• Tidak ada hasil yang ditemukan

PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN BERBASIS SISTEM DINAMIK UNTUK MENGEVALUASI KEBUTUHAN KAPASITAS BANDARA JUANDA

N/A
N/A
Protected

Academic year: 2021

Membagikan "PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN BERBASIS SISTEM DINAMIK UNTUK MENGEVALUASI KEBUTUHAN KAPASITAS BANDARA JUANDA"

Copied!
15
0
0

Teks penuh

(1)

PERANCANGAN ALAT BANTU PENGAMBILAN KEPUTUSAN BERBASIS

SISTEM DINAMIK UNTUK MENGEVALUASI KEBUTUHAN KAPASITAS

BANDARA JUANDA

Febru Radhianjaya, Ahmad Rusdiansyah Jurusan Teknik Industri

Institut Teknologi Sepuluh Nopember (ITS) Surabaya Kampus ITS Sukolilo Surabaya 60111

Email: [email protected] ; [email protected]

ABSTRAK

Industri penerbangan di Indonesia sangat berkembang pesat. Hal ini dibuktikan dengan bertambahnya jumlah penumpang dan jumlah perusahaan angkutan udara yang menyebabkan semakin padatnya aktivitas pada bandara. Berdasarkan wawancara yang telah dilakukan dengan pihak Direktorat Jenderal Perhubungan Udara, terdapat kajian mengenai evaluasi kebutuhan kapasitas terminal bandara Juanda. Dengan adanya permasalahan ini, maka dilakukan penelitian mengenai model sistem yang akan menyelesaikan permasalahan yang terkait dengan evaluasi terminal bandara tersebut. Berdasarkan studi literatur dan proses wawancara yang dilakukan, model sistem yang sesuai adalah dengan menggunakan implementasi sistem dinamik karena sistem penerbangan yang diteliti sangat dinamis oleh perubahan waktu. Oleh karena itu, dilakukan penelitian mengenai pembuatan alat bantu pengambilan keputusan untuk mengevalusi kebutuhan kapasitas bandara Juanda. Untuk mendukung penelitian ini, diperlukan data-data sekunder yang meliputi kapasitas bandara, data history penumpang, dan data rute penerbangan domestik. Hasil yang didapatkan dalam penelitian tugas akhir ini, bahwa kapasitas terminal bandara Juanda I telah overload pada tahun 2006. Adanya kondisi tersebut dilakukan beberapa skenario kebijakan, yaitu dengan mengembangkan terminal bandara Juanda I dengan total kapasitas 10.500.000 orang per tahun yang akan bertahan hingga 2016. Skenario kebijakan lainya adalah pengoperasian bandara Juanda II yang akan digunakan oleh maskapai Lion, sehingga didapatkan bahwa pada terminal bandara Juanda I dan Juanda II akan overload pada tahun 2014.

Kata kunci : Bandara Juanda, Kapasitas Terminal, Sistem Dinamik, Alat Bantu Pengambilan

Keputusan

ABSTRACT

Aviation industry in Indonesia is growing rapidly. It is evidenced by increasing number of passengers and airlines that causes more dense activity at the airport. Based on conducted interviews to Directorate General of Civil Aviation, an evaluation of capacity for Juanda airport is needed. Therefore, this research aims to build a decision support system to help in solving the problem through system dynamic approach. It is based on conducted literature study and interview, the observed aviation system is very dynamic by changing of the time. To support this research, secondary data were needed which includes data of airport capacity, number of passengers, and domestic flight routes. Results show that capacity of Juanda I airport terminal has been overloaded since 2006. Some scenarios of policies are constructed in response to this condition, namely by developing the airport terminal capacity to 10.5 million people per year which will last until 2016. Other scenario is operating the Juanda II terminal, which will be used by Lion Air, with the result that the airport will be overload in 2014.

Keywords : Juanda Airport, Terminal Capacity, System Dynamic, Decision Support Systems

1. PENDAHULUAN

Indonesia adalah negara yang memiliki topografi beraneka ragam. Hal ini dapat dibuktikan dengan adanya dataran rendah hingga dataran tinggi. Indonesia juga merupakan negara

kepulauan dengan adanya bukti terpisah oleh lautan dan beberapa selat. Kondisi demikian ini yang membuat pemerintah Indonesia menerapkan tiga sistem transportasi, yaitu sistem transportasi udara, laut, dan darat. Ketiga sistem transportasi tersebut digunakan oleh masyarakat Indonesia

(2)

sesuai dengan kebutuhan. Sistem transportasi adalah sistem yang penting dalam suatu rangkaian infrastruktur suatu wilayah. Sistem transportasi ini sangat dibutuhkan untuk memperlancar beberapa sistem yang terkait, seperti sistem perekonomian, sistem pariwisata, sistem pendidikan, dan sistem pertahanan.

Transportasi udara di Indonesia berkembang cukup pesat. Hal ini dapat dibuktikan dengan semakin bertambahnya perusahaan angkutan udara, baik perusahaan angkutan udara terjadwal maupun tidak berjadwal untuk melayani penumpang dari suatu rute tertentu (Udara, 2008). Dengan adanya kondisi tersebut, aktivitas dalam beberapa bandara yang berada di Indonesia semakin padat dari tahun ke tahun. Kepadatan ini mengakibatkan terhambatnya akses masuk dan keluar baik bagi pesawat maupun penumpang di bandara. Selain itu dampak yang diterima oleh penumpang adalah menurunnya tingkat kualitas kenyamanan dalam terminal bandar udara. Kondisi ini dapat terjadi karena dari tahun ke tahun tingkat pertumbuhan penumpang yang menggunakan jasa penerbangan semakin meningkat.

Data yang didapatkan dari buku Statistik Angkutan Udara Tahun 2009 menyatakan bahwa di bandara Juanda Surabaya, pada tahun 2008 jumlah total penumpang sebesar 7.305.444 orang dengan jumlah penumpang berangkat sebesar 3.539.582 orang dan jumlah penumpang datang sebesar 3.765.862 orang (Udara, 2010a). Sedangkan pada tahun 2009 jumlah total penumpang 2009 sebesar 8.436.847 orang dengan jumlah penumpang berangkat sebesar 4.119.062 orang dan jumlah penumpang datang sebesar 4.317.785 orang (Udara, 2010a). Oleh karena itu didapatkan pertumbuhan jumlah total penumpang rata-rata per tahun sebesar 4,88 % (Udara, 2010a). Untuk lebih jelasnya akan ditampilkan data penumpang dan kapasitas terminal dari tahun 2005-2009 pada bandara Juanda Surabaya :

Gambar 1 Jumlah Penumpang Juanda dan Kapasitas Dari hasil pengolahan data diatas, terlihat bahwa terdapat kecenderungan kenaikan penumpang dari tahun 2005 menuju 2009 dibuktikan dari grafik di atas. Selain itu pada tahun 2005 hingga 2009 kapasitas terminal bandara Juanda telah

overload. Namun pada awal tahun 2011 terdapat

isu yang dikemukakan oleh General Manager PT. Angkasa Pura I, Trikora Harjo mengenai akan dioperasikannya kembali bandara Juanda II yang berkapasitas 4.000.000 orang per tahun (Bisnis, 2010). Selain itu pada bandara Juanda I akan dikembangkan hingga 90% seperti yang telah dikatakan oleh Gubernur Jawa Timur, Soekarwo (Juanda, 2011).

