Ch. 8, pp. 1134-1142, ISBN: 979-95721-2-19
1134
Forum Studi Transportasi antar Perguruan Tinggi
KAJIAN HUBUNGAN SLOT TIME TERHADAP
KETERLAMBATAN BERSIFAT SISTEMIK DI BANDAR UDARA I GUSTI NGURAH RAI
Satryo Wibisono Jurusan Teknik Sipil Departemen Teknik Sipil Fakultas Teknik Universitas
Indonesia Depok, 16424 satryowibi@gmail.com
Tri Tjahjono Jurusan Teknik Sipil Departemen Teknik Sipil Fakultas Teknik Universitas
Indonesia Depok, 16424 tri.tjahjono@yahoo.com
Ellen S.W. Tangkudung Jurusan Teknik Sipil Departemen Teknik Sipil Fakultas Teknik Universitas
Indonesia Depok, 16424 ellen@eng.ui.ac.id
Abstract
The high level of the demand of air transportation makes a system control the number of flights is needed. The system itself called slot time. Although the slot time system has been applied, delay still exists. The high volume of flights makes there are some volume differences at certain hours. This study will analyze the correlation between the volume of slot time and the length of delay time during peak time and normal time and also analyze the type of delay into random delay or systemic delay. This study takes place in I Gusti Ngurah Rai airport. All data obtained is issued by Airnav Denpasar then processing with SPSS23. There is a correlation and slightly a systemic delay during this observation. The result of this study is expected to improve the quality of existing flight through the improvement quality of the slot time system.
Keywords: Slot Time, Airport, Delay, Systemic Delay
Abstrak
Sistem pengaturan volume penerbangan yang disebut slot time. Diterapkannya sistem slot time tidak menjadikan keterlambatan tidak terjadi. Penelitian ini mengambil lokasi di bandar udara tersibuk nomor 3 di Indonesia, yaitu I Gusti Ngurah Rai. Dalam penelitian ini juga menganalisa jenis keterlambatan berdasarkan intenstias permintaan izin keterlambatan untuk kemudian diklasifikasikan menjadi keterlambatan yang bersifat acak atau sudah menjadi sistemik. Semua data yang didapatkan merupakan data yang dikeluarkan oleh Airnav cabang Denpasar kemudian pengolahan data yang dilakukan menggunakan pendekatan statistik dengan bantuan aplkasi SPSS 23. Adanya hubungan positif antara volume slot time dengan lama waktu keterlambatan serta adanya keterlambatan sistemik adalah hasil dalam penelitian ini. Hasil dari penelitian ini diharapkan dapat meningkatkan kualitas penerbangan yang ada melalui peningkatan dari kualitas sistem slot time yang dilaksanakan.
Kata Kunci: Slot Time, Bandar Udara, Keterlambatan Sistemik, Lama Waktu Keterlambatan
PENDAHULUAN
Terdiri dari 13.466 pulau di dalamnya, Indonesia dinobatkan sebagai negara kepulauan terbesar di dunia sehingga tidak heran apabila masyarakat Indonesia sangat bergantung dengan transportasi udara. Pulau Bali menjadi salah satu pulau yang banyak dikunjungi wisatawan asing dan domestik. Untuk mengakomodir kebutuhan tersebut, maka dibangunlah sebuah bandar udara di jantung ibukota Denpasar, bandar udara I gusti Ngurah Rai. Bandar udara I gusti Ngurah Rai merupakan bandar udara Internasional yang melayani rute penerbangan domestik dan Internasional.
Menurut data dari PT. Angkasa Pura I, pada tahun 2014, Bandar udara I gusti ngurah rai melayani sebanyak total 129.787 pergerakan pesawat, yang di klasifikasikan menjadi 78.415 buah penerbangan domestik dan 51.372 penerbangan internasional. Jumlah
1135
pergerakan pesawat ini diikuti dengan jumlah penumpang di dalamnya yaitu sebanyak 8.991.341 jiwa untuk penumpang domestik dan 8.226.513 jiwa penumpang internasional dari total kapasitas mencapai 25 juta penumpang. Jumlah penumpang yang dilayani oleh Bandar udara I gusti Ngurah Rai ini mengalami kenaikan sebesar 10% dibandingkan tahun 2013 dan selalu mengalami tren kenaikan beberapa tahun terakhir.
