak terangkut yang diharapkan × RASM × jarak penerbangan. Revenue per available seat mile

(RASM) adalah pendapatan dari menerbangkan penumpang sebanyaknya kursi penumpang yang tersedia. Banyaknya penumpang yang tidak terangkut yang diharapkan - , dengan c adalah kapasitas armada untuk penumpang dan f(x) adalah sebaran peluang untuk demand (Bazargan 2004).

Penghitungan integral di atas dapat dihitung dengan membuat simulasinya dalam MS Excel. Fungsi =norminv(rand(), demand, standar deviasi) digunakan untuk membuat simulasi demand. Dengan menggunakan fungsi if, hasil dari simulasi demand dihitung selisihnya dengan kapasitas armada untuk mengetahui banyaknya penumpang yang tidak terangkut. Bila melebihi kapasitas armada maka selisihnya akan menjadi nilainya, selainnya selisihnya bernilai 0. Simulasi ini diulang sebanyak 10 000 kali dan nilai rata-rata banyaknya penumpang yang tidak terangkut adalah banyaknya penumpang tidak terangkut yang diharapkan.

(12)

4

Teknik Jaringan Ruang-Waktu

Fokus utama dari fleet assignment adalah jenis armada untuk setiap flight leg. Teknik jaringan ruang-waktu (time-space network) digunakan untuk membuat dan mempermudah melihat model penjadwalan dan rute penerbangan armada. Tiap jaringan menunjukkan pergerakan satu jenis armada dengan periode waktu dan bandara tertentu. Terdapat dua komponen penting dalam jaringan ruang-waktu yaitu node dan arc. Node menunjukkan titik-titik waktu yang terkait jadwal kedatangan dan kepergian pesawat pada suatu bandara sedangkan arc adalah garis yang menghubungkan antara 2 node, yaitu node waktu keberangkatan dan node

waktu kedatangan dan tinggal semalaman (stay overnight).

Kota A Kota B Kota C Kota D Kota E keterangan:

Gambar 2 memperlihatkan terdapat 2, 2, 8, 6, 2 node di Kota A, B, C, D, E secara berurutan. Untuk Kota A, garis hitam menunjukkan armada B737-400 memulai penerbangan pada pukul 10.00 – 12.00 untuk flight leg Kota A - Kota B. Selang 1 jam dari pukul 12.00 – 13.00 disebut turn-around time (waktu minimum yang dibutuhkan sebuah pesawat mulai dari pesawat tersebut mendarat hingga siap untuk diberangkatkan kembali). Selanjutnya armada mendarat di Kota C pada pukul 14.00 (node 5 di Kota C) lalu melanjutkan perjalanan kembali ke Kota A pada pukul 15.00 dan tiba pada pukul 16.00. Garis yang menghubungkan node

16.00 (node 2 atau node terakhir di Kota A) dengan node 10.00 (node pertama di Kota A) disebut wrap-around arc yang menunjukkan pesawat yang harus bermalam di bandara (Kota A).

Untuk membatasi permasalahan penugasan armada pesawat terbang, maka digunakan beberapa asumsi antara lain:

1. satu siklus terdiri atas 1 hari (24 jam) yang berulang dalam 1 minggu,

2. tidak ada deadheading, artinya pesawat tidak boleh terbang dalam keadaan tanpa penumpang. Implikasinya pesawat yang bermalam di suatu bandara

(13)

tidak harus pesawat yang sama dengan yang digunakan di pagi hari asalkan armadanya sama,

3. jumlah pesawat dari setiap armada terbatas,

4. tingkat permintaan dan standar deviasi untuk setiap flight leg diketahui, 5. jenis penerbangan adalah penerbangan langsung tanpa transit,

6. Turn-around time tidak diperhitungkan.

Model dasar dari fleet assignment kemudian dibuat dalam formulasi masalah yang berbentuk integer linear programming (ILP).

Himpunan

F = Himpunan nomor penerbangan, dengan indeks i, K = Himpunan jenis armada, dengan indeks j,

M = Himpunan node yang ada dalam jaringan, dengan indeks k ,

C = Himpunan node pertama, himpunan bagian dari M, dengan indeks l, D = Himpunan node terakhir, himpunan bagian dari M, dengan indeks n. Parameter

,

Variabel keputusan

.

Fungsi Objektif

Fungsi objektif dari masalah ini ialah menimumkan total biaya yang dikeluarkan maskapai penerbangan untuk menerbangkan berbagai jenis armada yang dimiliki untuk setiap jadwal penerbangan yang telah disediakan dalam satu hari, yaitu

Kendala

Kendala pada permasalahan ini ialah sebagai berikut:

1 Setiap penerbangan hanya dapat dilayani oleh satu jenis armada

(14)

6

2 Kendala kontinuitas armada untuk setiap node kecuali node pertama. Kendala ini merupakan representasi dari teknik jaringan ruang-waktu. Sebagai ilustrasi, pada Gambar 2 di Kota A pada node 10.00 (node 1) terdapat 1 pesawat yang kemudian pergi ke node 1 di Kota B sehingga banyaknya pesawat di node 1 Kota A adalah 0. Pada pukul 16.00 (node 2) di Kota A datang 1 pesawat dari

node 6 di Kota C sehingga banyaknya pesawat di node 2 ialah 1 yang berasal dari banyaknya pesawat di node 1 (0 pesawat) ditambah banyaknya pesawat yang datang ke node 2 (1 pesawat) dan dikurangi banyaknya pesawat yang pergi dari node 2 (0 pesawat).

