OPTIMASI PENINGKATAN JUMLAH FREKUENSI PENERBANGAN PADA ARMADA PESAWAT CRJ1000 NEXTGEN (STUDI KASUS: PT GARUDA INDONESIA)

(1)

OPTIMASI PENINGKATAN JUMLAH FREKUENSI PENERBANGAN

PADA ARMADA PESAWAT CRJ1000 NEXTGEN

(STUDI KASUS: PT GARUDA INDONESIA)

Amar Rachman1, Annisa2

Departemen Teknik Industri, Fakultas Teknik Universitas Indonesia, Depok 16424 Tel: (021)7270011 ext 51. Fax: (021) 7270077

E-mail: amar@ie.ui.ac.id, annisa91@ui.ac.id

Abstrak

Pertumbuhan ekonomi Indonesia yang terus membaik menjadi salah satu sumber peningkatan terhadap jasa penerbangan khususnya maskapai PT Garuda Indonesia yang mengalami peningkatan penumpang sebesar 14,3% dari tahun 2011 berjumlah 12,2 juta penumpang dan ditahun 2012 berjumlah 13.9 juta penumpang. Sejalan dengan program pemerintah MP3EI PT Garuda Indonesia ikut mengembangkan perekonomian melalui pembangunan hub-hub baru untuk mengakomodasi pasar di Indonesia bagian timur yang tumbuh sebesar 10.4% pada tahun 2012 dan menjadikan Makassar sebagai homebase pesawat CRJ1000 Nextgen. Oleh karena itu, penelitian ini membahas peningkatan frekuensi armada pesawat CRJ1000 Nextgen yang melayani rute penerbangan wilayah Indonesia timur dengan menggunakan metode program linier integer. Hasil akhir dari studi ini adalah sebuah usulan jadwal penerbangan dengan peningkatan beberapa rute penerbangan yang memberikan nilai jam terbang yang optimal. Dalam pencapain hasil akhir dilakukan proses mengubah model matematis pure integer linear programming (PILP) kedalam bahasa pemprograman menggunakan software LINGO 13.0.

Kata Kunci: Optimasi, Frekuensi, Pesawat, PILP, Rute.

Abstract

Indonesia’s economic growth continued to improve become one of the sources of increase in flight sevices especialli PT Garuda Indonesia airline increased 14.3% of passangers in 2011 12.2 million passengers and the year 2012 13.9 million passengers. In line with the government programs MP3EI, PT Garuda Indonesia participated in developing the economy through the development of new hubs to accommodated market in eastern Indonesia, that grew 10.4% in 2012 and made Makassar as a homebase CRJ1000 Nextgen aircraft. The focus of this studi is a new flight schedule to increase in routes that provide optimal value of flight hours. To achieve the goals, the process of transforming an integer linear programming model into a programming language using the software LINGO 13.0.

Keywords: Aircraft, Frequency, Optimization, PILP, Routing.

1. PENDAHULUAN

Besarnya potensi industri penerbangan dalam negeri disetujui Sekretaris Jenderal Indonesia National Air Carriers Association, pertumbuhan ekonomi Indonesia yang terus membaik ikut mendukung perkembangan industri penerbangan. Pertumbuhan positif pasar penerbangan di kawasan Asia Pasifik dirasakan oleh Indonesia. Asosiasi Angkutan Udara Internasional (International Air Transportation Association/IATA) memperkirakan selama periode 2010 – 2014 laju pertumbuhan penerbangan dalam negeri bisa mencapai 10 persen per tahun. Pada tahun 2014, IATA memprediksi jumlah penumpang domestik sebesar 38,9 juta orang. Pertumbuhan penumpang pesawat udara dalam negeri pada tahun 2012 sebesar 20,4 juta orangmenigkat 19,6% dari tahun 2011 yang hanya 17,1 juta orang (Prakarsa, 2012).

