PERAMALAN AIR TRANSPORT

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).

2.1 TREN PASCA PERANG DI ANGKUTAN UDARA

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

Sejarah Ramalan cuaca

1 3.000 Laju pertumbuhan RPK Tahun dijadwalkan

Di luar acara
Non-scheduied Jumlah
~ 2, 500 72-87 7,6% 87-92 9,4% 7,8%
s
4
6,1% 87-97 6,3% 3,7% 5,9%
Semua jasa

87-02 5,9% 3,3% 6,0%

2.000 3,2% 5,7%

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

GAMBAR tren daerah jangka panjang-2.2 di transportasi udara. ( Sumber; ICAO)

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

(dalam miliar) Aktual

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

20. AS Domestik 167 329 523 683 865 1410

21. Kanada Domestik 7 20 20 24 29 42
22. Inggris Domestik 2 3 4 6 8 14
23. France Domestik 2 9 17 27 39 70
24. Jepang Domestik 7 29 39 63 87 162
25. Amerika Tengah Domestik 1 7 7 15 21 42
26. Amerika Selatan Domestik 4 17 23 39 63 145
27. Eropa Domestik 7 18 26 39 50 79
28. & 29. Afrika Domestik 2 6 78 9 14 32

30. Timur Tengah Domestik 1 7 12 15 26

31. Far East Domestik 4 14 37 80 127 298
32. Australasia Domestik 5 16 9 16 22 40
33. Uni Soviet Domestik 72 151 199 201 221 352

34. Total Domestik 280 621 924 1215 1563 2709

35. Total Internasional 127 458 756 1271 1857 3928
36. Jumlah Semua Daerah 408 1079 1679 2487 3420 6637

Sumber: Douglas Aircraft Company.

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)

Sebenarnya Ramalan cuaca

Daerah Nomor dan Daerah 1969-1989 1989-1999 1999-2010 1989-2010

1. Utara-Selatan Amerika 5.92 6.42 5.99 6.19

2. Utara-Tengah Amerika 7.59 5.47 6.33 5.92

3. Atlantik Utara 7.96 4,89 5.07 4.98

4. Mid Atlantik 8.17 4.04 3,84 3,94
5. Atlantik Selatan 7.57 5.64 5.24 5.43
6. & 7. Eropa-Afrika 7.57 6,49 7.08 6,78
8. Eropa-Timur Tengah 7.80 3.88 4.76 4.34
9. Eropa-Timur Jauh 12.04 8.21 7.56 7,87

10. Utara & Mid Pacific 14.35 11.51 11.04 11.26

11. Pasifik Selatan 10.31 6,78 7.16 6,98

12. Intra-Amerika Utara 10,18 5.23 8,05 6.70
13. Intra-Amerika Tengah 11,66 5.32 4,50 4,89
14. Intra-Amerika Selatan 8.76 9.01 8.30 8.64
15. Intra-Eropa 7.08 5.84 5.33 5.57
16. Intra-Afrika 8.89 5.83 8.45 7.19
17. Intra-Timur Tengah 10.31 4.08 6.11 5.14
18. Intra-Far East & Pacific 16.67 10.58 9.89 10.22
19. Rute lain 16,23

20. USDomestic 5.87 4.44 5.17 4.82

21. Kanada Domestik 5.77 3,08 3,85 3,48
22. Inggris Domestik 5.23 5.29 5.07 5.18
23. France Domestik 10.56 6.92 6.24 6,56
24. Jepang Domestik 9.17 6.71 6.47 6,58
25. Amerika Tengah Domestik 10.40 7.60 6.92 7.24
26. Amerika Selatan Domestik 8.52 10,08 8.86 9.42
27. Eropa Domestik 7.34 5.19 4.81 4.99
28. & 29. Afrika Domestik 7.08 7,35 8,75 8,08
30. Timur Tengah Domestik 14.23 4.96 5.52 5.25
31. Far East Domestik 12.18 11.04 9.10 10,02
32. Australasia Domestik 4,51 6.27 6.31 6.29
33. Uni Soviet Domestik 5.42 0,24 4.77 2,59

34. Total Domestik 6,25 4.47 5.79 5.16

35. Total Internasional 9,75 7.51 7.96 7,75
36. Jumlah Semua Daerah 7.59 5.98 7.01 6.52

Sumber: Douglas Aircraft Company.

