Hak cipta dan penggunaan kembali:
Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis dan melisensikan ciptaan turunan dengan syarat yang serupa dengan ciptaan asli.
Copyright and reuse:
This license lets you remix, tweak, and build upon work
non-commercially, as long as you credit the origin creator
and license it on your new creations under the identical
terms.
BAB III
PELAKSANAAN KERJA PRAKTIK
3.1 Jadwal Kegiatan
Kerja praktik dilaksanakan dari tanggan 17 Juni 2019 sampai dengan 16 Agustus 2019 selama dua setengah bulan. Waktu kerja praktik adalah dari hari Senin sampai dengan Kamis, pukul 07.30 WIB sampai dengan pukul 16.30 WIB dan hari Jumat pukul 07.30 WIB sampai dengan pukul 17.00 WIB. Secara umum, kegiatan yang dilakukan selama kerja praktik adalah sebagai berikut:
Tabel 3.1 Kegiatan per satu minggu
Minggu ke- Deskripsi Pelaksanaan Kerja Praktik
1
Pengenalan terhadap sistem dan operasi divisi Operation Support (JKTOS)
Memasuki Divisi JKTOS
Membaca buku performansi pesawat terbang 2
Membaca buku performansi pesawat terbang Menyatukan Flight Plan 2018-2019
3 Revisi Flight Plan 2017-2019 4
Mempelajari istilah dalam penerbangan Mengerjakan Requp-Gamb
5
Mempelajari PFEI dan PFEE
Mengumpulkan data PFEI CGK-HND dan CGK-ICN 6
Mengumpulkan data PFEI CGK-HKG Membandingkan PFEI Airbus dan Boeing 7 Analisis PFEI
Minggu ke- Deskripsi Pelaksanaan Kerja Praktik Menyusun presentasi
8 Presentasi hasil
9 Revisi dan Presentasi ulang
3.2 Uraian Data dan Analisis
Data didalam PT Garuda Indonesia diambil secara langsung dari pesawat data tersebut diolah dan dikumpulkan menjadi Integrated data dalam bentuk spreadsheet. Integrated data terdiri dari data seluruh penerbangan Garuda
Indonesia selama satu bulan dengan seluruh jenis pesawat. Integrated data berisi seluruh data rencana penerbangan dalam bentuk Flight Plan dan data setelah penerbangan yang diambil dari pesawat dan Aircraft Flight Log (AFL) yang diisi oleh pilot sebelum dan setelah penerbangan. Selain AFL dan Flight Plan terdapat data yang langsung diambil dari pesawat untuk mengumpulkan data tersebut PT Garuda Indonesia (Persero) Tbk bekerja sama dengan perusahaan basis data yang bernama Sabre. File Integrated data setiap bulannya akan dikumpulan oleh PT Garuda Indonesia (Persero) Tbk dalam jangka waktu satu tahun Alur data integrated data dapat dilihat pada Gambar 3.1.
Dalam kerja praktik ini salah satu tugas yang diberikan adalah menyatukan flight plan yang berada di Integrated data tahun 2017 sampai 2019 dengan total
496.461 penerbangan.
Data yang disatukan adalah : 1. nomor registrasi pesawat, 2. nomor penerbangan, 3. bandara pemberangkatan, 4. bandara kedatangan, 5. bandara alternatif, 6. total bahan bakar,
7. bahan bakar yang digunakan,
8. bahan bakar yang digunakan saat pesawat lepas landas, 9. waktu penerbangan
Gambar 3.1. Diagram Alur
10. waktu menunggu landing.
Cara untuk mengambil data tersebut adalah melakukan eliminasi integrated data dan menghilangkan sementara data yang tidak diperlukan. Setelah
dieliminasi, langkah selanjutnya adalah menyatukan data tahun 2017 sampai data tahun 2019.
Selain tugas untuk menyatukan flight plan tahun 2017 sampai 2019, tugas lain adalah untuk menyamakan data penerbangan In sebanyak 309.640 penerbangan dengan data penerbangan Off sebanyak 408.700 penerbangan dari tahun 2017-2019 kedua data tersebut diberikan dalam bentuk text (txt) yang terdapat pada (Gambar 3.2).