(2)

Perkembangan pasar penumpang PT Garuda Indonesia mengalami peningkatan 14,3% dari tahun 2011 berjumlah 12,2 juta penumpang dan ditahun 2013 berjumlah 13,9 juta penumpang. Bagi Garuda Indonesia penambahan kapasitas di tahun 2012 diikuti dengan perbaikan tingkat load factor seiring dengan penambahan flight frequency yang dilakukan sepanjang tahun 2012.

Untuk Indonesia bagian Timur, PT Garuda Indonesia membangun Makassar sebagai hub baru untuk mengakomodasi pasar di Indonesia bagian Timur yang tumbuh sebesar 10,4%. Disamping itu efektif sejak bulan oktober 2012 mulai dioperasikannya pesawat baru CRJ1000 Nextgen. Dalam memperkuat posisi Garuda Indonesia di pasar Indonesia bagian Timur, selain dengan pengoperasian CRJ1000 Nextgen, juga telah dilakukan penambahan frekuensi pada rute-rute yang pertumbuhan pasarnya cukup menjanjikan. Untuk wilayah timur ASK (Available Seat Kilometer) yang dialokasikan mencapai 25,1% dari total ASK tahun 2012. Untuk area ini, upaya yang dilakukan untuk memperkuat posisi di pasar adalah melalui penambahan frekuensi dan penambahan rute baru [1].

Gambar Error! No text of specified style in document. Pertumbuhan Pasar Penerbangan dan Kontribusi ASK tahun 2012

Penjadwalan industri penerbangan terdiri dari faktor internal dan faktor eksternal yang memiliki keterkaitan satu dengan yang lainnya. Untuk faktor Internal seperti ketersediaan sumber daya (armada pesawat, pilot, co-pilot, dan awak pesawat) yang dimiliki oleh perusahaan. Untuk faktor Eksternal yang mempengaruhi penjadwalan penerbangan seperti

customer preferences terhaddap jam penerbangan tertentu.

Penentuan jadwal penerbangan untuk ditingkatkan frekuensinya perlu dilakukan pertimbangan dan analisis terhadap aspek-aspek yang mempengaruhi khususnya yang

(3)

berhubungan dengan aspek operasional. Aspek Operasional yang mempengaruhi untuk peningkatan frekuensi penerbangan antara lain rute dan jadwal penerbangan, jumlah armada pesawat, waktu tempuh tiap rute, dan waktu operasa bandar udara. Pada penelitian ini, optimasi peningkatan jadwal penerbangan dilakukan dengan memaksimalkan jumlah frekuensi penerbangan pesawat.

2. TINJAUAN LITERATUR

Penjadwalan pada industri penerbangan (airline scheduling) merupakan suatu upaya perencanaan suatu sistem pola penerbangan yang mampu memberikan jasa pelayanan secara optimum, baik dari segi kualitas maupun kuantitas, serta dapat beroperasi secara efektif dan efisien. Produk utama suatu maskapai penerbangan adalah jasa pelayanan dalam bentuk aktivitas penerbangan antara Dua kota yang berbeda. Untuk melakukan satu aktivitas penerbangan diperlukan sumber daya seperti sebuah pesawat, pilot, co-pilot, satu grup awak pesawat, bandara asal, bandara tujuan, serta ijin untuk lepas landas dan mendarat di kedua bandara tersebut pada waktu yang tertentu.

Masalah penjadwalan penerbangan terdiri dari beberapa sub-masalah yang berinteraksi satu sama lain, hal ini menyebabkan masalah penjadwalan merupakan persoalan yang besar dan kompleks. Maka dalam prakteknya, persoalan penjadwalan dibagi menjadi dua tahap utama, yaitu [3]:

Programa Linier Integer, biasa disebut Programa Integer (Integer Programming atau IP), adalah model programa linier yang memiliki batasan variabel keputusan berupa nilai bilangan bulat (integer). Program Integer juga terdiri dari tiga elemen [2] :

• Variabel keputusan, yaitu solusi layak yang ingin dicari oleh model. Layak berarti memenuhi semua kendala dalam model. Variabel keputusan (decision variable) umumnya berbentuk : n

x

,...,

x

,

x

,

x

1 2 3

• Tujuan berupa persamaan atau fungsi tujuan yang ingin dioptimalkan untuk memperoleh solusi yang optimal. Pengoptimalan dilakukan dengan cara memaksimalkan atau meminimalkan fungsi. Fungsi tujuan (objective function) dapat berbentuk :

∑

= = n i i ix c x z Minimize : 1 ) (

∑

= = n i i ix c x z Maximize : 1 ) (

(4)

dimana ci adalah konstanta dan xi adalah variabel keputusannya.

