Paul Rose Revenue Management Ltd. Santi Purwantini

(1)

Paul Rose Revenue Management Ltd

Santi Purwantini 2508 100 006

(2)

Mengalokasi kan persediaan Memprediksi

perilaku konsumen

Mengoptimal kan harga

Revenue Management

Memaksimalkan pendapatan dengan mengelola permintaan (Philips, 2005) melalui strategi penetapan harga dan

pengalokasian kapasitas (Kimes, 2000).

Revenue Management

(3)

Airlines Revenue Management

Kursi pesawat = Perishable product, nilai produk naik turun secara drastis dan sisa kursi tidak dapat disimpan.

Pengelolaan seat –inventory control (Bazargan, 2010).

Persaingan pada Low Cost Carrier (Philips, 2005) & pada penerbangan paralel

Strategi Penetapan Harga : Dynamic Pricing

“selling the right product to the right customers at the right prices and the right time” (Ian Yeoman, dkk, 2011)

Airlines Revenue Management

(4)

CUSTOMER CHOICE

07 : 00 08 : 00

Flight A

Flight B Jam Keberangkatan

Penerbangan Paralel:

• Melayani rute yang sama serta bersifat single leg

• Jam keberangkatan berbeda namun berdekatan

• Kebijakan Penerbangan A akan mempengaruhi kebijakan penerbangan B Customer Choice

Time Sensitive Price Sensitive

Tipe 1 Tipe 2

Tipe 3 Tipe 4

Penerbangan Paralel

Balobaba, dkk (1999)

(5)

Dynamic Pricing dalam Revenue Management

Quantity Based Price Based

1. Menentukan harga tiket secara dinamis berdasarkan waktu dan persediaan kursi

2. Menentukan harga tiket secara dinamis dengan mempertimbangkan harga tiket kompetitor

Dynamic Pricing with competition

Talluri dan Van Ryzin, 2004

Dynamic Pricing

(6)

Price Based

Quantity based

Price & Quantity Based RM

(7)

“Penerbangan bertarif rendah”

Tidak ada kelas bisnis (hanya kelas ekonomi)

Mengoperasikan 1 tipe pesawat

Menerapkan Sub classes

Tidak ada layanan tambahan

Point to point

Low Cost Carrier

(8)

PENGEMBANGAN MODEL PENETAPAN HARGA TIKET PESAWAT TERBANG UNTUK PENERBANGAN PARALEL PADA LOW COST

CARRIER DENGAN MEMPERTIMBANGKAN

HARGA TIKET KOMPETITOR DAN PERSEDIAAN KURSI

Dynamic price competition with discrete customer choice

(Lin & Sibdari, 2009)

Dynamic pricing under competition

(Li & Hua, 2007)

Dynamic price competition with fixed capacity

(Mart & Talluri, 2010)

Penelitian yang dilakukan

(9)

Lin & Sibdari (2009)

Li & Hua (2007)

Mart & Talluri (2010)

Objective function

Total expected revenue    

Decision Variabel

Price    

Demand intensity 

Flight options

Two flight with competition  

Time Based

Continous  

Discrete  

Others Parameter

Competition   

Passenger choice behaviour 

Based on quality of airlines 

Model Characteristic Penelitian

ini Penelitian Terdahulu

Posisi Penelitian

(10)

Posisi Penelitian

(11)

Bagaimana mengembangkan model pada penelitian sebelumnya menjadi model penetapan harga tiket

pesawat terbang untuk penerbangan paralel pada low cost carrier dengan mempertimbangkan harga

tiket kompetitor dan persediaan kursi

Rumusan Masalah

(12)

1. Menghasilkan model dynamic pricing untuk penerbangan paralel berbasis persediaan kursi dan waktu dengan mempertimbangkan penetapan harga kompetitor.

2. Membandingkan model dynamic pricing berbasis persediaan kursi dengan model dynamic pricing persediaan kursi dan waktu melalui parameter ekspektasi pendapatan.