0,09-9,30 miliar ton mil -

mileage (4) (lihat Tabel 2.3). Selama periode yang sama, angkutan udara domestik meningkat
peningkatan rata-rata 11,3%. Namun, selama 1970-an dan awal
1980-an, tingkat pertumbuhan di dalam negeri cargodeclined signifikan. Selama periode resesi
yang parah, lalu lintas kargo udara menurun secara absolut oleh 7% antara tahun 1978 dan 1980.
Hal ini jelas
u

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)

semua Layanan Internasional Lokal

Wilayah
1988 1979 1988 1979 1988

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

3.0 3.0 5.0 5.5 0,8

2.2 2,5 3.4 4.3 0,8

ICAOWorld 100 100 100 100 100

Sumber: ICAO.
 TABEL 2.3 US DomesticShares Penumpang dan Gerakan Barang

Tahun

Mode 1945 1960 1970 1980

Travel Intercity A.: Miliaran Miles Penumpang (Persentase Tampil di kurung)

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

B. Intercity Pengangkutan: Miliaran Ton Miles (Persentase Tampil di kurung)

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

Sumber: Fakta transportasi dan Tren, 17 Ed.

$
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.

2.2 CONVENTIONALMETHODS OF PERAMALAN

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.

portation trans, adalah analisis delphi -

Sebuah prosedur halus, yang telah menjadi morewidely digunakan secara umum perencanaan
mendekati perkiraan masa depan dengan menerapkan
prosedur iterasi survei harapan. Dalam cedure pro ini, para ahli membuat perkiraan dan kemudian
menerima umpan balik dari hasil dari entiregroupof forecasters.After setiap iterasi, tanggapan rangeof
cenderung untuk mempersempit, dan konsensus akhirnya tercapai. Secara umum, bagaimanapun,
survei harapan aremoresuitable perkiraan toaggregate di tingkat regional atau nasional daripada
memisahkan perkiraan di tingkat bandara.

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 / /

Permintaan eksponen ial

Melengkung

Waktu

GAMBAR 2.3 Kurva logistik pertumbuhan.

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).

Prakiraan Berdasarkan Rasio Prakiraan Nasional

Tn Amerika Serikat, suatu teknik untuk peramalan lalu lintas udara secara luas digunakan di tingkat lokal
adalah baseforecast Metode, yang mengasumsikan bahwa sebuah kota ' s persentase volume penumpang
nasional tahunan tetap relativelyconstant dari waktu ke waktu. prakiraan bandara adalah umur bystep-down
persentase perkiraan nasional. Metode menderita, bagaimanapun, dari dua keterbatasan yang serius.

1. Sebuah persentase tokoh nasional tidak tidak tentu tetap konstan;

cepat tumbuh daerah menarik permintaan lalu lintas lebih banyak di daerah yang lebih statis dengan basis
ekonomi sektor primer mungkin tidak berubah secara signifikan. Sangat kesalahan besar akan terjadi di
bandara yang mengembangkan fungsi hubbing di mana sebelumnya tidak ada functionwas seperti
dilakukan out.Section 2,17 penawaran dengan permintaan analisis pilihan rute, yang dapat digunakan untuk
memperkirakan efek ini.

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

Biasanya, dua teknik telah digunakan di Amerika Serikat:

metode A

1. Tentukan penumpang enplaned nasional percentageof yang ber yang

pelabuhan telah menarik di masa lalu.

2. Menyesuaikan persentase ini untuk mencerminkan tren pertumbuhan abnormal diantisipasi.

3. Mendapatkan data untuk volume penumpang nasional untuk tahun desain.

4. Hitung angka desain langkah-down sebagai produk dari persentase

langkah 2 dan angka nasional dari langkah 3.