3 Kendala kontinuitas armada di node pertama. Banyaknya pesawat di pagi hari pada node 1 sama dengan banyak pesawat yang berada di node terakhir ditambah banyaknya pesawat yang datang ke node 1 dan dikurangi banyaknya pesawat yang pergi dari node 1

4 Banyaknya pesawat yang digunakan tidak melebihi banyaknya pesawat yang dimiliki maskapai penerbangan untuk setiap jenis armada

penjadwalan armada pada maskapai penerbangan Citilink.

Pengumpulan Data

Data yang digunakan adalah data penerbangan yang diambil dari website

(15)

Yogyakarta (JOG), Bengkulu (BKS), Balikpapan (BPN), Pekanbaru (PKU), Tanjung Pandan (TJQ), Pangkalpinang (PGK), Batam (BTH), Banjarmasin (BDJ). Maskapai penerbangan Citilink menggunakan tiga jenis armada yaitu Airbus A320 sebanyak 22 pesawat dengan kapasitas 180 penumpang, Boeing B737-300 sebanyak 6 pesawat dengan kapasitas 148 penumpang dan Boeing B737-400 sebanyak 1 pesawat dengan kapasitas 170 penumpang.

Cost per available seat miles (CASM) adalah biaya yang dikeluarkan untuk menerbangkan satu kursi penumpang. Besarnya CASM untuk armada A320, B737-300 dan B737-400 secara berurutan adalah $0.046, $0.045 dan $0.047. Besarnya CASM didapatkan dari (Ozdemir et al. 2011). Revenue per available seat mile (RASM) adalah pendapatan dari penumpang berdasarkan banyaknya kursi penumpang yang terisi. Besarnya RASM ditentukan sebesar $0.15. Dengan asumsi rendahnya frekuensi penerbangan untuk beberapa kota maka ditentukan besarnya recapture rate adalah 15% dari penumpang yang tidak terangkut. Ini berarti 85% calon penumpang tidak dapat diangkut dan akhirnya jatuh kepada maskapai lainnya. Untuk data demand, standar deviasi, RASM, recapture rate

ditentukan secara hipotetik dengan membangkitkan angka secara acak.

Data penerbangan untuk nomor penerbangan, waktu keberangkatan, waktu kedatangan, jarak penerbangan, demand dan standar deviasi dilampirkan pada Lampiran 2. Data yang berhubungan dengan biaya pada Lampiran 3 dan 4.

Formulasi Model Matematika

Himpunan

F = {QG850, QG854, …, QG9632}; i = 1, 2, …, 104, K = {A320, B737-300, B737-400} ; j = 1, 2, 3,

M = {SRG1, SRG2, …, CGK66}; k = 1, 2, …, 197.

Dengan membuat jaringan ruang-waktu diketahui banyaknya node untuk setiap kota. Kota Jakarta memiliki 66 node, Surabaya 32 node, Medan 10 node, Bali 13

node, Lombok 4 node, Jambi 2 node, Malang 2 node, Yogyakarta 2 node, Bengkulu 2 node, Balikpapan 6 node, Pekanbaru 8 node, Tanjung Pandan 2 node, Pangkalpinang 2 node, Batam 24 node, dan Banjarmasin 2 node. Jadi seluruhnya terdapat 197 node. Untuk daftar selengkapnya terdapat dalam Lampiran 1.

(16)

8

Fungsi Objektif

Fungsi objektif dari masalah ini ialah menimumkan total biaya yang dikeluarkan maskapai penerbangan untuk menerbangkan berbagai jenis armada yang dimiliki untuk setiap jadwal penerbangan yang telah disediakan dalam satu hari.

Kendala pada permasalahan ini ialah sebagai berikut:

1 Masing-masing penerbangan dapat dilayani paling banyak oleh satu jenis armada

2 Kekontinuitasan pesawat di setiap node kecuali node pertama, jumlah pesawat dari setiap jenis armada di suatu node adalah penjumlahan dari banyaknya pesawat di node sebelumnya ditambah jumlah pesawat yang datang atau dikurangi jumlah pesawat yang pergi dari node tersebut.

3 Kekontinuitasan pesawat di node pertama, jumlah pesawat dari setiap jenis armada di node pertama adalah penjumlahan dari banyaknya pesawat di

node terakhir ditambah jumlah pesawat yang datang atau dikurangi jumlah pesawat yang pergi dari node pertama.

4 Jumlah pesawat yang diperlukan seharusnya tidak melebihi jumlah pesawat yang dimiliki untuk setiap jenis armada

(17)

HASIL DAN PEMBAHASAN

Model matematik diformulasikan dalam perangkat lunak LINGO 11.0 dan menghasilkan fungsi objektif sebesar $477 518. 9493. ini berarti biaya minimum yang diperlukan untuk melakukan penerbangan sesuai jadwal yang telah tersedia pada tanggal 11 Oktober 2013 adalah sebesar $477 518. 9493. Program dan hasil dari fleet assignment dapat dilihat pada Lampiran 5 dan 6. Hasil perhitungan pada LINGO 11.0 disajikan dalam Tabel 1 dan Lampiran 7.

Kota A320 B737-300 B737-400 Kota A320 B737-300 B737-400

1 SRG 0 0 0 11 UPG 0 0 0

2 BKS 0 0 0 12 BPN 0 0 0

3 DJB 0 0 0 13 PKU 0 0 0

4 PGK 0 0 0 14 MES 1 0 0

5 TJQ 0 0 0 15 PDG 0 0 0

6 BDJ 0 0 0 16 DPS 0 0 0

7 MLG 0 0 0 17 BTH 3 0 0

8 JOG 0 0 0 18 SUB 2 1 0

9 LOP 0 0 0 19 CGK 5 5 1

10 PLM 0 0 0

(18)

10 setiap jenis armada. Sebagai contoh, rute penerbangan untuk B737-400 adalah pesawat berangkat dari Jakarta dengan nomor penerbangan QG811 menuju Surabaya pada pukul 06.10 dan tiba pada pukul 07.30. Penerbangan selanjutnya

(19)

menuju Jakarta dengan nomor penerbangan QG817 pada pukul 11.35 kemudian mendarat di Jakarta pada pukul 12.55, dilanjutkan dengan penerbangan menuju Surabaya untuk nomor penerbangan QG804 pada pukul 15.40 dan mendarat pada pukul 16.50 selanjutnya pesawat akan menginap di bandara Surabaya.