3. Mengetahui pengaruh alokasi kursi terhadap penetapan harga yang optimal dengan melihat ekspektasi pendapatan.

4. Mengetahui pengaruh penetapan harga terhadap pendapatan dengan melihat ekspektasi pendapatan.

Tujuan Penelitian

(13)

• Model dynamic pricing yang dikembangkan dapat menjadi acuan bagi perusahaan penerbangan dalam menentukan harga tiket yang akan dibuka dalam menghadapi persaingan yang semakin ketat.

• Mengisi gap penelitian di bidang dynamic pricing competition airlines revenue management.

• Menjadi referensi atau rujukan penelitian selanjutnya di bidang dynamic pricing competition airlines revenue management.

Manfaat Penelitian

(14)

1) Penelitian kali ini merupakan penelitian yang bersifat teoritis, bukan berdasarkan studi kasus tertentu.

2) Model yang dikembangkan pada penelitian ini hanya

berfokus untuk kasus penerbangan paralel yang berbasis kompetisi antara dua maskapai LCC.

3) Kedua perusahaan penerbangan melayani penerbangan melalui rute dari satu origin ke satu destination (single leg) yang sama.

4) Model yang dikembangkan tidak memperhatikan no-show, cancellation, dan overbooking.

Batasan Penelitian

(15)

1. Model yang dikembangkan hanya mempertimbangkan perilaku calon penumpang yang memilih penerbangan berdasarkan harga saja (konsumen tipe 3), tidak mempertimbangkan preferensi lainnya seperti jadwal keberangkatan, pelayanan, dan lain sebagainya.

2. Pada setiap event pembelian hanya akan terjadi satu transaksi untuk satu kursi penerbangan.

3. Model yang dikembangkan tidak mempertimbangkan perilaku calon penumpang yang melakukan pemesanan tiket melalui travel agent.

4. Pada event yang ditentukan seluruh kapasitas kursi yang terjual pada model telah memenuhi load factor minimum untuk kedua penerbangan.

5. Segala informasi mengenai sisa kursi serta harga kelas yang dibuka oleh kompetitor pada waktu t diketahui.

Asumsi Penelitian

(16)

Pengembangan dan Formulasi Model

Pembuatan Algoritma

Pembuatan Skenario 1

. Mengikuti 2. Merespon

Percobaan Numerik

Parameter Input : waktu pembukaan

kelas harga & Sisa Kursi

Kesimpulan & Saran

START

END

Metodologi Penelitian

(17)

Deskripsi Model

0 T

P

^A

*

t

Optimasi harga untuk memaksimalkan total pendapatan penerbangan A

Harga akan bergantung pada harga kompetitor (B) waktu (t), dan sisa kursi

penerbangan (nA dan nB)

T+1

Terdapat 3 kondisi sisa kursi :

nA=0 dan nB=0 nA>0 dan nB=0 nA>0 dan nB>0 Selling horizon dibagi menjadi 4

periode waktu perubahan kelas

harga

(18)

Deskripsi Model

Objective Function

• Maksimum ekspektasi pendapatan Decision Variable

• Harga Penerbangan A

1. Model diselesaikan dengan metode dynamic programming.

2. Perhitungan dimulai dari T+1 (keberangkatan) dan secara berturut-turut mundur hingga T=0.

3. Hasil pada suatu event akan digunakan sebagai input untuk diakumulasikan pada event sebelumnya.

4. Terdapat 2 kemungkinan yang terjadi dalam setiap event

(19)

Penerbangan Maskapai A

Penerbangan Maskapai B Rp. 750.000/seat

Rp. 850.000/seat

Kustomer

Tipe 3

qA qB = 0

Deskripsi Model (event 1)

(20)

Penerbangan Maskapai A

Penerbangan Maskapai B Rp. 1.000.000/seat

Rp. 850.000/seat

Kustomer

Tipe 3

q0

q0 + qA + qA’ =1 qA’ = qA menjadi qB

Deskripsi Model (event 2)