Adanya kondisi tersebut dipengaruhi oleh jumlah penumpang dari bandara-bandara lain yang akan menuju bandara Juanda. Terdapat 15 bandara yang mempengaruhi jumlah penumpang bandara Juanda, yaitu bandara Adi Sutjipto, Ahmad Yani, Husein Sastranegara, Hang Nadim, Soekarno-Hatta, Tjilik Riwut, Syamsuddin Noor, Sepinggan, Mutiara, Hasanuddin, Sam Ratulangi, Pattimura, El Tari, Selaparang, dan Ngurah Rai (Udara, 2011). Selain kondisi diatas, pengaruh penumpang yang akan berangkat menuju 15 bandara tersebut juga dipertimbangkan karena juga mempengaruhi kapasitas terminal domestik Juanda. Hal ini dapat dibuktikan ada sekitar 25% penduduk Indonesia yang menggunakan transportasi udara. Jumlah ini dapat dipastikan akan mengalami kenaikan sehingga semua bandara juga akan mengalami kenaikan penumpang dan mengakibatkan kapasitas penumpang bandara akan overload (Juanda, 2010).

Pada penelitian ini, hasil yang ingin dicapai adalah untuk melakukan pemodelan sistem dinamis dalam mendapatkan sistem dan evaluasi kapasitas bandara Juanda. Selain itu pada penelitian ini juga memberikan alat bantu

(3)

keputusan untuk mengevaluasi kebutuhan kapasitas bandara Juanda dan melakukan studi eksperimen dengan berbagai perubahan skenario. Batasan penelitian Tugas Akhir ini sebagai berikut :

1. Penerbangan yang diteliti adalah penerbangan domestik

2. Aspek mengenai kondisi perekonomian eksternal tidak dijabarkan

3. Tidak mempertimbangkan hubungan moda transportasi lain

Selain itu, terdapat asumsi yang digunakan pada penelitian Tugas Akhir ini yaitu tidak terdapat perubahan kebijakan strategis pada saat penelitian dilakukan.

Berdasarkan kondisi yang telah diuraikan diatas, maka perlu dibuat suatu alat bantu untuk mengevaluasi kapasitas dari kondisi eksisting yang bertujuan untuk evaluasi bandara, khususnya bandara Juanda dengan menggunakan sistem dinamik agar mendapatkan suatu kebijakan strategis.

2. METODOLOGI

Pada bagian ini akan dijelaskan mengenai langkah-langkah yang dilakuan pada penelitian Tugas Akhir ini untuk menyelesaikan permasalahan yang diangkat. Metodologi penelitian ini berguna sebagai acuan sehingga penelitian dapat berjalan secara sistematis. 2.1 Tahap Identifikasi Masalah

Pada tahap identifikasi dalam penelitian ini, dilakukan beberapa sub tahapan yang terdiri dari penentuan topik dan observasi awal, perumusan masalah dan penentuan tujuan penelitian, studi literatur, dan studi lapangan. Pada tahap identifikasi dan perumusan masalah ini, penulis melakukan bimbingan kepada pembimbing eksternal di Direktorat Jenderal Perhubungan Udara. Dari bimbingan yang dilakukan terdapat permasalahan mengenai evaluasi kapasitas bandara, khususnya bandara Juanda. Hal ini terjadi karena dalam data menunjukkan bahwa jumlah penumpang pada bandara Juanda telah melebihi kapasitas yang ada.

Berdasarkan hasil bimbingan kepada pembimbing eksternal dalam pihak Direktorat Jenderal Perhubungan Udara, selanjutnya dilakukan perumusan masalah untuk membatasi ruang lingkup penelitian. Dalam penelitian ini

akan membahas mengenai evaluasi keadaan bandara Juanda dan merancang alat bantu keputusan evaluasi tersebut sehingga memberikan usulan skenario terkait permasalahan yang dihadapi saat ini.

Selanjutnya adalah tahap penetapan tujuan penelitian. Hal ini dilakukan agar permasalahan yang ada dapat terjawab pada akhir penelitian ini. Tujuan yang diharapkan adalah melakukan evaluasi bandara Juanda kemudian merancang alat bantu keputusan evaluasi permasalahan tersebut dengan berbagai skenario dan isu-isu terkini.

Dari penetapan tujuan diatas, maka dilakukan studi literatur dan studi lapangan. Studi literatur melingkupi studi dari beberapa jurnal dan buku yang berkaitan dengan konsep transportasi, sistem bandara, terminal bandara, sistem dinamik, dan decision support system. Sedangkan studi lapangan bertujuan untuk mendapatkan informasi mengenai permasalahan yang dihadapi di Departemen Perhubungan Udara, kondisi eksisting sistem bandara, dan data sekunder mengenai jumlah history

penumpang dan kapasitas pada suatu bandara tertentu. Dari studi lapangan, dapat dilakukan evaluasi mengenai hal-hal yang menjadi faktor permasalahan sehingga dapat dilakukan solusi untuk menyelesaikan permasalahan ini.

2.2 Tahap Pengumpulan Data dan Deskripsi Sistem

Pada tahap ini akan dijelaskan tentang tahapan pengumpulan data dan deskripsi sistem dari permasalahan yang diangkat pada penelitian.

2.3 Tahap Pemodelan Sistem

Pada tahap ini, akan dilakukan simulasi dari sub model-sub model yang telah dibuat dan dianggap mewakili sistem riil. Kemudian akan dilakukan tahap validasi dan verifikasi terhadap model.

2.4 Tahap Analisis Hasil Simulasi dan Skenario

Pada tahap ini akan dilakukan analisis dan pembahasan mengenai evaluasi kondisi eksisting terhadap bandara Juanda dengan menggunakan model sistem dinamik yang telah dibuat. Analisis ini dimulai dari analisis mengenai kondisi eksisting kapasistas maksimum dan jumlah penumpang pada suatu bandara,

(4)

deskripsi sistem yang dilakukan, sampai dengan analisis terhadap skenario dan usulan rekomendasi dari model yang diterapkan.

2.5 Tahap Kesimpulan dan Saran

Pada hasil analisis dan pembahasan diatas, kemudian akan dilakukan penarikan kesimpulan untuk menjawab tujuan dari penelitian ini. Dilakukan juga saran dan usulan yang dapat dijadikan bahan masukan untuk penelitian selanjutnya yang berhubungan dengan penelitian ini.

3. PEMODELAN SISTEM

Bab ini meliputi tahap identifikasi variabel, konseptualisasi model, formulasi model, simulasi model, verifikasi dan validalidasi serta perancangan alat bantu pengambilan keputusan.

3.1 Identifikasi Variabel

Pada penelitian ini terdapat enam sub model yang diterapkan, yaitu sub model keberangkatan maskapai, keberangkatan penumpang, kedatangan maskapai, kedatangan penumpang, permintaan penumpang, dan pengembangan bandara.

3.2 Konseptualisasi Model

Model konseptual yang digunakan untuk menggambarkan penelitian ini adalah causal

loop diagram dan interaksi antar variabel.

Model konseptual ini diharapkan dapat memudahkan pembaca untuk memahami maksud dan ruang lingkup penelitian yang dilakukan. Penggambaran sistem secara lebih luas tergambar pada causal loop diagram sistem dengan melihat pada hubungan sebab akibat satu variabel terhadap variabel yang lain. Keterkaitan hubungan dengan dampak sifat positif atau negatif satu sama lain juga tergambar dalam diagram sebab akibat ini.

3.2.1 Causal Loop Diagram

Pada penyusunan causal loop diagram ini dilakukan untuk mengetahui keterkaitan beberapa variabel dalam sistem terminal bandara di Indonesia. Dari beberapa variabel yang digambarkan diatas, dapat diketahui seberapa jauh pengaruh yang ditimbulkan dalam sistem terminal bandara. Variabel-variabel yang mempengaruhi didefinisikan sesuai dengan identifikasi yang telah dilakukan pada sub bab sebelumnya.

Pendekatan sistem terminal bandara di Indonesia juga dilakukan dengan mendefinisikan interaksi yang terjadi antar elemen dalam sistem yang berikutnya akan digambarkan dalam causal

loop diagram. Dengan menggunakan causal loop diagram, akan diketahui hubungan antar

variabel yang ditunjukkan dengan hubungan panah positif ataupun negatif.

Gambar 2 Causal Loop Diagram

Causal loop diagram yang dibuat diatas

menggunakan software STELLA berdasarkan variabel-variabel yang telah diidentifikasikan oleh pembuat model. Selanjutnya setelah variabel-variabel telah ditentukan oleh pembuat model dan dihubungakan keterkaitan diantara variabel tersebut, maka akan dilakukan polarity yang berguna untuk menggambarkan hubungan umpan balik positif dan negatif. Salah satu variabel yang memberikan dampak umpan balik positif adalah semakin tinggi frekuensi total penerbangan maka kapasitas total pesawat juga akan semakin meningkat. Sedangkan salah satu variabel yang memberikan dampak umpan negatif adalah semakin tinggi jumlah penumpang di bandara maka kapasitas bandara tersebut akan semakin rendah.

3.3 Formulasi Model

Dalam sistem terminal bandara di Indonesia ini, terdapat 6 sub model yang sesuai dengan variabel pada pembuatan causal loop

diagram, yaitu sub model keberangkatan

maskapai, keberangkatan penumpang, kedatangan maskapai, kedatangan penumpang, pertumbuhan permintaan, dan pengembangan bandara.

3.3.1 Sub Model Keberangkatan Maskapai Sub model keberangkatan maskapai ini merupakan model yang mendeskripsikan bagaimana proses keberangkatan maskapai di bandara. Salah satu variabelnya adalah kapasitas penumpang keluar Batavia Juanda Hasanuddin yang didapatkan dari perkalian antara kapasitas Batavia Juanda Hasanuddin dan frekuensi Batavia per tahun Juanda Hasanuddin.

(5)

Kapasitas Batav ia Berangkat dari Juanda

Konversi Minggu ke Tahun Konversi Minggu ke Tahun Konversi Minggu ke Tahun Konversi Minggu ke Tahun F rekuensi Batav ia Per Minggu Juanda Hasanuddin Kapasitas Batav ia

Juanda Hasanuddin Kapasitas Penumpang Keluar Batav ia Juanda Hasanuddin

Frekuensi Batav ia Per Tahun Juanda Hasanuddin

Frekuensi Batav ia Per Minggu Juanda Selaparang Kapasitas Batav ia

Juanda Selaparang Kapasitas Penumpang Keluar

Bat av ia Juanda Selaparang

Frekuensi Batav ia Per Tahun Juanda Selaparang

Frekuensi Batav ia Per Minggu Juanda Hang Nadim Kapasitas Batav ia

Juanda Hang Nadim Kapasitas Penumpang Keluar

Batav ia Juanda Hang Nadim

Frekuensi Batav ia Per Tahun Juanda Hang Nadim

Frekuensi Bat av ia Per Minggu Juanda Tjilik Riwut Kapasitas Batav ia

Juanda Tjilik Riwut Kapasitas Penumpang Keluar

Batav ia Juanda Tjilik Riwut

Frekuensi Bat av ia Per Tahun Juanda Tjilik Riwut

Multiplier Minggu

Mult iplier Minggu

Multiplier Minggu Frekuensi Sebelum Penambahan Frekuensi Sebelum Penambahan Frekuensi Sebelum Penambahan Frekuensi Sebelum Penambahan

Gambar 3 Sebagian Sub Model Keberangkatan Maskapai

3.3.2 Sub Model Keberangkatan

Penumpang

Sub model keberangkatan penumpang pada gambar 3.3 menggambarkan bagaimana proses keberangkatan penumpang dari bandara. Salah satu variabelnya adalah penumpang Batavia Juanda Selaparang yang didapatkan dari kondisi jika calon penumpang kurang dari sama dengan kapasitas penumpang keluar Batavia Juanda Selaparang maka penumpang yang berangkat adalah calon penumpang Batavia Juanda Selaparang, namun jika tidak maka yang berangkat adalah maksimal kapasitas penumpang keluar Batavia Juanda Selaparang.

Frekuensi Batavia Per M inggu Juanda Selaparang

Tot al Frekuensi Berangkat dari Juanda

Frekuensi Batavia Per Minggu J uanda Hang Nadim

Frekuensi Batavia Per M inggu Juanda Tjilik Riwut

Tot al Frekuensi Berangkat dari Juanda

Orang Per Kurs i

Orang Per Kursi

Orang Per Kursi Kapasitas Penumpang Keluar Batavia Juanda Selaparang

Calon Penum pang Batav ia Juanda Selaparang

Penumpang Bat av ia Juanda Selaparang

Penum pang Tidak Terangkut Batav ia Juanda Selaparang Proporsi Batav ia

Juanda Selaparang

Penumpang Lokal Juanda

Kapasitas Penumpang Keluar Batavia Juanda Hang Nadim

Calon Penum pang Batav ia Juanda Hang Nadim

Penumpang Bat av ia Juanda Hang Nadim

Penum pang Tidak Terangkut Batav ia Juanda Hang Nadim

Noname 8

Noname 8

Noname 8

Proporsi Batav ia Juanda Hang Nadim

Penumpang Lokal Juanda

Kapasitas Penumpang Keluar Batavia Juanda Tjilik Riwut

Calon Penum pang Batav ia Juanda Tjilik Riwut

Penumpang Bat av ia Juanda Tjilik Riwut Penum pang Tidak Terangkut Batav ia J uanda Tjilik Riwut Proporsi Batav ia

J uanda Tjilik Riwut

Penumpang Lokal Juanda

Gambar 4 Sebagian Sub Model Keberangkatan Penumpang

3.3.3 Sub Model Kedatangan Maskapai Dalam sub model kedatangan maskapai pada gambar 5, digambarkan proses kedatangan maskapai dari bandara asal. Varibelnya adalah penjumlahan beberapa asal bandara per maskapai menuju bandara tujuan.

Kapasitas Penumpang Keluar Garuda SH Juanda

Kapasitas Penumpang Keluar Garuda Hasanuddin Juanda

Kapasitas Penumpang Keluar Garuda Ngurah Rai Juanda

Kapasitas Penumpang Keluar Sriwijaya SN Juanda

Kapasitas Penumpang Keluar Sriwijaya B732 Sepinggan Juanda

Kapasitas Penumpang Keluar Sriwijaya B733 Sepinggan Juanda

Kapasitas Penumpang Keluar Sriwijaya Hasanuddin Juanda

Kapasitas Penumpang Keluar Sriwijaya SR Juanda

Total Kapasitas Penumpang Datang ke Juanda Kapasitas Garuda

Datang ke Juanda

Kapasitas Sriwijay a Datang ke Juanda

Gambar 5 Sebagian Sub Model Kedatangan Maskapai

3.3.4 Sub Model Kedatangan Penumpang Sub model kedatangan penumpang pada gambar 6 menggambarkan tentang proses penumpang datang dari bandara asal menuju bandara tujuan. Terdapat formulasi variabel penumpang Garuda datang ke Juanda yang didalamnya terdapat penjumlahan maskapai Garuda yang menuju bandara Juanda.

Penumpang Garuda SH Juanda

Penumpang Garuda Hasanuddin J uanda

Penumpang Garuda Ngurah Rai J uanda

Penumpang Garuda Datang ke Juanda Penumpang Sriwijaya B732 Sepinggan J uanda Penumpang Sriwijaya B733 Sepinggan Juanda Penumpang Sriwijaya Hasanuddin Juanda Penumpang Sriwijaya SR J uanda Penumpang Sriwijay a B733 El Tari Juanda Penumpang Sriwijay a Datang ke J uanda

Total Penum pang Datang ke J uanda

Gambar 6 Sebagian Sub Model Kedatangan Penumpang

3.3.5 Sub Model Penumpang Lokal

Pada sub model permintaan ini menggambarkan bagaimana didapatkan permintaan penumpang setiap bandara yang akan menuju bandara tujuan. Salah satu variabelnya adalah flow penumpang lokal Juanda yang didapatkan dari perkalian antara penumpang lokal Juanda dan faktor pertumbuhan penumpang lokal Juanda.

Penumpang Lokal Juanda

Flow Penumpang Lokal Juanda Faktor Pertumbuhan Penumpang Lokal Juanda

Gambar 7 Sebagian Sub Model Permintaan 3.3.6 Sub Model Pengembangan Bandara

Sub model pengembangan bandara ini bertujuan untuk memberikan keputusan kapan

(6)

bandara akan dikembangkan. Salah satu variabelnya adalah penambahan kapasitas. Maksud penambahan kapasitas ini adalah jika total penumpang di Juanda lebih besar dari kapasitas terminal domestik Juanda maka dilakukan penambahan kapasitas baru jika kondisi tersebut belum terjadi maka belum dilakukan pengembangan bandara.

Gambar 8 Sebagian Sub Model Pengembangan Bandara

3.4 Simulasi Model

Pada penelitian ini, model yang dibangun menggunakan software STELLA. Simulasi ini dilakukan bertujuan untuk melihat perilaku dari sistem yang telah dibuat. Simulasi dapat dilakukan dengan memasukkan data / nilai matematis dalam variabel-variabel yang disesuaikan dengan kondisi real. Nilai matematis yang dijadikan inputan adalah berupa data sekunder yang telah dikumpulkan dari Direktorat Jenderal Perhubungan Udara dan beberapa artikel terkait. Fungsi waktu yang digunakan dalam satuan waktu tahun dan selanjutnya akan disimulasikan model yang dibuat berdasarkan fungsi waktu tersebut.

3.5 Verifikasi dan Validasi Model

Simulasi yang telah dilakukan diatas belum tentu menunjukkan bahwa model yang dibuat telah sesuai dengan kondisi real sistem yang diteliti. Oleh karena itu diperlukan pengujian terhadap model yang terdiri dari pengujian verifikasi dan pengujian validasi agar simulasi yang dilakukan benar, masuk akal, dan menggambarkan kondisi yang sebenarnya. 3.5.1 Verifikasi Model

Verifikasi model adalah tahap pengecekan model simulasi apakah telah dibuat dengan benar dan logis. Pengecekan ini dilakukan di software STELLA pada pilihan

check units yang bertujuan untuk memastikan

kesetaraan satuan variabel yang terdapat di

model dan unit. Berikut ini adalah hasil verifikasi yang dilakukan :

Gambar 9 Verifikasi Check Units

Gambar 10 Verifikasi Check Model 3.5.2 Validasi Model

Pada tahap validasi model ini bertujuan untuk melihat apakah model yang telah dibuat mampu mewakili atau menggambarkan kondisi sebenarnya. Validasi yang dilakukan meliputi uji parameter model, uji kondisi ekstrim, uji statistik, dan uji struktur model.

3.5.2.1 Uji Parameter Model

Pengujian parameter ini dapat dilakukan dengan cara membandingkan antara logika aktual dengan hasil simulasi. Hasil simulasi dikatakan baik jika polanya sama dengan logika aktual. Berikut hasil validasi uji parameter model yang dilakukan :

Gambar 11 Hasil Uji Parameter Model Dapat dilihat bahwa antara kedua grafik diatas tidak memiliki perbedaan yang signifikan sehingga dapat dikatakan telah valid dalam uji parameter model.

3.5.2.2 Uji Kondisi Ekstrim

Pengujian dilakukan dengan memasukkan nilai ekstrim terkecil dan terbesar pada variabel penumpang lokal Juanda. Berikut hasil dari uji kondisi ektrim yang dilakukan :

(7)

Gambar 12 Hasil Eksisting

Gambar 13 Hasil Ekstrim Terkecil

Gambar 14 Hasil Ekstrim Terbesar

Dapat dilihat bahwa mulai gambar 12 hingga 14 tidak terjadi perubahan grafik dengan perbandingan eksisting, nilai ektrim terkecil, dan nilai ektrim terbesar. Oleh karena itu model dikatakan valid dalam uji kondisi ekstrim. 3.5.2.3 Uji Statistik

Proses validasi model dengan uji statistik ini adalah menggunakan software Minitab dengan 2-Sample-t. Berikut ini adalah syarat yang akan berlaku, yaitu :

Ho : π1 = π2 (tidak ada perbedaan data yang signifikan)

Ho : π1 ≠ π2 (terdapat perbedaan data yang signifikan)

Jika nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho.

1. Validasi Penumpang Berangkat

Ho : π1 = π2 (tidak ada perbedaan data yang signifikan)

Ho : π1 ≠ π2 (terdapat perbedaan data yang signifikan)

Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual penumpang berangkat.

Tabel 1 Validasi Penumpang Berangkat Hasil Simulasi Aktual

3.242.864 3.356.713 3.794.370 3.558.039 3.936.708 3.571.101 4.025.824 3.539.582 4.179.135 4.119.062

Gambar 15 Validasi Penumpang Berangkat dari Juanda

Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = 0,349 sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual penumpang berangkat tidak ada perbedaan data yang signifikan.

2. Validasi Penumpang Datang

Ho : π1 = π2 (tidak ada perbedaan data yang signifikan)

Ho : π1 ≠ π2 (terdapat perbedaan data yang signifikan)

Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual penumpang datang.

Tabel 2 Validasi Penumpang Datang Hasil Simulasi Aktual

2.686.691 3.493.029 3.174.371 3.714.540 3.462.129 3.776.919 3.692.066 3.638.136 4.037.673 4.171.339

(8)

Gambar 16 Validasi Penumpang Datang ke Juanda Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = 0.232 sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual penumpang datang tidak ada perbedaan data yang signifikan.

3. Validasi Total Penumpang Bandara Juanda

Ho : π1 = π2 (tidak ada perbedaan data yang signifikan)

Ho : π1 ≠ π2 (terdapat perbedaan data yang signifikan)

Berikut ini akan ditampilkan tabel perbandingan hasil simulasi dan data aktual total penumpang Bandara Juanda.

Tabel 3 Validasi Total Penumpang Bandara Juanda Hasil Simulasi Aktual

5.929.555 6.735.893 6.968.741 7.151.902 7.398.837 7.226.900 7.717.889 7.057.666 8.216.808 8.150.696

Gambar 17 Validasi Penumpang Total Juanda Berdasarkan hasil validasi dari software Minitab 14 didapatkan nilai P-value = 0.969 sehingga nilai P-value > α = 0.05, maka kesimpulannya adalah terima Ho dan hasil simulasi dan data aktual total penumpang Bandara Juanda tidak ada perbedaan data yang signifikan.

3.5.2.4 Uji Struktur Model

Pada akhirnya dilakukan validasi model dengan cara wawancara dengan pihak expert khususnya Direktorat Jenderal Perhubungan Udara untuk memastikan bahwa model yang

dibuat mampu mewakili atau menggambarkan sistem nyata.

3.6 Perancangan Alat Bantu Pengambilan Keputusan

Pada bab ini akan ditampilkan cara penggunaan alat bantu keputusan untuk evaluasi kebijakan kapasitas terminal bandara Juanda. Alat bantu pengambilan keputusan adalah salah satu bagian dalam pembuatan model sistem dinamik ini. Adanya alat bantu pengambilan keputusan ini bertujuan untuk memudahkan para pembuat kebijakan agar dapat mengaplikasikan model yang sudah dirancang tanpa harus mengerti konsep sistem dinamik. Alat bantu pengambilan keputusan dibuat berdasarkan skenario kebijakan yang telah dirancang, yaitu dengan mengganti variabel input dalam dalam

interface dan hasil simulasinya dapat dilihat

secara langsung melalui grafik output.

4. ANALISIS HASIL SIMULASI DAN SKENARIO

Pada tahap ini akan membahas mengenai analisis hasil simulasi dan skenario kebijakan yang akan dihasilkan dari hasil pemodelan sistem sebelumnya.

4.1 Hasil Simulasi Eksisting

Pada sub bab ini akan ditunjukkan hasil simulasi yang menggunakan data sekunder dan wawancara kepada pihak Direktorat Jenderal Perhubungan Udara. Simulasi dengan menggunakan software STELLA ini dilakukan dalam waktu simulasi antara tahun 2005 hingga tahun 2030. Simulasi dilakukan dalam satuan tahun. Dalam sub bab ini akan ditampilkan hasil simulasi dalam bentuk tabel dan gambar yang menunjukkan jumlah penumpang berangkat dari bandara Juanda, jumlah penumpang datang ke bandara Juanda, dan total penumpang bandara Juanda. Seperti yang telah dijelaskan sebelumnya bahwa penelitian ini difokuskan pada pembuatan alat bantu keputusan untuk evaluasi kapasitas bandara Juanda dan skenario kebijakan yang meliputi pengembangan terminal bandara domestik dan perubahan frekuensi penerbangan. Pada tabel 4 menunjukkan hasil simulasi eksisting jumlah penumpang berangkat, datang, dan total bandara Juanda.

(9)

Tahu n Jumlah Penumpang Berangkat dari Bandara Juanda Jumlah Penumpang Datang ke Bandara Juanda Total Penumpang Bandara Juanda 2005 3,242,864 2,686,691 5,929,555 2006 3,794,370 3,174,371 6,968,741 2007 3,936,708 3,462,129 7,398,837 2008 4,025,824 3,692,066 7,717,889 2009 4,179,135 4,037,673 8,216,808 2010 4,189,717 4,089,505 8,279,222 2011 4,254,319 4,297,919 8,552,237 2012 4,364,934 4,621,335 8,986,269 2013 4,425,450 4,818,238 9,243,688 2014 4,586,367 5,202,349 9,788,715 2015 5,097,209 5,860,413 10,957,622 2016 5,172,961 5,962,363 11,135,324 2017 5,249,031 6,053,347 11,302,378 2018 5,464,610 6,312,511 11,777,121 2019 6,011,869 6,655,235 12,667,104 2020 6,351,756 6,763,170 13,114,926 2021 6,727,658 6,884,922 13,612,580 2022 6,906,009 6,948,921 13,854,930 2023 7,016,237 7,025,603 14,041,840 2024 7,027,974 7,026,132 14,054,106 2025 7,323,779 7,255,239 14,579,018 2026 7,347,551 7,256,349 14,603,900 2027 7,387,557 7,268,559 14,656,116 2028 7,450,501 7,310,122 14,760,622 2029 7,546,292 7,399,825 14,946,117 2030 7,546,292 7,409,269 14,955,561

Dengan melihat hasil simulasi dengan menggunakan frekuensi eksisting, dapat dilihat bahwa jumlah penumpang yang berangkat dari Juanda menuju bandara lain maupun jumlah penumpang datang dari bandara lain menuju Juanda terlihat semakin meningkat dari tahun ke tahun. Hal ini dapat diartikan bahwa pengguana jasa transportasi udara akan banyak digunakan oleh masyarakat setempat. Namun pada tahun 2018 hingga 2030 terjadi peningkatan yang tidak terlalu signifikan karena frekuensi penerbangan maskapai tidak mencukupi untuk mengangkut penumpang dari Juanda menuju bandara lain dan juga dari bandara lain menuju Juanda. Untuk lebih jelasnya berikut ini akan ditampilkan gambar 18 hingga 20 yang menunjukkan grafik hasil simulasi dari jumlah penumpang berangkat, datang, dan perbandingan kapasitas terminal dengan total penumpang bandara Juanda.

Gambar 18 Simulasi Penumpang Berangkat dari Juanda

Gambar 19 Simulasi Penumpang Datang ke Juanda

Gambar 20 Simulasi Perbandingan Kapasitas dan Penumpang

Pada gambar diatas dapat dilihat bahwa pada tahun 2006 kondisi kapasitas terminal bandara Juanda yang berkapasitas 6.500.000 orang per tahun telah overload karena jumlah total penumpang bandara Juanda melebihi kapasitas terminal Juanda. Selanjutnya akan ditampilkan gambar 21 dan 22 yang menunjukkan grafik hasil simulasi penumpang yang tidak terangkut dari dan menuju bandara Juanda.

(10)

Gambar 21 Simulasi Penumpang Tidak Terangkut dari Juanda

Gambar 22 Simulasi Penumpang Tidak Terangkut ke Juanda

4.2 Desain Skenario Kebijakan

Penyusunan skenario kebijakan terhadap sistem penerbangan domestik Indonesia, khususnya bandara Juanda dapat dilakukan dengan cara mengubah nilai pada variabel yang berpengaruh terhadap sistem yang telah dibuat. Berdasarkan model eksisting yang telah dibuat sebelumnya, akan dilakukan perancangan skenario-skenario kebijakan yang akan terjadi pada masa mendatang. Dalam penelitian ini terdapat beberapa bentuk skenario kebijakan, yaitu :

a. Perubahan nilai variabel kapasitas terminal bandara Juanda

b. Pengoperasian bandara Juanda II dengan kebijakan akan digunakan oleh maskapai Lion, Sriwijaya, dan Citilink

c. Perubahan nilai variabel penambahan frekuensi

d. Skenario berbasis GDP (Gross

Domestic Product)

4.2.1 Perubahan Variabel Kapasitas Bandara Juanda

Desain skenario ini bertujuan untuk melihat kondisi terminal bandara Juanda dengan adanya perubahan variabel kapasitas bandara Juanda. Variabel ini dapat diubah-ubah sesuai kebijakan dari pengelola bandara Juanda. Skenario pertama adalah pengaruh dari

perubahan variabel kapasitas bandara Juanda dengan kapasitas per tahun sejumlah 6.500.000 orang per tahun dengan penambahan kapasitas terminal Juanda sejumlah 4.000.000 orang per tahun.

Gambar 23 Perubahan Kapasitas Juanda Skenario Pertama

Dari gambar diatas dapat dilihat bahwa jika dengan adanya penambahan sebesar 4.000.000 orang per tahun maka pada tahun 2007 kapasitas terminal Juanda sebesar 10.500.000 orang per tahun, pada tahun 2016 kapasitas terminal Juanda sebesar 14.500.000 orang per tahun, dan pada tahun 2026 kapasitas terminal Juanda sebesar 18.500.000 orang per tahun.

Namun kondisi diatas akan berbeda jika penambahan kapasitas terminal Juanda sebesar 5.500.000 orang per tahun. Berikut ini akan ditampilkan grafik yang menunjukkan hasil simulasinya pada skenario kedua :

Gambar 24 Perubahan Kapasitas Juanda Skenario Kedua

Dari gambar diatas dapat dilihat bahwa jika dengan adanya penambahan sebesar 5.500.000 orang per tahun maka pada tahun 2007 kapasitas terminal Juanda sebesar 12.000.000 orang per tahun dan pada tahun 2020 kapasitas terminal Juanda sebesar 17.500.000 orang per tahun. 4.2.2 Pengalihan Beberapa Maskapai ke

Juanda II

Desain skenario ini bertujuan untuk melihat akibat dari pemindahan operasional

(11)

maskapai Lion ke Juanda II sesuai dengan isu yang telah disebutkan sebelumnya. Akibat yang terjadi adalah dari variabel kapasitas akan mengalami jumlah yang berbeda dari sebelumnya.

4.2.2.1 Pengalihan Lion

] Pada model eksisting menunjukkan bahwa dari segi kapasitas terminal bandara Juanda telah overload pada tahun 2006 sehingga pada perubahan nilai variabel kapasitas terminal bandara Juanda berguna untuk melihat kebijakan jika akan dikembangkan dengan penambahan kapasitas terminal Juanda sebesar 4.000.000 orang. Adanya penambahan kapasitas terminal Juanda tersebut, maka akan ditampilkan grafik hasil dengan alat bantu keputusan perubahan variabelnya. Berikut ini akan ditampilkan desain skenario pengoperasian bandara Juanda II yang digunakan oleh maskapai Lion yang telah banyak dibicarakan oleh pihak-pihak terkait yang telah disebutkan pada latar belakang. Pada gambar 25 merupakan grafik hasil dari perbandingan bandara Juanda dengan kapasitas 6.500.000 orang per tahun. Sedangkan pada bandara Juanda II dengan kapasitas 4.000.000 orang per tahun yang akan ditunjukkan pada gambar 26.

Gambar 25 Perbandingan Kapasitas dan Penumpang Juanda

Gambar 26 Perbandingan Kapasitas dan Penumpang Juanda II

Pada gambar 25 dan 26 diatas terlihat bahwa kapasitas terminal bandara Juanda akan

overload pada tahun 2014 dengan kapasitas

6.500.000 orang per tahun. Kondisi demikian juga terjadi pada terminal bandara Juanda II yang akan overload pada tahun 2014 dengan kapasitas 4.000.000 orang per tahun.

4.2.2.2 Pengalihan Lion dan Sriwijaya

Pada sub bab ini akan ditampilkan desain skenario pengoperasian bandara Juanda II yang digunakan oleh maskapai Lion dan Sriwijaya. Pada gambar 27 merupakan grafik hasil dari perbandingan kapasitas terminal dan total penumpang di bandara Juanda dengan kapasitas 6.500.000 orang per tahun, sedangkan gambar 28 pada bandara Juanda II dengan kapasitas 4.000.000 orang per tahun.

Gambar 27 Kondisi Tanpa Lion dan Sriwijaya di Juanda

Gambar 28 Kondisi Dengan Lion dan Sriwijaya di Juanda II

Pada gambar 4.10 dan 4.11 diatas terlihat bahwa kapasitas terminal bandara Juanda akan

overload pada tahun 2020 dengan kapasitas

6.500.000 orang per tahun. Kondisi demikian juga terjadi pada terminal bandara Juanda II yang overload pada tahun 2008 dengan kapasitas 4.000.000 orang per tahun.

(12)

4.2.2.3 Pengalihan Lion dan Garuda Citilink Pada sub bab ini akan ditampilkan desain skenario pengoperasian bandara Juanda II yang digunakan oleh maskapai Lion dan Garuda Citilink. Pada gambar 29 merupakan grafik hasil dari perbandingan kapasitas terminal dan total penumpang di bandara Juanda dengan kapasitas 6.500.000 orang per tahun, sedangkan gambar 30 pada bandara Juanda II dengan kapasitas 4.000.000 orang per tahun.

Gambar 29 Kondisi Tanpa Lion dan Citilink di Juanda

Gambar 30 Kondisi Dengan Lion dan Citilink di Juanda II

Pada gambar 29 dan 30 diatas terlihat bahwa kapasitas terminal bandara Juanda akan

overload pada tahun 2020 dengan kapasitas

6.500.000 orang per tahun. Kondisi demikian juga terjadi pada terminal bandara Juanda II yang overload pada tahun 2010 dengan kapasitas 4.000.000 orang per tahun.

4.2.3 Perubahan Nilai Variabel Penambahan Frekuensi

Pada desain skenario ini yang dapat diatur sesuai kebijakan maskapai berapa penambahan frekuensi yang akan dilakukan. Namun pada penambahan frekuensi ini berlaku secara makro yang memiliki maksud penambahan frekuensi ini berlaku untuk semua maskapai. Misalnya terdapat kebijakan

penambahan frekuensi sebesar tujuh frekuensi seminggu pada tahun 2013 untuk setiap dua tahun, maka kondisi tersebut berlaku untuk semua maskapai yang diteliti. Pada tabel 5 dan gambar 31 dan 32 adalah hasil skenario pertama penambahan frekuensi pada penelitian ini dengan jumlah penambahan frekuensi sejumlah tujuh per minggu dimulai dengan penambahannya pada tahun 2013 dengan jangka waktu penambahan setiap dua tahun.

Tabel 5 Hasil Simulasi Penambahan Frekuensi

Tahu n Jumlah Penumpang Berangkat dari Bandara Juanda Jumlah Penumpang Datang ke Bandara Juanda Total Penumpang Bandara Juanda 2005 3,266,488 2,686,691 5,953,179 2006 3,822,012 3,174,371 6,996,383 2007 3,965,386 3,462,129 7,427,516 2008 4,055,151 3,692,066 7,747,217 2009 4,209,580 4,037,673 8,247,253 2010 4,220,239 4,089,505 8,309,744 2011 4,285,311 4,297,919 8,583,230 2012 4,396,733 4,621,335 9,018,067 2013 4,457,689 4,818,238 9,275,927 2014 4,619,778 5,316,263 9,936,041 2015 5,135,455 6,171,923 11,307,378 2016 5,212,368 6,504,622 11,716,990 2017 5,289,605 6,860,123 12,149,728 2018 5,510,068 7,580,808 13,090,876 2019 6,113,576 8,654,599 14,768,175 2020 6,505,672 9,754,518 16,260,191 2021 6,993,397 10,908,576 17,901,973 2022 7,265,457 12,063,342 19,328,799 2023 7,574,836 12,941,455 20,516,292 2024 7,615,144 13,574,415 21,189,559 2025 8,876,427 15,068,811 23,945,239 2026 8,980,582 16,036,902 25,017,484 2027 9,155,866 16,491,699 25,647,565 2028 9,431,651 17,831,686 27,263,337 2029 10,210,614 18,776,481 28,987,095 2030 10,595,945 20,289,905 30,885,850

(13)

Gambar 31 Penumpang Tidak Terangkut dari Juanda

Gambar 32 Penumpang Tidak Terangkut ke Juanda Dua gambar diatas terlihat bahwa tidak terdapat penumpang yang tidak terangkut dari Juanda menuju bandara lain karena terdapat penambahan frekuensi sejumlah tujuh per minggu setiap dua tahun yang dimulai pada tahun 2013. Namun dengan kondisi penambahan tersebut, masih terdapat penumpang yang tidak terangkut menuju bandara Juanda karena jumlah penumpang yang menuju bandara Juanda lebih besar dari pada penumpang yang berangkat ke bandara lain. Untuk lebih jelasnya dapat dilihat pada tabel 4.2.

4.2.4 Skenario Berbasis GDP (Gross

Domestic Product)

Pada skenario ini membahas mengenai pertimbangan penerapan GDP yang berguna untuk mengetahui permintaan penumpang. Berikut ini akan ditampilkan gambar hasil simulasi total penumpang Juanda dengan mempertimbangkan GDP dan gambar perbandingan total penumpang tanpa GDP dan pertimbangan dengan menggunakan GDP :

Gambar 33 Simulasi Pertimbangan GDP

Gambar 34 Perbandingan Total Penumpang Gambar 34 diatas menunjukkan bahwa diawal disimulasi terlihat perbandingan yang didapatkan tidak terlalu signifikan, namun pada simulasi tahun 2013 hingga akhir simulasi pada tahun 2030 terlihat adanya perbedaan. Hal ini terjadi karena input dari total penumpang tanpa mempertimbangkan GDP adalah data history penumpang tahun 2005-2009 sedangkan total penumpang dengan mempertimbangkan GDP didapatkan dari jumlah penduduk yang dipengaruhi oleh data GDP yang telah didapatkan.

Pada gambar 35 menunjukkan simulasi dengan menambahkan kapasitas sejumlah 4 juta orang per tahun :

Gambar 35 Penambahan Kapasitas 4 juta dengan GDP

Gambar diatas terlihat pada 2006 dan 2024 seharusnya terjadi pengembangan kapasitas

(14)

bandara Juanda. Sehingga skenario ini diharapkan dapat dijadikan perencanaan dalam pengembangan kapasitas bandara Juanda yang akan dilakukan.