SIMPULAN DAN SARAN

Simpulan

Seiring dengan meningkatnya aktivitas masyarakat, transportasi udara menjadi salah satu solusi untuk mencapai suatu tempat dengan cepat dibandingkan dengan moda transportasi lainnya. Akibatnya, proses penjadwalan penerbangan menjadi sangat penting agar maskapai penerbangan mendapatkan keuntungan yang optimal.

Bahan bakar pesawat, gaji pilot, biaya operasional pesawat, passenger-spill cost adalah biaya-biaya yang paling besar dalam maskapai penerbangan dan semua hal tersebut berhubungan dengan jenis armada dan pesawat. Oleh karena itu sangatlah penting untuk memilih jenis armada yang tepat untuk suatu flight leg

karena dapat meminimumkan biaya. Yang berarti memaksimumkan kontribusi keuntungan bagi maskapai penerbangan. Ini berarti tahapan fleet assignment

menjadi kunci dalam proses perencanaan jadwal penerbangan sebab hasil dari

fleet assignment akan berpengaruh terhadap tahapan ketiga dan keempat dari perencanaan penerbangan.

Saran

Pada tulisan ini telah dibahas tahap kedua dalam proses perencanaan jadwal penerbangan yaitu penugasan armada pesawat terbang. Akan lebih baik lagi jika dilanjutkan dengan tahapan selanjutnya yaitu aircraft routing dan crew scheduling

(20)

12

DAFTAR PUSTAKA

Bazargan M. 2004. Airline Operations and Scheduling. Ed ke-2. Burlington (US): Ashgate.

Desaulniers G, Desrosiers J, Dumas Y, Solomon M, Soumis, F. 1997. Daily aircraft routing and scheduling. Management Science. 43(6):841-855. doi:10.1287/mnsc.43.6.841.

Jarrah AI, Goodstein J, Narasimhan R. 2000. An efficient airline re-fleeting model for the incremental modification of planned fleet assignments. Transportation Science. 34(4):349-363.doi:10.1287/trsc.34.4.349.12324.

Ozdemir Y, Basligil H, Nalbant KG. 2011. Optimization of Fleet Assignment: A Case Study in Turkey. IJOCTA. 2(1):59-71. doi: 10.11121/ijocta.01.2012.0050. Papadakos N. 2006. Integrated Airline Scheduling: Decomposition and Acceleration Techniques. London(GB): IC-PARC (centre for Planning and Resource Control).

Renaud J, Boctor FF. 2002. A sweep-based algorithm for the fleet size and mix vehicle routing problem. European Journal of Operational Research. 140(3):618- 628. doi:10.1016/S0377-2217(01)00237-5.

(21)

(22)

14

Lampiran 2 Data penerbangan, jarak, demand, dan standar deviasi

(23)

(24)

16

(25)

Lampiran 3 Data biaya penugasan setiap jenis armada untuk setiap nomor penerbangan

No. Flight no. Operating cost a

Total spill cost Total costb

A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400

1 QG850 5059.08 4069.26 4881.89 891.50 2442.29 1280.61 5950.58 6511.55 6162.50

2 QG854 5059.08 4069.26 4881.89 1210.43 2861.57 1650.39 6269.51 6930.83 6532.28

3 QG9743 5059.08 4069.26 4881.89 125.42 789.62 249.60 5184.50 4858.88 5131.49

4 QG852 5059.08 4069.26 4881.89 1022.52 2623.22 1416.20 6081.60 6692.48 6298.09

5 QG855 5059.08 4069.26 4881.89 1919.17 3845.34 2422.04 6978.25 7914.60 7303.93

6 QG9744 5059.08 4069.26 4881.89 443.07 1650.86 700.13 5502.15 5720.12 5582.02

7 QG853 5059.08 4069.26 4881.89 538.52 1784.99 845.51 5597.60 5854.25 5727.40

8 QG851 5059.08 4069.26 4881.89 1218.53 2887.60 1657.65 6277.61 6956.86 6539.54

9 QG830 7153.92 5754.24 6903.36 987.10 2960.03 1513.49 8141.01 8714.27 8416.85

10 QG832 7153.92 5754.24 6903.36 2340.66 5033.78 3064.52 9494.58 10788.02 9967.88

11 QG836 7153.92 5754.24 6903.36 1073.65 3127.88 1535.76 8227.57 8882.12 8439.12

12 QG834 7153.92 5754.24 6903.36 771.74 2572.87 1178.62 7925.66 8327.11 8081.98

13 QG831 7153.92 5754.24 6903.36 2934.9 5727.83 3680.04 10088.81 11482.07 10583.40

14 QG837 7153.92 5754.24 6903.36 1694.06 4084.72 2332.57 8847.98 9838.96 9235.93

15 QG833 7153.92 5754.24 6903.36 882.52 2817.30 1320.20 8036.44 8571.54 8223.56

16 QG835 7153.92 5754.24 6903.36 1.53 81.26 8.88 7155.45 5835.50 6912.24

17 QG9315 2169.36 1744.92 2093.38 57.80 358.13 113.73 2227.16 2103.05 2207.11

18 QG9316 2169.36 1744.92 2093.38 1.45 46.54 5.29 2170.81 1791.46 2098.67

19 QG815 5729.76 4608.72 5529.08 49.02 485.86 110.63 5778.78 5094.58 5639.71

20 QG811 5729.76 4608.72 5529.08 131.76 1190.46 296.58 5861.52 5799.18 5825.66

(26)