Dengan banyaknya volume penerbangan di bandar udara I gusti Ngurah Rai, maka dibutuhkan suatu sistem manajemen transportasi udara yang baik. Salah satu hal yang harus diperhatikan adalah pemberian izin untuk terbang di bandar udara I gusti Ngurah Rai atau sering disebut sebagai Slot time. Diberlakukannya sistem slot time memungkinkan untuk para maskapai pesawat memilih waktu pengoperasian pesawat yang disediakan oleh Otoritas Bandar Udara. Dengan kebebasan yang diberikan, maka timbul permasalahan berupa tidak meratanya pembagian waktu yang digunakan untuk pengoperasian bandar udara. Terdapat waktu-waktu golden time di mana para maskapai berusaha untuk mendapatkan slot time saat waktu sibuk sehingga volume penerbangan saat golden time dan waktu biasa tidak seimbang.
Perbedaan volume penerbangan ini harus dipertimbangkan oleh pemerintah dan otoritas bandar udara I gusti Ngurah Rai sebagai regulator pengatur slot time di tersebut karena kemungkinan terjadinya keterlambatan sangat mungkin terjadi dan hal ini harus diantisipasi oleh otoritas bandar udara untuk menciptakan air traffic flow management yang kondusif. Sejalan dengan permasalahan tersebut, penelitian ini dilakukan untuk menentukan apakah ada tidaknya hubungan antara volume slot time dengan lama waktu keterlambatan serta jenis dari keterlambatan yang terjadi apakah merupakan keteralambatan sistemik atau keteralambatan acak.
METODE PENELITIAN
Penelitian ini dilakukan di Bandar udara I gusti Ngurah Rai pada bulan Februari 2016. Data yang didapatkan untuk penelitian adalah selama satu bulan penuh di bulan Februari 2016 untuk data volume penerbangan, dan rentang waktu pada tanggal 22 Februari 2016 hingga 29 Februari 2016 untuk data keterlambatan sistemik. Pengumpulan data ini dibagi menjadi dua macam data, yaitu data volume penerbangan dan data keterlambatan sistemik. Kedua data ini didapatkan penulis langsung dari kantor Airnav cabang Denpasar, Bali.
• Data Volume Penerbangan
Data volume penerbangan ini didapatkan oleh penulis dari Airnav Bali. Data yang didapatkan bersifat data sekunder yang dijamin keabsahannya. Data terdiri dari setiap penerbangan pada bulan Februari 2016, baik domestik-internasional, data lepas landas-mendarat, data setiap pergerakan pesawat yang terjadi. Di dalam data tersebut terdapat data Estimate Date Departure (ETD), data block on- off, dan data actual time.
Tabel 1. Contoh Data Volume Penerbangan
Tanggal ETD Block Time Actual Time Tujuan callsign Dom-int
01/02/2016 00:06 00:03 00:00 WARR LNI804 D
01/02/2016 00:10 00:06 00:04 WADL WON1857 D
01/02/2016 23:55 23:54 00:06 WIII GIA403 D
(Sumber : Airnav Denpasar, 2016)
• Data Keterlambatan Sistemik
Penulis mendapatkan data keterlambatan sistemik melalui Airnav Bali. Data didapatkan dengan cara mencatat permohonan keterlambatan yang diajukan
1136
maskapai terhadap Airnav Bai melalui surat elektronik (E-mail). Otoritas bandar udara yang berwenang akan membalas surat elektrnik diikuti dengan waktu baru yang disediakan oleh otoritas bandar udara dengan mempertimbangkan segala aspek yang mempengaruhi.
Tabel 2. Contoh Data Keterlambatan Sistemik
D/I Date Flight Number To STD REQ ETD ETD APP Alasan
D 29 B8161 ZSSS 15:30 18:00 18:30 Operational
D 29 QZ534 PER 06:25 07:50 07:50 Operational
D 25 QZ7521 CGK 12:45 13:45 13:40 Operational
(Sumber : Airnav Denpasar, 2016)
Dalam data keterlambatan sistemik dicantumkan mengenai data-data personal pesawat (rute, flight number, jenis domestik internasional) serta data-data mengenai waktu, yaitu Scheduled Time (STD), Request Estimate Time Departure (Req ETD), dan Approved Estimate Time Departure (APP ETD) serta disertai dengan alasan keterlambatan yang terjadi.
