pemodelan pengukuran performansi pengiriman … file1 pemodelan pengukuran performansi pengiriman...
Post on 05-Aug-2019
244 Views
Preview:
TRANSCRIPT
1
PEMODELAN PENGUKURAN PERFORMANSI PENGIRIMAN KARGO UDARA
DENGAN PENDEKATAN SISTEM DINAMIK
Moch.Eka Prasetyan, Ahmad Rusdiansyah Jurusan Teknik Industri
Institut Teknologi Sepuluh Nopember (ITS) Surabaya
Kampus ITS Sukolilo Surabaya 60111
Email: prasetyan10@gmail.com ; arusdianz@gmail.com
ABSTRAK
Peningkatan permintaan pengiriman kargo udara akan meningkatkan jumlah kargo yang
harus dikirim tiap waktunya. Kemungkinan terjadinya keterlambatan pengiriman kargo
meningkat seiring dengan pertambahan permintaan pengiriman kargo. Penelitian ini
bertujuan untuk mengukur performansi pengiriman kargo udara terkait dengan parameter
jumlah kargo yang terkirim tiap waktunya, total waktu tunggu dan turn over ratio
gudang. Selain itu akan dilakukan pendekatan untuk melakukan pengiriman kembali
kargo yang tidak terkirim. Proses pengiriman kembali kargo yang tidak terkirim pada
periode sebelumnya, merupakan perilaku umpan balik. Peristiwa umpan balik ini akan
mempengaruhi jumlah kargo yang keluar dan masuk gudang (turn over ratio). Proses
umpan balik inilah menjadi alasan utama dilakukan pemodelan pengukuran performansi
pengiriman kargo udara dengan pendekatan sistem dinamik. Skenario yang digunakan
erat hubungannya dengan performansi. Pada simpulan penelitian dapat ditentukan
berbagai macam perubahan skenario kebijakan. Variabel yang paling berpengaruh
terhadap performansi pengiriman kargo dan yang memungkinkan untuk dilakukan
perbaikan adalah kebijakan perubahan fraksi jumlah kedatangan kargo yang tidak
terjadwal.
Kata kunci : Pemodelan, Pengukuran, Performansi, Kargo Udara, Sistem Dinamik
ABSTRACT
The growth demand of air cargo shipments will increase the amount of cargo whom that
must be sent each time. Someday the possibility of delays in delivery of air cargo will
increase along with increasing demand for cargo shipping. Menwhile that this
study aims to manage and measure about performance of air cargo shipments related to
the parameters of the amount of cargo sent each time, total waiting time and turn
over ratio in warehouse. Additionally, it will be approached to minimize delay of
shipping air cargo and measure internal performance of air cargo shipment process. The
process of sending cargo again will be described in this research. Feedback prosess is a
major reason to doing this research with system dynamics approach. The scenario to be
used to evaluate the performance.In the end of this research, the variables that most
influence on the performance of cargo shipping and have the most possibilty to be
applicated is the fractional change of the arrival ofcargo that is not scheduled. Keywords : Modelling, Measurement, Performance, Air Cargo, System Dynamics
1. PENDAHULUAN
Menurut Peraturan Direktur Jenderal
Perhubungan Udara (SKEP47, 2010), kargo
adalah barang yang diangkut pesawat udara
selain kiriman pos, stores ,dan bagasi
penumpang atau bagasi yang salah tujuan
(mishandle). Pada beberapa tahun terakhir ini,
pola permintaan pengiriman kargo udara
cenderung naik. Pola permintaan dari tahun
2003 – 2009 dapat dilihat pada Gambar 1. Hal
ini menuntut para pelaku bisnis di bidang
pengiriman kargo udara untuk terus
meningatkan pelayanannya kepada para
konsumennya. Konsumen yang dimaksud
adalah shipper atau pengirim kargo udara.
Ketepatan waktu dalam pengiriman kargo udara
merupakan salah satu faktor yang menentukan
kepuasaan konsumen.
2
Gambar 1 Grafik jumlah pengiriman kargo ekspor
Sumber : PT (Persero) Angkasa Pura I dan II,
Kementerian Perhubungan (BPS) 2009
Untuk memenuhi kepuasaan konsumen
yang optimal, maka diperlukan pengukuran
performansi pengiriman kargo udara.
Performansi pengiriman kargo dapat diukur
melalui beberapa variabel antara lain
keterlambatan pengiriman (delay),
keramaian/antrian proses pengiriman kargo
(congestion), dan jumlah kargo yang bisa
dilayani tiap waktunya (level of service) (
(ICAO, 1999). Parameter performansi yang
diukur pada penelitian ini adalah Turn Over
Ratio di gudang Terminal Kargo, Waktu Idle
Pekerja, dan Waktu Terkirimnya Kargo.
Permasalahan pengukuran performansi
menurut Manataki dan Zografos (2009),
memperhatikan hubungan antara perancangan
fasilitas dan jenis kegiatan operasional yang
dilakukan. Kompleksitas hubungan tersebut
akan digambarkan melalui pemodelan sistem
dinamik. Pada penelitian ini akan dilakukan
pengukuran performansi pengiriman kargo
udara. Sebagai alat untuk menggambarkan
kondisi yang sesuai dengan kenyataaan maka
digunakan pemodelan simulasi sistem dinamik.
Pemilihan sistem dinamik sebagai simulasi
continous berdasarkan atas hubungan timbal
balik, apabila ada pengiriman yang tidak
terkirim sesuai jadwal. Dengan model ini akan
bisa diketahui kapan waktu kargo tidak terkirim
dapat terkirim. Dengan menggunakan
metodologi simulasi sistem dinamik maka
diperoleh ; pertama, dihasilkannya model
pengukuran performansi pengiriman kargo
udara. Kedua, pada penelitian ini akan dilakuan
beberapa skenario perubahan kebijakan untuk
melihat hubungan variabel yang berpengaruh
terhadap peribahan performansi. Ketiga,
penelitian ini akan menentukan variabel yang
paling berpengaruh terhadap perubahan
performansi pengiriman kargo udara.
Penelitian dilakukan dengan objek
amatan proses pengiriman kargo di Terminal
Kargo Bandara Juanda, komoditas yang dipilih
adalah perishable karena memiliki prosesntase
pengiriman yang besar. Pengiriman pada objek
amatan dilakukan dengan menggunakan tipe
pesawat terbang combined (Narrow Body dan
Wide Body) atau pengiriman kargo bersamaan
dengan penerbangan penumpang. Pesawat
Narrow dan Wide merupakan jenis dari pesawat
Combined yang ada di Bandara Juanda.