(21)

Koefisien kelas harga:

Peluang Penerimaan

Kelas Harga Y B Q M

Y 0 0,1 0,2 0,3

B 0,1 0 0,1 0,2

Q 0,2 0,2 0 0,1

M 0,3 0,3 0,2 0

QA Y B Q M

Y 0,1 0 0 0

B 0,25 0,15 0 0 Q 3 0,25 0,3 0 M 0,35 0,3 0,35 0,35

QB Y B Q M

Y 0,1 0,25 0,3 0,35 B 0 0,15 0,25 0,3

Q 0 0 0,3 0,35

M 0 0 0 0,35

Peluang Penerimaan masing-masing penerbangan

(22)

• Koefisien harga : menyatakan perbandingan harga penerbangan A terhadap penerbangan B

• qA’ = peluang kustomer memilih penerbangan lain karena harga yang ditawarkan terlalu mahal.

• Harga dipilih dari alternatif kelas harga yang ditawarkan

Koefisien – Penerimaan Harga

Kedatangan Kustomer

λ₁ = 0,998 λ₂ = 0,986 λ₃ = 0,863 λ₄ = 0,5484

(23)

t : menunjukkan event pada selling horizon.

[0,T] : 0 menunjukkan awal selling horizon , sedangkan T menunjukkan akhir selling horizon.

T+1 : Event yang terjadi setelah selling horizon berakhir, yaitu pada saat waktu keberangkatan.

P : merupakan alternatif kelas harga yang akan dibuka. P = {p1,p2,....pk}, dimana p1 > p2 >.... > pk.

Pki : Kelas harga ke-k yang akan ditetapkan untuk penerbangan i. i

= {A,B}.

k : Koefisien pasangan harga salah satu penerbangan terhadap harga penerbangan lainnya.

Notasi Model

(24)

Cj : Kapasitas penerbangan j

qA(Pki) : Peluang kustomer menerima harga P yang ditetapkan untuk penerbangan A.

qB(Pki) : Peluang kustomer menerima harga P yang ditetapkan oleh penerbangan B.

qA’(Pki) : Peluang kustomer tidak menerima harga P yang ditetapkan untuk penerbangan A akibat harga yang ditetapkan oleh penerbangan B.

λl : Demand intensity pada periode l.

It : Kejadian pada waktu t. It = 1 apabila kejadian terjadi ; It = 0 apabila kejadian tidak terjadi.

R(t,nA,nB) : Ekspektasi pendapatan untuk penerbangan A selama selang waktu [t, T+1], jika kursi yang tersisa saat t, sebanyak nA dan nB.

Notasi Model

(25)

𝐔

_𝟏

𝐬

_𝟏

𝐬

_𝟐

Model dasar Lin & Sibdari (2009)

Pembelian tiket penerbangan A Pembelian tiket

penerbangan B Tidak membeli keduanya

Null Event

𝟎 𝒐𝒕𝒉𝒆𝒓𝒘𝒊𝒔𝒆

1 Model dasar Demand Intensity Li dan Hua (2007)

Model dasar Pricing

Mart dan Talluri (2010)

(27)

• Model pada event t < T+1 (selling horizon)

– Kondisi I (nA = nB = 0)

• Revenue = 0

– Kondisi II (nA > 0 ; nB = 0)

Formulasi Model Penelitian

R_t(n_A, n_B)

= 𝒎𝒂𝒙

𝒑𝑨𝝐𝑷 𝝀𝑰𝒕 𝒒𝑨 + 𝒒𝑨′ . 𝒑𝑨 + 𝑹^𝒕 𝒏_𝑨−𝟏, 𝟎 + 𝟏 − 𝒒𝑨 − 𝒒𝑨^′ . 𝑹_𝒕 𝒏_𝑨, 𝟎 + (𝟏 − 𝝀𝑰𝒕). 𝑹_𝒕 𝒏_𝑨, 𝒏_𝑩

,..