ANALISIS DATA
Pada analisa data terdapat dua tahapan besar dalam penelitian ini. Pada langkah awal penulis menentukan apakah terdapat hubungan di antara dua variable penelitian, yaitu volume slot time dan lama waktu keterlambatan. Dalam tahapan ini penulis menggunakan pendekatan statistik parameterik. Setelah penulis mendapatkan hubungan dari keduanya maka analisa dilanjutkan dengan mencari ada tidaknya keterlambatan bersifat sistemik, dalam tahapan ini digunakan pendekatan statistik non-parametrik. Kedua penelitian menggunakan pendekatan statistik dengan aplikasi SPSS.
Hubungan Volume Slot Time dengan Lama Waktu Keterlambatan
Penulis menganalisa ada tidaknya hubungan antara volume slot time dengan lama waktu keterlambatan dalam penelitian dengan menggunakan pendekatan statistik. Data-data yang digunakan secara ringkas tersaji dalam grafik di bawah ini.
Gambar 1. Data Volume Slot Time 0
20 40 60 80
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
Volume
Sibuk Normal
1137
Gambar 2. Data Keterlambatan
Pendekatan statistik yang digunakan dalam mencari hubungan ini adalah uji deskriptif, uji normalitas, uji korelasi, serta uji regresi linier. Semua uji yang dilakukan dalam penelitian ini menggunakan aplikasi SPSS 23.
Uji Deskriptif
Secara Umum data penelitian dapat dilihat dalam tabel hasil uji deskriptif di atas, terlihat rata-rata, median, standar deviasi, nilai minimum, dan nilai maksimum serta rata- rata nilai dari kedua variabel yang diuji.
Tabel 3. Uji Deskriptif
N Mean Median Std.Deviasi Min Max Jumlah
Volume 58 44.00 44.00 6.635 31.00 61.00 2552.00
Delay 58 204.793 186.00 93.994 66.00 472.00 11878.00
Dalam uji deskriptif juga didapatkan histogram dari kedua variabel yang dicantumkan dalam gambar di bawah ini.
Gambar 4. Histogram Variabel Penelitian
Uji Normalitas Kolmogorov-Smirnov
Uji Normalitas Kolmogorov-Smirnov secara singkat digunakan untuk mengetahui jenis distribusi yang terdapat di dalam variabel penelitian. Jenis distribusi akan mempengaruhi metode statsitik yang digunakan (Uji parametrik atau uji non-parametrik)
0 100 200 300 400 500
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
Delay
Sibuk Normal
1138
Tabel 4. Uji Normalitas Kolmogorov – Smirnov
Volume Delay
Most Extreme Differences Absolute .088 .122
Kolmogorov-Smirnov Z .672 .927
Asymp. Sig. (2-tailed) .758 .357
Untuk penghujian normalitas secara sederhana maka dapat dikerjakan sebagai berikut
o Ho = Data terdistribusi secara normal o Hi = Data terdistribusi secara tidak normal
Dasar pengambilan keputusan diambil dengan mengambil angka signifikansi dengan ketentuan sebagai berikut:
o Nilai signifikansi >0,05 maka Ho diterima o Nilai signifikansi <0,05 maka Ho ditolak
Dalam tabel di atas didapatkan varibel volume memiliki nilai sagnifikansi (Asymp.Sig) sebesar 0,758 sedangkan variabel delay memiliki nilai signifikansi sebesar 0,357. Dari kedua nilai tersebut keduanya melebihi poin 0,05 yang berarti keduanya merupakan data berdistribusi normal.
Uji Korelasi Pearson dan Regresi Linier
Uji korelasi yang digunakan dalam penelitian kali ini menggunakan uji korelasi pearson. Uji pearson dilakukan karena kedua data variabel terdistribusi normal dan memiliki data interval.
Tabel 5. Uji Korelasi Pearson
Volume Delay
Volume Pearson Correlation 1 .581**
Sig. (2-tailed) .000
Hasil dari uji korelasi pearson yang dilakukan terdapat nilai Sig. (2-tailed) atau nilai signifikansi dari kedua variable tersebut sebesar 0,000 yang dimana lebih kecil dari 0,01.
Adanya tulisan berupa, “**. Correlation is significant at the 0.01 level (2-tailed).”
Menandakan korelasi ini signifkan dengan ukuran 0,01 karena itu digunakan p < 0,01, sehingga secara singkat dapat ditulis sebagai berikut:
o Ho = Adanya korelasi antara volume dan keterlambatan o Hi = Tidak adanya korelasi antara volume dan keterlambatan
Dasar pengambilan keputusan diambil dengan mengambil angka probabilitas, dengan ketentuan sebagai berikut:
o Nilai signifikansi <0,01 maka Ho diterima o Nilai signifikansi >0,01 maka Ho ditolak
Angka signifikansi yang bernilai 0,000 dan lebih kecil dari nilai 0,01 menandakan adanya hubungan positif antara volume dengan lama waktu tundaan dan memiliki kekuatan yang cukup signifikan. Dari uji di atas juga terdapat nilai korelasi pearson sebesar r(58)=
0,581 yang menurut tabel dari D.A de Vaus menunjukkan adanya hubungan yang positif,
1139
kuat, dan signifikan sehingga dapat disimpulkan semakin banyak volume penerbangan semakin tinggi angka lama waktu tundaan.
Uji Regresi Linier
Setelah mengetahui adanya hubungan antara kedua variabel penelitian, maka selanjutnya penulis mencari seberapa besar hubungan antar kedua variabel uji tersebut.
Untuk mengetahui hal tersebut penulis menggunakan uji regresi linier.
Tabel 6. Uji Regresi Linier
Model R
R Square
Adjusted R
Square Std. Error of the Estimate
1 .581a .337 .326 77.18863
Dengan didapatkannya nilai dari R kuadrat sebesar 0,337, menandakan bahwa dalam penelitian ini variabel dependen (delay) dipengaruhi sebanyak 33,7% oleh variabel independen (volume), sehingga sisa persentase sebesar 66,3% dipengaruhi oleh variabel lain di luar dari variabel penelitian.
Analisis Keterlambatan Sistemik
Penelitian untuk keterlambatan sistemik dilakukan dengan menggunakan data yang diperoleh dari Airnav Bali pada rentang tanggal 22 Februari 2016 – 29 Februari 2016 untuk setiap pesawat rute domestik yang akan melakukan lepas landas. Tidak semua penerbangan atau flight number diolah datanya, melainkan hanya flight number yang mengalami keterlambatan lebih besar sama degan empat kali selama masa pengumpulan data. Hal ini disebabkan masa penelitian hanya berkisar selama delapan hari sehingga peneliti meneliti keterlambatan yang berjumlah minimal 50% dari jumlah hari penelitian. Dalam tabel di bawah angka “1” pada kolom tanggal memiliki arti terjadi keterlambatan, yang diikuti lama waktu keterlambatan yang terjadi pada saat penelitian.
Metode yang digunakan bernama uji Runs satu sampel. Uji Runs merupakan uji yang digunakan dengan cara melihat pola data atau sampel yang akan diujikan. Pola ini terlihat dari deretan angka yang keluar dalam suatu sample. Setiap deretan angka yang berkelompok disebut sebagai satu Run, sehingga dalam setiap sampel biasanya akan terdiri dari beberapa run untuk dibuktikan acak tidaknya sampel tersebut. Semakin besar jumlah runs maka semakin besar kemungkinan sampel tersebut bersifat acak, begitu pula berlaku sebaliknya. Contoh dari Runs yang dimaksud adalah:
A A A B B A A B A A A A
Dalam deretan huruf A dan B, terlihat terdapat 3 buah huruf A yang berurutan diikuti dengan 2 buah huruf B secara berurutan, kemudian 2 buah huruf A, lalu diikuti sebuah huruf B, kemudian 4 buah huruf A. Masing-masing huruf yang berurutan membentuk satu buah run, sehingga dalam deretan huruf di atas terdapat 5 buah runs di dalamnya.
Dalam penelitian kali ini penulis menggunakan dua buah kasus uji runs satu sampel terhadap tiga buah variabel yang sama. Dua kasus ini terdiri dari pengecekan pola acak terhadap penerbangan yang terlambat kemudian pengecekan pola acak terhadap lama waktu keterlambatan penerbangan pesawat.
1140 Uji Runs Satu Sampel kasus 1
Dalam uji Runs yang pertama, kasus yang digunakan adalah penulis menganalisa ada tidaknya pola acak atau sistemik dalam keterlambatan yang dilakukan oleh masing- masing penerbangan. Data yang digunakan berupa data nominal dengan kode angka 1 yang berarti terjadi keterlambatan, dan angka 0 yang berarti tidak mengalami keterlambatan.