metode B

1. Mendapatkan jumlah penumpang per 1000 penduduk bahwa bandara

telah dialami di masa lalu.
2. Bandingkan angka dihitung pada langkah 1 dengan jumlah penumpang
nasional per 1000 penduduk.
3. Menghitung rasio berikut:

penumpang / 1000 penduduk untuk penumpang

bandara / 1000 penduduk untuk bangsa

4. Memperoleh perkiraan nasional volume penumpang udara per 1000 popula-

tion untuk tahun desain.
5. Dari rasio dihitung pada langkah 3 dan perkiraan nasional langkah 4,
menghitung volume penumpang lokal per 1000 penduduk. Metode langkah-down berguna
ketika area pasar bandara dapat reasonablywell didefinisikan (misalnya, theUnitedStates dan
Kanada). Dalam mencoba smallercoun-, seperti yang dari Eropa Barat, daerah pasar banyak
bandara tumpang tindih dan ada persaingan untuk penumpang. Dalam kondisi seperti itu,
metode ini kurang useful.A contoh khas dari model jenis langkah-down digunakan dalam studi
Washington State:

Ei mj / j mj / S Nona/ Kami Eus ( 2.1)

dimana

Ej = enplanement domestik pada i Mj / j = persen pangsa pasar untuk bandara / total

domestik dijadwalkan
enplanement di wilayah j Mj / S = persen pangsa pasar untuk wilayah j dari total
pasar negara s

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

2.3 METODE ANALYTICAL UDARA TRAVEL PERMINTAAN

PERAMALAN

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 Distribusi pemilihan moda Tugas

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:

Air generasi perjalanan distribusi perjalanan udara

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.

2.4 THE VARIABEL UNTUK PENUMPANG PERMINTAAN

PEMODELAN

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:

Sebuah pasokan orang. motivasi A

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:

1. Pengamatan tren masa lalu.

2. Identifikasi variabel eksogen yang bertindak sebagai pengganti dasar
faktor penyebab perubahan tingkat permintaan transportasi udara.

3. Sebuah survei basis mengumpulkan data sosial ekonomi yang menggambarkan status
MODEL 2,5 AIR TRIP GENERATION 35

dari populasi, sifat daerah, dan status teknologi sistem.

4. Pembentukan hubungan antara variabel-variabel prediktif dan

kedua tingkat dan perubahan tingkat permintaan transportasi udara.

5. Prediksi tingkat diantisipasi dari variabel eksogen dalam

tahun desain.

6. Prediksi dari tingkat tahun desain dari variabel eksogen dan

hubungan prediksi tingkat permintaan di masa mendatang. metode sederhana dari prediksi, seperti

tren peramalan, memperhitungkan eksplisit langkah pertama saja, dan langkah 2 sampai 6 dicampur dengan

ment penghakiman subjektif, dengan berbagai tingkat keberhasilan.

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):

1. variabel demografis, termasuk ukuran kota dan kepadatan penduduk.

2. Kedekatan dengan kota-kota besar lainnya.

3. Karakter ekonomi kota.

4. kegiatan pemerintah, termasuk kebijakan promosi dan peraturan,
competingmodes subsidyof, dan kebijakan energyconservation dan neraca
pembayaran-of-.
5. tingkat tarif.
6. Perkembangan bersaing moda transportasi.
7. perkembangan teknologi di industri pesawat terbang.
8. Kecukupan penyediaan infrastruktur modus udara dan bersaing
mode.
9. Karakter pembangunan perkotaan dan regional.
10. Berbagai tak terpikirkan lainnya, seperti perubahan sosiokultural di waktu luang
andwork pola, teknologi perubahan incommunication, dan perubahan sekuler dalam pola
hidup.

MODEL 2,5 AIR TRIP GENERATION

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

Pendekatan analisis pasar biasanya mengasumsikan bahwa daerah' s pangsa pasar

transportasi udara total tetap konstan dari waktu ke waktu. total kebutuhan nasional
diperkirakan untuk tanggal desain, biasanya dengan menggunakan langsung peramalan trend
atau lintas-klasifikasi (analisis kategori). Dalam jangka pendek, asumsi total pangsa pasar
konstan cenderung cukup valid, namun, jelas, di bawah perubahan kondisi ekonomi dan
demografi, analis bisa kurang optimis sehubungan dengan akurasi premis.