• Kendala, merupakan batasan nilai yang harus dipenuhi oleh variabel keputusan. Kendala (constraint) dapat berbentuk :

persamaan (equality constraint)

i i(x) b

g =

pertidaksamaan (inequality constraint)

i i(x) b g ≥ _atau i i(x) b g ≤

dimana gi(x) merupakan fungsi yang berisi variabel keputusan dan disebut fungsi

kendala (constraint function). Sedangkan bi adalah nilai konstanta yang disebut right

hand side constant atau RHS constant.

Programa Integer dapat diklasifikasikan menjadi beberapa jenis, yaitu [4]:

1. Programa Integer Murni (Pure Integer Programming), bila semua variabel keputusan harus mengambil solusi nilai bilangan bulat. Misalnya, jumlah pekerja, jumlah mesin dan sebagainya.

2. Programa Integer 0–1 (0–1 Integer Programming), merupakan programa integer murni dimana seluruh variabel keputusan dibatasi oleh nilai batas bawah (lower

bound) = 0 dan nilai batas atas (upper bound) = 1. IP jenis ini sering

diaplikasikan dalam persoalan “yes-or-no decisions”. Dalam pengambilan keputusannya hanya ada dua kemungkinan pilihan yaitu yes atau no. Maka variabel keputusannya dapat dibatasi juga pada dua nilai, yaitu 0 dan 1.

Variabel di atas sering disebut binary variables (variabel 0 –1). Sehingga persolan IP yang hanya mencakup variabel biner sering disebut Binary Integer

Programming (BIP).

3. Programa Integer Campuran (Mixed Integer Programming atau MIP), bila dalam model terdapat beberapa variabel kontinu dan variabel integer. Variabel integernya dapat berupa variabel biner atau variabel integer biasa.

4. METODE PENELITIAN

Untuk menyelesaikan permasalahan untuk meningkatkan jumlah penerbangan dan menentukan jadwal penerbangan pada armada pesawat CRJ1000 NEXTGEN, dibutuhkan beberapa data yang digunakan untuk mendapatkan solusi optimal, yaitu:

(5)

• Jadwal dan rute penerbangan pesawat CRJ1000 NEXTGEN • Waktu terbang (Flight Time) masing-masing rute

• Spesifikasi bandara udara

Berikut Model Matematika yang digunakan: 1. Indeks:

i, menunjukkan kode tujuan; j, menunjukkan hari ke – j; k, menunjukkan pesawat ke–k; l, menunjukkan leg ke – l ;

Range nilai masing-masing indeks di atas adalah :

i ∈ {1, 2, 3, ... , 13}; j ∈ {1, 2, 3, ... , 7}; k ∈ {1, 2, 3, 4}; l ∈ {1, 2, 3, ... , 8}; 2. Variabel Keputusan: X_ijkl∈ {1,0};

dimana Xijkl = 1 bila kode ke – i pada hari ke – k dengan pesawat ke – j untuk leg

penerbangan ke – l . Sedangkan Xijkl = 0 bila sebaliknya.

3. Fungsi Tujuan:

∑∑∑∑

=

i j k l ijkl i i

B

X

C

Z

Max

.

Dimana :

Ci merupakan waktu terbang pesawat dari kode ke – i

i

B merupakan bobot dari load factor.

4. Kendala:

• Kendala pesawat paling lama terbang 10 jam terbang

Peningkatan frekuensi penerbangan harus memperhatikan jam operasi maksimum pesawat terbang supaya tidak melampaui jam terbang maksimum pesawat per hari. 600 ≤

∑∑

i ijkl l i X C untuk: ∀ ,j ∀k

(6)

Garuda Indonesia membatasi Aircraft Time Available untuk pesawat CRJ1000 Nextgen adalah selama 10 jam atau 600 menit per hari.