A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400

21 QG801 5729.76 4608.72 5529.08 2453.15 5207.98 3321.26 8182.91 9816.70 8850.34

22 QG803 5729.76 4608.72 5529.08 177.22 1027.15 333.65 5906.98 5635.87 5862.73

23 QG805 5729.76 4608.72 5529.08 9.31 146.36 24.93 5739.07 4755.08 5554.01

24 QG813 5729.76 4608.72 5529.08 1382.92 3761.54 2020.66 7112.68 8370.26 7549.74

25 QG817 5729.76 4608.72 5529.08 114.32 743.14 204.82 5844.08 5351.86 5733.90

26 QG807 5729.76 4608.72 5529.08 250.94 1381.29 494.73 5980.70 5990.01 6023.81

27 QG809 5729.76 4608.72 5529.08 64.71 726.25 177.47 5794.47 5334.97 5706.55

28 QG816 5729.76 4608.72 5529.08 251.49 1478.96 516.56 5981.26 6087.68 6045.64

29 QG800 5729.76 4608.72 5529.08 681.44 2557.46 1116.88 6411.20 7166.18 6645.96

30 QG802 5729.76 4608.72 5529.08 6.33 177.92 19.02 5736.09 4786.64 5548.10

31 QG810 5729.76 4608.72 5529.08 24.16 203.79 50.12 5753.92 4812.51 5579.20

32 QG804 5729.76 4608.72 5529.08 31.98 297.33 66.92 5761.74 4906.05 5596.00

33 QG808 5729.76 4608.72 5529.08 138.14 681.95 243.45 5867.90 5290.67 5772.53

34 QG812 5729.76 4608.72 5529.08 190.04 962.71 327.16 5919.80 5571.43 5856.24

35 QG806 5729.76 4608.72 5529.08 529.51 1844.35 859.20 6259.27 6453.07 6388.28

36 QG814 5729.76 4608.72 5529.08 301.07 1127.27 454.59 6030.83 5735.99 5983.67

37 QG712 7369.20 5927.40 7111.10 7.35 116.62 15.93 7376.55 6044.02 7127.03

38 QG9843 7369.20 5927.40 7111.10 18.40 285.53 50.30 7387.60 6212.93 7161.40

39 QG844 7369.20 5927.40 7111.10 3.68 70.00 11.38 7372.88 5997.40 7122.48

40 QG713 7369.20 5927.40 7111.10 2453.15 5207.98 3321.26 8182.91 9816.70 8850.34

41 QG9321 2343.24 1884.78 2261.17 177.22 1027.15 333.65 5906.98 5635.87 5862.73

42 QG9322 2343.24 1884.78 2261.17 235.20 822.30 371.17 2578.44 2707.08 2632.34

1

(27)

A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400

43 QG972 4744.44 3816.18 4578.27 118.66 640.85 209.30 4863.10 4457.03 4787.57

44 QG970 4744.44 3816.18 4578.27 785.05 2106.28 1136.51 5529.50 5922.46 5714.78

45 QG973 4744.44 3816.18 4578.27 35.25 294.86 87.51 4779.69 4111.04 4665.78

46 QG971 4744.44 3816.18 4578.27 1347.95 3027.02 1828.11 6092.39 6843.20 6406.38

47 QG9551 2782.08 2237.76 2684.64 207.42 752.97 336.41 2989.50 2990.73 3021.05

48 QG9552 2782.08 2237.76 2684.64 36.02 245.93 66.29 2818.10 2483.69 2750.93

49 QG9541 3080.16 2477.52 2972.28 165.82 606.07 254.11 3245.98 3083.59 3226.39

50 QG9542 3080.16 2477.52 2972.28 517.44 1529.85 796.52 3597.60 4007.37 3768.80

51 QG9523 2277.00 1831.50 2197.25 203.59 605.35 301.77 2480.59 2436.85 2499.02

52 QG9524 2277.00 1831.50 2197.25 30.13 246.19 68.50 1559.29 1303.22 1509.57

53 QG9533 2020.32 1625.04 1949.56 296.46 1074.13 489.81 1557.63 1282.89 1506.55

54 QG9534 2020.32 1625.04 1949.56 123.57 452.98 199.65 1756.90 1977.54 1830.57

55 QG936 4785.84 3849.48 4618.22 270.71 1284.84 486.94 1557.19 1269.52 1503.58

56 QG822 4785.84 3849.48 4618.22 37.73 325.00 82.90 1588.11 1454.56 1559.55

57 QG937 4785.84 3849.48 4618.22 24.12 247.43 50.62 2198.36 2040.23 2174.94

58 QG823 4785.84 3849.48 4618.22 54.36 414.68 122.56 2201.18 2015.63 2172.19

59 QG9243 3593.52 2890.44 3467.66 92.57 499.69 166.47 2158.12 1909.43 2115.42

60 QG9244 3593.52 2890.44 3467.66 13.53 202.85 37.96 2170.33 1971.76 2139.31

61 QG642 1556.64 1252.08 1502.12 0.22 16.08 1.12 8143.97 8918.41 8414.30

62 QG644 1556.64 1252.08 1502.12 118.66 640.85 209.30 4863.10 4457.03 4787.57

63 QG646 1556.64 1252.08 1502.12 785.05 2106.28 1136.51 5529.50 5922.46 5714.78

64 QG643 1556.64 1252.08 1502.12 35.25 294.86 87.51 4779.69 4111.04 4665.78

(28)