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

Biasanya, theair tripgeneration regressionmodel akan beof formulir berikut:

T = a 0 4- apcj + Sebuah& 2 + •••+ Sebuah “xn ( 2.2)

dimana

= T jumlah perjalanan udara yang dihasilkan

x \ . . . . JC = variabel independen atau prediksi yang 0, . . . sebuah = konstanta
regresi

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 2,6 AIR TRIP DISTRIBUSI

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

Ty = perjalanan dengan penumpang udara antara kota saya dan j

pi = penduduk kota asal
Pj = populasi kota tujuan
dtj = jarak antara saya dan jk = konstanta
proporsionalitas
x - a dikalibrasi konstan

Menggunakan jarak sebagai ukuran impedansi, ditemukan bahwa nilai

x tampaknya bervariasi 1,3-1,8. Bentuk lain dari model ini telah dikembangkan bahwa usaha
untuk menentukan ukuran impedansi dalam hal selain jarak saja. Menggunakan biaya
perjalanan, model berikut ini dikalibrasi:

kTiTj
Tij = (2.5)
Qj

dimana

= Ti total perjalanan udara yang dihasilkan di kota i Tj = total

perjalanan udara yang dihasilkan di kota j Cg = biaya
perjalanan antara saya dan j K = konstanta proporsionalitas

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)

dimana p adalah parameter dikalibrasi.

Sebuah bentuk modifikasi dari model gravitasi digunakan di Kanada:
2,7 MODEL MODAL PILIHAN 39

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

Apredictiveequation dari bentuk serupa dikembangkan oleh theformer Bandara British

Authority untuk Bandara Asosiasi Eropa Barat:

Yit = { IUT ( 1 + YiTl ( 2.8)

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

2,7 MODEL MODAL PILIHAN

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:

exp (-a Cijk) Tijk

-
Tij
IJexP ( Sebuah CiJk)
(2.9)

dimana

Ty = total perjalanan dengan semua mode dari saya untuk j

Tijk = perjalanan dengan modus k dari saya untuk ja = beberapa
konstanta kalibrasi
Cijk = biaya umum perjalanan dari saya untuk j by mode kn = jumlah mode
yang tersedia

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.

2.8 MODEL GENERATION-DISTRIBUSI

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.

Salah satu bentuk jenis model dapat ditulis sebagai berikut:

TTJ = r PfPjdijlJlf ( 2.11)

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

(Dalam bentuk logaritma, struktur persamaan adalah tipe linear standar.)

Struktur persamaan 2.11 dapat diperluas untuk memasukkan variabel lain yang berlaku,

-
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

fg = perjalanan udara antara saya dan j

pi = populasi itu = waktu
di tahun
Qij = Faktor untuk menyesuaikan efek kuantum, seperti link permukaan baru

Amode spesifik model ekonometrik telah diproduksi dalam bentuk:

B
Tij = (a, GNP, y> ( a / GNP;) r p | Faaku+j A + ( 2.13)
Fi j - C

dimana

Ty = lalu lintas udara antara stasiun / dan / a = share stasiun

produk nasional bruto (GNP)
3 = negara Indeks pasangan hubungan
F = tarif ekonomi
SEBUAH, B, C ~ konstanta skala mata uang
a, b, c, d = konstanta regresi

Atwo-categorymodel telah dikembangkan untuk kedua kategori thebusiness dan alamat dari

perjalanan udara (10). Model ini: Bisnis

= 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

II = perjalanan udara di tahun y untuk tujuan lain

P = populasi asal
A, M = konstanta
Fyb = / ( pendapatan, stasiun afinitas, kecenderungan untuk berinvestasi dan perdagangan) pada tahun
y untuk bisnis
2.8 MODEL GENERATION-DISTRIBUSI 43

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

Sejumlah model distribusi telah dikembangkan faktor us'mggrowth.

Namun, ini adalah model sederhana, dan sulit untuk membenarkan penggunaannya dalam
peramalan jangka panjang. pembaca disebut (7) untuk pembahasan yang cukup lengkap model ini.