• Kendala total operasi pesawat perhari

45( 1)_⎟⎟≤1080 ⎠ ⎞ ⎜ ⎜ ⎝ ⎛ −

∑∑∑∑

+

∑∑∑∑

i j k n i j k n jiklmn ijkl i X X C untuk: ∀ ,j ∀k

Dimana semua pesawat k pada leg l dan ground time memiliki total operasi perhari maksimal 18 jam perhari.

• Kendala jumlah frekuensi yang dilalui tiap flight legs

Untuk semua pesawat dan rute, kecuali rute DPS-SUB, SUB-DPS 1 ≥

∑∑

k l ijkl X untuk: ∀ ,j ∀k

Untuk semua pesawat dan rute DPS-SUB, SUB-DPS

∑∑

≥3

k l

ijkl

X untuk: ∀ ,j ∀k untuk DPS-SUB, SUB-DPS

• Kendala leg penerbangan sebuah pesawat

Semua pesawat CRJ1000 yang melayani rute wilaya Timur memiliki homebase di Makassar (UPG). Jadi untuk setiap rute, pesawat berangkat dari UPG pada leg pertama dan kembali ke UPG pada akhir leg penerbangannya.

1 1=

∑

i ijk X untuk: ∀ ,j ∀k 0 8=

∑

i ijk X untuk: ∀ ,j ∀k 4. HASIL

Rute penerbangan yang ingin ditingkatkan kuantitasnya dilihat dari berapa banyak kapasitas penumpang yang terisi dalam sekali penerbangan yang disebut dengan load factor. Untuk data load factor tidak bisa dilampirkan sesuai dengan perjanjian dengan PT Garuda Indonesia.

Untuk mempermudah mengolah data pada software LINGO, maka perlu diberikannya kode flight legs untuk setiap rute penerbangan. Berikut rincian mengenai kode flight legs pada tabel 1.

(7)

Tabel 1. Kode Flight Legs setiap rute

Flight Legs Kode Flight Legs

UPG - PLW A1 PLW - UPG A2 UPG - BPN B1 BPN - UPG B2 BPN - TRK C1 TRK - BPN C2 BPN - JOG D1 JOG - BPN D2 UPG - DPS E1 DPS - UPG E2 DPS - JOG F1 JOG - DPS F2 DPS - SUB G1 SUB - DPS G2 UPG - KDI H1 KDI - UPG H2 UPG - MDC I1 MDC - UPG I2 UPG - SUB J1 SUB - UPG J2 UPG - LOP K1 LOP - UPG K2 LOP - SUB L1 SUB - UPG L2 SUB - SRG M1 SRG - SUB M2

Optimasi peningkatan jumlah penerbangan pada armada pesawat CRJ1000 Nextgen pada PT Garuda Indonesia dihasilkan dari metode Pure Integer Linear Programming dengan menggunakan software LINGO 13.O. Dan hasil optimum yang diperoleh dalam model ini merupakan global optimum yang merupakan solusi menyeluruh yang layak dimana nilai objektifnya merupakan nilai terbaik diantara semua solusi yang layak. Selanjutnya dilakukan analisis terhadap hasil pengolahan data yang menggunakan software LINGO 13.0. Terdapat Empat hasil pengolahan data yaitu hasil jadwal penerbangan pada 10 flight hour untuk 4 pesawat, hasil jadwal penerbangan pada 10 flight hour untuk 5 pesawat, hasil jadwal penerbangan pada 11 flight hour untuk 4 pesawat, hasil jadwal penerbangan pada 11 flight

(8)

Dari hasil pengolahan diketahui beberapa rute yang mengalami peningkatan frekuensi penerbangan. Berikut hasil perbandingan antara frekuensi penerbangan masing-masing rute sebelum optimasi dan sesudah optimasi dengan menggunakan 4 pesawat dan 5 pesawat pada tabel 2 untuk 10 flight hour dan tabel 3 perbandingan jumlah frekuensi untuk 11 flight hour.