Perbedaan dari kedua pesawat ini adalaha pada
kapasitas dan fleksibilitas pengangkutan kargo
.Pesawat jenis Narrow lebih banyak diminati
karena pola permintaan yang kecil per waktu,
sedangkan jadwal penerbangan yang ada
banyak, Sehingga pengangkutan dilakukan
dengan jumlah kecil namun frekuensi
penerbangan banayak. Asumsi yang digunakan
dalam penelitian adalah tidak ada perubahan
kebijakan saat penelitian, tidak ada perubahan
layout fasilitas selama penelitian, dan Turn Over
Ratio yang diukur adalah perpindahan kargo
keluar masuk di gudang Terminal Kargo.
2. METODOLOGI
Pada bab ini akan dijelaskan mengenai
langkah-langkah yang digunakan dalam
melakukan aktifitas selama penelitian yang
digambarkan melalui framework penelitian.
Metodologi penelitian ini berguna sebagai acuan
sehingga penelitian ini dapat berjalan secara
sistematis, sesuai dengan framework penelitian.
Terdapat empat tahapan yang akan dilakukan,
yaitu tahap identifikasi dan perumusan
permasalahan, tahap pengumpulan dan
pendeskripsian sistem, tahap simulasi model dan
skenario kebijakan, dan tahap analisis dan
penarikan kesimpulan.
2.1 Tahap Identifikasi Masalah
Identifikasi permasalahan dimulai
dengan melakukan wawancara kepada pihak
Direktorat Jenderal Perhubungan Udara yang
memiliki fungsi untuk mengeluarkan dan
melaksanakan kebijakan mengenai kegiatan
transportasi udara (KM, 2010). Identifkasi
masalah kemudian dilengkapi dengan
pengayaan kajian studi pustaka sehingga bisa
3
ditentukan permasalahan yang memang benar-
benar nyata. Selain itu juga dilakukan
pengamatan langsung di PT JAS sebagai
perusahaan yang berkerja dalam ground
handling dan warehousing pengiriman kargo
udara. Untuk memudahkan dalam menentukan
fokusan permasalahan maka dibuatlah latar
belakang permasalahan dengan alasan-alasan
yang mendasari permasalahan tersebut. Dari
hasil identifikasi permasalahan maka dapat
diperoleh informasi bahwa pada saat ini belum
ada penelitian tentang pemodelan pengukuran
perfomansi pengiriman kargo udara dengan
pendekatan sistem dinamik. Permasalahan yang
akan diseselsaikan terkait dengan penjadwalan
pengiriman kargo. Dari hasil identifikasi
permasalahan, lalu akan dibuat tujuan dan
manfaat peneltian.
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. Pengunpulan data dilkukan dengan
wawancara, pengamatan langsung, dan
pengumpulan data sekunder. Deskripsi pada
sistem dilakukan dengan menentukan variabel-
variabel yang berpengaruh pada pengukuran
performansi pengiriman kargo udara. Sebagai
konseptualisasi dari deskripsi sistem, perlu
ditentukan model alur proses pengiriman kargo
udara.
2.3 Tahap Formulasi Model Sistem
Pada tahap ini, akan dilakukan simulasi
dari sektor-sektor yang telah dibuat dan
dianggap mewakili sistem riil. Pada tahapan ini
akan dibuat model hubungan sebab akibat
model pengiriman kargo udara. Dari mdoel
tersebut maka dapat dibuat model Data Flow
Diagram Sistem Dinamik melalui bantuan
software Stella. Apabila model sudah bisa
disimulasi maka akan dilakukan tahap validasi
dan verifikasi untuk menentukan kesesuain hasil
model dengan sistem nyata.
2.4 Tahap Analisis Hasil Simulasi dan
Skenario
Pada tahap ini akan dilakukan analisis
dan pembahasan mengenai evaluasi output
model simulasi. Analisis yang dilakukan terkait
dengan jumlah antrian kargo, peristiwa kargo
terjadwal dan kargo tidak terjadwal dan lain-
lain. Setelah mengetahui performansi
pengiriman kargo yang ada saat ini, maka dapat
dibuat skenario perubahan kebijakan. Pada
tahapan ini perubahan kebijakan akan dilihat
hubungannya dengan variabel performansi yang
sudah ditentukan sebelumnya.
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
Identifikasi Variabel tentang proses
pengiriman kargo mengacu dari alur proses
yang digunakan di Terminal Kargo Bandara
Juanda. Dari hal tersebut maka dapat dibuat
pembagian kerja dari masing-masing stasiun
kerja sebagai berikut ;
Stasiun Kerja Terminal
Kargo
Ground Handling
Functional Area
Departing Controlled
Airport Functional Area
Controlled Airport
Functional Area
Security
Screening
Administration
Process
Palletisasi
Process
Ground
Handling
Process to
Warehouse
Ground
Handling
Process
To Apron
Ground
Handling Process
To Airline
Gambar 2 Pembagian kerja stasiun kerja
Dari pembagian kerja tersebut dapat ditentukan
dua sektor utama pemodelan yang mewakili
proses pengiriman kargo udara. Sektor pertama
mewakili pengiriman kargo sesuai jadwal
pengiriman kargo. Sektor pemodelan kedua
mewakili pengiriman kembali kargo yang tidak
terkirim sesuai jadwal.
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
4
memudahkan pembaca untuk memahami
maksud dan ruang lingkup penelitian yang
dilakukan. Penggambaran siste konseptualisasi
pada penelitian ini lebih banyak pada aliran
proses material kargo.
3.2.1 Causal Loop Diagram
Pada penyusunan causal loop diagram
ini dilakukan untuk mengetahui keterkaitan
antar hubungan stasiun kerja dalam proses
pengiriman kargo. Selain itu akan ditentukan
hubungannya dengan resource yang dimiliki
oleh Terminal Kargo sehingga dapat ditentukan
nantinya hubungan ketersedian resource dengan
performansi proses pengirman kargo.
Gambar 3 Causal loop diagram
Secara umum Causal loop diagram
yang dibuat mengggambarkan hubungan jumlah
dan waktu kedatangan kargo dengan
kemampuan Terminal Kargo untuk memproses
pengiriman kargo. Apabila terjadi jumah
kedatangan yang tinggi ada waktu tertentu maka
akan mengakibatkan tingkat keramaian yang
tinggi pada satasiun kerja. Hal ini akan
mengakibatkan semakin tinginya waktu proses
pengiriman kargo. Oleh karena itu faktor
kedetangan dan keberangkatan jumlah argo
sangat menentukan performansi pengiriman
kargo.