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:

Tkij = ctoPfi Pf Y? YfMpMfWp

X /j( Hi}, Hkij) Ji ( CJJ, Ckij) S (% Dkij). . .

mana, ( XJ. . . . Sebuah 7 = konstanta regresi

Pi, pi = populasi dari dua node

YhYj = pendapatan median di dua node
M (, mj = kelembagaan (industri) indeks dari dua node
HJJ = sedikit waktu perjalanan yang dibutuhkan
Hkij = waktu perjalanan oleh k mode
Njj = jumlah mode antara saya dan j
CJJ = sedikit biaya perjalanan antara saya dan j
CkiJ = biaya perjalanan dengan k mode
dij = yang terbaik frekuensi keberangkatan dari saya untuk j Dfcij = frekuensi
keberangkatan oleh k mode
44 PERAMALAN AIR TRANSPORT PERMINTAAN

Theadvantageof modemodels abstrak adalah bahwa theycan digunakan untuk

memprediksi permintaan untuk beberapa sistem transportasi baru yang tidak sekarang ada
tapi untuk yang satu set karakteristik dapat ditentukan. Aplikasi ini termasuk predictingdemand
untuk jarak pendek V / STOL transportasi atau untuk antar kota-tingkat ketiga transportasi
pembawa, dan proyeksi dampak teknologi baru yang hanya standar kinerja dapat ditentukan
pada saat analisis.

Theabstract Model modus digunakan perjalanan toassign bymode di theCalifornia

Koridor Studi (12). Model ini diterapkan ke tingkat absolut permintaan berasal dari model
regresi berikut: Bisnis

ln (Ty) = - 7.32 + 0,29 ln (P,) + 0,37 ln (i> ) + 0,89 ln ( YTF)

- 0,33 1n ( TIJ) (2.17)

waktu luang

1n (T ^) = -15,65 + 0,31 ln (P,) + 0,42 ln (J> ) + 1,40 ln (Yy) (2.18)

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

2,9 THE PERAMALAN SISTEM FAA (13)

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.

model angkutan udara dikembangkan di lima wilayah yang berbeda:

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.

Perkiraan angkutan udara nasional AS dimodelkan dalam beberapa tahap:

1. Yield, dalam hal dolar per penumpang mil, diperkirakan oleh regresi
persamaan dalam bentuk

=Y ao + a \' JF + d2 ' W + d ^ ATM (2.19)

dimana

JF = biaya bahan bakar jet

W ~ upah
ATM = Gerakan transportasi udara per pesawat

2. penumpang pendapatan mil kemudian diperkirakan dari persamaan

RPM = h 0 + bx • GNP + b 2 • Y ( 2.20)

dimana GNP = produk nasional bruto riil

= Y hasil nyata

3. Menggunakan analisis subjektif dan tren, perkiraan berikut dibuat,

berdasarkan tren bersejarah dan perubahan teknologi diantisipasi: faktor Lodd, dvernge jumlah sedts
per dircraft, dan ovemge possenger panjang perjalanan,

4. Prakiraan enplanements dihitung dari

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

2.10 AIRPORT PILIHAN MODEL (14)

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.

Sejumlah investigasi telah menggunakan model logit dalam bentuk

evBt
= 2 ** . . . ( 2.22)

dimana
-
r1

PGK - probabilitas alternatif yang g akan dipilih oleh

individu k

Vgk - a \ X \ + a 2 X 2 + + anXn (2.23)

= Fungsi perwakilan dari utilitas

dimana

ai, Sebuah 2, . . . . sebuah = parameter yang akan diestimasi

X \ , X 2, . . . . xn = variabel penjelas

Berdasarkan data yang dikumpulkan di Central England, Benchemam dan Ashford dikalibrasi empat
model (15):

Pr ( memilih bandara) bisnis = / ( waktu akses, frekuensi penerbangan)

Pr ( memilih bandara) waktu luang = / ( waktu akses, tarif penerbangan, penerbangan

frekuensi)
2.11 FAKTOR BEBAN DAN AIRCRAFTMIX 47

Pr ( memilih bandara) tur inklusif = / ( waktu akses, penerbangan penerbangan frekuensi)

Pr ( memilih bandara) lokal = / ( waktu akses, tarif penerbangan, penerbangan
frekuensi)

Bekerja dengan Harvey menghasilkan temuan serupa di wilayah San Francisco Bay (16):

Pr ( memilih bandara) bisnis = / ( waktu akses, frekuensi penerbangan relatif,

frekuensi penerbangan mutlak)

Pr ( memilih bandara) non.bus; ness = / ( waktu akses, frekuensi penerbangan).