Pembelian tiket penerbangan A

Tidak membeli keduanya Null Event

_𝐴

, 𝑛

_𝐵

.

Pembelian tiket penerbangan A

Pembelian tiket penerbangan B Tidak membeli keduanya

Null Event

(29)

Flowchart

t = T+1

t = 0 t = T-1

NA > 0

ya

Stop

tidak

Start

Hitung Revenue periode t=T+1 untuk berbagai

kombinasi sisa kursi

B

A

(30)

Flowchart

NA > NB NB > 0

ya

Cari Harga Optimal utnuk penerbanan A dari alternatif

harga (pai< pbi)

Hitung Revenue untuk semua alternatif harga. Cari

harga penerbangan A yang memaksimalkan revenue

pada periode t ya

harga (pai)

pada periode t

NA = NB

tidak tidak

harga (pai< pbi)

pada periode t ya

NA < NB

A

B

(31)

Percobaan Numerik untuk Alokasi Kursi

• Alokasi kursi kedua penerbangan sama

• Alokasi kursi kedua penerbangan A > penerbangan B (low fare)

• Alokasi kursi kedua penerbangan A < penerbangan B (low fare)

Percobaan Numerik untuk Model Berbasis Persediaan

• Berbagai kombinasi sisa kursi pada akhir periode

Percobaan Numerik untuk Model Berbasis Persediaan dan waktu

• Kebijakan Penerbangan A mengikuti Kebijakan Penerbangan B (follower)

• Kebijakan Penerbangan A ditetapkan, berubah mengikuti Penerbangan B

Percobaan Numerik

(32)

`

Kelas Harga B Periode Kenaikan Kelas Harga B (t sebelum keberangkatan)

1 Rp. 1.000.000 120

2 Rp. 850.000 90

3 Rp. 750.000 60

4 Rp. 650.000 30

Kenaikan kelas harga event ke-

SISA KURSI

Percobaan 1 Percobaan 2 Percobaan 3 Flight A Flight B Flight A Flight B Flight A Flight B

90 10 4 10 8 1 5

60 18 16 17 12 13 13

30 23 24 24 24 20 22

Periode kenaikan kelas harga penerbangan A`

Periode kenaikan kelas harga

penerbangan B Kelas

120 120 1

100 90 2

80 60 3

45 30 4

Parameter percobaan Numerik

(33)

Hasil Percobaan Numerik (1)

Kelas Harga (Rp) Alokasi Kursi Skenario 1 Flight A Flight B

Rp 1,000,000 15 15

Rp 850,000 5 5

Rp 750,000 5 5

Rp 650,000 5 5

Revenue Rp26,500,000 Rp26,500,000

Kelas Harga (Rp)

Alokasi Kursi Skenario 2

Flight A Flight B Flight A Flight B

Rp 1,000,000 10 10 10 10

Rp 850,000 5 5 3 10

Rp 750,000 5 10 7 5

Rp 650,000 10 5 10 5

Revenue Rp24,500,000 Rp25,000,000 Rp24,300,000 Rp25,500,000

Kelas Harga (Rp)

Alokasi Kursi Skenario 3

Flight A Flight B Flight A Flight B

Rp 1,000,000 10 8 12 8

Rp 850,000 5 5 5 5

Rp 750,000 5 5 5 5

Rp 650,000 10 12 8 12

Revenue Rp24,500,000 Rp23,800,000 Rp25,200,000 Rp23,800,000

(34)

Ekspektasi

Pendapatan sisa kursi A sisa kursi B

Rp14.404.755 0 0

Rp14.449.686 1 0

Rp14.483.158 2 0

Rp14.404.755 0 1

Rp14.404.755 0 2

Hasil Percobaan Numerik (2)

0 1 2 3 4 5

0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120

Kelas harga

Waktu sebelum keberangkatan

0 1 2 3 4 5

0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119

Kelas harga

Waktu sebelum keberangkatan

(35)