Sebelum menyamakan dua data tersebut, terlebih dulu lakukan konversi dari bentuk text kedalam bentuk spreadsheet (Gambar 3.3). Perangkat lunak spreadsheet yang digunakan adalah Microsoft Office Excel. Setelah dikonversi,
untuk menyamakan dua spreadsheet tersebut fungsi yang digunakan adalah vlookup (vertical lookup), Fungsi ini digunakan untuk mencari data yang sama secara vertikal dari data satu dengan lainnya dan mengeluarkan keluaran sesuai yang diinginkan. Contoh vlookup terdapat pada Gambar 3.4.
Gambar 3.2 File txt In dan Off
Gambar 3.3 Konversi text ke spreadsheet
Sumber : (Convert a Text File or CSV File into an Excel Spreadsheet)
Gambar 3.4 Contoh Vlookup Sumber : (Vlookup Function)
Fungsi vlookup hanya dapat mencari data dalam satu kategori saja sedangkan untuk mencari data dengan berbagai kategori vlookup harus dibantu dengan helper (Gambar 3.5). Helper adalah gabungan dari semua kategori yang diperlukan. Dengan adanya Helper maka fungsi vlookup akan mencari data sesuai dengan kategori yang sudah ada di helper.
Gambar 3.5 Helper Vlookup
Karena penerbangan off lebih banyak dibanding dengan penerbangan in maka yang menjadi data acuan vlookup adalah data penerbangan off sedangkan data in digunakan sebagai hasil keluaran dari vlookup, oleh karena itu juga jika pada penerbangan in tidak ada pada penerbangan off maka vlookup tidak akan mengeluarkan hasil apapun atau N/A seperti ditunjukan pada Gambar 3.6.
Gambar 3.6 Data Akhir OFF dan IN
Selain tugas-tugas yang diberikan tersebut terdapat hasil yang ingin dicapai pada kerja praktik ini yaitu menentukan efisiensi bahan bakar yang digunakan untuk membawa beban per satuan jarak atau disebut sebagai Payload Fuel Energy Intensity (PFEI). Rumusan dari PFEI adalah banyaknya energi yang digunakan
untuk membawa beban dibagi dengan jarak. Karena PFEI menekankan efisiensi bahan bakar terhadap beban maka agar rute tidak berpengaruh terhadap bahan bakar maka diambil jarak terdekat antar dua lokasi yaitu dengan menarik garis lurus antar satu lokasi dengan lokasi lain atau dalam istilah aviasi disebut sebagai great circle distance ditunjukan pada Gambar 3.7. Satuan dari great circle distance adalah Nm (Nautical Miles).
Gambar 3.7 Great Circle Distance Sumber : (www.gisgeography.com)
Dalam dunia aviasi berat pesawat terdiri dari beberapa bagian mulai dari berat struktur sampai berat saat pesawat dioperasikan. Secara lengkap berat pesawat dapat dilihat pada Gambar 3.8
Gambar 3.8 Berat Operasional Pesawat (Sumber : Young, 2018)
berdasarkan Gambar 3.8 Payload ada diantara Dry Operationg Weight (DOW) dan Zero Fuel Weight (ZFW). DOW adalah berat pesawat tanpa adanya penumpang, bagasi, dan kargo tapi berat DOW sudah terdiri dari berat pilot, awak kabin, dan
peralatan kabin. Setelah DOW ditambah dengan Payload maka berat pesawat disebut ZFW yaitu keadaan dimana berat pesawat terdiri dari berat penumpang, awak kabin, kargo, dan bagasi tanpa adanya bahan bakar (Young, 2017). Oleh karena itu payload adalah berat penumpang dengan bagasinya dan ditambah dengan kargo. Berdasarkan penjelasan mengenai berat dan jarak maka Secara umum rumus PFEI adalah :
PFEI = 𝐹𝑢𝑒𝑙 𝐸𝑛𝑒𝑟𝑔𝑦 𝑃𝑎𝑦𝑙𝑜𝑎𝑑 𝑥 𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑒
(Young, 2017)
Cara untuk menentukan PFEI di Maskapai Garuda Indonesia membutuhkan data penerbangan periode tahun 2018. Data tersebut diperoleh dari Integrated data tahun 2018. Sampai bulan mei tahun 2019 PT Garuda Indonesia (Persero) Tbk mempunyai lima tipe pesawat mesin turbo jet yaitu :