A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400

65 QG645 1556.64 1252.08 1502.12 0.55 17.44 1.46 2458.07 2098.67 2381.89

66 QG647 1556.64 1252.08 1502.12 31.47 202.48 57.43 2501.75 2325.25 2465.82

67 QG664 2127.96 1711.62 2053.43 70.40 328.61 121.51 2641.85 2686.61 2671.03

68 QG660 2127.96 1711.62 2053.43 73.22 304.01 118.76 2557.57 2498.74 2556.69

69 QG665 2127.96 1711.62 2053.43 30.16 197.81 61.99 2450.94 1978.99 2365.35

70 QG661 2127.96 1711.62 2053.43 42.36 260.14 85.88 2477.47 2216.32 2425.74

71 QG923 6922.08 5567.76 6679.64 1221.89 3350.65 1734.66 3933.91 4258.56 4047.84

72 QG921 6922.08 5567.76 6679.64 15.43 246.19 68.50 3414.18 2820.47 3302.12

73 QG920 6922.08 5567.76 6679.64 0.07 1074.13 489.81 2939.68 3287.95 3078.55

74 QG922 6922.08 5567.76 6679.64 5.32 452.98 199.65 2443.22 2441.19 2456.14

75 QG914 2450.88 1971.36 2365.04 7.19 1284.84 486.94 2318.92 1992.81 2252.12

76 QG910 2450.88 1971.36 2365.04 50.87 325.00 82.90 2393.69 2319.25 2392.45

77 QG912 2450.88 1971.36 2365.04 190.97 247.43 50.62 2035.31 2314.92 2132.58

78 QG915 2450.88 1971.36 2365.04 106.69 414.68 122.56 1626.41 1579.65 1619.91

79 QG911 2450.88 1971.36 2365.04 0.06 499.69 166.47 1588.65 1418.09 1553.11

80 QG913 2450.88 1971.36 2365.04 26.59 202.85 37.96 1944.28 2143.30 2018.47

81 QG882 3411.36 2743.92 3291.88 522.55 1514.64 755.96 4373.67 3624.35 4229.84

82 QG883 3411.36 2743.92 3291.88 2.82 76.55 10.24 4372.64 3568.45 4224.07

83 QG931 2310.12 1858.14 2229.21 629.56 1429.81 849.34 4375.30 3626.43 4235.09

84 QG929 2310.12 1858.14 2229.21 0.55 17.44 1.46 2458.07 2098.67 2381.89

85 QG930 2310.12 1858.14 2229.21 31.47 202.48 57.43 2501.75 2325.25 2465.82

86 QG928 2310.12 1858.14 2229.21 70.40 328.61 121.51 2641.85 2686.61 2671.03

(29)

A320 B737_300 B737_400 A320 B737_300 B737_400 A320 B737_300 B737_400

87 QG932 1573.20 1265.40 1518.10 462.11 1049.52 614.48 6879.12 6949.93 6939.22

88 QG934 1573.20 1265.40 1518.10 53.21 314.25 101.81 9872.59 11188.23 10356.16

89 QG933 1573.20 1265.40 1518.10 15.45 152.69 35.01 6660.68 6329.04 6589.64

90 QG935 1573.20 1265.40 1518.10 371.08 877.90 500.37 6466.86 5245.62 6241.88

91 QG840 4371.84 3516.48 4218.72 1.83 107.87 11.12 6431.52 7287.11 6727.86

92 QG9571 4371.84 3516.48 4218.72 0.80 51.97 5.35 4946.57 4528.42 4860.14

93 QG842 4371.84 3516.48 4218.72 3.46 109.95 16.37 6887.99 6929.66 6985.29

94 QG841 4371.84 3516.48 4218.72 33.72 296.68 69.94 6633.71 6203.78 6557.28

95 QG9572 4371.84 3516.48 4218.72 134.06 703.22 236.13 1559.29 1303.22 1509.57

96 QG843 4371.84 3516.48 4218.72 285.44 1221.90 499.72 1557.63 1282.89 1506.55

97 QG860 6466.68 5201.46 6240.19 412.44 1748.47 699.03 1756.90 1977.54 1830.57

98 QG861 6466.68 5201.46 6240.19 3405.91 5986.77 4115.97 1557.19 1269.52 1503.58

99 QG862 6466.68 5201.46 6240.19 194.00 1127.58 349.45 1588.11 1454.56 1559.55

100 QG863 6466.68 5201.46 6240.19 0.18 44.16 1.69 2198.36 2040.23 2174.94

101 QG870 4868.64 3916.08 4698.12 1562.88 3371.03 2029.74 2201.18 2015.63 2172.19

102 QG871 4868.64 3916.08 4698.12 77.93 612.34 162.02 2158.12 1909.43 2115.42

103 QG9631 6466.68 5201.46 6240.19 421.31 1728.20 745.09 2170.33 1971.76 2139.31

104 QG9632 6466.68 5201.46 6240.19 167.03 1002.32 317.09 8143.97 8918.41 8414.30

a

Operating cost = kapasitas armada × jarak × CASM; b Total cost₌operating cost + total spill cost

(30)

