BAB 2.en - Id PDF
BAB 2.en - Id PDF
PERMINTAAN
Dalam mode di mana permintaan terus menerus increasingat tingkat signifikan, perkiraan besarnya
permintaan pada titik-titik di masa depan waktu adalah penting. Namun, peramalan permintaan di masa
mendatang adalah aktiv itas sulit dan tidak pasti, dan, ketika ramalan tidak benar, mode transportasi
seluruh adalah baik kekurangan kemampuannya untuk memberikan untuk lalu lintas masa depan atau
menderita overinvestment dan kinerja ekonomi yang buruk.
Sepanjang periode sesudah perang theentire, sampai awal 1970-an, tingkat pertumbuhan transportasi
udara telah secara konsisten diremehkan oleh otoritas yang paling kompeten. Selama periode ini,
pertumbuhan yang tak terduga dalam transportasi udara dapat dikaitkan dengan pertumbuhan penduduk
yang cepat, meningkatkan industrialisasi di negara-negara berkembang, perubahan struktur industri di
negara maju, di seluruh dunia urbanisasi, dan, tidak sedikit, perubahan teknologi yang cepat dan ditandai. Peramal
-
dari awal 1970-an berusaha untuk mengoreksi timationsof tahun-tahun sebelumnya underes-,
mengembangkan procedureswhich yang timates seriousoveres- lalu lintas dari tahun 1980-an periode
yang disediakan iklim kenaikan nyata dalam harga minyak, inflasi, dan resesi di seluruh dunia belum
pernah terjadi sebelumnya kedalaman pascaperang. Ketidakpastian awal 1990-an telah kembali
menghadapi peramal masalah.
Terlepas dari kesulitan yang berhubungan dengan membuat perkiraan permintaan transportasi udara,
perkiraan tersebut diperlukan, karena alasan berikut:
1. Untuk membantu produsen dalam industri untuk mengantisipasi tingkat pesanan pesawat
dan untuk mengembangkan pesawat baru.
2. Untuk membantu penerbangan dalam perencanaan jangka panjang mereka untuk kedua peralatan dan
personil.
3. Toassist pemerintah pusat untuk memfasilitasi theorderlydevelopment dari
sistem saluran udara nasional dan internasional, dan untuk membantu semua tingkat pemerintahan
dalam perencanaan infrastruktur (termasuk, misalnya, terminal
Bandara Teknik, Edisi Ketiga. Norman Ashford dan Paul H. Wright Copyright © 1992 23
John Wiley & Sons, Inc.
24 PERAMALAN AIR TRANSPORT PERMINTAAN
fasilitas, akses rute, landasan pacu, taxiway, apron, dan pengedaran udara kontrol fic terminal).
Accurateforecastsof penumpang udara dan permintaan angkutan terbukti tobe extraor- dinarily
sulit di masa lalu, ketika selama jangka kemajuan pesat dalam teknologi terus menurunkan biaya
riil transportasi udara ke Sumeria con. Sebagai contoh, perkiraan tahun 1963 oleh FAA
memperkirakan bahwa 100 juta penumpang akan diangkut oleh operator AS pada tahun 1975.
Pada tahun 1971, bagaimanapun, jumlah orang yang dilakukan sudah 174 juta, dan, dengan
1979, angka ini adalah 321 juta. Pola ini ekspansi sangat ringan permintaan pada tingkat pertumbuhan
eksponensial khas dari kurva permintaan dari industri bayi, di mana biaya pasokan jatuh karena kenaikan
permintaan. Sebagai industri yang terus matang, biaya transportasi udara nyata cenderung stabil pada tingkat
yang lebih tinggi dari permintaan, mengingat bahwa beberapa biaya input, seperti tenaga kerja, bahan bakar, dan
vehiclecosts, tetap konstan secara riil. pertumbuhan awal yang tinggi akan memberikan jalan untuk lebih rendah,
peningkatan ratesof stabil yang mencerminkan pertumbuhan penduduk, dimodifikasi oleh thefac- tor perubahan
sosial ekonomi.
Selama periode 1972-1987, seperti yang ditunjukkan pada Gambar 2.1, pertumbuhan dunia secara
keseluruhan kilometer penumpang dijadwalkan berada di tingkat rata-rata 7,6% (1). Gambar
2.2andTable2.1 showthelong-istilah trendswhich makeup daerah total pertumbuhan dunia selama periode
ini, menunjukkan bahwa tingkat pertumbuhan wilayah individu bervariasi secara signifikan dari angka
rata-rata (2, 3). Hal ini dapat dilihat bahwa tingkat pertumbuhan Eropa dan Amerika Utara telah agak mirip
3.500
T T T
v g 1.500
dijadwalkan
V 1.000
cc
l 500
0
1972 1977 1982 1987 1992 1997 2002
Tahun
FIGURE2.1 Jumlah lalu lintas penumpang dunia. ( Sumber: McDonnell Douglas, Referensi 1)
2.1
100.000
80.000
60.000
40.000
20.000
10.000
8.000
6.000
Jg 4.000
2.000
1000
800
600
400
200
72 73 74 1971 75 76 77 78 79 80 81 82 83 84 85 86 87 88 1989
untuk setiap other.Asia dan Pacificdemonstrate lebih tinggi dari tingkat rata-rata, dan Afrika, lebih
rendah dari rata-rata. share yang meningkat dari Asia dan Pasifik dibandingkan dengan daerah
lain selama periode 1979-1988 ditunjukkan pada Tabel 2.2. Masalah ekonomi dari kawasan Afrika
selama tahun 1980 tercermin dalam permintaan tertekan untuk transportasi udara (2).
Ketika dipertimbangkan dalam hal pergerakan barang secara keseluruhan, angkutan udara repre-
sents sebagian kecil dari ton jarak tempuh; di Amerika Serikat, kurang dari 0,4%. Namun, jika biaya
transportasi diukur, saham ini menjadi yang kira-kira 3%, karena pemilihan moda adalah terpengaruh
nilai bycommodity, panjang haul, andcommodityvulnerability. sektor Aparticularly berkembang pesat
dari pasar barang ini dari pintu ke pintu atau angkutan udara ekspres. Pertumbuhan Federal Express,
inisiator dari konsep pengiriman ekspres dicontohkan oleh pertumbuhan di turn lebih dari 35.000 paket
pernightin 1978-1.500.000 di 1991.Thevalueof bisnis ini adalah sepenuhnya tidak sesuai dengan
tonase pindah dari segi angkutan umum atau bahkan angkutan udara konvensional.
Di Amerika Serikat, industri transportasi udara domestik telah jatuh tempo sinceWorldWar II dan
nowrepresents sebuah strongand modus yang signifikan, cater-
26 FORECASTINGAHTRANSPORTDEMAND
TABLE 2.1a Dunia Air Penumpang Lalu Lintas-Aktual dan Prakiraan 1969-2010
Pendapatan Penumpang Km
Prakiraan
Daerah Nomor dan Daerah 1969 1980 1988 1995 2000 2010
1. Utara-Selatan Amerika 5 15 15 23 32 58
2. Utara-Tengah Amerika 7 21 31 46 62 112
3. Atlantik Utara 38 110 170 234 304 489
4. Mid Atlantik 3 10 13 18 22 32
5. Atlantik Selatan 4 11 16 23 31 51
6. & 7. Eropa-Afrika 8 26 33 52 73 142
8. Eropa-Timur Tengah 6 24 25 31 40 63
9. Eropa-Timur Jauh 13 67 115 209 305 623
10. Utara & Mid Pacific 8 42 99 223 385 1065
11. Pasifik Selatan 32 9 21 32 44 87
12. Intra-Amerika Utara 9 12 18 25 52
13. Intra-Amerika Tengah 1 1 2 3 4
14. Intra-Amerika Selatan 1 4 4 7 10 22
15. Intra-Eropa 21 49 78 119 159 264
16. Intra-Afrika 1 3 4 6 13
17. Intra-Timur Tengah 1 6 6 8 11 20
18. Intra-Far East & Pacific 5 38 89 191 312 780
19. Rute lain 1 13 24 28 34 50
ing gerakan antarkota dari barang dan penumpang (3). jarak tempuh penumpang udara AS tumbuh dari
4,3 miliar mil penumpang di 1945-334.000.000.000 mil penumpang pada tahun 1988, mewakili sekitar
90% dari semua penumpang antarkota
2.1 TREN PASCA PERANG INAIRTRANSPORT 27
TABLE 2.1b Penumpang Tarif Pertumbuhan Lalu Lintas RPK - Aktual dan Prakiraan
1969-2010 (% per annumaverage)
TABEL 2.2 Distribusi Daerah Dijadwalkan Air Traffic; 1988 vs 1979 (Persentase dari jumlah ton-km yang dilakukan
oleh penerbangan yang terdaftar di masing-masing daerah)
Amerika Utara (Kanada dan Amerika Serikat) Eropa Asia 39,3 41,5 21,5 21.2 59,5
dan Pasifik Amerika Latin dan Karibia Tengah Afrika Timur 31.0 34,0 35.5 40,9 25,8
19,9 14,0 28,9 21,4 9.6
4.6 5.0 5.7 6.7 3,5
Sumber: ICAO.
TABEL 2.3 US DomesticShares Penumpang dan Gerakan Barang
Tahun
auto swasta udara 220,3 (63,8) 706,1 (90,4) 1026,0 (86,9) 1312,1 (83,6) 158
pribadi udara Diabaikan 2.3 (0.3) 9.1 (0.8) 15,0 (1,0) 1
Umum 4.3 (1.2) 31,7 (4,1) 109,5 (9.3) 203,2 (12,9) 33
Rail 27,4 (7,9) 19,3 (2,5) 25,3 (2,1) 27,7 (1,8) 2
Bus 93,5 (27,1) 21,6 (2,8) 10,9 (0,9) 11,5 (0,7) 1
Total 345,5 (100,0) 781,0 (100,0) 1180,8 (100,0) 1569,5 (100,0) 1968
pipa rel Truk Minyak 691 (67,2) 67 579 (44,1) 111 ( 39,7) 932 (37,5) 10
Sungai Great Lakes (6,5) 127 285 (21,8) 412 (21,3) 560 (22,5)
dan kanal (12,4) 113 229 (17,4) 99 431 (22,3) 579 (23,3) 93
(11,0) 30 (7,5) 121 114 (5,9) 205 (3,7) 318
(2,9) (9.2) (10,6) (12,8)
Udara 0,09 (0,01) 0,89 (0,07) 3.3 (0,17) 4,27 (0,17)
Total 1028 (100,0) 1314 (100,0) 1936 (100,0) 2486 (100,0) 278
$
30 PERAMALAN AIR TRANSPORT PERMINTAAN
bahwa permintaan kargo udara terkait erat dengan kondisi ekonomi domestik dan cenderung
berfluktuasi lebih dari lalu lintas penumpang. Ini adalah aturan umum, bagaimanapun, bahwa,
sementara mode udara menyumbang hanya sebagian kecil dari total ton jarak tempuh angkutan
dilakukan, itu merupakan proporsi signifikan besar lalu lintas secara nilai.
Konvensional, peramalan permintaan lalu lintas udara di masa mendatang telah dilakukan di skala
makroskopik, melihat permintaan sebagai respon terhadap tingkat keseluruhan perubahan dari satu atau
lebih variabel. metode yang sangat sederhana ini telah diterapkan dengan sukses yang wajar di tingkat
nasional lokal, nasional, dan antar, dalam kasus di mana tingkat pertumbuhan lalu lintas telah
diketengahkan konstan dari waktu ke waktu. Metode yang telah digunakan termasuk penilaian, survei
harapan, tren peramalan, dan peramalan dasar, yang sekarang kita mempertimbangkan pada gilirannya.
Pertimbangan
Dalam kondisi pertumbuhan yang sangat terbatas, metode kasar namun efektif dari peramalan adalah
penghakiman estimatebya forecasterwhois dekat dengan theproblem dan mampu mengintegrasikan dan
menyeimbangkan faktor yang terlibat dalam tion situa- tertentu. Peluang keberhasilan berkurang karena
kompleksitas situasi meningkat dan kebutuhan untuk prakiraan jangka panjang predominates.Useof
penghakiman dapat dengan mudah menghasilkan peramalan dengan firasat, prosedur yang menjijikkan
bagi perencana analitis.
Survei Ekspektasi
Sebuah teknik tidak terlalu banyak digunakan adalah survei dari harapan, diarahkan kepada individu dalam
industri transportasi udara yang mungkin dikatakan dalam posisi untuk menilai tren masa depan. Byselection
dari berbagai kepentingan di theselection dari mereka yang disurvei, peramal berharap untuk tampilan yang
seimbang.
trend Forecasting
ekstensif menggunakan telah madeof peramalan tren, di mana plannersimply yang extrapolates, mendasarkan
penilaian pada angka pertumbuhan masa lalu. Dalam jangka pendek, ini
2.2 CONVENTIONALMETHODSOF PERAMALAN 31
/
Logist Curve ic / /
Waktu
Teknik ini cukup handal, terutama ketika prosedur theextrapolation dilakukan dengan tingkat pertumbuhan yang
dimodifikasi untuk memperhitungkan gangguan-gangguan jangka pendek dalam tren sekuler. Dalam jangka
panjang, ekstrapolasi typeof ini mungkin yang paling bisa diandalkan dan secara teoritis sulit untuk
membuktikan. Masa lalu ence pengalaman- dengan peramalan tren jangka panjang telah kurang memuaskan.
ramalan tren awal adalah ekstrapolasi garis lurus yang hampir selalu terlalu rendah dalam pertumbuhan tahun
yang cepat dari tahun 1950-an dan awal 1960-an. Prakiraan selama berikutnya 10 tahun, yaitu, 1960-1970,
wereof bersifat eksponensial, tetapi pendapat sekarang lebih konservatif, mencerminkan konsensus
industri bahwa kurva pertumbuhan lebih mungkin untuk menjadi logistik (lihat Gambar 2.3).
2. prakiraan nasional telah historis yang tidak benar, seperti disebutkan sebelumnya. Pasti, Metode ini
menyajikan keterbatasan parah dalam penerapannya toWest- ern Eropa, di mana lalu lintas charter
merupakan segmen penting dari total lalu lintas passen- udara ger; lalu lintas ini sangat rentan terhadap
perubahan tarif.
32 PERAMALAN AIR TRANSPORT PERMINTAAN
metode A
metode B
dimana
Nona/ kami = persen pangsa pasar dari negara s dari total pasar AS
Eus = Total dijadwalkan enplanements domestik di Amerika Serikat.
2.3 ANAUTTICAL METODE OFAIR TRAVEL PERMINTAAN PERAMALAN 33
Trend forecasting adalah sederhana dalam bahwa teknik ini melihat pengalaman dari waktu ke waktu dan
upaya untuk melanjutkan kurva permintaan historis dalam terang prognostications umum kondisi secara
keseluruhan. Upturns atau kemerosotan dalam keadaan umum perekonomian diterapkan untuk tren masa lalu
dan digunakan untuk memodifikasi model makroskopik ini.
Di masa lalu, di sebagian besar negara-negara, transportasi udara muncul pada satu waktu toexhibit
pertumbuhan eksponensial, dengan angka lalu lintas penumpang udara peracikan pada rateof pertumbuhan
sekitar 10% peryearduringthe1950sand 1960s.Clearly, pertumbuhan eksponensial dapat terus untuk jangka
waktu terbatas, tetapi dalam jangka panjang istilah itu lebih masuk akal untuk mengharapkan bahwa
pertumbuhan industri akan mematuhi lebih ke kurva logistik, yang merupakan kurva sejarah konvensional
permintaan untuk teknologi baru.
Kurva eksponensial mengarah cukup cepat ke tingkat tak terjangkau permintaan, tetapi kurva logistik
lebih realistis mencerminkan tingkat pertumbuhan yang sangat cepat dari permintaan pada titik
pengenalan teknologi, di mana marjinal biaya pro-duksi jatuh dengan cepat ke kejenuhan akhirnya pasar
di cukup con productioncosts.Thus marginal stant, ketika tren peramalan isapplied ke bagian awal kurva,
ia cenderung untuk memberikan prakiraan jangka panjang bukan kepalang tinggi untuk fungsi permintaan
itu, pada kenyataannya, mengikuti bentuk logistik.
Metode analisis berusaha untuk mengatasi kesalahan grosir analisis trend di generasi perjalanan
dengan mencoba untuk berhubungan dengan tingkat lalu lintas ke perubahan dalam tingkat berbagai
sebab akibat atau faktor yang terkait erat (5, 6). Dalam kasus permintaan lalu lintas udara, telah
ditemukan bahwa jumlah perjalanan yang dibuat oleh masing-masing wisatawan tidak hanya tergantung
pada sejumlah sosial economicvariablesoutside theair sistem transportasi, seperti pendapatan, employ-
jenis ment, dan familystructure, tetapi sistem berbasis variabel alsoon, termasuk frekuensi dan tingkat
layanan (termasuk kecepatan dan bahkan kenyamanan). Seperti perubahan terjadi di thesevariables di
daerah yang sedang diselidiki, perubahan tingkat permintaan dapat diprediksi; prosedur prediksi mampu
mencerminkan perubahan yang realistis dari waktu ke waktu dengan cara yang tidak dapat berharap
untuk dalam tren peramalan.
analisis konvensional permintaan lalu lintas membagi prosedur pemodelan menjadi empat langkah
berturut-turut yang berbeda: generasi, distribusi, modal split, dan tugas, seperti yang ditunjukkan di bawah
ini:
Generasi model menunjukkan berapa banyak perjalanan berasal atau mengakhiri pada area
spesifik; Model ini sering didasarkan pada tics characteris- sosial ekonomi Thearea dan natureof
sistem transportasi. di th Q distribusi fase, tripsaremodeled sebagai perjalanan susun antara
pasangan spesifik asal-usul dan
34 PERAMALAN AIR TRANSPORT PERMINTAAN
tujuan, biasanya menggunakan beberapa formof equilibriummodel, dengan timeor dikan dis sebagai
impedansi parametrik untuk bepergian.
pemilihan moda model membagi susun menjadi orang-orang khusus untuk mode individu;
Pilihan biasanya merupakan fungsi dari struktur dan sifat dari sistem transportasi dan status
sosial ekonomi pasar perjalanan. Tugas
model menunjukkan yang rute yang diambil oleh masing-masing wisatawan dari pilihan semua tersedia
routes.Until deregulationcameabout, theassignment phaseof themodelingchain memiliki sedikit
relevansi. penerbangan langsung telah increasinglygiven cara untuk routings melalui Model penugasan
hubs.Aformof khusus untuk mode transportasi udara, yang disebut modeling pilihan rute, telah
dikembangkan. Hal ini didiskusikan lebih lanjut insection 2.17.The pembaca disebut tostandard referensi
pemodelan transportasi untuk penjelasan lebih lengkap dari model rantai (7).
Dalam kasus transportasi udara, rantai themodel telah sering disederhanakan untuk rantai
modus khusus dari bentuk berikut:
rantai disederhanakan ini tidak memadai sejauh mengasumsikan bahwa lalu lintas udara
generationsare khas themode itu sendiri dan tidak tunduk pilihan tomodal tergantung pada sifat
dari mode bersaing. Bagian 2,5-2,8 memberikan gambaran yang lebih lengkap tentang berbagai
model analitis.
Perjalanan dapat diakui sebagai produk dari empat faktor dasar yang harus diperhitungkan dalam setiap analisis
yang realistis yang mencoba untuk memprediksi permintaan dari waktu ke waktu. Faktor-faktor dasar adalah
sebagai berikut:
untuk bepergian.
Sumber daya yang tersedia untuk belanja tentang wisata dalam hal waktu dan uang. Sebuah
infrastruktur transportasi yang mampu mendukung permintaan perjalanan. Dalam jangka panjang, perlu
untuk mempertimbangkan sifat dari faktor yang mendasari permintaan ketika mencoba untuk membuat
perkiraan. Dimana analisis permintaan lengkap harus dilakukan, prosedur harus terdiri dari
langkah-langkah berikut:
3. Sebuah survei basis mengumpulkan data sosial ekonomi yang menggambarkan status
MODEL 2,5 AIR TRIP GENERATION 35
tren peramalan, memperhitungkan eksplisit langkah pertama saja, dan langkah 2 sampai 6 dicampur dengan
Dalam upaya untuk membuat prediksi yang lebih canggih, analis harus menghitung dan
mengukur variabel yang mungkin mempengaruhi tingkat permintaan. Di masa lalu, variabel
dalam bidang berikut telah digunakan (8):
Dalam proses generasi, model analis langsung jumlah perjalanan ujung (atau asal-usul perjalanan
dan tujuan). Skala model generasi dapat bervariasi. Pada salah satu ujung rentang adalah mungkin
untuk menghasilkan macromodels untuk menggambarkan dan tingkat agregat perkiraan dari
tripmaking di tingkat nasional, atau model terpilah terkait dengan bandara individu dan perjalanan
yang berbeda pur- poses.Twoprincipal teknik analisis telah digunakan: analisis pasar dan regresi.
36 PERAMALAN AIR TRANSPORT PERMINTAAN
Analisis Pasar
analisis kecenderungan untuk total kebutuhan nasional dapat dilakukan dengan cara yang sama
dengan yang dijelaskan dalam Bagian 2.2. Atau, analisis tion lintas classifica- techniquecan digunakan:
disini diasumsikan bahwa individualswith karakteristik sosial, ekonomi, dan demografi yang berbeda
menunjukkan perilaku perjalanan udara yang berbeda dan dapat diprediksi yang konstan dari waktu ke
waktu. Berdasarkan basis informasi yang disurvei, permintaan perjalanan dikategorikan untuk
unsur-unsur yang berbeda yang terdiri dari total populasi; variabel yang digunakan meliputi
pendapatan, usia, jenis pekerjaan, struktur keluarga, dan pendidikan. tingkat permintaan dihitung pada setiap
tingkat dari variabel prediksi dari data survei tahun dasar. Berikutnya, tarif perjalanan ini diterapkan untuk
populasi nasional memperkirakan dipisahkan menjadi bagian-bagian dengan tingkat variabel dictive
pra. Agregasi dari tingkat permintaan komponen kemudian memberikan total proyeksi permintaan
untuk model population.A masa depan jenis ini sering disebut kecenderungan untuk terbang model.
Bentuk agak dimodifikasi dari prosedur sebelumnya digunakan dalam hubungannya dengan
penyelidikan penentuan tapak dari newairport forLondon. Dalam hal ini, thevariables digunakan untuk
klasifikasi adalah tujuan perjalanan, pendapatan keluarga, dan struktur keluarga. Tingkat permintaan dihitung
dimodifikasi dengan faktor mencerminkan aksesibilitas permukaan dari perjalanan asal ke situs yang
dimaksud.
Analisis regresi
Itis juga mungkin untuk meramalkan kebutuhan transportasi airpassenger dengan teknik
regresi. model statistik untuk analisis permintaan telah banyak digunakan selama bertahun-tahun di
prediksi angkutan penumpang perkotaan (8). Ketika diterapkan untuk transportasi udara, hubungan
statistik didirikan antara tingkat bangkitan pergerakan udara (variabel dependen) dan sejumlah
variabel prediktif (variabel independen) analisis .suatu biasanya dilakukan dengan mengamati
bangkitan perjalanan pesawat dari data survei dan pencatatan tingkat asosiasi dan tingkat changesof
data sosial ekonomi Thearea dan physi- kal karakteristik dari udara-darat sistem transportasi
asal-to-tujuan secara keseluruhan. Dengan menggunakan analisis korelasi, analisis faktor, atau
metode statistik multi variate lainnya, variabel prediktif cocok dipilih yang tampaknya menjadi yang
terbaik mampu pemodelan perjalanan udara generasi. Kemudian model regresi dapat dibangun untuk
menggambarkan hubungan yang ada, dan ini digunakan untuk meramalkan bangkitan perjalanan
udara masa depan.
2,6 DISTRIBUTIONMODELS TRIP AIR 37
dimana
Model formulir ini cocok untuk kedua analysis.Variables kebutuhan nasional dan lokal yang paling
umum digunakan untuk proyeksi perjalanan dihasilkan di daerah yang populasi, pendapatan, jenis
pekerjaan, dan aksesibilitas penduduk tangkapan ke bandara. Untuk tingkat agregat nasional
permintaan, produk domestik bruto telah ditemukan untuk menjadi variabel yang paling
berguna.
Sangat penting bahwa dalam hubungan dimodelkan ada tidak hanya korelasi statistik tetapi juga
hubungan sebab akibat logis atau tersirat antara variabel dicted dan prediksi pra. Hal ini juga yang
paling penting bahwa variabel prediktif menjadi sebagian besar independen satu sama lain (8).
Contoh dari model regresi digunakan untuk memprediksi perjalanan udara tion genera- total pada
bandara ini yang berkembang di Virginia (9):
Ei
Di pi = 10,8 - 0.172F + 1,41 Dalam (Yj *) (23)
dimana
= Ei enplanements diprediksi
pi = populasi pedalaman
F = AS biaya penerbangan rata-rata / mil
yj = pendapatan per kapita dari pedalaman
Model perjalanan distribusi memprediksi tingkat perjalanan pertukaran antara pasangan bandara
yang ditunjuk, setelah tingkat generasi dari perjalanan udara berakhir di bandara individu telah
dihitung. model distribusi yang paling banyak digunakan diterapkan pada situasi transportasi telah
menjadi model gravitasi. Model ini, analog dengan Newton s gravitasi lawof, telah berkembang dari
pengetahuan yang dikembangkan dalam ilmu sosial bahwa interaksi antara pemukiman manusia
tampaknya sesuai dengan prinsip-prinsip yang dalam banyak hal mirip dengan
38 PERAMALAN AIR TRANSPORT PERMINTAAN
hukum fisika gravitasi. Model gravitasi dalam praktek transportasi mendistribusikan perjalanan
antara dua kota sesuai dengan ukuran daya tarik kota, memungkinkan untuk efek impedansi
biaya, waktu, dan faktor lainnya.
Pada awal tahun 1943, penggunaan model gravitasi menganjurkan untuk memprediksi pertukaran
perjalanan udara antara kota. Model ini mengambil bentuk berikut:
kPtPj
Tij = (2.4)
DFJ
dimana
kTiTj
Tij = (2.5)
Qj
dimana
x = konstan dikalibrasi dalam studi theU.S. maskapai interstation lalu lintas, ditemukan bahwa model ini dapat
digunakan hanya untuk pasangan kota kurang dari 800miles terpisah. Untuk largerdistances, lalu lintas muncul
tobe independen dari kedua biaya perjalanan dan jarak dan ent depend- hanya pada tingkat generasi
perjalanan di kedua simpul. Dengan demikian, untuk jarak perjalanan udara lebih besar, bentuk model dapat
disederhanakan
= k (T {TJF ( 2.6)
p 0.62 pp. 35
Tij = K • • R? M Af - 83 SJF 25 F $ 38 C / ~ 038 chi 1 '4 (2.7)
0.56
j
dij
dimana
pi = populasi saya
dy = jarak antara saya dan j
R, = indikator kondisi jalan di sekitar kota i Aj = indikator
daya tarik untuk kota /
Sy = kursi yang tersedia antara saya dan j Fy = Indikator
keandalan layanan
CHJ = persen dari manufaktur dan pekerjaan ritel total
kerja di saya
dimana
Yit = jumlah perjalanan udara di tahun t dalam kategori perjalanan ii = kategori perjalanan - cross-diklasifikasikan
untuk bisnis / rekreasi, Eropa
penduduk / bukan penduduk, jangka panjang / jarak pendek
F = biaya riil tarif di tahun t I = pendapatan
riil di tahun t
y = tren atutonomous a = elastisitas
permintaan (tarif) (3 = elastisitas permintaan
(pendapatan)
a = konstan regresi
Seperti yang dinyatakan sebelumnya, metode peramalan analisis telah sering diterapkan untuk
bangkitan perjalanan udara modus khusus yang telah terpisah dis- tributed, Pendekatan yang lebih
rasional akan menghasilkan gerakan antarkota nonmode-spesifik, mendistribusikan menurut ini
keterbatasan perjalanan, dan seleksi akhirnya determinemodal dengan penerapan model pemilihan
moda. Telah umumnya ditemukan bahwa model disagregat yang berusaha untuk mencerminkan
pilihan wisatawan individu daripada agregat atau model zonal, memberikan hasil yang lebih baik untuk
analisis pemilihan moda. Sebuah model biaya disagregat umum diberikan di sini untuk tujuan ilustrasi;
harus diingat, bagaimanapun, bahwa
40 PERAMALAN AIR TRANSPORT PERMINTAAN
manyother disagregat jenis model yang tersedia yang, dalam konteks yang tepat, telah menunjukkan sama atau
lebih baik validitas.
Banyak faktor yang mempengaruhi pemilihan moda, seperti kemudahan, kenyamanan, dan
safety.Though faktor tersebut seringkali sulit untuk mengukur, metode sederhana yang memungkinkan
untuk mereka dan untuk variabilitas individu di antara para pelancong adalah untuk con- struct model dari
parameter yang mencerminkan derajat keacakan dari pilihan pelancong. Model biaya umum mengasumsikan
bahwa wisatawan biasanya akan memilih mode dengan biaya umum terendah, tetapi ada kemungkinan terbatas
yang beberapa modus lain akan dipilih. Salah satu model yang menggunakan hipotesis ini adalah dalam bentuk:
-
Tij
IJexP ( Sebuah CiJk)
(2.9)
dimana
Biaya umum dari modus apapun adalah total biaya langsung dan tidak langsung yang
dikeluarkan dalam perjalanan. Secara teoritis, biaya umum mampu mencerminkan dalam istilah moneter semua
faktor yang mempengaruhi perjalanan. Dengan tidak adanya pengetahuan lengkap tentang biaya trade-off
sosial dan sikap, konsep biaya terwujud umum- memiliki keterbatasan. Dalam prakteknya, biaya umum
adalah fre quently dinyatakan dalam hal biaya moneter langsung dan biaya waktu perjalanan. Dimana ini
begitu, dan di mana dua mode alternatif p dan q yang menjadi sidered con, persamaan 2,9 mengurangi ke
dimana
H - -b
mencatat
aku p M \ JQ) " t" Mfijp ( 2.10)
- MiJq) =
Sebuah, X = konstanta kalibrasi
( MijP Perbedaan uang biaya untuk mode p dan q Untuk
perjalanan dari / ke j
( itijp - tijq) = Perbedaan waktu perjalanan dengan moda p dan q Untuk
perjalanan dari saya untuk j
Bentuk Model telah berhasil digunakan untuk menganalisis transportasi udara ini
2.8 MODEL GENERATION-DISTRIBUSI 41
shareof ashort-haul pasar incompetitionwith tinggi speedconventional perjalanan kereta api dan mode
hovercraft kecepatan tinggi dilacak.
Beberapa analis tidak setuju bahwa keputusan untuk melakukan perjalanan udara dipisahkan
dari keputusan mana togo, implikasi menerima independen generasi dan distribusi model. Dalam
upaya untuk mencerminkan proses keputusan yang terintegrasi, model generasi-distribusi
gabungan telah pro duced.Typically, dua jenis areavailable: Modus-spesifik dan multimode model.
Kedua umumnya dari jenis regresi berganda.
Model modus-Spesifik
volume perjalanan udara dapat dihasilkan dan didistribusikan secara langsung antara dua kota
dengan cara model modus tertentu. Dalam teknik analisis ini, generasi perjalanan udara
dianggap sepenuhnya terpisah dari tingkat permintaan dari gerakan antarkota dan antar
lainnya. Model ini biasanya dari jenis regresi, dengan variabel prediksi berhubungan dengan
karakteristik sosial ekonomi penduduk dan karakteristik ekonomi dari kota itu sendiri.
dimana
Ty = volume lalu lintas penumpang udara antara kota saya dan kota j Piy Pj = populasi
kota saya dan j
dy = jarak antara saya dan j
//, lj = bagian masing-masing populasi kota-kota dengan
pendapatan lebih dari $ 10.000 per tahun
r, s, t, u, v, w = parameter regresi-dikalibrasi
-
termasuk karakteristik ekonomi dari kota-kota. Sebuah tion examina- model menunjukkan
bahwa itu adalah “mundur-cari,” khusus untuk mode yang bersangkutan nilai dikalibrasi dari
konstanta regresi mencerminkan tingkat relatif dari udara dan teknologi lainnya pada saat
kalibrasi. perubahan radikal optionsor teknologi baru inexistingsystemscannot akan accom-
modated dalam bentuk model, sehingga utilitas dipertanyakan dalam jangka panjang.
Komisi Transportasi Kanada menghasilkan analisis waktu trend mode khusus dalam
bentuk:
42 PERAMALAN AIR TRANSPORT PERMINTAAN
FIJ = a + pr + Qy
( 2.12)
dimana
B
Tij = (a, GNP, y> ( a / GNP;) r p | Faaku+j A + ( 2.13)
Fi j - C
dimana
Atwo-categorymodel telah dikembangkan untuk kedua kategori thebusiness dan alamat dari
= A + MfyB [ Rj (Z 0, ZDYy- . + *
i + { K (Fny>
2
] ( 2.14)
waktu luang
1
= A+ MfyL [
1 + [ K (FII) q j ( 2.15)
dimana
R \ . ri = konstanta
zo, = ZD rasio secara riil asal dan tujuan negara
_ ekonomi relatif terhadap tanggal dasar
F = rata-rata total tarif efektif (tarif, suplemen, dan waktu perjalanan)
I = berarti pendapatan rumah tangga potensi wisatawan asal
negara
K = refleksi konstan saturasi rute permukaan
p, q = konstanta
Model multimodal
Dalam upaya untuk mengatasi kekurangan dari model modus-spesifik, model modal multi yang secara
bersamaan dapat memprediksi tingkat generasi, pola tion distribu-, dan pilihan moda wisatawan telah
diperkenalkan. Mungkin model multimodal paling dikenal adalah model abstrak modus, yang
menekankan karakteristik modal dan secara inheren mampu mewakili setiap modus yang ada atau
hipotetis oleh seperangkat variabel yang benar-benar menggambarkan bersangkutan attributesof
mode transportasi untuk perjalanan typeof sedang dipertimbangkan (11) . Untuk angkutan penumpang,
oleh karena itu, variabel seperti waktu perjalanan, frekuensi layanan, dan indeks kenyamanan dan
keamanan dapat digunakan. Untuk setiap mode di bawah pertimbangan, model modus abstrak
mewakili karakteristik dalam rasio relatif terhadap modus terbaik yang tersedia. Rasio ini kemudian
digunakan sebagai predictivevariables dalam persamaan thecalibrated. Dalam oneof bentuknya,
model dapat ditulis dengan cara berikut:
waktu luang
dimana
i = ongin
j = tujuan
P = populasi zonal
yy = Rata-rata pendapatan rata zonal dari zona saya dan j ty = waktu
terpendek antara saya dan j
Amerika Serikat adalah unik dalam memiliki sistem nasional transportasi udara peramalan
permintaan yang komprehensif dari seluruh sistem pada berbagai tingkat perkiraan
disaggregation.These dilakukan oleh FAA memberikan informasi pada tiga tingkatan: nasional,
hub, dan daerah terminal. struktur model total dari jenis langkah-down. model agregat dari jenis
regresi yang dikembangkan di Nasional level.Where yang tepat, ramalan ini mengundurkan diri
perkiraan di menengah dan besar hub. 25 hub besar menangani lebih dari 65% dari semua
enplanements penumpang. Sebuah prosedur langkah-down lebih digunakan untuk
mengembangkan fasilitas atau daerah terminal perkiraan.
1. Yield.
2. Route mil penumpang.
2,9 SISTEM PERAMALAN FAA 45
3. Enplanements.
4. Operasi.
5. struktur armada.
Selain itu, perkiraan penerbangan umum dikembangkan di tiga bidang: struktur armada, jam
terbang, dan jumlah operations.These dibahas secara singkat dalam Bagian 2.16.
1. Yield, dalam hal dolar per penumpang mil, diperkirakan oleh regresi
persamaan dalam bentuk
dimana
= Y hasil nyata
RPM
Enplanements = Rata-rata panjang perjalanan ( 2.21)
Metode FAA adalah prosedur yang sangat interaktif yang melibatkan FAA di kantor pusat
dan regional, negara, pemerintah daerah, operator fasilitas bandara, maskapai penerbangan,
badan penerbangan umum, dan facturers pesawat manu-. Konsultasi ini dicapai melalui
konferensi, seminar, dan laporan yang diterbitkan.
46 PERAMALAN AIR TRANSPORT PERMINTAAN
Hal ini tidak aneh bagi operator bandara tospeakof pasar penumpang mereka berasal dari
beberapa terdefinisi “daerah tangkapan / ' seolah-olah semua wisatawan di daerah ini terikat untuk
menggunakan beberapa bandara tertentu. Sebuah pikiran kecil, bagaimanapun, menyebabkan orang pada
kesimpulan bahwa konsep ini bisa dipertahankan di mana seorang individu memiliki choiceof bandara
digunakan, bahkan jika pilihan itu tidak segera jelas. Pada tahun 1976, deNeufvillewasoneof pertama untuk
mengidentifikasi bahwa penggunaan patternsof penumpang ditentukan oleh kedua penumpang dan
penerbangan. Data Drawingon tersedia, ia berpendapat bahwa accessdistance sebagian besar ditentukan
tarik bandara dalam hal penerbangan permintaan forshort-haul tetapi juga bahwa ketentuan tinggi frekuensi
penerbangan bisa mengatasi kelemahan akses miskin. Kanafani sebelumnya, pada tahun 1975, model
amongairports persaingan di koridor Los Angeles-San Francisco menggunakan frekuensi penerbangan,
waktu akses, dan tarif di model zonal agregat.
Sejak itu, orang lain telah berhasil dibangun dan dikalibrasi model pilihan bandara di sejumlah
negara, menggunakan model disagregat yang lebih kuat. Ini dapat digunakan untuk memprediksi
tingkat penggunaan bandara masa depan di bawah ketentuan layanan yang berbeda. Sama, model
pilihan dapat memprediksi dampak perubahan penyediaan layanan di competingairports dan yang
penting, efek dari memperkenalkan bandara baru ke dalam sistem.
evBt
= 2 ** . . . ( 2.22)
dimana
-
r1
Berdasarkan data yang dikumpulkan di Central England, Benchemam dan Ashford dikalibrasi empat
model (15):
Bekerja dengan Harvey menghasilkan temuan serupa di wilayah San Francisco Bay (16):
sukses serupa telah dicapai dalam mengkalibrasi model ini di negara-negara berkembang (17).
Kesimpulan menarik yang dapat ditarik dari model ini adalah bahwa manajemen bandara dapat terbaik menarik
lalu lintas penumpang ke bandara sebesar encour- penuaan penerbangan untuk meningkatkan frekuensi
penerbangan pada tingkat tarif yang kompetitif.
Setiap permintaan transportasi udara ANALISA harus memperhitungkan hubungan antara pergerakan
penumpang udara dan pergerakan pesawat. Hubungan ini bergantung pada dua faktor: faktor beban dan
pesawat campuran. Itu loadfactor adalah rasio penumpang mil dibawa ke kursi mil dioperasikan. Operator secara
alami ingin tomaintain faktor beban tinggi yang makeoperation dari peralatan pesawat menguntungkan. Karena
faktor beban rata-rata menutupi kedua puncak dan operasi off-peak, faktor beban tinggi mungkin
menunjukkan bahwa beberapa lalu lintas yang berpaling di kondisi puncak times.This mungkin kurang
menguntungkan daripada menerima load factor keseluruhan yang lebih rendah. Gambar 2.4 menunjukkan
tren internasional dalam faktor beban dari 1971 ke 1988. Sejak krisis minyak tahun 1973, penerbangan
telah berusaha untuk meningkatkan efisiensi mereka dengan meningkatkan factors.This beban telah fre-
quently telah dicapai dengan menurunkan hasil bersih per penumpang ki lometer bythe pengenalan dari
tarif rendah dengan pembatasan ketersediaan dan dengan menerima penumpang standby di sangat
lowfares. Karena persyaratan pesawat ing posisi-dan penjadwalan untuk menghindari pembatasan operasional
bandara, faktor beban over80% adalah impossibleon sistem-widebasis.Forecastsof faktor beban masa depan yang
dibuat dengan menggunakan time series atau analisis trend, mengakui keterbatasan- keterbatasan tingkat layak
maksimum faktor ini dan struktur kemungkinan armada pesawat masa depan.
Dalam menghitung jumlah operasi pesawat yang fasilitas dapat antici- penanganan pate, perencana harus terus
mengikuti perubahan yang diharapkan dalam campuran armada pesawat yang akan mempengaruhi operasi di bawah
pertimbangan. Gambar 2.5 menunjukkan diproyeksikan pesawat perubahan armada campuran di seluruh industri.
Jelas, sangat penting dalam merancang fasilitas individu untuk perencana bandara untuk berunding dengan
penerbangan untuk memastikan bahwa diasumsikan perubahan campuran armada berada di conformitywith
48
70
65
60%
55
50
45
Internationa
60 s 4
% 55
t
72 73 74 1971 75 76 77 78 79 80 81 82 83 84 85 86 87 88 1989
GAMBAR 2.4 Tren faktor beban pada layanan dijadwalkan - rata-rata dunia (negara ICAO), 1971-1988. ( Sumber:
Referensi 2)
rencana maskapai dan bahwa rencana ini sesuai dengan panjang-termexpectations industri. Tren diamati
dari Gambar 2.5 muncul untuk menunjukkan pentahapan jangka panjang dari yang paling baling-baling
dan pesawat turboprop dan peningkatan penggunaan jet berbadan lebar. Pesawat Judgingwhat akan
tersedia dan waktu pengenalan mereka sangat penting dan mungkin merupakan elemen yang paling
sulit dari peramalan permintaan. Metodologi yang digunakan ditunjukkan pada Gambar
2.6 (18).
700
600
500
HAI'.
^ 400
S
300
30
HAI 1
200
B737-200
0 saya
1990 1995 2000 2005
Old F28
F27
HS-148 Trident
{ B727-100
DC9-20 BAE 146-100
0C9-30, B727-200 Beberapa
GAMBAR 2.5 Bersejarah dan perkiraan campuran armada untuk AS lalu lintas dijadwalkan dalam negeri.
49
s Perdagangan
saya
H
Defisit
anggaran
GDP dunia saya PDB HCountry Variabel
pendapatan
saya saya
Suku
+ >
KAMI. PDB By-Market
bunga
Penumpang perjalana
saya Prakiraan
Inflasi
F Lain
faktor *
1 Pengembangan
Pasar dan Cek
ekonometrik By-Ma
Harga minyak grafis
model RP
F
demografis
saya
Harga BBM
t
Tujuan pemerintah dan Dalam-Total
Peraturan Prakiraan Pemeriksa
SEBUAH F
RPM
Biaya kru
saya
F
Lingkungan yang
IOC
kompetitif
saya
Dari RPM
Dengan Pasar
Prakiraan
maskapai
RPM
Airline
RAM *
Prakiraan
Permintaan Kurang Lancar
Pengiriman P
Pasokan = Terbuka
Prakiraan by Pra
Persyaratan oleh Pesawat
Model Dun
Range dan Ukuran
Airline
On-Tangan dan
On-Order
Pesawat terbang
Airplanes Airline saat ini
ASM ** dan RAM Jarak
Berkomitmen armada Mix
Tarif kerja Kategori
Menyediakan
pengunduran diri Distribusi
dan
Intercarrier
Penjualan * Keberangkatan X Rata-rata Kisaran
* * Keberangkatan X Rata-rata Kisaran X rata Kursi
( b)
cn GAMBAR 2.6 Produsen ' model untuk peramalan struktur armada masa depan. ( Sumber: Boeing Airplane Company)
H
52 PERAMALAN AIR TRANSPORT PERMINTAAN
Perkiraan pergerakan pesawat dapat diperoleh dengan analisis trend sederhana, memproyeksikan tingkat
pertumbuhan gerakan dari experience.This masa pendekatan adalah mungkin memuaskan hanya untuk
peramalan jangka pendek, karena tidak memperhitungkan perubahan teknologi dan peralatan, juga tidak itu
allowfor saturation-semua pasar ble KEMUNGKINAN faktor yang dapat memiliki efek yang signifikan dalam
run.Whereas panjang metode ekstrapolasi sederhana dapat memberikan perkiraan yang wajar dari aktivitas
penerbangan umum, gerakan pembawa udara yang lebih baik diprediksi menggunakan analisis halus
estimatesof volume penumpang udara naik dari prosedur ing model- dibahas sebelumnya.
1-60
1 50-
-- - NEW YORK UFKJ1974 LONDON
-
(Heathrow! 1975
//
1* 20 saya
saya! \ N
Sebuah\ \\ \\
-
mo-
£
1 * 00 - * 4 ^^ r
\
J F M/7A/M J J SEBAGAI \ \ Hai\ N D
N
L/ \\ \
090-
\7/ w/
080- 1
/ \/
v
0-70-j
0-60
0-50 J
GAMBAR 2.7 variasi bulanan dalam lalu lintas penumpang di tiga bandara. ( Sumber, FAA Bandara Kegiatan
Statistik, CAA Bulanan Statistik)
2.12 GERAKAN CARRIER ESTIMATESOF AER 53
170 «
160 | 150 saya 3ENG-NB
SSM 4ENG- NB “
jo 140 saya
'
'
saya
Hai 120
13 °- E32 ENG-NB
1 3ENG- NB
saya saya
W.
2 110
.
SI
% 100 4ENG-NB m X
n
mm
X
Hai 90
m
-
AKU AKU AKU"mx.v & M ^ X
X
saya
N
** s
v$
X §
80
^3 70
\\ X 1%
w
§ xx %
xX
lltlSk
60
saya
Q>
JD
E 50
m X \
40 X %
?g X S
lx
3
z 9
V/ X
X 2 ' SEBUAH*
X
30
xx X saya £
ilHlili
« W>. :
X
//
X //
X
2 X X 2 XX
20 X X X
8 X X
10
m, saya saya m laaft X % z X
%
X
% X R
0
00 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23
GAMBAR 2.8 profil jam operasi angkutan udara berdasarkan jenis peralatan, Bandara Internasional
Hartsfield. ( Sumber: Official Airline Guide, Juni 1988)
sepanjang tahun, seperti yang ditunjukkan oleh rasio 1,54 untuk gerakan angkutan udara komersial
dan 1,61 untuk arus penumpang.
Sama pentingnya dengan variasi besar lalu lintas sepanjang tahun adalah tion fluctua- volume
siang hari. Gambar 2.8 memberikan variasi per jam dari aliran di Bandara Internasional Atlanta (19)
.Airport jam sibuk (0800-1000, 1500-1800) cenderung tocoincide closelywith yang peakconditionof
transportasi perkotaan; ini unfor- tunatelycomplicates masalah akses permukaan, karena
ketergantungan utama adalah sering pada moda jalan (lihat Bab 13).
Figure2.9outlines prosedur untuk menghitung gerakan jam penumpang dan pesawat puncak angka
yang diperlukan untuk desain fasilitas. Menggunakan faktor yang diperoleh dari pengalaman masa lalu di
bandara tersebut, penumpang tahunan volumescan diperhitungkan untuk memberikan bulan puncak,
puncak hari, dan volume penumpang jam puncak. Ini dikonversi pada setiap tahap untuk pergerakan
pesawat dari perkiraan untuk campuran pesawat, menggunakan data historis dan analisis
kecenderungan penggantian armada. Berikut pendekatan alternatif untuk sosok desain jam puncak telah
digunakan oleh Port Authority of NewYork (20).
Puncak arus penumpang jam dikonversi menjadi pesawat puncak arus menggunakan estimatesof
beban penumpang rata-rata per pesawat dihitung dari faktor beban yang diproyeksikan dan proyeksi
seatings per gerakan pesawat.
54 PERAMALAN AIR TRANSPORT PERMINTAAN
'>
Perkiraan Puncak Bulan Sejarah dan Pesawat Mix Perkiraan Gerakan Puncak
« e~ >
Penumpang Volume Trend Analisis Bulan Air Pengangkut
i- saya 1
Perkiraan Puncak Hari Sejarah dan Pesawat Mix Perkiraan Gerakan Puncak
<r
Penumpang Volume Trend Analisis Hari Air Pengangkut
'
'>
1
GAMBAR 2.9 Prosedur untuk menghitung bulanan, harian, dan jam gerakan angkutan udara puncak dan volume
penumpang. ( Sumber: FAA)
Dalam Bagian 10.9, hubungan FAA antara arus jam puncak dan volume tahunan diberikan bersamaan
dengan perkiraan lain yang digunakan untuk perencanaan puncak.
Gambar 2.10 dan 2.11 menunjukkan grafik direkomendasikan untuk tujuan perencanaan yang
berhubungan arus jam penumpang puncak dan operasi pesawat jam puncak throughput penumpang
tahunan dalam hal enplanements.
Sepanjang sisa dunia, konsep jam tertinggi 30 atau
GAMBAR 2.10 Persen penumpang setiap hari di jam puncak terhadap penumpang enplaned tahunan. ( Sumber: FAA)
penumpang enplaned tahunan
(Jutaan)
GAMBAR 2.11 Perkiraan puncak jam operasi terhadap penumpang enplaned tahunan.
(Sumber: FAA)
10.000
« s 6000
| 5.000
£ 4.000 LHRT 3
t /> saya
£ 2.000 /
x
Sebuah.
h-
<u
3 jika)
500
_E
UNTUK
CD
3O 300
sz
JSC
UNTUK
CD
200
0-
GAMBAR 2.12 Hubungan antara Standard Rate Sibuk (SBR) dan FAA Khas Penumpang Puncak Jam
(TPHP) dan throughput penumpang tahunan. ( Sumber: Otoritas Penerbangan Sipil dan Administrasi
Penerbangan Federal)
56 PERAMALAN AIR TRANSPORT PERMINTAAN
StandardBusy Rate ( SBR) used.This isoften adalah flowwhich lalu lintas penumpang terlampaui
oleh hanya 29 jam operasi lainnya. Gambar 2.12 menunjukkan hubungan log-log antara SBR dan
jumlah arus penumpang tahunan yang telah diamati selama delapan tahun periode fora rangeof
bandara Inggris (21). tujuan parative Forcom-, hubungan Khas Puncak Penumpang Arus (FAA)
telah diplot pada grafik yang sama (lihat Tabel 10.1).
PERMINTAAN
Secara teoritis, pergerakan barang dengan modus apapun kemungkinan akan lebih amen- mampu
analisis dan prediksi dari perjalanan penumpang, karena unsur subjektif choiceor selera pribadi
berkurang di mana pergerakan barang adalah yang berkeberatan. Selain itu, variabel sosial, yang telah
ditemukan untuk menjadi tant sehingga impor- dalam model permintaan penumpang, yang absen dalam
analisis pergerakan barang sangat menyederhanakan prosedur. Namun, peramalan pergerakan barang
oleh semua mode, termasuk udara, saat ini sedang dalam masa pertumbuhan, yang mencerminkan
thegreat scarcityof data historis pada tingkat yang diperlukan detail.Con- sequently, proyeksi agregat di
tingkat nasional lebih mudah dibuat dari perkiraan terpilah dari pergerakan barang antara lokasi tertentu.
Gambar 2.13 menyajikan perkiraan untuk lalu lintas kargo udara dunia yang dibuat oleh salah satu
produsen pesawat utama.
Menggunakan teknik regresi, korelasi yang sangat baik dapat dicapai dari persamaan dalam
bentuk
dimana
F = dijadwalkan lalu lintas angkutan udara dalam negeri (pendapatan ton-mil) GNP = produk
nasional Bruto
Proyeksi Regional
Pada tingkat memprediksi pergerakan barang daerah yang sebenarnya, kurangnya data spesifik
pada pasangan kota telah mencegah kalibrasi model memuaskan. Sedangkan jumlah besar telah
dikeluarkan pada pengumpulan dan analisis data pergerakan penumpang perkotaan, dan untuk
tingkat yang lebih rendah Data pergerakan penumpang antarkota, jumlah yang sama dari informasi
rinci relat- ing untuk lalu lintas angkutan tidak tersedia. Idealnya, pengiriman trafficcan dianggap
sebagai bergerak menurut beberapa biaya-minimisasi alasan. Bahkan, angkutan udara tampaknya
responsif terhadap fungsi biaya somegeneralized, terdiri dari unsur-unsur berikut:
2.14 GENERATIONMODELS FREIGHT Am 57
140
120
Tingkat pertumbuhan RTK
*c
Hai 100 Lebih rendah Hold /
saya 40 SVII'
saya “ 20
reighter;
aku p
0
1972 1977 1982 1987 1992 1997 2002
Tahun
GAMBAR 2.13 Dunia kargo udara perkiraan lalu lintas. ( Sumber: McDonnell Douglas)
Dua pendekatan utama untuk angkutan peramalan adalah analisis regresi dan analisis
input-output.
Analisis regresi
analisis regresi telah diterapkan dengan harapan bahwa metode akan sesukses untuk angkutan seperti
yang telah sehubungan dengan pergerakan penumpang (lihat Bagian 2.5) kalibrasi .Successful belum
mungkin, namun, becauseof kurangnya data yang memadai pada pergerakan antara pasang kota
tertentu. Telah diusulkan bahwa pergerakan barang mungkin akan sangat berkorelasi dengan surplus
komoditas tertentu pada asal berakhir dari perjalanan dan permintaan untuk komoditas yang sama di
tempat tujuan berakhir. Dengan tidak adanya pengetahuan yang terperinci dari commoditysupply
dan permintaan, variabel pengganti menggambarkan
58 PERAMALAN AIR TRANSPORT PERMINTAAN
makeup industri dari citypairs digunakan, dalam hubungannya dengan variabel deskriptif
tingkat layanan udara. Pengalaman dengan model ini telah kurang memuaskan.
Analisis Input-Output
Distribusi gerakan freight telah dilakukan dengan menggunakan model gravitasi untuk mendistribusikan
permintaan antara asal-usul dan prosedur dijelaskan destinations.Thesestandard pro dijelaskan dalam
karya referensi mudah diakses.
Dalam urutan model, generasi dan distribusi tahap diikuti oleh komoditas
pemilihan moda. Yang paling sukses pemilihan moda
Model harus menjadi pendekatan biaya-minimisasi yang meliputi tarif angkut, biaya kerusakan,
keamanan, waktu perjalanan, persediaan dan pergudangan biaya, com- modity kerusakan, dan en
biaya penanganan rute.
Ringkasan
Penentuan model angkutan udara dari semua jenis rumit oleh ber NUM faktor:
3. Barang throughput yang di bandara mungkin artifisial yang tinggi sehubungan dengan
originatingordestined barang jika theairlinechooses touse hub bandara asa. Dalam hal
ini, volumesof besar perpindahan barang akan moveeither di apron atau melalui
terminal.
2.16 PREDIKSI UMUM AVIATION 59
Jumlah perkiraan pesawat berdasarkan panggilan untuk inventarisasi pesawat saat berbasis, tren
pertumbuhan historis, dan, di theUnited Amerika, kerja FAANational Prakiraan Pertumbuhan Rasio
forGeneral Aviation Berbasis Pesawat (diberikan untuk berbagai wilayah di Amerika Serikat). Seperti
dengan lalu lintas penumpang, yang FAApublishes perkiraan itsown dari penerbangan umum
activitynationally, di hub dan di bandara individu.
Pendekatan lain adalah dengan menggunakan metode rasio step down, menerapkan rasio ini perkiraan
agregat nasional menggunakan saham pasar bersejarah.
FAA memperkirakan total armada penerbangan umum dengan model berikut:
A /, + i = S? + . + Sf + i - X, + 1 + A - /, +, * • t+1
dimana
cb
0/+L- M 7> r t +APL +
x> W t +
saya
1 saya (2.26)
r+1
oP
AP, + 1
(2,27)
dt + 1
7> /+ 1
1» tf + 1 saya
dimana
Jumlah operasi pesawat (lokal dan keliling) dapat meramalkan dari jumlah sebenarnya dari
kegiatan ini atau, di Amerika Serikat, dari survei FAA (menjulang Bandara), dan dengan
memperoleh hubungan antara jumlah operasi per pesawat berbasis. Jika data lokal tidak
tersedia, data followingFAA dapat digunakan:
prakiraan penumpang yang dibuat dengan mengalikan jumlah rata-rata Sengers pas- per
pesawat dengan setengah jumlah total operasi keliling penerbangan umum. FAA telah
memberikan data jumlah rata-rata penumpang per pesawat.
Rata-rata Jumlah
Penumpang Pesawat per
Abrief pengobatan kegiatan penerbangan modelinggeneral terkandung dalam Manual pada Air Traffic
Peramalan ( 6).
Suatu daerah semakin penting dalam subjek pemodelan permintaan lalu lintas dicting pra melalui
hub yang ada atau bahkan hub potensial. Sangat besar, volume relatif transit dan transfer lalu
lintas tidak dapat diprediksi satisfac- torily menggunakan teknik yang dijelaskan sebelumnya
dalam bab ini, karena perjalanan yang dihasilkan secara eksternal ke hub dan tidak tergantung
pada karakteristik sosial ekonomi dari daerah atau wilayah di mana hub terletak. Sebaliknya, hub
menarik lalu lintas yang terkait dengan tingkat layanan udara yang disediakan oleh fasilitas
hubbing. Variabel yang telah digunakan untuk menggambarkan tingkat layanan ini
Model yang telah dikalibrasi untuk menggambarkan dan untuk meramalkan pilihan rute yang
kompleks, dan hanya baru-baru ini mereka mulai dipahami (22). Sebuah model dikalibrasi di
Inggris pada data CAA adalah dalam bentuk;
p ( a, r) = p (r / a) , P (a)
dimana
Cara di mana model pemilihan rute yang diintegrasikan ke dalam analisis permintaan bandara dan sistem
bandara perencanaan ditunjukkan pada Gambar 4.10 dan 4.13, dan di Bagian 4.9 dan 4.11.
REFERENSI
1. McDonnell Douglas, Outlook untuk Komersial Pesawat, 1988-2002. Long Beach 1988.
2. ICAO Bulletin, Montreal: Internasional Civil Aviation Organization, Juli 1990.
3. Dunia Air Traffic Forecast, Seattle: Boeing, 1990.
62 PERAMALAN AIR TRANSPORT PERMINTAAN