1. Airbus 330-200 (A332), 2. CRJ 1000 (CRJ),
3. Boeing 737-800 (B738), 4. Boeing 777-300 (B773), 5. Airbus 330-300 (A333).
Dari kelima tipe pesawat tersebut PFEI yang dicari yaitu PFEI dari tipe pesawat Airbus A332 dan B738 dari Cengkareng menuju Hongkong selama periode tahun 2018. Pemilihan rute Cengkareng-Hongkong karena rute tersebut
mempunyai intensitas jumlah pemakaian pesawat A332 dan B738 yang sama oleh karena itu perbedaan jumlah data tidak terlalu besar. Sebelum mengambil data yang diperlukan untuk menghitung PFEI diperlukan filterisasi integrated data bagian aircraft_type sesuai dengan tipe pesawat, dalam integrated data pesawat Airbus
A330-200 disingkat menjadi 332 sedangkan pesawat Boeing 737-800 disingkat 738. Data payload diambil dari integrated data bagian ls_payload. Ls adalah singkatan dari load sheet yaitu lampiran yang menunjukan jumlah berat yang dibawa pesawat secara keseluruhan (Load and Trim Sheets) seperti pada Gambar 3.9.
Gambar 3 9. Contoh Load Sheet Sumber : (Weight and Balance, 2011)
Data jarak diambil dari integrated data bagian fp_gc (flight plan great circle) satuan dari fp_gc adalah nm (nautical mile) karena perhitungan PFEE
menggunakan satuan internasional maka jarak nm dikonversi menjadi km dengan perbandingan 1 nm = 1.85 km. Selama payload dibawa pada saat bandara keberangkatan (depature) sampai bandara kedatangan (arrival) maka data energi bahan bakar yang dipakai adalah data dari integrated data bagian afl_fuelburn (aircraft flight log fuel burn). Afl_fuelburn adalah hasil pengurangan dari indicator bahan bakar di bandara keberangkatan (afl_fuel_indicator_dep) dan indicator bahan bakar di bandara kedatangan (afl_fuel_indicator_arr). Satuan dari afl_fuelburn adalah kg maka untuk diubah kedalam energi dibutuhkan ketetapan
energi yang dikeluarkan oleh bahan bakar yang digunakan pesawat atau disebut sebagai Fuel Heating Value. Menurut pihak Operation Support Fuel (OSF) Garuda Indonesia, bahan bakar yang digunakan oleh maskapai Garuda Indonesia adalah Jet A-1 yang termasuk dalam klasifikasi bahan bakar kerosene.
Tabel 3.2. Typical Heating Value bahan bakar pesawat Sumber : (Young, 2017)
Fuel Type Typical Density at 15 °C (60°F)
Typical Heating Value
Per unit mass Per unit volume Kerosene 0.810 kg/L 43.28 MJ/kg 35.06 MJ/L Wide Cut 0.762 kg/L 43.54 MJ/kg 33.18 MJ/L
Berdasarkan Tabel 3.2 bahwa kerosene mempunyai heating value sebesar 43.28 𝑀𝐽⁄𝑘𝑔 yang artinya setiap satu kilogram bahan bakar kerosene terbakar maka menghasilkan 43.28 MJ energi, oleh karena itu untuk menentukan energi bahan bakar yang dipakai adalah:
Fuel Energy = Afl_fuelburn x 43.28 𝑀𝐽⁄𝑘𝑔
selain data jarak, payload, dan bahan bakar ada beberapa data yang juga diambil untuk mendukung PFEI. Data yang diambil adalah integrated data bagian ls_count_pax (load sheet count passenger) yaitu data mengenai jumlah penumpang
yang ada di dalam sebuah penerbangan data tersebut dibutuhkan untuk mengetahui keterisisan dari sebuah pesawat.