Lampiran 4 Data biaya pendukung untuk untuk penghitungan total spill cost

No. Flight no. Expected passenger spill Expected spill cost

A320 B737_300 B737_400 A320 B737_300 B737_400

1 QG850 11.44 31.35 16.44 1048.83 2873.28 1506.60

2 QG854 15.54 36.73 21.19 1424.04 3366.56 1941.64

3 QG9743 1.61 10.14 3.20 147.55 928.97 293.65

4 QG852 13.13 33.67 18.18 1202.96 3086.14 1666.12

5 QG855 24.64 49.36 31.09 2257.84 4523.93 2849.46

6 QG9744 5.69 21.19 8.99 521.25 1942.18 823.69

7 QG853 6.91 22.91 10.85 633.56 2099.99 994.72

8 QG851 15.64 37.07 21.28 1433.56 3397.18 1950.18

9 QG830 8.96 26.87 13.74 1161.29 3482.38 1780.58

10 QG832 21.25 45.70 27.82 2753.72 5922.10 3605.32

11 QG836 9.75 28.39 13.94 1263.12 3679.86 1806.77

12 QG834 7.01 23.36 10.70 907.92 3026.90 1386.61

13 QG831 26.64 52.00 33.41 3452.82 6738.63 4329.46

14 QG837 15.38 37.08 21.17 1993.01 4805.56 2744.21

15 QG833 8.01 25.57 11.98 1038.26 3314.47 1553.17

16 QG835 0.01 0.74 0.08 1.80 95.59 10.45

17 QG9315 1.73 10.72 3.40 68.00 421.33 133.79

18 QG9316 0.04 1.39 0.16 1.71 54.75 6.22

19 QG815 0.56 5.51 1.25 57.67 571.60 130.15

20 QG811 1.49 13.49 3.36 155.01 1400.55 348.92

(31)

A320 B737_300 B737_400 A320 B737_300 B737_400

21 QG801 27.80 59.03 37.64 2886.05 6127.03 3907.37

22 QG803 2.01 11.64 3.78 208.49 1208.41 392.53

23 QG805 0.11 1.66 0.28 10.96 172.18 29.32

24 QG813 15.67 42.63 22.90 1626.96 4425.34 2377.24

25 QG817 1.30 8.42 2.32 134.50 874.28 240.97

26 QG807 2.84 15.66 5.61 295.22 1625.05 582.04

27 QG809 0.73 8.23 2.01 76.13 854.41 208.78

28 QG816 2.85 16.76 5.85 295.88 1739.95 607.71

29 QG800 7.72 28.99 12.66 801.69 3008.78 1313.98

30 QG802 0.07 2.02 0.22 7.44 209.32 22.38

31 QG810 0.27 2.31 0.57 28.42 239.76 58.96

32 QG804 0.36 3.37 0.76 37.62 349.80 78.73

33 QG808 1.57 7.73 2.76 162.52 802.30 286.41

34 QG812 2.15 10.91 3.71 223.58 1132.60 384.89

35 QG806 6.00 20.90 9.74 622.95 2169.83 1010.83

36 QG814 3.41 12.78 5.15 354.20 1326.20 534.81

37 QG712 0.06 1.03 0.14 8.65 137.20 18.74

38 QG9843 0.16 2.52 0.44 21.64 335.92 59.18

39 QG844 0.03 0.62 0.10 4.33 82.35 13.38

40 QG713 0.01 0.52 0.04 0.72 69.31 4.81

41 QG9321 5.09 24.19 9.18 215.91 1026.95 389.88

42 QG9322 6.52 22.79 10.29 276.70 967.41 436.68

(32)

A320 B737_300 B737_400 A320 B737_300 B737_400

43 QG972 1.62 8.77 2.86 139.60 753.94 246.24

44 QG970 10.75 28.83 15.56 923.59 2477.98 1337.07

45 QG973 0.48 4.04 1.20 41.47 346.89 102.96

46 QG971 18.45 41.43 25.02 1585.82 3561.20 2150.72

47 QG9551 4.84 17.58 7.85 244.02 885.85 395.78

48 QG9552 0.84 5.74 1.55 42.38 289.33 77.99

49 QG9541 3.50 12.78 5.36 195.09 713.03 298.95

50 QG9542 10.91 32.25 16.79 608.76 1799.83 937.09

51 QG9523 5.81 17.26 8.61 239.51 712.18 355.02

52 QG9524 0.86 7.02 1.95 35.45 289.64 80.58

53 QG9533 9.53 34.53 15.74 348.77 1263.68 576.24

54 QG9534 3.97 14.56 6.42 145.38 532.92 234.88

55 QG936 3.67 17.43 6.61 318.48 1511.57 572.87

56 QG822 0.51 4.41 1.12 44.38 382.35 97.53

57 QG937 0.33 3.36 0.69 28.38 291.10 59.55

58 QG823 5.09 24.19 9.18 215.91 1026.95 389.88

59 QG9243 6.52 22.79 10.29 276.70 967.41 436.68

60 QG9244 1.62 8.77 2.86 139.60 753.94 246.24

61 QG642 0.01 0.67 0.05 0.26 18.91 1.31

62 QG644 0.11 2.13 0.31 3.12 60.16 8.77

63 QG646 0.04 1.29 0.18 1.17 36.25 5.21

64 QG643 8.35 30.27 13.70 235.59 853.48 386.41

(33)