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.

2.11 FAKTOR BEBAN DAN PESAWAT MIX

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

Berat faktor beban load

50
factor penumpang

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

B747 sayap baru dan tubuh membentang

500

HAI'.

^ 400
S

300

30
HAI 1

200

DC9-10, B757, baru 150 tempat duduk / c A320

B737-300, BAE 146-200

100 F28 baru
707 DC8-50
B727-200 Kebanyakan 8727-200 ini

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

Pemeliharaan saya Biaya

*
Biaya airline
w

Biaya tenaga kerja Imbal hasil airline Pendapatan

dan Overhaul j Variabel

saya

F
Lingkungan yang
IOC
kompetitif

penyusutan saya - saya

Laba operasional

saya
 Dari RPM
Dengan Pasar

Prakiraan
maskapai
RPM

ASM Pesawat Range Jumlah Saat ini dan Masa

Ramalan cuaca
Airline Load dan Ukuran Permintaan Depan Model
Factor Kategori untuk Ketersediaan

Prakiraan Distribusi Airplanes

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

2.12 PERKIRAAN GERAKAN AIR CARRIER

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.

Untuk mengkonversi perkiraan tahunan pergerakan penumpang pesawat ke puncak gerakan

mobil- udara rier, perlu untuk memahami variasi temporal permintaan yang berkaitan dengan
thedesign fasilitas. Figure2.7 menunjukkan bahwa pola variasi pergerakan penumpang dan
pesawat di seluruh theyeardepends sangat pada fungsi bandara. Heathrow, bandara utama
London, menunjukkan variasi khas permintaan, dengan puncak selama mer sum- dan arus
terendah selama Februari. Puncak / Rata-rata rasio untuk port ber ini, yang melayani volume
besar lalu lintas bisnis dan untuk lalu lintas tingkat luang yang lebih rendah adalah relatif
lowfigure dari 1.31.This adalah rasio serupa dengan yang diamati di NewYork JFK, yang agak
mirip dalam fungsi . Dengan parison com-, Luton, bandara lain di daerah London, melayani
terutama liburan dan lalu lintas piagam, memiliki variasi yang sangat besar dalam aliran bulanan

1-60

1 50-
-- - NEW YORK UFKJ1974 LONDON

-
(Heathrow! 1975

1-401-30-1 LONDON (Luton) 1976

//
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

200 190 180 ~ V77A 2ENG-NB

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

Waktu hari Jumat 3

Juni 1988

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).

penumpang rata-rata bulanan = 0,08417 arus penumpang X tahunan penumpang harian

rata-rata = 0,03226 Rata-rata aliran bulanan X
Hari puncak arus = 1,26 X rata-rata harian jam aliran arus
puncak = aliran puncak harian 0,0917 X

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 Volume Sejarah dan Pesawat Mix Perkiraan Gerakan Tahunan

<- >
Penumpang Tahunan Trend Analisis Air Pengangkut

'>

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

Perkiraan Puncak Jam Analisis sejarah dan Perkiraan Gerakan Puncak

<r >
Penumpang Volume Subyektif Jam Air Pengangkut

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

Annua! penumpang enplaned (jutaan)

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

saya 3.000 LGW

c

£ 2.000 /
x
Sebuah.
h-

puncak khas hubungan jam

£ 1.000 penumpang FAA
BERSAMA

<u
3 jika)

500
_E
UNTUK
CD

3O 300
sz
JSC
UNTUK
CD
200
0-

100o II 1 1 1 1 saya saya i IIIII

Hai Hai E EEE o untuk Hai
Hai Hai
E E
8
-
di Hai Hai
Hai Hai
m
r< 04 Hai
Hai Hai
8 Hai di
-
r4 Hai
CM

Throughput penumpang tahunan (jutaan)

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).

Proyeksi Nasional 2.13 AIR FREIGHT

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

F = / ( GNP, PA) (2.24)

dimana

F = dijadwalkan lalu lintas angkutan udara dalam negeri (pendapatan ton-mil) GNP = produk
nasional Bruto

PA = tarif angkutan udara

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

Sejarah Ramalan cuaca

120
Tingkat pertumbuhan RTK
*c
Hai 100 Lebih rendah Hold /

Tahun Kapal barang Combi

JQ tc
(/>
72-87 7,2% 87-92 8,8%
£ 80 8,3% 87-97 7,5% 5,9%
• .
87-02 6,9% 5,6%
E
Hai 5,2%
F 3! ser
Tahan lebih rendah / Combi - H
c ^0 Ambang
%
£
'

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)

tarif angkutan. Waktu dalam

transit. Frekuensi pelayanan.
Waktu penjadwalan.
Keamanan produk.
Keandalan pelayanan.
Kualitas pelayanan.

Nilai dari barang per satuan berat.

2.14 MODEL AIR FREIGHT GENERATION

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

Di theUnited Amerika, someeffort telah dibuat untuk menggunakan interindustrymodel, sebuah

macroeconomicmodel kadang-kadang ditunjuk sebagai model input-output analysis dapat digunakan
untuk menentukan penawaran dan permintaan komoditas dari jenis ferent dif- untuk masing-masing
sektor informasi industry.This, di gilirannya, dapat diterapkan untuk struktur industri pasang kota
tertentu untuk menentukan generasi arus barang. Model ini masih pada tahap embrio.

2,15 AIR DISTRIBUSI CARGO DAN MODAL SPLIT

PEMODELAN

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:

1. Mayoritas angkutan udara bergerak di perut pesawat berbadan lebar.

penting pada tarif angkut -

Ketersediaan ruang perut cadangan di bandara tertentu cenderung memiliki efek yang sangat
faktor dasar yang mempengaruhi generasi kargo udara.

2. Pada sejumlah bandara, barang yang berasal di daerah pasar oneair-

port sering diangkut melalui jalan darat ke bandara lain, di mana itu adalah uplifted.The keputusan
untuk menggunakan sektor jalan panjang ditentukan oleh faktor-faktor seperti quency fre- pelayanan
udara dan tarif kargo yang tersedia pada titik pengangkatan. Truk-truk ini bahkan ditugaskan “nomor
penerbangan” ketika mereka memindahkan kargo dari terminal di bandara lain untuk terminal angkutan
di Heathrow dan Frankfurt.

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

2.16 PREDIKSI UMUM AVIATION

Aconsiderableamount penghakiman subjektif pergi intomakinggeneral perkiraan tion avia-, yang

sangat bergantung pada tren nasional dan prakiraan dan, sejauh seperti areavailable,
records.Three sejarah tipe dasar lokal perkiraan biasanya dibuat: (1) jumlah pesawat berbasis,
(2 ) jumlah operasi pesawat terbang, dan (3) perkiraan penumpang.

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

/ = Total armada yang aktif

A /, + i = estimasi perubahan dalam armada aktif antara waktu t dan waktu
f+ 1
= SB penjualan pesawat bisnis
Sp = penjualan pesawat pribadi
X = erosi
A = tidak aktif ke status aktif / = aktif

untuk tidak aktif status dan

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

AP = Indeks harga pesawat

P = implisit deflator Produk Nasional Bruto
r - suku bunga
= Y pendapatan
= W ukuran aktivitas bisnis
60 PERAMALAN AIR TRANSPORT PERMINTAAN

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:

Operasi tahunan per Pesawat Berdasarkan

Mengetik khas Rendah rata-rata khas Tinggi

operasi lokal operasi 170 375 690

Keliling (nontower
bandara) operasi Keliling 125 210 450
(bandara tower)
225 425 745

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

Bandara 1975 1980

Air operator 3.26 3.36

lain 2.20 2,50

Abrief pengobatan kegiatan penerbangan modelinggeneral terkandung dalam Manual pada Air Traffic
Peramalan ( 6).

2,17 ROUTE PILIHAN PEMODELAN

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

Frekuensi keberangkatan. waktu

koneksi di hub.
REFERENSI 61

Kapasitas rute dalam hal kursi yang tersedia. waktu

perjalanan rata-rata melalui hub.