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

1 1 3 3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

2 1 3 3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

3 1 3 3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

4 1 3 3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

5 1 3 3 3 3 3 4 4 4 4 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3

6 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

7 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

8 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

9 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

10 1 1 1 1 1 1 4 4 4 4 4 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

11 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

12 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

13 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

14 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

15 1 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

16 1 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

17 1 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

18 1 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

19 1 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

20 1 4 4 4 4 4 2 2 2 2 2 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

21 1 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

22 1 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

23 1 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

24 1 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

25 1 4 4 4 4 4 3 3 3 3 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

26 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

27 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

28 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

29 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

30 1 2 2 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2

Sisa Kursi A

Sisa Kursi B

Cont...

(36)

Jumlah

Alokasi Kursi Hasil Revenue

Pa4>Pb4 Revenue A < Revenue B Pa4<Pb4 Revenue A > Revenue B Pa4=Pb4 Revenue A = Revenue B Pa1 > Pb1 Revenue A > Revenue B

Cont...

apabila alokasi pada kedua penerbangan yang saling

berkompetisi diketahui dan memiliki jumlah alokasi kursi yang sama pada masing-masing kelas harga maka pendapatan kedua penerbangan tersebut akan sama. Dalam hal ini

tidak dipertimbangkan overbooking.

Dengan kata lain, apabila dalam suatu kompetisi didapatkan sharing

information secara utuh antara satu maskapai dengan maskapai lainnya, maka kebijakan penetapan harga terbaik adalah mencapai kondisi

equilibrium. Dimana pendapatan kedua maskapai sama-sama optimal.

(37)

0 1 2 3 4 5

0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120

Kelas Harga

Waktu Sebelum Keberangkatan Penerbangan A

Penerbangan B

Hasil Percobaan Numerik (3)

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B Rp13.777.333 0 0 Rp13.769.951 1 0 Rp13.756.069 2 0 Rp13.777.472 0 1 Rp13.777.561 0 2

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B Rp10.798.443 0 0 Rp10.797.647 1 0 Rp10.796.169 2 0 Rp11.374.787 0 1 Rp12.029.783 0 2

0 1 2 3 4 5

0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120

Kelas Harga

Penerbangan B

(38)

Hasil Percobaan Numerik (3)

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B Rp18.984.996 0 0 Rp18.664.471 1 0 Rp18.291.709 2 0 Rp19.742.303 0 1 Rp19.885.711 0 2

Flight A Flight B

120-90 10 4 3

89-60 18 16 4

59-30 23 24 1

0-30 2

Flight A Flight B

120-90 1 5 1

89-60 13 13 3

59-30 20 22 2

0-30 4

Periode

Periode Sisa kursi Kelas harga yang dibuka Sisa kursi Kelas harga yang

dibuka

(3)

(1) 0

1 2 3 4 5

0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120

Kelas Harga

Penerbangan B

0 1 2 3 4 5

0 8 16 24 32 40 48 56 64 72 80 88 96 104 112 120

Kelas Harga

Penerbangan B

(39)

Cont...

Keputusan penetapan harga di atas dipengaruhi oleh sisa kursi pada kedua penerbangan. Apabila selisih sisa kursi kedua penerbangan itu kecil atau sama, maka penerbangan A lebih baik membuka kelas harga dibawah kelas harga kompetitor. Hal ini bertujuan untuk menjaga kestabilan sisa kursi yang terjual, sehingga pada waktu selling horizon berakhir tidak ada lagi sisa kursi yang belum terjual.

Hasil perhitungan di atas menunjukkan bahwa model telah sesuai dengan

algoritma yang ditetapkan dan mampu menghasilkan penentuan harga

berdasarkan sisa kursi pada waktu tertentu. Namun, penentuan harga tidak

hanya berdasarkan sisa kursi pada kedua penerbangan. Penentuan harga

untuk mengakomodasi kustomer yang mau membeli tiket pada kelas harga

yang lebih tinggi juga harus dipertimbangkan. Oleh karena itu, penetapan harga

pada masing-masing periode dengan jumlah alokasi kursi pada kelas harga

tersebut akan menghasilkan ekspektasi pendapatan yang berbeda pula.

(40)

Hasil Percobaan Numerik (3)

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B Rp15.296.921 0 0 Rp15.989.130 1 0 Rp16.671.146 2 0 Rp15.844.309 0 1 Rp16.353.507 0 2

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B Rp15.296.921 0 0 Rp15.989.130 1 0 Rp16.671.146 2 0 Rp15.844.309 0 1 Rp16.353.507 0 2

0 1 2 3 4 5

1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121

Kelas Harga

Penerbangan B

0 1 2 3 4 5

1 9 17 25 33 41 49 57 65 73 81 89 97 105 113 121

Kelas Harga

Penerbangan B

(41)

Hasil Percobaan Numerik (3)

Ekspektasi Pendapatan

sisa kursi A

sisa kursi B

Rp15.433.159 0 0

Rp16.119.914 1 0

Rp16.771.421 2 0

Rp15.975.056 0 1

Rp16.477.774 0 2

0 1 2 3 4 5

1 7 13 19 25 31 37 43 49 55 61 67 73 79 85 91 97 103 109 115 121

Kelas Harga

Penerbangan B

Penetapan harga penerbangan A = penerbangan B

(42)

Cont...

Pada skenario kedua, penerbangan A menghasilkan nilai ekspektasi pendapatan yang lebih tinggi dibandingkan skenario pertama. Selisih antara skenario 1 berkisar antara 10-30% lebih tinggi dibanding skenario 2.

Skenario Percobaan 1 Percobaan 2 Percobaan 3

Follower Rp13.777.333 Rp10.798.443 Rp18.984.996

Responser Rp15.296.921 Rp15.296.921 Rp15.433.159

(43)

• Pada penelitian ini telah dikembangkan model dynamic pricing untuk penerbangan paralel berbasis persediaan kursi dengan

mempertimbangkan harga kompetitor dan persediaan kursi

• Model dynamic pricing berbasis persediaan dan waktu memberikan hasil ekspektasi pendapatan yang lebih baik, namun hanya berbeda 2% dibandingkan dengan dynamic pricing berbasis persediaan.

• Pengalokasian kursi berpengaruh terhadap penetapan harga yang optimal dan ekspektasi pendapatan. Persediaan jumlah kursi pada masing-masing kelas harga harus dialokasikan secara optimal sesuai dengan demand pada kelas harga tersebut.

• Penentuan kebijakan dalan menetapkan harga berpengaruh terhadap ekspektasi pendapatan. Penetapan harga sendiri kemudian secar

dinamis melakukan perubahan untuk merespon kompetitor

memberikan hasil ekspektasi pendapatan yang lebih baik. Dengan selisih antara 10-30%

Kesimpulan

(44)

(45)

Analisa Sensitivitas

• Sisa kursi dan harga kompetitor.

• Kombinasi sisa kursi di akhir periode masing- masing percobaan konsisten (00 > 01).

• Demand intensity, peluang penerimaan,

koefisien hanya mempengaruhi besarnya

pendapatan, bukan keputusan penentuan

harga.

(46)

event Percobaan 1 Percobaan 2 Percobaan 3

120 0,488311 no event 0 0 33 31 0,272227 no event 0 0 30 27 0,815968 2 0 1 35 25 119 0,657255 1 1 0 33 31 0,320371 no event 0 0 30 27 0,666371 1 1 0 35 24 118 0,190569 no event 0 0 32 31 0,644951 1 1 0 30 27 0,400915 no event 0 0 34 24 117 0,962359 1 1 0 32 31 0,807344 1 1 0 29 27 0,989989 2 0 1 34 24 116 0,252621 no event 0 0 31 31 0,400706 no event 0 0 28 27 0,384935 no event 0 0 34 23 115 0,739934 2 0 1 31 31 0,545009 2 0 1 28 27 0,44977 no event 0 0 34 23 114 0,816237 1 1 0 31 30 0,324521 no event 0 0 28 26 0,228688 no event 0 0 34 23 113 0,944929 1 1 0 30 30 0,220385 no event 0 0 28 26 0,261346 no event 0 0 34 23 112 0,902491 1 1 0 29 30 0,149307 no event 0 0 28 26 0,471564 no event 0 0 34 23 111 0,236361 no event 0 0 28 30 0,884729 1 1 0 28 26 0,563914 1 1 0 34 23 110 0,900352 1 1 0 28 30 0,844531 1 1 0 27 26 0,677535 2 0 1 33 23 109 0,397516 no event 0 0 27 30 0,047028 no event 0 0 26 26 0,500215 2 0 1 33 22 108 0,929848 2 0 1 27 30 0,370099 no event 0 0 26 26 0,250295 no event 0 0 33 21 107 0,868861 1 1 0 27 29 0,905261 1 1 0 26 26 0,831073 2 0 1 33 21 106 0,25027 no event 0 0 26 29 0,420782 no event 0 0 25 26 0,619993 2 0 1 33 20 105 0,59863 1 1 0 26 29 0,25236 no event 0 0 25 26 0,201042 no event 0 0 33 19 104 0,296456 no event 0 0 25 29 0,757061 1 1 0 25 26 0,279387 no event 0 0 33 19 103 0,826822 1 1 0 25 29 0,385744 no event 0 0 24 26 0,216654 no event 0 0 33 19 102 0,407652 no event 0 0 24 29 0,863724 2 0 1 24 26 0,879226 2 0 1 33 19 101 0,498407 no event 0 0 24 29 0,595655 2 0 1 24 25 0,757688 1 1 0 33 18 100 0,633757 2 0 1 24 29 0,063415 no event 0 0 24 24 0,472204 no event 0 0 32 18 99 0,040804 no event 0 0 24 28 0,910945 2 0 1 24 24 0,533975 1 1 0 32 18 98 0,424699 no event 0 0 24 28 0,739549 2 0 1 24 23 0,568115 1 1 0 31 18 97 0,05656 no event 0 0 24 28 0,058737 no event 0 0 24 22 0,194846 no event 0 0 30 18 96 0,806999 1 1 0 24 28 0,050742 no event 0 0 24 22 0,165762 no event 0 0 30 18 95 0,704974 1 1 0 23 28 0,583577 1 1 0 24 22 0,397081 no event 0 0 30 18 94 0,53974 1 1 0 22 28 0,133515 no event 0 0 23 22 0,180126 no event 0 0 30 18 93 0,566 2 0 1 21 28 0,804601 1 1 0 23 22 0,362787 no event 0 0 30 18 92 0,944074 2 0 1 21 27 0,861024 1 1 0 22 22 0,867573 1 1 0 30 18 91 0,616072 1 1 0 21 26 0,620175 1 1 0 21 22 0,638653 2 0 1 29 18 90 0,962683 2 0 1 20 26 0,398393 no event 0 0 20 22 0,543306 1 1 0 29 17

Generate Sisa Kursi

(47)

Follower (1)

P1 P2 P3 P4

(48)

Follower (1)

P1 P2 P3 P4

(49)

Follower (1) – simulasi seat allocation

0 1 2 3 4 5

0 6 12 18 24 30 36 42 48 54 60 66 72 78 84 90 96 102 108 114 120

Time-Quantity Based (Simulasi3)

0 1 2 3 4 5

0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119

Time-Quantity Based (Simulasi2)

0 1 2 3 4 5

0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119

Time-Quantity Based (Simulasi1) 0

1 2 3 4 5

0 7 14 21 28 35 42 49 56 63 70 77 84 91 98 105 112 119

Time-Quantity Based (Model)