A320 B737_300 B737_400 A320 B737_300 B737_400

65 QG645 0.02 0.73 0.06 0.65 20.52 1.72

66 QG647 1.31 8.45 2.40 37.02 238.22 67.57

67 QG664 2.15 10.03 3.71 82.82 386.60 142.95

68 QG660 2.23 9.28 3.62 86.14 357.66 139.71

69 QG665 0.92 6.04 1.89 35.48 232.72 72.93

70 QG661 1.29 7.94 2.62 49.84 306.05 101.03

71 QG923 11.46 31.43 16.27 1437.52 3941.94 2040.78

72 QG921 0.14 2.78 0.39 18.15 348.11 49.00

73 QG920 0.00 0.44 0.01 0.08 55.39 1.86

74 QG922 0.05 1.50 0.15 6.26 187.67 18.21

75 QG914 0.19 3.37 0.45 8.46 149.78 19.82

76 QG910 1.35 9.38 2.67 59.85 416.34 118.57

77 QG912 5.06 18.95 8.11 224.67 841.47 359.98

78 QG915 2.83 13.97 5.08 125.52 620.45 225.47

79 QG911 0.00 0.20 0.01 0.07 8.98 0.37

80 QG913 0.70 6.49 1.61 31.28 288.19 71.41

81 QG882 9.95 28.83 14.39 614.77 1781.93 889.36

82 QG883 0.05 1.46 0.19 3.32 90.06 12.05

83 QG931 17.70 40.19 23.88 740.66 1682.13 999.23

84 QG929 3.74 16.39 6.38 156.59 685.94 266.98

85 QG930 0.25 3.79 0.64 10.35 158.44 26.95

86 QG928 2.35 12.96 4.59 98.32 542.48 192.04

(34)

A320 B737_300 B737_400 A320 B737_300 B737_400

87 QG932 19.08 43.32 25.37 543.66 1234.73 722.92

88 QG934 2.20 12.97 4.20 62.60 369.70 119.78

89 QG933 0.64 6.30 1.45 18.18 179.64 41.19

90 QG935 15.32 36.24 20.65 436.56 1032.83 588.67

91 QG840 0.03 1.60 0.17 2.15 126.91 13.09

92 QG9571 0.01 0.77 0.08 0.94 61.14 6.30

93 QG842 0.05 1.63 0.24 4.08 129.35 19.26

94 QG841 0.50 4.41 1.04 39.67 349.04 82.28

95 QG9572 1.99 10.45 3.51 157.71 827.32 277.80

96 QG843 4.24 18.15 7.42 335.82 1437.53 587.91

97 QG860 4.14 17.56 7.02 485.23 2057.02 822.39

98 QG861 34.20 60.12 41.33 4006.95 7043.26 4842.32

99 QG862 1.95 11.32 3.51 228.24 1326.56 411.11

100 QG863 0.00 0.44 0.02 0.21 51.96 1.99

101 QG870 20.85 44.97 27.07 1838.68 3965.92 2387.92

102 QG871 1.04 8.17 2.16 91.69 720.40 190.62

103 QG9631 4.23 17.36 7.48 495.66 2033.17 876.58

104 QG9632 1.68 10.07 3.18 196.50 1179.20 373.04

(35)

Lampiran 5 Program LINGO 11.0 untuk formulasi masalah

SRG(2), BKS(2), DJB(2), PGK(2), TJQ(2), BDJ(2), MLG(2), JOG(2), LOP(4), PLM(4), UPG(4), BPN(6), PKU(8), MES(10), PDG(10), DPS(13), BTH(24), SUB (32), CGK(66);

@FOR(FLEET(J):@FOR(NODES(K)|K#EQ#2:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J))

=G(K,J)));

@FOR(FLEET(J):@FOR(NODES(K)|K#EQ#8:G(k-1,J)+@SUM(FLIGHT(I):S(I,K)*X(I,J)

)=G(K,J)));

@FOR(FLEET(J):@FOR(NODES(K)|K#GE#18#AND#K#LE#20:G(K-1,J)+@SUM(FLIGHT(I):

S(I,K)*X(I,J))=G(K,J)));

(36)

28

S(I,K)*X(I,J))=G(K,J)));

@FOR(FLEET(J):@FOR(NODES(K)|K#GE#101#AND#K#LE#131:G(K-1,J)+@SUM(FLIGHT(I)

:S(I,K)*X(I,J))=G(K,J)));

@FOR(FLEET(J):@FOR(NODES(K)|K#GE#133#AND#K#LE#197:G(K-1,J)+@SUM(FLIGHT(I)

:S(I,K)*X(I,J))=G(K,J)));

@WRITE('Total Biaya =',TOTAL_BIAYA,@NEWLINE(1)); ENDCALC

DATA:

@TEXT() = 'Penjadwalan armada pesawat terbang:';

@TEXT() = @TABLE(X);

@OLE('C:\Users\Toshiba\Desktop\lingoSole.XLSX','M')=TOTAL_BIAYA;

@OLE('C:\Users\Toshiba\Desktop\lingoSole.XLSX','G')=G;

(37)

(38)

(39)

(40)

Lampiran 7 Hasil fleet assignment

No. Flight no. Origin-destination (OD) Waktu Jenis

armada No. Flight no.