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)

exp [ V (a, r)] p

(ria) = exp <f> * (a)

exp [8 * <f> * (a) J

p (a)
2 exp [8 * (Sebuah*)]
a * EA

dimana

SEBUAH = set bandara keberangkatan

p (a, r) ​= probabilitas penumpang menggunakan rute yang r, dilayani oleh keberangkatan
Bandara ap (r / a) = probabilitas bersyarat dari memilih rute yang dilayani dari ap
(a)
= probabilitas marjinal Sebuah
<3> « = diharapkan utilitas maksimum (EMU) atau nilai inklusif dari set
dari rute RR
= set-rute yang tersedia dari masing-masing 8s bandara
= nilai inklusif (atau EMU) koefisien, yang mengukur
korelasi antara hal acak karena jenis rute kesamaan di bandara
keberangkatan, V
= fungsi utilitas bentuk
= pi (waktu akses) + p 2 ( frekuensi penerbangan mingguan pada rute)
+ pj (waktu koneksi rata-rata di bandara hub)
+ P 4 ( mingguan kursi pesawat yang tersedia pada rute)
+ P 5 ( Rata-rata perjalanan waktu)
+ p 6 ( rute tertentu konstan)

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

4. Transportasi di Amerika, Transportasi Kebijakan Asociates: Washington, DC, Mei 1989.

5. Kanafani, SEBUAH, Analisis Permintaan transportasi, NewYork: McGraw-Hill, 1981.
6. Manual pada Air Traffic Peramalan, ed 2. Montreal: Internasional Civil Aviation Organiza-
tion, 1988.
7. Wright, PH, dan N. J. Ashford, Teknik transportasi 3rd ed, NewYork:. John Wiley,
1989.
8. Ashford, N. J., “Masalah di Long Term Air Transport Peramalan,” Jurnal Advanced
Angkutan, Vol. 19-2, Agustus 1985.
9. Jacobson, ID, “Pemodelan Permintaan Travel Penumpang Air,” NASA Laporan CR-157.469,
1970.
10. Wimhurst, J., OW N. Cock, dan DH Jagger, Travel Demand Forecasting Studi, Bagian l - Utara
Travel Atlantik, Hatfield, Herts: Hawker Siddeley Aviation Ltd, 1976.
11. Quandt, RE dan WJ Baumol, Regional Sains, Vol. 6, No. 2, 1964.
12. Fan Shing Leung, R. Horonjeff, dan A. Mogharabi, “Peramalan Potensi Permintaan
STOL Transportasi Udara,” NASA Laporan CR- 114.572, Februari 1973.
13. FAA Aviation Prakiraan, Tahun Fiskal 1989-2 (XX), Washington, DC: federal AviationAdminis-
trasi, 1989.
14. Ashford, N. J., “Memprediksi Choice Penumpang dari Bandara,”Airport Forum, Maret 1989.
15. Ashford, NJ, andM.Benchemam, “Choix d' un IATA par les passagers,” angkutan, Paris,
September 1990.
16. Harvey, G., “Arport Pilihan di Beberapa Arport Daerah,” Transportasi Penelitian, Tahun 1987.
17. Ashford, N. J., dan A. Ozoka, “Penerapan memisahkan Modeling di Aviation Sistem
Perencanaan di Nigeria: Sebuah Studi Kasus,” Transportasi Penelitian Rekam 1214, Washington DC: Badan Riset
Transportasi, 1989.
18. Boeing Commercial Airplanes, Saat Market Outlook, 1989.
19. FAA Aviation Prakiraan Atlanta, FAA-APO-89-3, Washington DC: Federal Aviation Adminis-
trasi, 1989.
20. Johnson, NL, “ForecastingAirportTraffic,” inAirportEconomicPlanning, George P. Howard
(Ed.), Cambridge, Mass .: MIT Press, 1974.
21. Ashford, N. J., H. P. M. Stanton, dan CA Moore, Operasi Bandara, London: Pitman,
1991.
22. Ndoh, N., DE Pilfield, dan Gua RE, “Ar Transportasi Penumpang Route Choice: A
Bersarang Multinomial Logit Analisis,”dalam Pilihan spasial dan Proses, M. Fischer, Y. Papageorgiou, dan P.
Nijkamp (ed.), Amsterdam: Belanda Utara, 1990.