Tabel 2. Jumlah Frekuensi Penerbangan setiap hari untuk 10 Flight hour.

NO Flight Legs Frekuensi Per Hari

Awal 4 Pesawat 5 Pesawat

1 UPG - PLW 1 1 1 2 PLW - UPG 1 1 1 3 UPG - BPN 1 1 1 4 BPN - UPG 1 1 1 5 BPN - TRK 1 1 1 6 TRK - BPN 1 1 1 7 BPN - JOG 1 1 1 8 JOG - BPN 1 1 1 9 UPG - DPS 1 1 1 10 DPS - UPG 1 1 1 11 DPS - JOG 1 1 1 12 JOG - DPS 1 1 1 13 DPS - SUB 2 4 5 14 SUB - DPS 2 4 5 15 UPG - KDI 1 1 2 16 KDI - UPG 1 1 2 17 UPG - MDC 1 1 1 18 MDC - UPG 1 1 1 19 UPG - SUB 1 1 1 20 SUB - UPG 1 1 1 21 UPG - LOP 1 1 1 22 LOP - UPG 1 1 1 23 LOP - SUB 1 1 3 24 SUB - LOP 1 1 3 25 SUB - SRG 1 1 1 26 SRG - SUB 1 1 1

Dari Tabel 2 diketahui ada beberapa rute penerbangan yang mengalami peningkatan frekuensi yaitu untuk 4 pesawat rute DPS-SUB, SUB-DPS mengalami peningkatan menjadi 4 kali penerbangan per hari dari sebelumnya 2 kali penerbangan. Dan untuk penambahan pesawat menjadi 5, mengalami peningkatan 5 kali penerbangan per hari untuk rute

(9)

DPS-SUB, SUB-DPS, 3 kali penerbangan perhari untuk rute LOP-DPS-SUB, SUB-LOP, dan 2 kali penerbangan untuk rute UPG-KDI, KDI-UPG.

Tabel 3. Jumlah Frekuensi Penerbangan setiap hari untuk 11 Flight hour

NO Flight Legs Frekuensi per Hari

4 Pesawat 5 Pesawat 1 UPG - PLW 1 1 2 PLW - UPG 1 1 3 UPG - BPN 1 1 4 BPN - UPG 1 1 5 BPN - TRK 1 1 6 TRK - BPN 1 1 7 BPN - JOG 1 2 8 JOG - BPN 1 2 9 UPG - DPS 1 1 10 DPS - UPG 1 1 11 DPS - JOG 1 1 12 JOG - DPS 1 1 13 DPS - SUB 4 4 14 SUB - DPS 4 4 15 UPG - KDI 1 1 16 KDI - UPG 1 1 17 UPG - MDC 1 3 18 MDC - UPG 1 3 19 UPG - SUB 1 2 20 SUB - UPG 1 2 21 UPG - LOP 1 1 22 LOP - UPG 1 1 23 LOP - SUB 1 1 24 SUB - LOP 1 1 25 SUB - SRG 1 1 26 SRG - SUB 1 1

Dari tabel diatas untuk 4 pesawat rute DPS-SUB, SUB-DPS mengalami peningkatan menjadi 4 kali penerbangan, dibandingkan dengan 4 pesawat pada 10 FH jumlah frekuensi penerbangan setiap rutenya sama namun terlihat perbedaan pada total jam terbangnya. Untuk 5 pesawat, rute penerbangan yang mengalami peningkatan seperti BPN-JOG, JOG-BPN menjadi 2 kali penerbangan setiap hari nya,rute UPG-SUB,SUB-UPG menjadi 2 kali penerbangan, UPG-MDC, MDC-UPG menjadi 3 kali penerbangan setiap harinya, dan DPS-SUB, SUB-DPS menjadi 4 kali penerbangan. Untuk rute DPS-DPS-SUB, SUB-DPS pada 4

(10)

pesawat dan 5 pesawat memiliki jumlah frekuensi perhari yang sama, tidak ada perubahan atau penigkatan.