Origin-destination

(OD) Waktu

Jenis armada

1 QG850 CGK - DPS 07:40-10:25 A320 23 QG805 CGK - SUB 13:40-15:00 B737-300

2 QG854 CGK - DPS 11:20-14:05 A320 24 QG813 CGK - SUB 16:15-17:30 A320

5 QG855 DPS - CGK 15:20-16:05 A320 27 QG809 CGK - SUB 21:40-22:55 B737-300

6 QG9744 DPS - CGK 16:35-17:20 A320 28 QG816 SUB - CGK 05:00-06:30 A320

7 QG853 DPS - CGK 19:45-20:30 A320 29 QG800 SUB - CGK 05:55-07:15 A320

8 QG851 DPS - CGK 20:30-21:15 A320 30 QG802 SUB - CGK 09:40-11:05 B737-300

9 QG830 CGK - MES 05:55-08:10 A320 31 QG810 SUB - CGK 10:40-12:00 B737-300

13 QG831 MES - CGK 08:40-10:55 A320 35 QG806 SUB - CGK 20:55-22:15 A320

14 QG837 MES - CGK 09:30-11:45 A320 36 QG814 SUB - CGK 21:55-23:25 B737-300

15 QG833 MES - CGK 18:50-21:05 A320 37 QG712 CGK - UPG 05:50-09:35 B737-300

16 QG835 MES - CGK 20:10-22:25 B737-300 38 QG9843 CGK - UPG 14:55-18:20 B737-300

17 QG9315 CGK - SRG 16:30-17:45 B737-400 39 QG844 UPG - CGK 09:50-11:20 B737-300

18 QG9316 SRG - CGK 18:15-19:30 B737-400 40 QG713 UPG - CGK 19:45-21:10 B737-300

19 QG815 CGK - SUB 04:10-05:35 B737-300 41 QG9321 CGK - JOG 16:10-17:25 A320

20 QG811 CGK - SUB 06:10-07:30 B737-400 42 QG9322 JOG - CGK 18:05-19:20 A320

21 QG801 CGK - SUB 07:50-09:10 A320 43 QG972 CGK - PDG 07:35-09:20 B737-300

22 QG803 CGK - SUB 11:35-12:55 B737-300 44 QG970 CGK - PDG 17:50-19:35 A320

(41)

(OD) Waktu

45 QG973 PDG - CGK 09:55-11:40 B737-300 68 QG660 SUB - LOP 15:25-17:30 B737-300

46 QG971 PDG - CGK 20:10-21:55 A320 69 QG665 LOP - SUB 08:30-08:35 B737-300

47 QG9551 CGK - BKS 07:20-08:35 A320 70 QG661 LOP - SUB 18:05-18:10 B737-300

48 QG9552 BKS - CGK 09:15-10:30 A320 71 QG923 SUB - BTH 09:15-11:30 A320

49 QG9541 CGK - DJB 11:00-12:15 A320 72 QG921 SUB - BTH 14:30-16:45 B737-300

50 QG9542 DJB - CGK 11:25-14:05 A320 73 QG920 BTH - SUB 11:50-14:05 B737-300

51 QG9523 CGK - PGK 09:40-10:45 A320 74 QG922 BTH - SUB 17:10-19:25 B737-300

52 QG9524 PGK - CGK 11:20-12:25 A320 75 QG914 BTH - PDG 10:30-11:35 A320

53 QG9533 CGK - TJQ 05:55-06:55 A320 76 QG910 BTH - PDG 13:20-14:25 B737-300

54 QG9534 TJQ - CGK 07:30-08:30 A320 77 QG912 BTH - PDG 16:40-17:45 A320

55 QG936 CGK - PKU 05:30-07:25 B737-300 78 QG915 PDG - BTH 12:05-13:10 A320

56 QG822 CGK - PKU 15:45-17:35 B737-300 79 QG911 PDG - BTH 14:55-16:00 B737-300

57 QG937 PKU - CGK 07:55-09:40 B737-300 80 QG913 PDG - BTH 18:15-19:20 A320

58 QG823 PKU - CGK 19:10-21:00 B737-300 81 QG882 MES - BTH 14:55-16:15 A320

59 QG9243 CGK - MLG 12:10-13:40 B737-300 82 QG883 BTH - MES 16:40-18:00 B737-300

60 QG9244 MLG - CGK 14:05-15:35 B737-300 83 QG931 BTH - PLM 07:30-08:30 A320

61 QG642 SUB - DPS 08:00-09:50 B737-300 84 QG929 BTH - PLM 16:30-17:30 A320

62 QG644 SUB - DPS 13:20-15:10 A320 85 QG930 PLM - BTH 09:00-10:00 A320

63 QG646 SUB - DPS 18:15-20:05 A320 86 QG928 PLM - BTH 18:00-19:00 A320

64 QG643 DPS - SUB 10:15-10:05 B737-300 87 QG932 BTH - PKU 10:40-11:30 A320

65 QG645 DPS - SUB 12:15-12:05 A320 88 QG934 BTH - PKU 13:40-14:30 A320

66 QG647 DPS - SUB 15:55-15:45 A320 89 QG933 PKU - BTH 12:00-12:50 A320

67 QG664 SUB - LOP 05:40-07:45 B737-300 90 QG935 PKU - BTH 15:20-16:10 A320

(42)

(OD) Waktu

91 QG840 CGK - BTH 06:30-08:10 B737-300 98 QG861 BPN - CGK 14:50-15:55 A320

92 QG9571 CGK - BTH 10:30-12:10 B737-300 99 QG862 CGK - BPN 17:00-20:05 B737-300

93 QG842 CGK - BTH 12:05-13:45 B737-300 100 QG863 BPN - CGK 20:35-21:40 B737-300

94 QG841 BTH - CGK 08:40-10;20 A320 101 QG870 CGK - BDJ 12:40-15:20 A320

95 QG9572 BTH - CGK 13:10-14:50 A320 102 QG871 BDJ - CGK 15:50-16:30 A320

96 QG843 BTH - CGK 14:15-15:55 B737-300 103 QG9631 CGK - BPN 04:45-07:55 A320

97 QG860 CGK - BPN 10:50-13:55 A320 104 QG9632 BPN - CGK 08:40-09:55 A320

(43)

RIWAYAT HIDUP

Penulis lahir di Bogor pada tanggal 28 April 1991 sebagai anak keempat dari lima bersaudara, dari pasangan Bapak Nagasakti Fransiskus Kaperus Sinaga dan Ibu Jeniar Tampubolon. Tahun 2009 penulis lulus dari SMA Negeri 2 Bogor dan pada tahun yang sama penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) melalui jalur Undangan Seleksi Masuk IPB dan diterima di Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam.