Pengembangan Model Pengelolaan Pendapatan Pengangkutan Kargo Udara dengan Mempertimbangkan Variabilitas Rate Berbasis Persediaan Kapasitas

(1)

Pengembangan Model

Pengelolaan Pendapatan Pengangkutan Kargo Udara

dengan Mempertimbangkan

Variabilitas Rate Berbasis Persediaan Kapasitas

FAIZATUL MARWIYAH 2507 100 050

(2)

Alur proses pengiriman kargo

Security Storage Shipper Freight Forwarders Loading Carrier -Pure freighter -Combination carrier

Unloading Storage Final destination _? Customs

Freight Forwarders

Consignee

ya tidak

(3)

Kompleksitas permasalahan kargo

Freight

forwarders carrier

Book cargo space

volume berat

In practice : • Stokastik

• actual value known only shorthly before take-off

Accepted shipment may exceeds capacity of the flight

unloaded Negative impact compensation Extra work Ketidakpuasan konsumen Over-sale penalty Decreasing revenue

(4)

Latar belakang

American Airlines mengalami peningkatan pendapatan sebesar $500 juta selama satu tahun

Delta Airlines  $300 juta

Lufthansa  $1.4 Milyar

Marriot  $100 juta per tahun

Pendapatan National Car Rental meningkat sebanyak 20%

•Kargo udara memainkan peran penting dalam perdagangan global

•sekitar 30% dari barang-barang yang diperdagangkan secara internasional, diangkut melalui udara untuk AS dan Jepang, dua ekonomi terbesar di dunia

•rata-rata tahunan tingkat pertumbuhan dari segi RTK (pendapatan Tonne–Kilometer) menjadi setinggi 6,1% dengan PDB di seluruh dunia hanya sekitar 3.2% . (Boeing, 2008)

Revenue Management Air Cargo Air Cargo Revenue Management

Merupakan permasalahan yang cukup kompleks

(5)

Air Cargo revenue management

Perbedaan utama antara pengelolaan pendapatan pengangkutan kargo udara dengan pengelolaan pendapatan penumpang adalah pada produk itu sendiri .

(Huang dan Chang, 2010)

Perbedaan lainnya dari air cargo RM dengan Passenger RM :

Terdapat tiga dimensi dari kargo yaitu berat, volume, dan posisi kontainer yang harus selalu

dipertimbangkan pada saat terjadi proses pemesanan. Berbeda halnya pada penumpang dimana pesanan untuk satu tempat berarti satu kursi.

Pada pesawat penumpang, entitasnya bisa didefinisikan jelas, yaitu penumpang. Pada kargo, satu item menjadi lebih kompleks yaitu volume dan berat dan didefinisikan sebagai masing-masing entitas

Adanya tingkat dan kepadatan kargo. Penumpang tersegmentasi oleh struktur tarif, sedangkan kargo tersegmentasi menggunakan tingkat dan kepadatan.

(6)

Perumusan Masalah



Bagaimana mengembangkan model pengelolaan

pendapatan pengangkutan kargo udara dengan

mempertimbangkan aspek variabilitas rate berbasis

persediaan kapasitas

(7)

Tujuan Penelitian



Melakukan pengembangan model pengelolaan

pendapatan pengangkutan kargo udaradengan

mempertimbangkan aspek variabilitas rate ruang kargo

berbasis persediaan kapasitas



Mengetahui pengaruh adanya perubahan rate dalam

pengelolaan pendapatan pengangkutan kargo udara

terhadap total expected revenue yang didapatkan

(8)

Fokus Penelitian



Melakukan pengembangan model pengelolaan pendapatan

pengangkutan kargo udara yang memperhitungkan

multidimensionality dari kargo, yaitu berat dan volume kargo,

dengan menambahkan aspek variabilitas rate berbasis

persediaan kapasitas



Merancang sebuah perangkat lunak yang bisa digunakan untuk

(9)

Ruang Lingkup Penelitian



Tidak mempertimbangkan adanya

cancellation dan no-show didalam

formulasi masalah



Over-sale penalty dari berat dan dari

volume diasumsikan terpisah, dan linier

terhadap potential revenue



Tidak ada penalty yang dibebankan

kepada carrier untuk declanations, selain

margin yang hilang

Batasan

Asumsi



Penelitian ini adalah penelitian teoritis

dan tidak mengacu pada studi kasus

tertentu



Penelitiann ini hanya fokus pada

pengelolaan pendapatan kargo yang

dilakukan oleh carrier



Model yang dikembangkan pada

penelitian ini berlaku pada kasus

single flight

(10)

Manfaat Penelitian



Dapat membuat model pengelolaan pendapatan pengangkutan

kargo udara dengan mempertimbangkan adanya variabilitas

rate ruang kargo berbasis persediaan kapasitas, serta software

untuk menghitung maksimum expected revenue yang didapatkan



Dapat memberi masukan bagi akademisi yang akan belajar

(11)

Metodologi Penelitian

START

Pengembangan dan Formulasi Model

Model

Huang dan Chang (2010)

Perubahan Rate berbasis persediaan

kapasitas

Model pengelolaan pendapatan pengangkutan kargo udara dengan mempertimbangkan variabilitas rate berbasis persediaan kapasitas

A

Perancangan perangkat lunak (VBA Excell)

Percobaan Numerik dan Analisa Percobaan Numerik Skenario 1 : Ubah request probabilities Skenario 3 : Ubah kenaikan rate

Perubahan Nilai Expected Revenue Skenario 2 :

Ubah data booking request

Analisa Perilaku Model terhadap perubahan parameter input

FINISH

Penarikan Kesimpulan dan Saran A

(12)

Permodelan Two-Dimentional Cargo Space Control

Model Penelitian Deskripsi

Amaruchkul, dkk (2006) Memaksimumkan ekspektasi pendapatan dengan menghitung terpisah expected revenue terpisah berdasarkan berat dan ditambahkan dengan berdasarkan volume

Huang dan Chang (2010) Menggunakan metode sampling untuk menghitung expected revenue secara bersamaan berdasarkan berat dan volume Pengembangan model pada

penelitian ini

Menggunakan metode sampling untuk menghitung expected revenue secara bersamaan berdasarkan berat dan volume Menambahkan aspek perubahan rute untuk memaksimumkan pendapatan

(13)

Notasi Model

 i tipe pengiriman (i=1,..,m)

 t periode keputusan (t=0,..,n, diasumsikan bahwa t=0 adalah periode pada saat take-off, dan t=n

adalah awal proses pemesanan)

 Pit probabilitas pemesanan tipe i pada periode t

 r_i rate untuk tipe i

 W_i variabel acak yang merepresentasikan distribusi berat untuk tipe i  w_i berat rata-rata untuk tipe i, E[W_i]

 V_i variabel acak yang merepresentasikan distribusi volume untuk tipe i  v_i volume rata-rata untuk tipe i, E[V_i]

 expected revenue dari tipe i; r_iE[max(W_i, V_i/)]

 y akumulasi berat rata-rata dari pemesanan yang diterima  x akumulasi volume rata-rata dari pemesanan yang diterima

 y_k titik sampling untuk berat setelah range dari rata-rata berat dibagi dengan parameter b (k=o,1,…,b).

y₀=0 dan y_b=maksimum berat.

 x_j titik sampling untuk volume setelah range dari rata-rata volumet dibagi dengan parameter b

(14)

Model Dasar (Huang dan Chang, 2010)

 Berat dan volume pengiriman kargo  stokastik, direpresentasikan oleh variabel acak  Penerbangan tunggal  Kapasitas volume dan berat (k_vdan k_w)

 Booking horizon dibagi dalam n periode waktu dan dalam satu periode paling banyak terdapat

satu booking request.

 Periode waktu diurutkan terbalik ( t=n awal proses pemesanan dan t=0  take off)  Kedatangan booking request independen di seluruh periode waktu

 Oversale penalty  diasumsikan linier terhadap potential revenue

(15)

Algoritma Perhitungan

Mulai

Input :

Rata-rata berat dan volume kargo Rate tiap kelas

Probabilitas kedatangan Penalty

Kapasitas berat dan kapasitas volume Menentukan parameter (a,b)

Menghitung P_it dan P_0t masing-masing tipe kargo di setiap periode t

Menghitung Rho setiap tipe tipe i; r_iE[max(W_i, V_i)

Menghitung nilai w₀(x_j,y_k)

Menghitung nilai w₀(x_j+v_i,y_k+w_i)

Menentukan parameter (a,b) Menghitung nilai w_t(x_j+v_i,y_k+w_i)

Mengitung nilai w_t(x_j,y_k)

(16)

Pengembangan model

Dari Model Huang dan Chang (2010)

Menambahkan perubahan rate berdasarkan

(17)

Percobaan Numerik

 Terdapat 9 kategori kargo yang memiliki distribusi berat dan volume bervariasi.

 Diasumsikan terdapat tiga kelas tarif yang disediakan dan ratio pendapatan untuk ketiga kelas tersebut ada

pada tabel.

 Booking horizon dibagi menjadi t = 60, dimana probabilitas kedatangan untuk masing-masing kelas berubah

tiga kali selama booking horizon.

 Untuk kelas tarif tinggi (tarif kelas 1), probabilitas kedatangan booking request cenderung tinggi menjelang

akhir proses booking, dan sebaliknya untuk kelas tarif rendah probabilitas kedatangan booking request justru tinggi di awal proses booking. Input data order booking request digenerate dari bilangan random yang

terdistribusi normal dengan standar deviasi 3.

 Kapasitas berat 10000 kg, kapasitas volume 8000 (x104 cm3). Jumlah titik sampling yang diambil untuk berat dan

volume adalah 5. Untuk penalty, diasumsikan linier sebesar 1,2 kali dari potential revenue.

1 2 3 4 5 6 7 8 9 Average weight 80 160 400 100 200 500 100 200 500 Average volume (10^4 cm3) 60 120 300 60 120 300 50 100 250 Arrival probabilities 0.8333 0.8333 0.8333 0.1667 0.1667 0.1667 0.8333 0.8333 0.8333 Categories 20 20 20 Class 1 1.2 0.25 0.1667 0.1 Class 2 1 _0.15 _0.1668 0.15 Class 3 0.8 0.1 0.1667 0.25 No Booking Req 0.5 0.5 0.5 Request Probabilities Period Rate

(18)



Percobaan Numerik dilakukan dengan menggunakan Uniform Rate

dan Progressive Rate.



Untuk pengujian dengan rate yang berubah-ubah (progressive rate),

parameter persentase akumulasi berat accepted bookingnya adalah

naik dari 30%, 40% dan 50% dan kenaikan rate berturut-turut

50%,80%,100% sehingga table perubahan ratenya adalah sebagai

berikut :

Percentage of Accumulated Load 30 40 50

Rate Class 1 1.8 2.16 2.4

Rate Class 2 1.5 1.8 2.0

(19)

Skenario Percobaan Numerik

Percobaan Numerik 1 Mengubah parameter request probabilities

Skenario 1 request probabilities kelas 1(tarif mahal) semakin tinggi di akhir booking horizon Skenario 2 request probabilities kelas 1 menjadi semakin kecil menjelang akhir booking horizon Percobaan Numerik 2 Mengubah pola data order booking request

Skenario 1 Parameter input sama dengan model dasar (data order tidak diubah) Skenario 2 Booking request yang besar cenderung datang di awal booking horizon

Skenario 3 Booking request yang besar cenderung datang di akhir booking horizon

Percobaan Numerik 3 Mengubah persentase kenaikan rate

Skenario 1 Kenaikan rate yang terjadi adalah 50%, 80% dan 100% Skenario 2 Kenaikan rate yang terjadi adalah 10%, 20% dan 30% Skenario 3 Kenaikan rate yang terjadi adalah 20%, 25% dan 30%

(20)

Hasil Percobaan Numerik

--- Expected total demand in

Weight---Uniform

rate Progressive rate Percobaan Numerik 1 Skenario 1 7600 7600 Skenario 2 Percobaan Numerik 2 Skenario 1 7600 7600 Skenario 2 Skenario 3 Percobaan Numerik 3 Skenario 1 7600 7600 Skenario 2 Skenario 3

(21)

Hasil Percobaan Numerik

Expected total demand in Volume-

---Uniform

(22)

Hasil Percobaan Numerik

Potential revenue

---Uniform

(23)

Hasil Percobaan Numerik

Oversale Penalty

---Uniform

(24)

Hasil Percobaan Numerik

nilai expected revenue

---Uniform

rate Progressive rate Percobaan Numerik 1 Skenario 1 _7131.8 ₁₄₅₃₇ Skenario 2 _7138.8 ₁₄₅₅₂ Percobaan Numerik 2 Skenario 1 _7133.5 ₁₄₅₃₀ Skenario 2 _7139.7 ₁₄₅₄₃ Skenario 3 _7149.2 ₁₄₅₆₂ Percobaan Numerik 3 Skenario 1 7143.9 13017 Skenario 2 _6775.2 Skenario 3 _7150.6

(25)

Kesimpulan



Telah dilakukan pengembangan model pengelolaan pendapatan pengangkutan kargo

udara dengan mempertimbangkan aspek variabilitas rate berbasis persediaan

kapasitas, serta perancangan perangkat lunak untuk melakukan percobaan numerik

sekaligus bisa digunakan sebagai alat bantu carrier dalam mengestimasi pendapatan

yang akan diperoleh.



Kenaikan rate dalam satu booking horizon menyebabkan peningkatan expected

revenue. Peningkatan expected revenue ini dipengaruhi oleh request probabilities

kelas kargo, pola data order booking request dan persentase kenaikan rate.