3.3 Formulasi Model
Pada sistem operasional pengiriman kargo
dan dengan melihat hubungannya dengan
pengukuran performansi maka dapat dibuat
beberapa dua sektor utama terkait kegiatan
operasional pengiriman kargo sebagai berikut ;
3.3.1 Sektor Pengiriman Kargo
Pada Sektor ini akan digambarkan
hubungan kedatangan kargo dan pengiriman
kargo sesuai jadwal keberangkatan. Dengan
sektor ini, maka pengambil kebijakan dapat
menentukan jumlah kargo terkirim sesui jadwal
keberangkatan kargo. Variabel kedatangan
kargo per interval waktu akan dimodelkan
dengan mengacu model kedatangan penumpang
oleh Manataki dan Zografos (2009). Perlunya
menentukan waktu antar kedatangan per
penerbangan pesawat terbang adalah
membedakan perilaku penumpang. Penumpang
dapat saja datang ke terminal penumpang, tanpa
menunggu di terminal penumpang. Namun ada
juga penumpang yang datang dengan waktu
yang jauh dari keberangkatan pesawatnya.
Peristiwa ini akan mengakibatkan keramaian di
bagian terminal penumpang. Hal ini juga tidak
jauh berbeda dengan kargo. Ada jenis kargo
yang langsung dikirim, dan ada juga kargo yang
disimpan sejenak sampai menunggu waktu
diberangkat ke pesawat pengangkutnya.
Dengan mengacu referensi tersebut, maka
proses pemodelan dapat dibuat pada Gambar 4
sebagai beikut ; Jadwal
Keberangkatan Kargo
Jadwal
Keberangkatan Pesawat
Tiap pengirim
Untuk setiap pesawat i, jumlah
kapasitas kargo (Si)
Untuk setiap pesawat i, jumlah
kargo yang datang tiap waktu
interval waktu keberangkatan
pesawat
Per tiap pesawat i, jumlah
kedatangan kargo yang
diharapkan (Pi = Si x Li)
Load Factor (Li)
Distribusi waktu antar kedatangan
kargo
Untuk setiap jenis penerbangan
Apakah saat ini
Akhir penerbangan
pesawat ?
Jumlah
Kedatangan kargo per interval
keberangkatan untuk semua
pesawat
Jumlah kedatangan
Kargo per intervel waktu
Langkah 1
Langkah 2
Langkah 5
Langkah 4
Langkah 3
Langkah 6
Langkah 7
Tidak
Ya
Gambar 4 Model kedatangan kargo per interval
waktu
Penjelasan langkah-langkah pemodelan
kedetangan kargo per interval waktu adalah
sebagai berikut ;
a. Langkah 1
Proses pengiriman kargo udara tergantung
dari jadwal pengiriman kargo per pesawat
5
terbang. Pemilihan pesawat terbang akan
berpengaruh pada jumlah kargo yang dikirim
dan waktu proses kerja. Oleh karena itu pesawat
dengan kapasitas besar (wide) akan memiliki
waktu proses yang lebih cepat, dibandingkan
dengan pesawat dengan kapasitas kecil
(narrow). Keadaan nyata di Bandara Juanda
adalah pesawat narrow paling sering digunakan
untuk mengirim kargo. Hal ini dikarenakan
permintaan yang ada adalah jumlah yang kecil
dengan waktu antar kedatangan yang singkat.
b. Langkah 2
Pada langkah ini, akan didefinisikan
kapasitas kargo maksimal yang bisa diangkut
oleh tiap pesawat i. Pada proses pengiriman
kargo,sering terjadi kedatangan jumlah kargo
yang tidak direncanakan (over cargo). Apabila
jumlah over cargo dan jumlah kargo yang
datang melebihi kapasitas pesawat maka
pengiriman kargo tidak bisa dilakukan.
c. Langkah 3
Pada tahapan ini, akan dihitung jumlah
kapasitas kargo yang akan digunakan pada saat
pengiriman. Tujuan pada tahapan ini adalah
menentukan kapasitas yang bisa dipakai untuk
kedatangan kargo yang sudah direncakan
datang. Sedangkan untuk peristiwa over cargo
bukan menjadi tanggung jawab dari pihak
terminal kargo, karena kejadiannya bersifat
uncertainty.
d. Langkah 4
Pada langkah ini akan dilakukan fitting
distibusi kedatangan kargo, jumlah kedatangan
kargo dan waktu antar kedatangan kargo
disesuaiakan tiap jadwal penerbangan pesawat
terbang. Harapannya adalah untuk menentukan
pola kedatangan kargo per tiap penerbangan
pesawat terbang. Waktu antar kedatangan kargo
digunakan untuk menggambarkan jumlah
kedatangan tiap interval waktu penerbangan
pesawat terbang. Perlunya menentukan jumlah
kedatangan kargo tiap interval waktu adalah
adanya perilaku dari pengirim kargo atau
Shipper yang secara tidak langsung
mengirimkan kargonya. Shipper yang letak
lokasi pengirimannya jauh dari lokasi terminal
bandara, mengirimkan kargonya ke terminal
dengan selisih waktu yang panjang dengan
jadwal keberangkatan kargo.
e. Langkah 5
Apabila jadwal penerbangan sudah pada
periode akhir penjadwalan per hari maka iterasi
penjumlah tiap waktu interval kedatangan kargo
dihentikan. Setelah itu akan dihasilkan jumlah
kedatangan kargo selama sehari.
f. Langkah 6
Selanjutnya dilakukan penjumlahan
kedatangan kargo antar interval waktu
pemberangkatan pesawat terbang. Dari hasil
penjumlahan akan diperoleh jumlah kedatangan
kargo per hari.
g. Langkah 7
Pada akhir iterasi pemodelan akan
diperoleh jumlah kedatangan kargo tiap interval
jadwal penerbangan pesawat. Dari acuan
pemodelan kedatangan kargo, maka dapat
dibuat pemodelan sektor pengiriman kargo di
terminal kargo sebagai berikut;
Gambar 5 Sektor pengiriman kargo
3.3.2 Sektor Pengiriman Kembali
Sektor pengiriman kembali
menggambarkan hubungan pengiriman kembali
kargo yang tidak terkirim, akibat kedatangan
kargo yang terlambat sampai di area landside
terminal kargo. Pada sektor ini akan
digambarkan pengiriman kembali kargo yang
tidak terkirim, sehingga terkadang
menambahkan jadwal pengiriman kargo baru.
Pada sektor pengiriman kembali di Gambar 6,
alur pengiriman kembali terjadi ketika ada kargo
yang tidak terkirim. Cara mengetahuinya adalah
dengan membandingkan kargo yang terkirim
pada sektor terminal kargo di Gambar 4 dengan
jadwal jumlah kargo yang harus dikirim. Setelah
mengetahui jumlah kargo yang tidak terkirim,
maka kargo akan dikembalikan ke gudang untuk
disimpan dengan waktu tertentu. Kargo akan
dikirim kembali pada saat ada penerbangan
dengan tujuan yang sama dengan kargo yang
tidak terkirim pada periode sebelumnya.
6
Dengan mengasumsikan bahwa
pengiriman tercepat pada bandara asal akan tiba
pada bandara tujuan dengan waktu tercepat
maka asumsi tersebut digunakan pada penelitian
ini. Sehingga dari sinilah dapat ditentukan
waktu pengiriman kembali kargo yang tidak
terkirim pada periode sebelumnya. Waktu
pengiriman kembali ini akan digunakan sebagai
salah satu parameter performansi pengiriman
kargo udara.
Gambar 6 Sektor pengiriman kembali
3.4 Simulasi Model
Pada tahapan ini model akan
disimulasikan untuk melihat pola hubungannya
antar stasiun kerja dan juga digunakan untuk
melihat parameter variabel performansi
pengiriman kargo sesuai model. Model
disimulasikan selama satu hari dengan
menggunakan satuan menit. Selain itu unit
kargo yang digunakan adalah tiap unit kargo.
Hal ini dipilih berdasarkan kemampuan
Terminal Kargo dalam memproses pengiriman
kargo, khusunya di Area Landside atau
Terminal Kargo. Area lain yang ada di Bandara
adalah Airside. Area ini dikenal sebagai area
pengakutan kargo ke pesawat. Pada model ini
juga akan diperhatikan lamanya waktu proses
pengiriman dari area Landside ke area Airside.
3.5 Verifikasi dan Validasi Model
Pada tahapan ini akan dilaukan analisis
hubungan antara model yang dibuat dengan
kesesuain sistem yang ada di kenyataaan.
Beberapa pengujian dilakukan untuk melihat
hubungannya.
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 7 Verifikasi check units
Gambar 8 Verifikasi check model verbose
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 struktur, uji parameter model, uji kondisi
ekstrim, uji statistik, dan uji struktur model.
3.5.2.1 Uji Struktur Model
Tujuan dari uji struktur model adalah
melihat apakah struktur model sudah sesuai
dengan sistem nyata. Setiap fator penting dalam
sistem nyata harus tercermin dalam model.
Model ini merupakan metode qualitatif yang
paling tepat untuk mempresentasikan validity
model. Pengujian struktur model dilakukan
dengan melihat penelitian-penelitian
sebelumnya terkait pemodelan pengukuran
performansi. Seperti yang sudah dilakukan
Manataki dan Zografos tahun 2009. Pembuatan
strktur model menggunakan acuan model yang
sudah dibuat Manataki dan Zografos tahun 2009
tentang A Generic System Dynamics Based Tool
for Airport Terminal Performance Analysis.
Pada penelitian tersebut pengukuran
7
performansi digambarkan melalui total waktu
tunggu yang dihasilkan dalam satu hari.
3.5.2.2 Uji Parameter Model
Uji parameter model dilakukan dengan
melihat dua variabel yang saling berhubungan,
serta membandingkan hasil logika aktual dengan
hasil simulasi. Pada model ini, digunakan
variabel hubungan kedatangan kargo dengan
adanya antrian di stasiun kerja xray.
Gambar 9 Hubungan jumlah kedatangan kargo
dan jumlah antrian di stasiun kerja
Gambar 10 Grafik hubungan jumlah kedatangan
kargo dan jumlah antrian di stasiun kerja
Dapat dilihat dari hubungan sebab
akibat apabila jumlah kedatangan kargo semakin
banyak maka antrian akan semakin besar, hal ini
nampak pada Gambar 10 Antrian terjadi
akumulasi, karena proses pemindahan kargo ke
pallet bersifat akumulatif dengan jumlah kargo
tertentu. Oleh karena itu model dapat dikatakan
valid sesuai uji parameter.
3.5.2.3 Uji Kondisi Ekstrim
Uji kondisis ekstrim dilakukan untuk
melihat hubungan variabel. Apabila perubahan
variabel berpengaruh terhadap variabel lain,
maka akan ada perubahan nilai variabel dan juga
perilaku model. Pengujian dilakukan dengan
memasukkan nilai normal, nilai ekstrim besar,
dan nilai ekstrim kecil.
Gambar 11 Grafik hasil eksisting
Gambar 12 Grafik hasil ekstrim terkecil
Gambar 13 Grafik hasil ekstrim terbesar
Dari hasil simulasi pada Gambar 11 sampai
Gambar 13, pengaruh perubahan waktu antar
kedatangan kargo yang tidak direncanakan
datang terhadap akumulasi kargo yang akan
dikirim ke apron. Semakin kecil waktu antar
kedatangan maka akan mempengaruhi jumlah
akumulasi kargo, begitu juga sebaliknya.
Jumlah
kedatangan kargo
waktu antar
kedatangan kargo
Jumlah
antrian pemindahan
kargo ke pallet+
-
8
3.5.2.4 Uji Statistik
Proses validasi model dengan uji
statistik ini adalah menggunakan software
Minitab dengan pair-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. Validasi ini
dilakukan pada hasil simulasi, dengan melihat
jumlah kargo yang tidak terkirim ;
Berikut ini akan ditampilkan tabel
perbandingan hasil simulasi dan data aktual
penumpang berangkat.
Tabel 1 Tabel validasi pair-t pesawat narrow
Minutes
jadwal penerbangan
narrow[Perishable]
kargo tidak terkirim
narrow[Perishable]
Data Simulasi Data Aktual Data Simulasi Data Aktual
510 253 265 229 231
615 236 230 167 179
780 21 19 16 15
781 21 24 21 22
Tabel 2 Tabel validasi pair-t pesawat wide
Minutes
jadwal penerbangan
wide[Perishable]
kargo tidak terkirim
wide[Perishable]
Data Simulasi Data Aktual Data Simulasi Data Aktual
23 36 40 36 38
810 178 180 118 120
900 147 157 97 110
Gambar 14 Pengujian pair-t pada pengiriman kargo
narrow
Gambar 15 Pengujian pair-t pada pengiriman kargo
narrow
Dari hasil pengujian pada Gambar 14 dan
15, nilai Ho berada pada daerah blokplot artinya
data valid. Nilai P-value dari kedua pengujian
lebih dari derajat kepercayaan 0,05, jadi dapat
dikatakan juga model simulasi sesuai dengan
kenyataan.
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.
9
Gambar 16 Tampilan alat bantu pengambilan
keputusan
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 Model dibuat dengan tujuan untuk
mengukur performansi pengiriman kargo udara.
Performansi pengiriman kargo udara dapat dilihat
dari parameter jumlah kargo yang tidak terkirim, turn
over ratio ,dan waktu total tunggu proses. Model
disimulasikan selama 1440 menit atau sama dengan
satu hari, dengan tujuan untuk melihat pengaruh
kedatangan kargo terhadap keterlambatan
pengiriman kargo atau kargo yang tidak terkirim.
Hubungan antar stasiun kerja sangat menentukan
jumlah kargo terkirim/tidak terkirim setiap jadwal
pengiriman kargo. Stasiun kerja x-ray dan stasiun
pemindahan ke timbangan menentukan jumlah kargo
diproses pada stasiun kerja selanjutnya. Apabila ada
kedatangan kargo per waktu yang tidak sebanding
dengan kemampuan proses stasiun kerja x-ray dan
stasiun kerja pemindahan ke timbangan maka akan
terjadi antrian yang panjang pada stasiun kerja
tersebut. Pada Gambar 17 ditunjukkan grafik jumlah
kargo yang mengantri pada stasiun kerja x-ray dan
stasiun kerja pemindahan ke timbangan ;
Gambar 17 Grafik antrian stasiun x-ray dan proses
penataan ke pallet
Pada Gambar 17 antrian stasiun xray
merupakan hasil outputan dari pemodelan
pengukuran performansi pengiriman kargo udara.
Dapat dilihat dari Gambar 17, jumlah antrian
cenderung konstan. Hal ini disebabkan lamanya
waktu proses. Lamanya waktu proses disebabkan
jumlah mesin xray, yang hanya satu mesin x-ray.
Selain itu kedatangan kargo juga menjadi faktor yang
berpengaruh terhadap panjangnya antrian proses
xray.
Gambar18 Grafik kedatangan kargo
Dengan melihat grafik kedatangan pada
Gambar 18, dapat ditentukan bahwa keramaian
berdistribusi eksponensial, dengan keramaian di
awal waktu operasional. Dari sini dapat
diketahui bahwa diperlukan kebijakan untuk
mengatasi keramaian kargo pada awal waktu
operasi.
Gambar.19 Grafik kedatangan kargo terjadwal dan
kedatangan kargo tidak terjadwal
Pada saat tertentu Shipper yang
seharusnya mengirim dengan jumlah tertentu,
ternyata pada hari pengiriman kargo menambah
kuantittas kargonya. Akibatnya muncul faktor
uncertainty demand yang bisa mempengaruhi
performansi pengiriman kargo. Adanya
kedatangan kargo yang tidak terjadwal
mengakibatan perubahan turn over ratio dan
waktu tunggu proses pengiriman kargo.
Gambar 1 Turn over ratio gudang dan waktu tunggu
setelah ada kedatangan kargo yang tidak terjadwal
10
Apabila ada kedatangan kargo yang
tidak terjadwal, maka akan mempengaruhi rata-
rata waktu tunggu proses pengiriman. Rata-rata
waktu tunggu berubah dari 205,6 menit
menijadi 152,7. Begitu juga waktu maksimal
tunggu berubah dari 812 menit menjadi 572. Hal
ini menunjukkan bahwa pekerja operasional
harus bekerja lebih dibandingkan tanpa ada
kedatangan kargo yang tidak terjadwal. Oleh
karena itu diperlukan kebijakan untuk mengatur
kedatangan kargo.
Turn over ratio gudang tetap bernilai
satu, walaupun terjadi perubahan jumlah
kedatangan kargo. Hal ini disebabkan
kemampuan stasiun awal kerja seperti proses x-
ray dan proses pindah ke timbangan terbatas.
Sehingga menyebabkan antrian yang panjang
pada kedua stasiun kerja ini. Selain itu turn over
ratio gudang, adalah hasil akumulasi rasio dari
hasil perhitungan jumlah kargo keluar gudang
dengan jumlah kargo masuk gudang per hari.
Dari sini dapat disimpulkan bahwa
keterlambatan pengiriman kargo komoditas
perishable tidak pernah lebih dari satu hari.
Tidak berubah turn over ratio gudang
kemungkinan Apabila keterlambatan kargo
jenis perishable lebih dari satu maka akan
terjadi penurunan kualitas yang merugikan
pihak Shipper (pengirim).
Selain itu, berdasarkan jadwal
pengiriman kargo terdapat keterlambatan
pengiriman. Jadwal pengiriman kargo dapat
dilihat pada Tabel di bawah ini ;
Tabel 3 Kargo tidak terkirim wide
Waktu kargo
tidak
terkirim
wide
jadwal penerbangan
wide[Perishable]
kargo tidak terkirim
wide[Perishable]
Data Simulasi Data Simulasi
23 36 36
810 178 118
900 147 97
Tabel 4 Kargo tidak dikirm terkirim pesawat wide
Waktu kargo tidak
terkirim
wide
Waktu kirim
kembali
Kargo
dikirim
kembali
23 47 36
810 857 118
900 935 97
Kargo yang tidak terkirim pada saat
penjadwalan awal akan dikirm pada periode
pengiriman berikutnya. Waktu keberangkatan
selanjutnya merupakan waktu tercepat pesawat
terbang dari bandara asal, bukan sesuai dengan
kedatangan tercepat pesawat datang ke bandara
tujuan. Pada penerbangan pesawat wide, kargo
yang tidak terkirim dapat dilihat pada Tabel 4.
Waktu pengiriman kembali merupakan hasil
dari waktu random.
Tabel 5 Kargo tidak terkirim narrow
Waktu kargo tidak
terkirim narrow
jadwal
penerbangan
wide[Perishable]
kargo tidak
terkirim
wide[Perishable]
Data Simulasi Data Simulasi
510 253 229
615 236 167
780 21 16
781 21 21
Tabel 6 Kargo tidak terkirim terkirim pesawat
narrow
Waktu kargo
tidak terkirim
narrow Waktu kirim kembali
Kargo dikirim
kembali
510 528 229
615 670 167
780 671 16
781 803 21
Pada Tabel 5 dan 6 dapat dijelaskan
tentang waktu terkirimnya kargo yang tidak
terkirim. Dari Tabel jumlah kargo yang tidak
terkirim pesawat lebih banyak daripada pesawat
wide. Hal ini dikarenakan permintaan
pengiriman dengan menggunakan pesawat
narrow lebih banyak daripada pengiriman
dengan pesawat wide. Perbedaan besarnya
permintaan disebabkan karena adanya
kemuadahan pengangkutan dengan
menggunakan pesawat narrow. Selain itu
dengan menggunakan pesawat narrow,
kuantittas kargo yang diangkut dalam jumlah
yang kecil dengan jumlah penerbangan lebih
banyak daripada pesawat terbang wide. Dalam
model yang digunakan juga dibedakan terkait
prioritas pengiriman berdasarkan tipe pesawat
tertentu.Pesawat narrow memiliki prioritas
pengiriman lebih tinggi daripada pesawat wide.
11
4.2 Desain Skenario Kebijakan
Model yang didapatkan adalah model
generic yang juga diterapkan pada bandara lain.
Dari model tersebut juga telah ditentukan
variabel-variabel yang berpengaruh dominan
terhadap performansi pengiriman kargo udara.
Oleh karena itu dari model eksisting, dapat
dilakukan what if analysis atau skenario
sensitivitas untuk menentukan dampak
perubahan perilaku terhadap variabel yang
diubah.
Rancangan skenario untuk memperbaiki
performansi pengiriman kargo adalah:
a. Perubahan waktu antar kedatangan
jumlah kargo terjadwal
b. Perubahan waktu antar kedatangan
jumlah kargo yang tidak terjadwal
c. Perubahan kebijakan jumlah rata-rata
kedatangan kargo tidak terjadwal
d. Perubahan jumlah porter ekspor
4.2.1 Skenario Perubahan Waktu antar
Kedatangan Kargo Terjadwal
Skenario perubahan rata-rata waktu
antar kedatangan kargo dilakukan dengan
mengubah pola kedatangan kargo. Dari yang
sebelumnya memiliki menggunakan waktu rata-
rata antar kedatangan 57,5 akan diubah
menjadi 204,3 menit dan 10 menit.. Perubahan
yang dilihat adalah pada turn over ratio gudang,
waktu pengiriman kembali kargo yang tidak
terkirim, dan total waktu tunggu yang menjadi
penilaian kinerja pekerja angkutan gudang.
Tabel 7 Perubahan output skenario 1
Turn Over
Ratio
Total
Rata-rata
waktu
tunggu
(menit)
Total
Maksim
al
Waktu
tunggu
(menit)
Model Eksisting
rata-rata waktu antar kedatangan
57,5 1 152,7 572
Model Skenario rata-rata waktu
antar kedatangan 204,3 1 251,3 561
Model Skenario rata-rata
waktu antar kedatangan
10 1 85,6 271
Pada Tabel 7 ditunjukkan mengenai
perubahan rata-rata waktu kedatangan kargo
terjadwal terhadap perubahan turn over ratio
gudang dan total waktu tunggu atau waktu
pekerja mengganggur. Dari hasil perbandingan
skenario 1 dapat disimpulkan bahwa turn over
ratio gudang tidak berubah karena kemungkinan
ada kargo yang mengantri pada stasiun awal x-
ray dan stasiun awal proses pemindahan ke
timbangan, sesuai yang sudah dijelaskan pada
uji parameter bahwa penambahan jumlah
kedatangan kargo akan mempengaruhi panjang
antrian di masing-masing stasiun kerja. Stasiun
kerja x-ray merupakan stasiun kerja paling awal,
sehingga kemacetan di awal akan menyebabkan
kemacetan pada sistem secara keseluruhan.
Tabel 8 Waktu pengiriman kembali per skenario 1
Perubahan Antar waktu kedatangan kargo terjadwal
Waktu
Kargo
tidak
terkiri
m
Narrow
(menit)
Skenario 1
Waktu
Antar
Kedatanga
n 57,5
(Narrow)
Skenario 1
Waktu
Antar
Kedatanga
n 204,300
(Narrow)
Skenario 1
Waktu
Antar
Kedatanga
n 10
(Narrow)
Selisi
h 1
Selisi
h 2
510 528 662 528 -134 0
615 670 691 671 -21 -1
780 671 671 662 0 9
781 803 675 799 128 4
Perbandingan Alternatif kebijakan -27 12
Waktu
Kargo
tidak
terkiri
m
Wide
(menit)
Skenario 1
Waktu
Antar
Kedatanga
n 57,5
(wide)
Skenario 1
Waktu
Antar
Kedatanga
n 204,300
(wide)
Skenario 1
Waktu
Antar
Kedatanga
n 10 (wide)
Selisi
h 1
Selisi
h 2
23 47 47 47 0 0
810 857 859 856 -2 1
900 935 1211 933 -276 2
Perbandingan Alternatif kebijakan -278 3
Pada Tabel 8 menunjukkan tentang
waktu pengiriman kembali kargo yang tidak
terkirim. Dari Tabel 8 akan dibandingkan
waktu pengiriman kembali berdasarkan
perubahan rata-rata waktu antar kedatangan.
Ketika rata-rata waktu antar kedatangan sama
dengan 57,7 menit, maka menunjukkan sistem
menyerupai sistem kondisi nyata. Dari hasil
running simulasi skenario 1 maka dapat
disimpulkan bahwa skenario 1 dengan
mengubah rata-rata waktu antar kedatangan
menjadi 10 menit memberikan dampak
perbaikan pada sistem eksisting. Perubahan turn
12
over ratio gudang diabaikan karena tidak terjadi
perubahan turn over ratio gudang.
4.2.2 Skenario Perubahan Waktu antar
Kedatangan Kargo Tidak Terjadwal
Pada sub bab ini akan dilakukan
skenario perubahan waktu antar kedatangan
kargo yang tidak terjadwal. Perubahan waktu ini
akan mengakibatkan kejutan pada sistem
pengiriman kargo udara. Dampak terhadap
perubahan performansi dapat digambarkan pada
Tabel 9 sebagai berikut ;
Tabel 9 Perubahan output skenario 2
Turn Over
Ratio
Total
Rata-
rata
waktu
tunggu
(menit)
Total
Maksim
al
Waktu
tunggu
(menit)
Model Eksisting
rata-rata waktu antar kedatangan
70,1 1 152,7 572
Model Skenario rata-rata waktu
antar kedatangan 126 1 192,5 661
Model Skenario rata-rata
waktu antar kedatangan
12 1 103,8 355
Dari hasil merubah skenario pada Tabel
9 maka dapat disimpulkan bahwa rata-rata
waktu antar kedatangan semakin kecil akan
memperbaiki performansi pengiriman kargo
udara. Hal ini dapat dilihat dari total rata-rata
waktu tunggu yang semakin kecil dibandingkan
dengan kondisi eksisting. Oleh karena itu dapat
ditinjau juga mengenai perubahan waktu kirim
kembali kargo yang tidak terkirim sebagai
berikut ;
Tabel 10 Waktu pengiriman kembali per skenario 2
Perubahan Antar waktu kedatangan kargo tidak terjadwal
Waktu
Kargo
tidak
terkiri
m
Narrow
(menit)
Data
Waktu
Antar
Kedatanga
n 70,1
(Narrow)
Data
Waktu
Antar
Kedatanga
n 126
(Narrow)
Data
Waktu
Antar
Kedatanga
n 12
(Narrow)
Selisi
h 1
Selisi
h 2
510 535 537 530 -2 5
613 613 662 613 -49 0
615 671 677 666 -6 5
639 639 675 639 -36 0
780 671 799 667 -128 4
781 799 803 799 -4 0
Waktu
Kargo
tidak
terkiri
m
Narrow
Data
Waktu
Antar
Kedatanga
n 70,1
(wide)
Data
Waktu
Antar
Kedatanga
n 126
(wide)
Data
Waktu
Antar
Kedatanga
n 12 (wide)
Selisi
h 1
Selisi
h 2
23 47 47 47 0 0
810 857 931 857 -74 0
900 936 1026 933 -90 3
Perbandingan Alternatif kebijakan -164 3
Dari hasil perbandingan running simulasi,
dengan menggunakan rata-rata waktu antar
kedatangan kargo yang tidak terjadwal maka
dapat dibuat Tabel 10. Dari Tabel 10 dapat
disimpulkan bahwa perbaikan performansi dapat
dilakukan jika dilakukan pembatasan
kedatangan kargo yang tidak terkirim dengan
rata-rata waktu antar kedatangan adalah 12. Dari
hasil perbaikan ini akan dibuat kebijakan terkait
peraturan untuk mendatangkan kargo tidak
terjadwal pada waktu-waktu tertentu khusus
jenis kargo yang tidak dijadwalkan datang.
4.2.3 Skenario Jumlah Kargo yang Tidak
Terjadwal
Dengan mengganti fraksi jumlah
kedatangan kargo yang tidak terjadwal maka
akan mempengaruhi performansi pengiriman.
Peristiwa kedatangan kargo yang tidak
terjadwalkan merupakan kegiatan tidak tentu
waktu terjadinya (uncertainty). Oleh karena itu
dapat dibuat skenario kebajikan mengenai
jumlah kedatangan kargo yang diperbolehkan
datang. Dengan pengaturan tarif pengangkutan
reguler maka dapat ditentukan batasan waktu
cargo booking, sehingga ke depannya dapat
dibuat ketentuan tarif khusus untuk jumlah
kedatangan kargo yang tidak terjadwal.
Perubahan tarif dapat dilakukan apabila ada
perubahan signifikan antara perubahan
kedatangan kargo tidak terjadwal dengan
performansi pengiriman kargo udara. Jadi pada
sub bab ini akan dilakukan skenario perubahan
fraksi jumlah kargo yang tidak terjadwal
terhadap jumlah kargo yang terjadwal.
Hasil turn over ratio pada gudang selalu
bernilai satu walaupaun jumlah kargo yang tidak
terjadwal hal ini memiliki arti bahwa dalam satu
hari semua jadwal kargo terkirim. Oleh karena
itu turn over ratio gudang per hari tidak
berubah.Hal ini juga dapat dipengaruhi oleh
jumlah kargo yang keluar kargo terjadi dua kali
13
yaitu waktu pengiriman kargo yang
mengakibatkan kargo tidak terkirim dan waktu
kargo dikirim kembali. Hasil dari running
model skenario kebijakan adalah sebagai
berikut:
Tabel 11 Perubahan output skenario 3
Turn
Over
Ratio
Total
Rata-
rata
waktu
tunggu
(menit)
Total Maksimal
Waktu tunggu
(menit)
Model Eksisting
Fraksi 0,5 dari jumlah
kargo terjadwal 1 152,7 572
Model Skenario Fraksi
0,7 dari jumlah kargo
terjadwal 1 135,5 311
Model Skenario Fraksi 0,2
dari jumlah kargo
terjadwal 1 188,2 415
Perubahan skenario jumlah kedatangan
kargo tidak terjadwal terhadap perubahan
performansi dapat dilihat dari Tabel 10.. Dari
Tabel tersebut dapat disimpulkan bahwa dengan
mengubah fraksi jumlah kedatangan kargo tidak
terjadwal eksisting menjadi 0,7 dari jumlah
kedatangan kargo terjadwal maka akan
memperbaiki total rata-rata waktu tunggu.
Pekerja yang sebelumnya memiliki rata-rata
waktu mengganggu 152,7 menit maka harus
merelakan waktu tersebut untuk memproses
kargo. Waktu rata-rata mengganggur per hari
yang direlakan sebesar 17,2 menit untuk
memproses kargo. Dengan menentukan waktu
terkirimnya kargo yang tidak terkirim, maka
akan dicek ulang kesimpulan dari Tabel 10.
Maksimal waktu total tunggu merupakan waktu
paling lama pekerja tidak melakukan pekerjaan
selama interval waktu tertentu. Waktu total rata-
rata waktu tunggu merupakan akumulasi tiap
periodenya. Jadi pada akhir periode akan
semakin besar nilanya.
Tabel 12 Waktu pengiriman kembali per skenario 3
Perubahan fraksi kargo tidak terjadwal
Waktu
Kargo
tidak
terkirim
Narrow
Fraksi 0,5
(eksisting)
Fraksi
0,7
Fraksi
0,2 Selisih 1 Selisih 2
510 528 530 533 -2 -5
615 670 667 677 3 -7
639 671 667 677 4 -6
780 803 780 780 23 23
781 803 781 799 22 4
Perbandingan Alternatif kebijakan 50 9
Waktu
Kargo
tidak
terkirim
Wide
Fraksi 0,5
(eksisting)
Fraksi
0,7
Fraksi
0,2 Selisih 1 Selisih 2
23 47 47 47 0 0
810 857 856 860 1 -3
900 935 933 935 2 0
Perbandingan Alternatif kebijakan 3 -3
Perubahan fraksi jumlah kargo tidak
terjadwal dari 0,5 menjadi 0,7 terhadap jumlah
kargo yang terjadwal yang memberikan
pengaruh yang signifikan terhadap terkirimnya
kargo tidak terkirim pada periode sebelumnya.
Dari Tabel 12 dapat disimpulkan bahwa dengan
mengubah fraksi kedatangan jumlah kargo yang
tidak terjadwal dari kedatangan kargo yang
terjadwal sebesar 0,7 maka akan diperoleh
waktu pengiriman lebih cepat daripada kondisi
eksisiting. Hal ini terjadi pada pemilihan kedua
pesawat terbang secara keseluruhan, wide dan
narrow.
4.2.4 Skenario Perubahan Jumlah Porter
Angkut Gudang Istirahat Kerja
Skenario perubahan dilakukan dengan
mengubah jumlah porter atau pekerja ground
handling terminal kargo landside. Perubahan
dilakukan dengan mengganti jumlah porter
istirahat kerja, dari 2/3 jam menjadi 5/ jam.
Berikut ini adalah hasil dari running simulasi
model ;
Tabel 13 Perubahan output skenario 4
Turn Over
Ratio
Total Rata-
rata waktu
tunggu
(menit)
Total
Maksimal
Waktu
tunggu
(menit)
Model Eksisting 1 152,7 572
Model Skenario 5 orang
istirahat/jam 1 128,1 329
Model Skenario 10 orang
istirahat/2jam 1 147,5 462
Dari hasil running simulasi model, turn
over ratio tetap karena adanya antrian jumlah
kargo pada stasiun kerja x-ray dan stasiun
pengiriman pemindahan ke timbangan. Total
14
rata-rata waktu tunggu menjadi semakin kecil
apabila jumlah porter istirahat dirubah.