Tabel 7. Data Keterlambatan Sistemik Kasus 1
22 23 24 25 26 27 28 29
G11 1 1 1 1 1 1 1 1
G8 0 1 0 1 0 0 1 1
K7 0 1 1 0 0 1 1 0
Tabel 8. Hasil Uji Runs Kasus 1
Runs Test Penerbangan
G11
Penerbangan G8
Penerbangan K7
Test Valuea 1.00b .50 .50
Number of Runs 1c 6 5
Z .382 .000
Asymp. Sig. (2-tailed) .703 1.000
Untuk proses pengambilan keputusan maka penulis memiliki hipotesis sebagai berikut:
o Ho = Keterlambatan penerbangan bersifat acak (random) o Hi = Keterlambatan penerbangan bersifat tidak acak
Dasar pengambilan keputusan diambil dengan mengambil angka probabilitas, dengan ketentuan sebagai berikut:
o Nilai Probabilitas >0,05 maka Ho diterima o Nilai Probabilitas <0,05 maka Ho ditolak
Dari uji di atas, nilai probabilitas didapatkan dari tabel Asymp.Sig. (2-tailed) atau nilai signifikansi. Dari ketiga variabel yang diujikan, hanya dua variabel yang memiliki hasil, yaitu pada variabel penerbangan G8 dengan nilai sebesar 0,703, dan variabel penerbangan K7 dengan nilai sebesar 1,000. Kedua penerbangan tersebut memiliki nilai yang lebih besar dari 0,05 sehingga Ho diterima dan dapat dikatakan bahwa keterlambatan pesawat bersifat acak.
Untuk penerbangan G11 nilai signifikansi tidak keluar karena mengalami error.
Hal ini dikarenakan semua sampel memiliki nilai yang sama, yaitu 1. Nilai sampel yang sama berarti variabel tersebut hanya memiliki 1 buah runs, sehingga dapat dipastikan bahwa variabel tersebut tidak bersifat acak.
Uji Runs Satu Sampel Kasus 2
Untuk uji runs kasus yang kedua masih menggunakan tiga buah variabel yang sama dengan uji runs pada kasus yang pertama, yang membedakan adalah nilai-nilai dari masing- masing sampel. Uji runs kasus 2 kali ini memliki tujuan untuk meneliti apakah lama waktu keterlambatan yang terjadi bersifat acak atau sistemik. Data yang digunakan adalah data lama waktu keterlambatan dari tiga buah penerbangan yang sama seperti pada uji runs kasus 1, sehingga data bersifat interval. Data lama waktu keterlambatan yang digunakan memiliki satuan menit.
1141
Tabel 9. Data Keterlambatan Sistemik Kasus 2
22 23 24 25 26 27 28 29
G11 60 120 55 85 55 60 50 50
G8 0 145 0 135 0 0 85 150
K7 0 95 95 0 0 130 130 0
Tabel 10. Hasil Uji Runs Kasus 2
Runs Test Penerbangan
G11
Penerbangan G8
Penerbangan K7
Test Valuea 57.50 42.50 47.50
Number of Runs 6 6 5
Z .382 .382 .000
Asymp. Sig. (2-tailed) .703 .703 1.000
Untuk proses pengambilan keputusan penulis memasukkan hipotesis sebagai berikut:
Ho : Lama waktu keterlambatan bersifat acak Hi : Lama waktu keterlambatan bersifat tidak acak
Untuk dasar pengambilan keputusan dengan cara melihat angka probabilitas, dengan ketentuan:
Ho : Probabilitas > 0,05 maka Ho diterima Hi : Probabilitas < 0,05 maka Ho ditolak
Pada hasil dari SPSS 23 di atas, nilai yang menunjukkan angka probabilitas ditunjukkan oleh nilai Asymp. Sig. (2-tailed). Nilai Asymp. Sig. (2-tailed) dari masing- masing variabel adalah 0,703 untuk penerbangan G11 dan G8, serta nilai 1,000 untuk penerbangan K7. Dari ketiga nilai tersebut semuanya memiliki nilai yang lebih besar daripada 0,05 sehingga Ho diterima. Hal ini berarti ketiga pesawat tersebut memiliki lama waktu keterlambatan yang bersifat acak.
Tabel 11. Hasil Penelitian Keterlambatan Sistemik
G11 G8 K7
Keterlambatan Sistemik Ada Tidak Ada Tidak Ada
Lama Keterlambatan Sistemik Tidak Ada Tidak Ada Tidak Ada
Dari ketiga sampel di atas dapat terlihat bahwa hanya ada satu sampel yang memiliki indikasi terjadinya keterlambatan sistemik yaitu pada penerbangan G11, sedangkan pada dua penerbangan lainnya tidak mengalami indikasi tersebut. Kemudian diketahui pula pada pengecekan lama waktu keterlambatan sistemik ketiga penerbangan tersebut tidak menunjukkan adanya hasil yang sistemik.
KESIMPULAN
Dari hasil analisis penelitian yang dilakukan, dapat ditarik beberapa kesimpulan, antara lain sebagai berikut:
1142
1. Adanya hubungan atau korelasi yang bersifat positif antara variabel volume penerbangan (slot time) dengan lama waktu keterlambatan di bandar udara I Gusti Ngurah Rai pada periode penelitian, dengan nilai korelasi pearson sebesar 0,581 yang menurut tabel korelasi dari Hussaini Usman (1995, hal:201) memiliki arti korelasi yang terjadi memiliki tingkat hubungan yang tinggi.
2. Hasil dari uji regresi liner yang memiliki hasil R kuadrat sebesar 0,337. Hal ini menunjukkan bahwa dalam penelitian ini variabel dependen (keterlambatan) dipengaruhi oleh variabel independen (Volume Slot time) sebesar 33,7%. Sehingga sisa 66,3% dipengaruhi oleh variabel lain di luar variabel penelitian.
3. Pada uji runs 1 sampel kasus pertama pengujian dilakukan untuk mengetahui apakah jenis keterlambatan yang terjadi (acak atau sistemik). Hasil dari pengujian tersebut adalah: 2 penerbangan (Penerbangan G8 dan Penerbangan K7) mengalami keterlambatan bersifat acak, dan 1 penerbangan (Penerbangan G11) mengalami keterlambatan tidak acak atau sistemik
4. Pada uji runs 1 sampel kasus kedua pengujian dilakukan untuk mengetahui apakah lama waktu keterlambatan yang terjadi bersifat acak atau tidak, dengan hasil: 3 penerbangan (semua penerbangan) memiliki lama waktu keterlambatan bersifat acak, dan tidak ada penerbangan yang memiliki lama waktu keterlambatan bersifat tidak acak (sistemik) 5. Hasil-hasil dalam penelitian ini dilakukan dengan pendekatan statistika dan sangat
dipengaruhi oleh jumlah atau kuantitas dari sampel yang digunakan, sehingga hasil penelitian ini hanya berlaku sesuai dengan batasan-batasan yang sudah ditetapkan sebelumnya.
Dengan hasil dari penelitian ini diharapkan dapat menjadi acuan / saran sebagai perumusan pedoman perancangan dan analisis kinerja ruas jalan di penelitian selanjutnya.
DAFTAR PUSTAKA
Daneiel, W. W. (1989). Statistik Nonparametrik Terapan. Jakarta: Gramedia.
Departemen Perhubungan RI. (2015). Transportasi Udara Departemen Perhubungan RI.
Retrieved from Transportasi Udara Departemen Perhubungan RI:
www.hubud.dephub.go.id
Indonesia Air Slot Management. (2015). Indonesia Air Slot Management. Retrieved from Indonesia Air Slot Management: www.iamslot.com
Kementerian Perhubungan. (2013). Tatanan Kebandarudaraan Nasional. Jakarta
Keputusan Menteri Perhubungan No. 44 Tahun 2002 tentang Tatanan Kebandarudaraan Nasional
Neufville, R. D., & Odoni, A. (2003). Airport System: Planning, Design, Management.
New York: Mc-Graw-Hill.
Santoso, S. (2015). Menguasai Statisti NonParametrik. Jakarta: Kompas Gramedia.
Siegel, S. (1985). Statistik Nonparametrik untuk Ilmu-Ilmu Sosial. Jakarta: Gramedia.
Sufren, & Natanael, Y. (2014). Belajar Otodidak SPSS Pasti Bisa. Jakarta: Gramedia.
Transportation, I. A. (2005). Woldwide Scheduling Guidelines. Geneva: International Air Transportation.
Undang-undang Nomor 1 tahun 2009 tentang Penerbangan