5. PEMBAHASAN

Dengan bertambahnya frekuensi penerbangan perhari maka total waktu operasi armada pesawat CRJ1000 Nextgen meningkat. Berikut tabel 4 untuk rincian waktu kondisi awal dan rincian waktu hasi optimasi dengan menggunakan 4 pesawat dan 5 pesawat pada 10

Flight hour dan tabel 5 untuk rincian total waktu untuk 4 pesawat dan 5 pesawat pada 11 flight hour.

Tabel 4. Total Waktu Jam Terbang pada 10 Flight hour

Pesawat Hari Jam Terbang (Menit)

Awal 4 Pesawat 5 Pesawat

Senin 510 570 560 Selasa 600 570 590 Rabu 510 540 560 1 Kamis 460 540 570 Jumat 600 590 585 Sabtu 510 590 575 Minggu 460 600 575 3650 4000 4025 Senin 600 590 560 Selasa 510 540 555 Rabu 460 600 560 2 Kamis 510 590 555 Jumat 510 540 590 Sabtu 460 600 580 Minggu 510 590 580 3560 4050 3970 Senin 510 600 590 Selasa 510 600 580 Rabu 510 590 590 3 Kamis 600 600 560 Jumat 460 570 555 Sabtu 510 570 590 Minggu 600 540 590 3700 4070 4015 Senin 460 540 575 Selasa 460 590 575 Rabu 600 570 570 4 Kamis 510 570 590

(11)

Jumat 510 600 570 Sabtu 600 540 560 Minggu 510 590 560 3650 3980 4050 Senin 550 Selasa 560 Rabu 550 5 Kamis 585 Jumat 560 Sabtu 555 Minggu 555 3960

Tabel 5. Rincian Waktu Jam Terbang pada 11 Flight hour

Pesawat Hari Jam Terbang (Menit)

4 Pesawat 5 Pesawat 1 Senin 570 610 Selasa 590 605 Rabu 540 605 Kamis 535 600 Jumat 530 610 Sabtu 640 600 Minggu 575 605 3980 4235 2 Senin 610 640 Selasa 540 600 Rabu 510 600 Kamis 645 575 Jumat 650 640 Sabtu 510 575 Minggu 605 60 4070 4230 3 Senin 510 585 Selasa 600 645 Rabu 645 645 Kamis 500 620 Jumat 510 585 Sabtu 540 620 Minggu 610 645 3915 4345 4 Senin 610 645 Selasa 570 610

(12)

Rabu 605 610 Kamis 620 640 Jumat 610 645 Sabtu 610 640 Minggu 510 610 4135 4400 5 Senin 600 Selasa 620 Rabu 620 Kamis 645 Jumat 600 Sabtu 645 Minggu 620 4350

Dari tabel total waktu jam terbang tiap pesawat selama seminggu pada 10 flight hour mengalami kenaikan setelah dilakukannya peningkatan frekuensi yang didasarkan pada load

factor tiap rute. Begitu juga untuk total waktu jam terbang pada 11 flight hour.

Secara umum, total waktu jam terbang untuk armada pesawat CRJ1000 Nextgen mengalami peningkatan setelah rute hasil optimasi di implementasikan dengan membuat susunan jadwal penerbangan baru. Terlihat dari jadwal penerbangan sebelumnya dimana masih ada beberapa leg penerbangan yang belum terisi. Sehingga dengan dilakukannya optimasi peningkatan ini, semua leg penrbangan untuk setiap pesawat telah terisi semua sehingga ada beberapa rute yang mengalami kenaikan.

Untuk presentase utilitas pesawat dapat dihitung dengan membagi jumlah waktu operasi pesawat dengan Aircraft Time Available pesawat tersebut. Dan nilai actually flight

hours adalah jumlah jam operasi pesawat secara keseluruhan serta nilai aircfart time

available per pesawat adalah 10 jam terbang perhari. Utilitas pesawat yang dihitung adalah keadaan awal dan setelah optimasi dengan 4 pesawat.

