Laila Fatchiyah (3110100702)
Dosen Pembimbing:
Ir. Ervina Ahyudanari, M.Eng., PhD.
Dr. rer. pol. Heri Kuswanto, S.Si., M.Si.
TUGAS AKHIR
(RC 09-1380)
Jurusan Teknik Sipil Fakultas Teknik Sipill dan Perencanaan Institut Teknologi Sepuluh Nopember Surabaya 2014
EVALUASI PENGARUH VARIASI METODE
PERAMALAN TERHADAP PERENCANAAN
FASILITAS TERMINAL PENUMPANG DOMESTIK
BANDARA INTERNASIONAL JUANDA
(METODE: ARIMA DAN REGRESI DUMMY)
Bandara Internasional Juanda mengalami over capacity.
Pada tahun 2012 Bandara Juanda telah melayani 16,3 juta peumpang/tahun, mengalami kenaikan 12% pada tahun 2013 melayani 17,6 juta penumpang/tahun.
Luas gedung terminal 1 62.701m2 dengan kapasitas 6,5 juta penumpang/tahun dan gedung terminal 2 seluas 49.500m2 dengan kapasitas 6 juta penumpang/tahun.
1) Bagaimana metode peramalan (forecasting)
yang mendekati kondisi eksisting jumlah
penumpang Bandara Internasional Juanda?
2) Bagaimana hasil evaluasi luasan area fasilitas
penumpang di terminal keberangkatan
Bandara Internasional Juanda dengan
mengikuti hasil forecasting?
1) Mengetahui metode peramalan (forecasting) yang mendekati kondisi eksisting jumlah penumpang Bandara Internasional Juanda
2) Mengetahui hasil evaluasi luasan area fasilitas penumpang di terminal keberangkatan domestik Bandara Internasional Juanda dengan mengikuti hasil forecasting
1) Menambah pengetahuan tentang hubungan antara metode peramalan dan perencanaan fasilitas penumpang di terminal.
2) Menjadi bahan referensi untuk setiap metode peramalan dan hasil yang diperoleh dalam kaitannya dengan data pergerakan penumpang.
3) Memberikan alternatif metode peramalan yang diharapkan sesuai dengan pola pertumbuhan pergerakan penumpang.
1. Evaluasi hanya dilakukan pada terminal 1 Bandara Internasional Juanda
2. Evaluasi dilakukan pada terminal keberangkatan domestik
3. Evaluasi dilakukan pada terminal penumpang (bukan terminal cargo dan lain sebagainya)
4. Evaluasi dilakukan pada fasilitas departure curb, departure hall, check-in area, dan check-in counter
5. Metode peramalan menggunakan seasonal ARIMA (Autoregresif Integrated Moving Average) dan Regresi Dummy
6. Data keberangkatan penumpang domestik tidak memperhitungkan pemisahan penumpang pesawat Garuda dan AirAsia ke terminal internasional.
7. Terminal domestik yang dijadikan sebagai acuan dalam evaluasi fasilitas penumpang adalah terminal domestik sebelum Terminal 2 beroperasi (Terminal 1 masih melayani penerbangan internasional dan domestik).
8. Perhitungan fasilitas terminal hanya membandingkan hasil peramalan ARIMA, hasil peramalan regresi dummy, penumpang existing 2013 dengan layout Bandara Internasional Juanda yang ada saat ini.
9. Proses peramalan regresi tidak memperhitungkan adanya variabel-variabel lain (misalnya: populasi, pendapatan, biaya perjalanan udara per mil, dan lain-lain)
Identifikasi Permasalahan
Studi Literatur
Pengumpulan Data
-Metode Peramalan-Evaluasi Kinerja Fasilitas
Data PrimerSurvei Kedatangan Penumpang
Data Sekunder-Layout terminal domestik-Data jumlah penumpang
domestik selama15 tahun terakhir-Luasan masing-masing area
fasilitas penumpang
ARIMA
Analisa Data
Evaluasi fasilitas penumpang
Kesimpulan dan Saran
Regresi Dummy
Peramalan penumpang
Flowchart Penyelesaian Tugas Akhir
910.087 772.343
1.004.151 1.234.174
1.729.025
2.489.082
3.402.802 3.258.163
3.509.836
3.574.712 3.541.590
4.307.936
5.046.734
5.712.280
6.751.488
7.266.406
-
1.000.000
2.000.000
3.000.000
4.000.000
5.000.000
6.000.000
7.000.000
8.000.000
Jumlah Penumpang Domestik1998 1999 2000 2001 2002 2003 2004 2005
2006 2007 2008 2009 2010 2011 2012 2013
Tujuan ARIMA adalah untuk menentukan hubungan statistik yang baik antar variabel yang diramal dengan nilai historis variabel tersebut sehingga peramalan dapat dilakukan dengan model tersebut.
ARIMA (Autoregresif Integrated Moving Average
• Model yang disediakan beragam dan bervariasi
• Hampir semua pola data time series dapat digunakan
Kelebihan
• Model yang cukup rumit diperlukan menentukan besarnya parameter tiap-tiap variabel
• Data harus bersifat stasioner
Kekurangan
Year
Month
20122010200820062004200220001998
JanJanJanJanJanJanJanJan
700000
600000
500000
400000
300000
200000
100000
0
Jum
lah
Pe
nu
mp
an
g D
om
est
ik
Plot Data Keberangkatan Penumpang Domestik
Transformasi Box-Cox
543210-1-2
300000
250000
200000
150000
100000
50000
0
Lambda
StD
ev
Lower CL Upper CL
Limit
Estimate 0,26
Lower CL 0,05
Upper CL 0,46
Rounded Value 0,26
(using 95,0% confidence)
Lambda
5,02,50,0-2,5-5,0
1,0
0,9
0,8
0,7
0,6
Lambda
StD
ev
Lower CL Upper CL
Limit
Estimate 1,00
Lower CL 0,20
Upper CL 1,84
Rounded Value 1,00
(using 95,0% confidence)
Lambda
Hasil Plot Differencing
Year
Month
20122010200820062004200220001998
JanJanJanJanJanJanJanJan
3
2
1
0
-1
-2
-3
Dif
fere
ncin
g
Plot ACF (Autocorrelation Function) dan PACF (Partial Autocorrelation Function)
454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Au
toco
rre
lati
on
454035302520151051
1,0
0,8
0,6
0,4
0,2
0,0
-0,2
-0,4
-0,6
-0,8
-1,0
Lag
Pa
rtia
l A
uto
co
rre
lati
on
ARIMA (1,1,1)(1,0,0)12
1 Parameter signifikan p-value < 0,05
2
Parameter signifikan pada lag 12 dan 24 p-value > 0,05
210-1-2
99,9
99
95
90
80
70
605040
30
20
10
5
1
0,1
RESI1
Pe
rce
nt
Mean 0,06078
StDev 0,5620
N 179
KS 0,065
P-Value 0,063
Tahun Bulan Peramalan
2014
Januari 642359
Februari 572041
Maret 616019
April 599554
Mei 618782
Juni 642519
Juli 568612
Agustus 662403
September 677423
Oktober 679416
Nopember 620918
Desember 640346
SMAPE =
1 12
ˆ1
ˆ
t t
t t
n
i
Z Z
Z Zn
sMAPE = 0,123874
Year
Month
201420122010200820062004200220001998
JanJanJanJanJanJanJanJanJan
700000
600000
500000
400000
300000
200000
100000
0
Jum
lah
Pe
nu
mp
an
g
eksisting 1998-2013
peramalan 2014
Variable
Analisis Regresi
Tujuan utama regresi adalah untuk membuat perkiraan nilai suatu variabel jika nilai variabel yang lain yang berhubungan dengannya (variabel lainnya) sudah ditentuk.
Analisi Regresi Sederhana
Analisis Regresi Berganda
Persamaan Regresi Dummy
Y = β0 + β1D1 + β2D2 + β3D3 +............+ βnXn + βt
Dimana,
Y = jumlah penumpang tahun1998-2013
β0 = konstanta parameter
D1 – D12= Varibael dummy bulan Januari – Desember
Tabel Observasi
No Y Tahun Bulan Bulan 1 Bulan 2 ... Bulan
11
trend
1 104738 1998 Januari 1 0 ... 0 1
2 107917 1998 Februari 0 1 ... 0 1
3 78798 1998 Maret 0 0 ... 0 1
... ... ... ... ... ... ... ... ...
... ... ... ... ... ... ...
179 607904 2012 November 0 ... ... 1 15
180 607904 2012 Desember 0 0 ... 0 15
y = 28559 - 35364 Bulan Januari - 65406 Bulan Februari - 48158 Bulan Maret - 47301 Bulan April - 39484 Bulan Mei - 33052 Bulan Juni + 3425 Bulan Juli - 35436 Bulan Agustus - 25898 Bulan September - 16914 Bulan Oktober - 15340 Bulan November + 32958 t
Model ini memilki R² = 91,8%
Nilai Persamaan Regresi Dummy
Uji Distribusi Normal Regresi Dummy
150000100000500000-50000-100000-150000
99,9
99
95
90
80
70
605040
30
20
10
5
1
0,1
RESI1
Pe
rce
nt
Mean 9,183875E-11
StDev 43191
N 180
KS 0,055
P-Value >0,150
Tahun Bulan Peramalan
2014
Januari 642359
Februari 572041
Maret 616019
April 599554
Mei 618782
Juni 642519
Juli 568612
Agustus 662403
September 677423
Oktober 679416
Nopember 620918
Desember 640346
SMAPE =
1 12
ˆ1
ˆ
t t
t t
n
i
Z Z
Z Zn
sMAPE = 0,151382
Hasil Peramalan Regresi Dummy
Year
Month
201420122010200820062004200220001998
JanJanJanJanJanJanJanJanJan
700000
600000
500000
400000
300000
200000
100000
0
Jum
lah
Pe
nu
mp
an
g
eksisting 1998-2014
ramalan 2014
Variable
Plot Peramalan Regresi Dummy
• ARIMA
Peramalan metode ARIMA mendapatkan model terbaik yakni ARIMA (1,1,1)(1,0,0)12. Dengan tingkat kesalahan menggunakan kriteria sMAPE diperoleh 12,38%. Plot peramalan penumpang pada tahun 2014 mengalami trend kenaikan.
• Regresi Dummy
Peramalan menggunakan regresi dummy dengan tingkat kesalahan kriteria sMAPE diperoleh nilai 15,13%. Plot peramalan tahun 2014 menunjukkan trend turun dari periode sebelumnya.
Perhitungan Perbandingan Luasan Fasilitas
Departure Curb
Departure Hall
Check-in Area
Check-in Counter
Total annual passanger TPHP as a% annual
passanger
20 million an over 0,03
10.000.000- 19.999.999 0,035
1.000.000-9.999.999 0,04
500.000- 999.999 0,05
100.000-499.999 0,065
under - 100.000 0,12
Sumber: N. Ashford and P. Wright, 1992
Typical Peak Hour Passanger (TPHP)
Data Penumpang Jumlah
Penumpang
Prosentase
TPHP Peak hour
Penumpang 2013 7.264.393 0,04% 2906
Peramalan ARIMA
2014 7.540.392 0,04% 3016
Peramalan Regresi
2014 6.311.730 0,04% 2525
Perhitungan Peak Hour
Perhitungan Panjang Kerb Departure Curb
273,31
283,65
237,48
75
0,00 100,00 200,00 300,00
Data existing2013
Data hasil ARIMA
Data hasil regresi dummy
Data layout
naplt60 = 0,095 a.p meter (+10%) L =
Perhitungan Luas Departure Hall
2181,00
2263,50
1895,25
1725,27
0,00 1000,00 2000,00 3000,00
Data existing2013
Luas (m2)
Data hasil ARIMA
Data hasil regresi dummy
Data layout
A = [0,75 { a ( 1 + f ) + b }]
799,15
829,40
694,38
1606,7
- 500,00 1.000,00 1.500,00 2.000,00
Data existing2013
Perhitungan Luas Check-in Area
Data hasil ARIMA Data hasil regresi dummy Data layout
A = [0,25 ( a + b )]m2 (+10%)
97
101
84
39
0 50 100 150
Data existing2013
Perhitungan Jumlah Meja Check-in Counter
Data hasil ARIMA
Data hasil regresi dummy
Data layout
N =
60
bax t1