Setelah melakukan filter integrated data pada tahun 2018 terdapat 184 penerbangan menggunakan pesawat A332 dan 290 penerbangan menggunakan pesawat B738 dari Cengkareng ke Hongkong, karena jarak yang digunakan adalah jarak great circle distance antara cengkareng dan hongkong maka jarak di kedua PFEI sama yaitu 1758 nauticalmile atau sama dengan 3253.3 kilometer. Data rata-
rata payload dan energi bahan bakar dari kedua pesawat dapat dilihat pada tabel berikut ini
Tabel 3.3. PFEI
Payload (kg) Fuel Burn
(kg) Energi (Mj) Jarak(km) PFEI
A332 21677.10 23901.8 1034558.8 3252.3 14.67
B738 13364.28 12661.17 547975.5 3252.3 12.60
Dari tabel tersebut PFEI Airbus pada kasus ini lebih tinggi dibanding dengan Boeing, artinya untuk membawa satu kilogram beban dengan jarak yang sama Airbus membutuhkan energi yang lebih besar dibanding dengan pesawat boeing.
Perhitungan ini tidak menarik kesimpulan bahwa secara keseluruhan pesawat Airbus lebih boros dibanding pesawat Boeing. Perhitungan potensi PFEI maksimal dari suatu pesawat menggunakan maksimal payload. Maksimal payload
dapat dicari dari maksimal zero fuel weight di kurang dry operating weight.
Maksimal zero fuel weight pesawat A332 adalah 170.000 kg (Airbus) sedangkan maksimal zero fuel weight pesawat B738 adalah 61.688 kg (airlines-inform) sedangkan dry operating weight diambil dari integrated data bagian ls_dow. Oleh karena itu nilai PFEI menggunakan maksimal payload terdapat pada tabel berikut:
Tabel 3.4. PFEI Maksimal Payload
Payload (kg)
Fuel Burn rata
rata(kg) Energi (Mj) Jarak(km) PFEI
A332 45668 23901.8 1034558.8 3252.3 6.96
B738 17479 12661.17 545840.9 3252.3 9.60
Berdasarkan tabel diatas PFEI A332 lebih kecil dibanding B738 artinya jika pesawat A332 diisi payload maksimal penggunaan bahan bakar lebih efisien dibanding pesawat B738.
Salah satu faktor penyebab nilai PFEI Airbus lebih kecil dibanding Boeing di maskapai Garuda Indonesia adalah keterisian dari setiap penerbangan. Keterisian adalah perbandingan antara jumlah maksimal penumpang atau disebut Available Seat Kilometer (ASK) dibagi dengan jumlah penumpang saat penerbangan atau
disebut sebagai Revenue Pax Kilometer (RPK) (Young, 2017). Secara umum rumusan dari keterisian adalah:
Keterisian = 𝑅𝑃𝐾
𝐴𝑆𝐾 (Young, 2017)
Jumlah maksimal penumpang pesawat A332 adalah 222 penumpang (Airbus),
(airlines-inform). Jumlah maksimal pesawat dibagi dengan jumlah penumpang setiap penerbangan yang datanya diambil dari integrated data bagian ls_count_pax, keterisiian dari pesawat A332 adalah 0.64 dan keterisian dari pesawat B738 adalah 0.73 keterisisan semakin mendekati satu artinya semakin banyak pesawat tersebut terisi oleh beban. Dari hasil rata-rata keterisisan kedua pesawat dapat disimpulkan bahwa pada rute Cengkareng-Hongkong tahun 2018 maskapai Garuda Indonesia pesawat B738 lebih efisien membawa beban dibanding Airbus A332.