% 100 x available time aircraft hours flight actually Percentage n Utilizatio =

Berikut total waktu operasi tiap pesawat sebelum optimasi dan sesudah optimasi mengalami kenaikan pada tabel 6 semua pesawat mengalami peningkatan sebesar 350 menit untuk pesawat 1, 490 menit untuk pesawat 2, 370 menit untuk pesawat 3, dan 330 menit untuk pesawat 4.

(13)

Tabel 6. Perbandingan Waktu Operasi Tiap Pesawat

Pesawat Sebelum Optimasi Setelah Optimasi Utilitas per minggu Utilitas per minggu

1 3650 4000

2 3560 4050

3 3700 4070

4 3650 3980

Dari hasil persentasi utilitas pada tabel 7 semua pesawat mengalami peningkatan sebesar 8.33% untuk pesawat 1, 11.67% untuk pesawat 2, 8.81% untuk pesawat 3, dan 7.86% untuk pesawat 4.

Tabel 7. Hasil Persentase Utilitas Tiap Pesawat

Pesawat Seblum Optimasi Setelah Optimasi

1 86.90% 95.24% 2 84.76% 96.43% 3 88.10% 96.90% 4 86.90% 95.24% 6. KESIMPULAN

Berdasarkan penelitian yang telah dilakukan, maka dapat ditarik beberapa kesimpulan sesuai dengan tujuan awal penelitian yang ingin dicapai. Dengan peningkatan waktu terbang armada pesawat CRJ1000 Nextgen maka masing-masing pesawat hampir memenuhi maksimal jam terbang yaitu 10 jam terbang untuk 4 pesawat, serta mengalami kenaikan frekuensi di rute DPS-SUB, SUB-DPS menjadi 4 kali penerbangan sehari dari sebelumnya hanya 2 kali penerbangan untuk rute tersebut.

Dengan adanya optimasi terhadap penignkatan jumlah jam terbang pada pesawat CRJ1000 Nextgen, maka diperoleh peningkatan utilitas waktu operasi untuk masing-masing pesawat sebesar 8.33% untuk pesawat 1, 11.67% untuk pesawat 2, 8.81% untuk pesawat 3, dan 7.86% untuk pesawat 4.

Dengan penambahan satu armada pesawat yang dilakukan PT Garuda Indonesia maka diasumsikan maksimal jam terbang untuk pesawat CRJ1000 Nextgen menjadi 11 jam terbang untuk 5 pesawat, sehingga ada beberapa rute yang mengalami kenaikan frekuensi penerbangan. Untuk DPS-SUB, SUB-DPS sehari menjadi 4 kali penerbangan, BPN-JOG, JOG-BPN menjadi 2 kali penerbanga sehari, UPG-SUB, SUB-UPG menjadi 2 kali penerbangan sehari, dan 3 kali penerbangan sehari untuk rute UPG-MDC, MDC-UPG.

(14)

7. SARAN

Untuk penyempurnaan penelitian ini selanjutnya, saran yang dapat dipertimbangkan adalah mengenai penambahan rute untuk penerbangan CRJ1000 Nextgen sehingga bisa menjangkau seluruh daerah yang ada di Indonesia khususnya wilayah timur dengan melihat ketersediaan fasilitas bandara. Dan juga peningkatan untuk tipe pesawat PT Garuda Indonesia lainnya. Kesimpulan dari hasil penelitian ini diharapkan mampu meningkatkan jumlah frekuensi penerbangan untuk pesawat baru PT Garuda Indonesia dan juga bisa dijadikan bahan pertimbangan untuk menambah armada pesawat untuk kemudian hari.

Referensi

[1] Garuda Indonesia. 2012. Laporan Tahunan 2012. Diunduh dari http://www.garuda-indonesia.com pada tanggal 01 Juli 2013

[2] Hillier, Frederick S. dan Gerald J. Lieberman. 2001. Introduction to Operations Research, 7th ed., McGraw–Hill, New York.

[3] Meehan, Rochelle. 1999, Flight Schedule Optimisation for Air New Zealand’s International Fleet , Department of Engineering Science University of Auckland, New Zealand.