Pada gambar 36 menunjukkan hasil simulasi dengan mengembangkan bandara sebesar 5,5 juta orang per tahun :

Gambar 36 Penambahan Kapasitas 5,5 juta dengan GDP

Dari gambar diatas dapat dilihat bahwa pada tahun 2006 dan 2029 seharusnya dilakukan pengembangan kapasitas bandara Juanda agar pada dua tahun tersebut tidak terjadi overload yang menunjukkan total penumpang bandara Juanda telah melebihi kapasitas.

5. PENUTUP

Bab ini berisi mengenai kesimpulan hasil penelitian dan saran yang berkaitan dengan penelitian selanjutnya.

5.1 Kesimpulan

Pada bagian akhir ini akan dilakukan penarikan kesimpulan dari hasil pemodelan dan analisis yang telah dilakukan sebelumnya, yaitu :

1. Telah dilakukan pembuatan aplikasi model sistem dinamis untuk mengevaluasi kebutuhan kapasitas terminal bandara Juanda

2. Dari hasil simulasi eksisting pada tahun 2005 hingga 2030 didapatkan bahwa kapasitas terminal bandara Juanda telah

overload pada tahun 2006

3. Pada skenario kebijakan pengembangan kapasitas terminal Juanda dengan total kapasitas sebesar 10.500.000 akan bertahan hingga tahun 2016

4. Pada skenario pertama pengoperasian bandara Juanda II, yaitu maskapai Lion akan beroperasi di bandara Juanda II maka bandara Juanda dan Juanda II akan overload pada tahun 2014

5. Pada skenario kedua pengoperasian bandara Juanda II, yaitu maskapai Lion dan Sriwijaya akan beroperasi di bandara Juanda II maka bandara Juanda akan overload pada tahun 2020 dan bandara Juanda II telah overload pada tahun 2008

6. Pada skenario kedua pengoperasian bandara Juanda II, yaitu maskapai Lion dan Garuda Citilink akan beroperasi di bandara Juanda II maka bandara Juanda akan overload pada tahun 2020 dan bandara Juanda II telah overload pada tahun 2010

7. Pada skenario makro penambahan frekuensi sejumlah tujuh setiap dua tahun yang dimulai pada tahun 2013, didapatkan hasil penumpang dapat terangkut semua dari bandara Juanda menuju bandara lain

8. Pada skenario penambahan faktor GDP, didapatkan bahwa diawal disimulasi terlihat perbandingan yang didapatkan tidak terlalu signifikan, namun pada simulasi tahun 2013 hingga akhir simulasi pada tahun 2030 terlihat adanya perbedaan

5.2 Saran

Adapun saran yang dapat diberikan untuk penelitian selanjutnya, yaitu :

1. Model dapat dikembangkan dengan menambahkan variabel penumpang transit serta variabel moda transportasi darat dan laut yang bertujuan untuk melihat pengaruh di terminal bandara 2. Penelitian dapat dikembangkan lebih

lanjut untuk mengevaluasi kebutuhan kapasitas terminal seluruh bandara di Indonesia dengan memperhatikan terminal bandara pada penerbangan Internasional

6. DAFTAR PUSTAKA

BISNIS, K. 2010. Bandara Lama Juanda

Difungsikan

Kembali

[Online].

Kabar

Bisnis.

Available:

http://www.kabarbisnis.com/read/28

15252

[Accessed].

(15)

FORRESTER, J. W. 1961. Industrial

Dynamics,

Cambridge,

Massachusetts MIT.

JUANDA, E. 2010. Mendesak, Perluasan

Terminal Bandara [Online]. Elban

Juanda.

Available:

http://www.juanda-airport.com/index.php/index.php?pili

h=news&mod=yes&aksi=lihat&id=3

07

[Accessed].

JUANDA, E. 2011. Kapasitas Bandara

Juanda dinaikkan 90% [Online].

Elban

Juanda.

Available:

http://www.juanda-airport.com/index.php/?pilih=news&

mod=yes&aksi=lihat&id=379

[Accessed].

LEMER,

A.

C.

1992.

Measuring

performance of airport passenger

terminals. Transportation Research

Part A: Policy and Practice, 26,

37-45.

MANATAKI, I. E. & ZOGRAFOS, K. G.

2009. A generic system dynamics

based tool for airport terminal

performance analysis. Transportation

Research

Part

C:

Emerging

Technologies, 17, 428-443.

MANATAKI, I. E. & ZOGRAFOS, K. G.

2010. Assessing airport terminal

performance

using

a

system

dynamics model. Journal of Air

Transport Management, 16, 86-93.

PERHUBUNGAN, M. 2010. Peraturan

Menteri Perhubungan Nomor : KM

11 Tahun 2010 Tentang Tatanan

Kebandarudaraan Nasional, Jakarta,

Kementrian Perhubungan 2010.

RUSDIANSYAH, A. 2008. Teknik dan

Manajemen Transportasi, Surabaya,

Departemen Pendidikan Nasional.

SOFYAN, A. 2010. Pengantar Sistem

Dinamik,

Bandung,

Teknik

Lingkungan ITB.

STERMAN, J. D. 2000. Dynamics :

Systems Thinking and Modeling for

a Complex World, Boston,

McGraw-Hill.

TURBAN, E., ARONSON, J. E. & LIANG,

T.-P. 2005. Decision Support System

and Intelligent Systems, New Jersey,

Pearson Education, Inc. Upper

Saddle River.

UDARA, D. J. P. 2006. Visi, Misi, Tujuan,

Strategi

[Online].

Departemen

Perhubungan Republik Indonesia.

Available:

http://hubud.dephub.go.id/?id+page+

detail+12

[Accessed].

UDARA, D. J. P. 2008. Pekerjaan

Penyusunan Master Plan Angkutan

Udara di Indonesia, Jakarta, PT.

Digratia Avia.

UDARA, D. J. P. 2010a. Statistik Angkutan

Udara

Tahun

2009,

Jakarta,

Kementrian Perhubungan.

UDARA, D. J. P. 2010b. Tugas Pokok

Direktorat Jenderal Perhubungan

Udara

[Online].

Departemen

Perhubungan Republik Indonesia.

Available:

http://hubud.dephub.go.id/?id+page+

detail+13

[Accessed].

UDARA, D. J. P. 2011. Kapasitas Angkutan

Udara

Dalam

Negeri,

Jakarta,

Kementrian Perhubungan.

WAHID, A. 2007. Perencanaan Strategi

Menggunakan

Model

Sistem

Dinamik,

Jakarta,

Departemen

Teknik Gas dan Petrokimia FTUI.

WIRJODIRDJO, B. 2007. Sistem Dinamik,

Surabaya, Teknik Industri ITS.

ZOGRAFOS, K. G. & MADAS, M. A.

2006.

Development

and

demonstration

of

an

integrated

decision support system for airport

performance analysis. Transportation

Research

Part

C:

Emerging

Technologies, 14, 1-17.

Referensi

Dokumen terkait