Sensitivitas perubahan porter angkut
dipengaruhi oleh kargo yang diproses, apabila
kargo yang diproses maka pihak JAS dapat
mengubah kebijakan dalam mengatur shift kerja
pekerjanya. Perubahan shift kerja dapat
dilakukan pada momen-momen tertentu seperti
Natal dan waktu panen ikan. Waktu rata-rata
tunggu total semakin kecil artinya pekerja per
stasiun kerja banyak yang menganggur.
Tabel 14 Waktu pengiriman kembali per skenario 4
Perubahan Jumlah Porter istirahat per waktu
Waktu
Kargo
tidak
terkirim
Narrow
2 orang
istirahat/3j
am
5 orang
istirahat/jam
10 orang
istirahat/
2 jam
Selisih
1
Sel
isih
2
510
528 530 533 -2 -5
615
670 667 677 3 -7
639
671 667 677 4 -6
780 803 780 780 23 23
781 803 781 799 22 4
Perbandingan Alternatif kebijakan 50 9
Waktu
Kargo
tidak
terkiri
m
Wide
2 orang
istirahat/3jam
5 orang
istirahat/jam
10 orang
istirahat/
2 jam
Selisih
1
Sel
isih
2
23 47 47 47 0 0
810 857 856 860 1 -3
900 935 933 935 2 0
Perbandingan Alternatif kebijakan 3 -3
Dengan mengamati perubahan waktu
terkirim kembali kargo yang tidak terkirim,
maka secara keseluruhan dengan mengubah
jumlah porter istirahat menjadi 5 orang/jam
maka akan meningkatkan waktu terkirim
kembali kargo tidak terkirim. Hal ini akan
meningkatkan kepuasaan konsumen, khususnya
dalam hal ketepatan waktu pengiriman kargo
udara.
5. PENUTUP
Bab ini berisi mengenai kesimpulan
hasil penelitian dan saran yang berkaitan dengan
penelitian selanjutnya.
5.1 Kesimpulan
Dari hasil simulasi dan analisis, maka
dapat diambil kesimpulan sebagai berikut :
1. Pada penelitian ini dikembangkan
model simulasi pengukuran performansi
pengiriman kargo udara dengan
menggunakan pendekatan sistem
dinamik. Model yang dikembangkan
akan mengukur variabel performansi
turn over ratio gudang, waktu
pengiriman kargo yang tidak terkirim,
dan waktu tunggu (idle time).
2. Variabel-variabel yang berpengaruh
pada performansi dapat dijelaskan pada
causal loops diagram yang sudah
dibuat. Variabel-variabel tersebut antara
lain waktu kedatangan dan jumlah
kedatangan kargo, resource yang
dimiliki, waktu proses tiap stasiun kerja
dan pemilihan pesawat terbang dalam
pengiriman kargo.
3. Dari hasil running simulasi skenario
kebijakan, maka dapat ditentukan
bahwa perubahan kebijakan tentang
perubahan jumlah kedatangan kargo
yang tidak terjadwal memberikan efek
yang signifikan terhadap performansi.
Selain itu, perbaikan ini sangat
dimungkinkan dilakukan di Terminal
Bandara Kargo. Perbaikan yang
berhubungan terkait dengan perbedaan
tarif dasar kargo yang tidak terjadwal.
5.2 Saran Berikut ini adalah rekomendasi dari hasil penelitian
serta peluang untuk dilakukan penelitian selanjutnya
;
1. Penyusuanan model pengukuran
performansi pengiriman kargo pada
penelitian ini belum mempertimbangkan
faktor eksternal seperti permintaan
bagasi dan permintaan penumpang
terminal kargo. Hal ini dianggap penting
karena pesawat yang digunakan adalah
pesawat yang bisa mengangkut
penumpang, bagasi ,dan kargo secara
bersamaan (combined) .
2. Penyusunan model belum
memperhatikan pengaruh kapasitas
kargo, apabila ada demand yang
melebihi kapasitas pesawat.
15
3. Pada model penelitian ini, pengiriman
ulang kargo yang tidak terkirim tidak
didasarkan pada jadwal penerbangan
pesawat dengan waktu tercepat sampai
di Bandara Tujuan.
6. DAFTAR PUSTAKA
Coyle, R. G. 1982. The technical elements of
the system dynamics approach. 359-370.
Dogains, R. 1996. Flying Off Course, London,
Routledge.
Forrester, J. W. 1961. Industrial dyamics.
Cambridge: MIT Press.
Fukuhara, Yugo (Minato-Ku, J., Takasu & Toru
(Minato-Ku, J. 2003. Loading bridge for
air cargo loading. Tokyo.
G., G., Murino, E. & E., R. 2009. A Discreate
event simulation to model passenger flow
in the airport terminal. Journal of
Mathematical Methods and Applied
Computing.
How, L. C. 2004. A simulation model of an air
cargo import terminal. Master of
Engineering, National University of
Singapore.
ICAO. (1999). Airport Operational Efficiency.
International Civil Aviation Organization
Airport Privatization . Guatemala: ICAO.
J.Antes, L.Campen, U.Derigs, C.Titze & Wolle,
G. 1998. Synopse : a model-based decision
support system for the evalution of flight
schedules for cargo airlines. Decision
Support Systems, 22, 307-323.
Manataki, I. E. & Zografos, K. 2009. A Generic
system dynamic based tool for airport
terminal performance analysis.
Transportation Research 17, 428-443.
Manataki, I. E. & Zografos, K. 2010. Assesing
airport terminal performance using a
system dynamic model. Journal of
Transport Management 16, 86-93.
Muhammadi, Aminullah, E. & SOESILO, B.
2001. Analisis Sistem Dinamis, Jakarta,
UMJ Press.
Nsakanda, A. L., Turcotte, M. & Diaby, M.
2004. Air cargo operations evaluation and
analysis through simulation.
Peter Belobaba, Amedeo Odoni & Cynthia
Barnhart. 2009. The Global Airline
Industry. Inggris: Wiley.
Sarabia, C., C., M., Rios, H., H., J. & Paternina-
Arboleda 2003. Simulation-Based Decision
Support Models for river cargo
transportation. Department of Industrial
Engineering. SKEP47. (2010). Indonesia.
Stearman, J. 2000. Business dynamics : Systems
thinking and modelling for a complex
world Boston McGraw-Hill.
Tako, A. A. & Robinson, S. 2010. Model
development in discrete-event simulation
and system dynamics: Anempirical study
of expert modellers. European Journal of
Operational Research, 207, 784-794.
top related