Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPada karya tulis ini dikembangkan model optimasi penjadualan sistem angkutan umum. Model yang dikembangkan memperhatikan kepentingan pengguna (meminimasi waktu tunggu) dan juga operator (meminimasi jumlah armada). Pemrograman matematis dari user-operator based model yang dikembangkan memiliki fungsi objektif minimasi waktu tunggu dan jumlah armada. Fungsi objektif ini dibatasi kendala kapasitas kendaraan serta beberapa konservasi yang berkaitan dengan waktu penjadualan. Untuk menentukan solusi dari optimasi model dikembangkan algoritma yang menggunakan pendekatan "bi-level". Pada tahap pertama, dikembangkan model optimasi waktu keberangkatan yang bersifat user's objective based model. Solusi optimal diselesaikan dengan menggunakan pemrograman dinamis, hingga didapatkan waktu keberangkatan kendaraan dan total waktu tunggu penumpang. Tahap kedua, merupakan pemodelan untuk mengoptimasi rangkaian perjalanan yang menjadi togas tiap armada (operator's objective based model). Model diselesaikan dengan konsep Maximum Cardinality Matching yang memanfaatkan representasi jaringan. Minimasi jumlah armada dilakukan dengan mempertimbangkan beberapa skema pengaturan rote (skema Turn Around Trips, Interlining dan Deadheading) serta skema Shifting Departure Time. Kedua tahapan pemodelan berinteraksi untuk menghasilkan nilai minimal bagi fungsi objektif dari user-operator based model. Contoh kasus yang diberikan merupakan aplikasi model dalam optimasi penjadualan angkutan umum. DAFTAR PUSTAKA : 14 (1974 - 1995) "

"Transportasi jalanan menyumbang 70-80% dari total volume angkutan barang setiap tahunnya di Indonesia dan pangsa pasar logistik darat berkisar antara 40% dan 50% dari total ukuran pasar logistik Indonesia. Dengan harga logistik yang semakin cepat meningkat (menyumbang 29% dari beban PDB Indonesia), besarnya permintaan layanan logistik darat memaksa pemain dalam industri tersebut untuk bersaing lebih ketat demi mendapatkan bagian pangsa pasar yang berkembang. Penelitian ini mengikuti Perusahaan X sebagai studi kasus perusahaan yang berusaha meminimalkan biaya agar tetap kompetitif di pasar logistik di Indonesia. Dalam upaya ini, Perusahaan X berniat untuk meningkatkan proses bisnis Middle-Mile (Mil-Tengah) untuk meminimalisasi limbah yang dihasilkan. Kebutuhan optimasi antara pencapaian waktu dan pemanfaatan kendaraan lahir dari prioritas untuk mencapai Service Level Agreement (SLA). Dalampenelitian ini, Peneliti membuat model optimasi untuk Penjadwalan dan Penugasan Kendaraan yang meminimalisasi jumlah kendaraan yang digunakan dalam proses Middle-Mile serta mengoptimalkan Serviceable Volume (volume pengiriman yang mencapai SLA) untuk setiap Segmen Mil-Tengah untuk meminimalkan limbah dengan memaksimalkan penggunaan kapasitas per kendaraan. Masalah Penjadwalan Kendaraan Multi Depot (MDVSP) dan beberapa heuristik akan digunakan sebagai dasar teoritis untuk pemodelan. Hasil model berpotensi pengurangan biaya kapital sebesar 32% danpemanfaatan kendaraan sebesar 225%, serta menyediakan Penugasan Jadwal Perjalanan. Optimal secara otomatis.

---

Road transport accounts for 70-80% of the total freight volume handled annually in Indonesia and the share of the land-based logistics market is between 40% and 50% of the total logistics market size. With price of logistics rapidly accelerating, the great demand for land-based logistics forces players in the industry to compete even more tightly to secure their share of the growing market. This research follows Company X as a case study of a company seeking to minimize costs to stay competitive in the logistics market in Indonesia. To minimize costs, Company X aims to enhance their Middle-Mile business process to minimize any generated wastes found. However, the question of

optimizing time achievement and vehicle utilization arises from the priority to achieve Service Level Agreement (SLA). In this research, Author creates optimization models to minimize the number of vehicles used in the Middle-Mile processes while optimizing Serviceable Volume for each shipping Segment. Multi Depot Vehicle Scheduling Problem (MDVSP) and some heuristics will be used as a theoretical basis for the modelling. The output of the model is very desirable with a fixed 32% potential capital cost reduction and 225% vehicle utilization, with automated optimal Timetabled Trips

assignment for decision making."

"ABSTRAKPembahasan yang dilakukan dalam tulisan ini adalah menentukan jumlah armada yang ditugaskan untuk melayani setiap rute berdasarkan time table yang sudah tersedia dengan memperhatikan 3 skenario yaitu : Turn Arround Ttrips (TAT), Interlining Trips (INL) dan Deadheading Trips (DH). Metode yang digunakan dalam pembahasan ini adalah matching dari jaringan bipartisi."

"Pada tesis ini dikembangkan model optimasi penjadwalan sistem angkutan umum dengan memperhatikan kepentingan pengguna (meminimasi waktu tunggu) dan juga operator (meminimasi jumlah armada). Dalam pemrograman matematis dari user-operator based model yang dikembangkan memiliki fungsi tujuan keduanya (waktu tunggu dan jumlah armada). Fungsi tujuan ini dibatasi kendala kapasitas kendaraan serta beberapa konservasi yang berkaitan dengan waktu penjadwalan.Penelitian dikembangkan berdasarkan beberapa penelitian terdahulu, dengan menghilangkan beberapa asumsi menjadi analisis model, seperti travel time antar halte, penumpang diperkenankan transfer dan dalam satu ruas jalan diperkenankan lebih dari 1 (satu) rute beroperasi sehingga penumpang mempunyai pilihan rute. Namun demikian ada beberapa asumsi yang digunakan dalam pemodelan ini seperti kapasitas kendaraan sama, waktu untuk menurunkan dan menaikkan penumpang bersifat konstan dan matriks probabilitas transisi diasumsikan konstan.Tahap pertama optimasi berdasarkan user oriented, solusi optimal diselesaikan dengan pemrograman dinamis, hingga didapatkan waktu keberangkatan kendaraan dan total waktu penumpang.Tahap kedua, merupakan pemodelan untuk mengoptimasi rangkaian perjalanan sesuai dengan skema yaitu skema turn around trips, interlining trips dan deadheading trips untuk mendapatkan jumlah armada yang minimum. Model diselesaikan dengan konsep maximum caridinality matching yang memanfaatkan representasi jaringan.Kedua tahap pemodelan berinteraksi untuk menghasilkan nilai minimal bagi fungsi tujuan dari user operator based model.Contoh kasus yang diberikan merupakan aplikasi model dalam optimasi penjadwalan, terdiri dari 2 kasus yaitu kasus sederhana dengan jaringan fiktif dan jaringan DKI Jakarta dengan perwakilan 35 rute angkutan bus besar.Untuk melihat perbandingan hasil model dilakukan untuk berbagai skema baik turn around trips, interlining maupun deadheading. Dari hasil perhitungan diperoleh kesimpulan bahwa skema interlining trips mempunyai jumlah kendaraan yang paling kecil. Karena fungsi objective dari pemodelan optimasi penjadwalan adalah meminimasi nilai Z, maka kondisi optimal dicapai apabila digunakan kondisi initial dengan skema serta penugasan armada dengan skema INL. Kondisi ini menghasilkan nilai Z sebesar 1322,009 dengan total waktu tunggu penumpang sebesar 37600,9 menit dan diperlukan armada sebesar 473 kendaraan.Dari hasil pengembangan model dan kasus yang dilakukan dapat diketahui bahwa sistem angkutan umum bus besar di DKI Jakarta tidak efisien, hal ini dapat diketahui dari banyaknya rute yang melewati satu titik (node) yang membuat proses perhitungan dalam program menjadi sangat lama."

"Angkutan umum merupakan bagian dari sarana sistem transportasi perkotaan. Pentingnya angkutan umum terutama dirasakan di kota-kota besar di mana penduduk kota yang padat itu setiap hari melakukan perjalanan. Dalam hal ini kendaraan pribadi tidak mungkin memenuhi kebutuhan perjalanan orang yang sedemikian banyaknya, sehingga angkutan umum diharapkan mampu bersaing dengan kendaraan pribadi dan memberikan pelayanan yang terbaik kepada masyarakat pengguna. Perencanaan sistem angkutan umum tidak lepas dari perencanaan rute. Rute yang menghubungkan antar terminal harus direncanakan dengan baik sehingga dapat menjangkau sebanyak mungkin titik pemberhentian yang harus dilayani. Rute juga diusahakan mengikuti pola shortest path (jarak terpendek) sehingga orang yang ingin bepergian dapat dengan cepat sampai di tempat tujuan. Dalam perencanaan rute suatu jaringan perlu pula diupayakan agar penumpang tidak perlu pindah-pindah kendaraan untuk mencapai tempat tujuannya. Ketiga hal inilah yang menjadi sasaran untuk mengoptimasi pola rute pada sistem angkutan umum. Sebagai bagian dari tujuan pengoptimasian di atas, dibuat program komputer untuk menghitung jumlah penumpang yang harus pindah kendaraan dari angkutan umum yang satu ke angkutan umum yang lain untuk masing-masing rute dalam suatu jaringan. Sedangkan bila memperhatikan ketiga sasaran di atas, yaitu memaksimumkan daya jangkau rute, meminimumkan waktu atau jarak tempuh rute dan penumpang yang harus pindah kendaraan, dilakukan perhitungan secara manual dengan pembobotan tertentu untuk masing-masing sasaran dengan mengikuti algoritma yang telah dibuat. Jaringan dengan kombinasi rute yang optimum ini kemudian dibandingkan dengan kombinasi rute lain untuk menguji algoritma yang dibuat."

"Ketidakseimbangan antara kebutuhan (user), supply (operator) dan regulator terjadi akibat kepentingan masing-masing pihak. Pemerintah (regulator) merupakan pihak yang berperan penting dalam menentukan keberhasilan perencanaan angkutan umum melalui .kebijakan yang ditentukan. Untuk itu diperlukan suatu model kebijakan regulator.Model kebijakan menggunakan dinamika sistem, dengan melakukan simulasi skenario subsidi, simulasi skenario LOS dan simulasi skenario jumlah armada. Penentuan kebijakan regulator menggunakan political bargaining approach.Berdasarkan hasil simulasi diperoleh hasil : model kebijakan regulator dapat digunakan sebagai dasar untuk menetapkan kebijakan regulator yang bersifat makro. Kebijakan regulator yang realistik untuk subsidi : bus biasa untuk umum : 40% - 50%, pelajar : 70% - 80%. Bus patas untuk umum dan pelajar : 40% - 50%, patas AC untuk umum : 20% - 30%. Bus double untuk umum : 20% - 30%, pelajar : 70% - 80%. Bus sedang untuk umum dan pelajar : 50%, bus kecil untuk umum dan pelajar : 20% - 30%. Kebijakan regulator yang realistik dengan meningkatkan LOS, pada skenario LOS 1, dan skenario jumlah armada 3."

"Permasalahan angkutan darat (bis) pada kota-kota besar berakar pada masalah bagaimana efisiensi biaya yang dikeluarkan operator namun tetap dapat melayani penumpang secara efektif. Di dalam studi ini akan dilakukan suatu usaha efisiensi bagi operator yang diharapkan dapat mengurangi jumlah armada yang harus disediakan untuk melayani suatu keadaan rute dengan karateristik kedatangan dan pergerakan penumpang tertentu dengan tidak melampaui batas kenyamanan yang dapat diterima penumpang. Usaha yang diterapkan di dalam studi ini adalah dengan memberlakukan satu titik transfer pada rute layanan dua arah sehingga suatu rute akan terbagi menjadi dua bagian (zona). Usaha ini dimaksudkan untuk mengurangi terjadinya produksi kilometer kosong pada suatu rute. Dengan memanfaatkan pola pergerakan penumpang dengan suatu karateristik tertentu, make titik transfer akan ditempatkan pada suatu titik sehingga akan didapatkan jumlah armada dan waktu tunggu total penumpang yang minimal selama periode penjadwalan tertentu.Proses optimasi ini diawali dengan optimasi jadwal pemberangkatan bis yang meminimalkan waktu tunggu total penumpang pada kedua zona dengan batasan-batasan tertentu. Selanjutnya besarnya jumlah armada minimal yang harus disediakan pada tiap zona akan memanfaatkan jadwal yang dihasilkan dengan menggunakan fungsi defisit.Jadi di dalam studi ini akan didapatkan dua fungsi tujuan yaitu meminimalkan jumlah armada dan waktu tunggu penumpang. Karena besarnya jumlah armada berbanding terbalik dengan waktu tunggu yang akan diderita oleh penumpang, maka keadaan yang optimal akan mempertimbangkan kedua hal tersebut dengan proporsi (bobot penyetara) yang tepat.Hal yang perlu diperhatikan dalam penjadwalan dengan memberlakukan suatu titik transfer adalah jumlah penumpang yang akan ditransfer pada titik transfer, di mana hal ini akan mempengaruhi perhitungan jumlah penumpang dan waktu tunggu secara keseluruhan. Untuk mendapatkan keadaan yang optimal, maka dibuat suatu model optimasi dengan suatu algoritma yang akan mengevaluasi titik titik yang ada di sepanjang rute dan akan memilih suatu titik yang akan dijadikan titik transfer yang paling optimal.Di dalam proses optimasi pola pergerakan penumpang pada suatu rute, tingkat kedatangan penumpang sepanjang rute, waktu tempuh di dalam rute merupakan suatu input utama yang akan mempengaruhi di mana letak titik transfer. Selain itu, input berupa kebijakan seperti besarnya faktor muatan dan lamanya periode penjadwalan jugs akan mempengaruhi. Untuk mengetahui evaluasi kerja optimasi suatu rute dengan adanya titik transfer, make dilakukan perbandingan hasil evaluasi pada suatu rute pada kondisi tanpa titik transfer dengan titik transfer.Di dalam studi kasus yang diasumsikan dengan 7 pemberhentian termasuk 2 terminal pada suatu rute layanan dua arah, dievaluasi terhadap keadaan tanpa titik transfer dan dengan titik transfer. Pada keadaan tanpa titik transfer dihasilkan jumlah armada minimal sebanyak 7 bis dengan waktu tunggu penumpang total sebesar 2432 menit. Sedangkan untuk keadaan dengan titik transfer, dihasilkan jumlah armada minimal sebesar 5 bis dengan waktu tunggu penumpang total 2990 menit."