Hasil Pencarian  ::  Simpan CSV :: Kembali

"Latar belakang: Kelelahan penerbang sipil termasuk pada penerbangan jarak dekat dapat mempengaruhi fungsi kognisi penerbang sehingga membahayakan keselamatan penerbangan. Tujuan penelitian ini untuk mengidentifikasi faktorfaktor yang mempengaruhi kelelahan penerbang sipil pada penerbangan jarak dekat di Indonesia. Metode: Desain penelitian potong lintang dengan purposive sampling dilakukan di antara penerbang jarak dekat dengan rating Boeing 737 series yang melaksanakan pengujian kesehatan di Balai Kesehatan Penerbangan selama periode 5-26 Mei 2014. Kelelahan diukur dengan Self-Reporting Questionnaire, Fatigue Severity Scale (FSS). Data dikumpulkan dengan pengisian kuesioner oleh subyek, meliputi demografi, pekerjaan, kehilangan waktu tidur (Epworth Sleepiness Scale - ESS), faktor personal, dukungan manajemen, dan FSS. Analisis regresi linear dipakai untuk menganalisis faktor-faktor berkaitan kelelahan. Hasil: Di antara 785 penerbang yang melaksanakan pengujian kesehatan, 382 bersedia berpartisipasi, dan 239 subyek memiliki rating Boeing 737 series. Ratarata skala kelelahan adalah 4,66 (standar deviasi 1,202). Faktor-faktor dominan yang mempertinggi skala kelelahan adalah jumlah sektor 24 jam terakhir, jam terbang penugasan di luar jadwal, dan kehilangan waku tidur. Setiap penambahan 1 sektor dalam 24 jam terakhir meningkatkan 0,371 skala kelelahan [koefisien regresi (β) = 0,371; P = 0,000]. Selanjutnya setiap penambahan 1 jam terbang penugasan di luar jadwal memepertinggi 0,033 skala kelelahan (β = 0,033; P = 0,000). Sedangkan setiap penambahan 1 nilai ESS mempertinggi 0,043 skala kelelahan (β = 0,043; P = 0,008). Simpulan: Jumlah sektor 24 jam terakhir, kehilangan waktu tidur, dan jam terbang penugasan di luar jadwal mempertinggi risiko kelelahan di antara penerbang sipil pada penerbangan jarak dekat di Indonesia.

---

Background: Fatigue could impair pilots’ cognitive function which may lead to accidents in short-haul flight. The aims of this study were to investigate the risk factors of short-haul commercial pilots fatigue in Indonesia.

Methods: Cross-sectional study with purposive sampling was directed to Boeing 737 series typed-rating pilots who were taking medical examination at the Civil Aviation Medical Center, Jakarta from May 5-26th 2014. Fatigue was measured with Self-Reporting Questionnaire, Fatigue Severity Scale (FSS). Data were collected by completing an anonymous questionnaire on demographics, workload, sleep restriction (Epworth Sleepiness Scale-ESS), personal factors, and managerial support. Risk factors and fatigue were analyzed using linear regression.

Results: During data collection, 785 pilots were taking medical examination, 382 pilots were willing to participate and 239 Boeing 737 series typed-rating pilots were chosen as subjects. Mean of FSS was 4.66 ± 1.202. Dominant factors of fatigue were number of sectors in 24 consecutive hours, flight times of unplanned flights in 30 consecutive days, and sleep restriction. Each additional sector correlated significantly to a 0.371 increase on the FSS [regression coefficient (β) = 0,371; p=0,000] and each additional value of ESS correlated significantly to a 0,043 on the FSS (β = 0,043; p = 0,008), while each additional flight times of unplanned flights correlated significantly to a 0,033 on the FSS (β = 0,033; p = 0,000).

Conclusions: Number of sectors in 24 consecutive hours, flight times of unplanned flights in 30 consecutive days, and sleep restriction correlated significantly to higher FSS."

"Increasing competition in airline industry, especially in international flight, pushing airline companies to their limit. Competition pushing the fares down while the cost continues to rise up. To maintain competitiveness in the market, airlines have to offer the right product, in the right time, for the right price. In order to do that, airlines have to understand their customer. Traditional approach of customer classification in Garuda Indonesia doesnt suit anymore due to more complex and heterogeneous choices made by customer. The purpose of this thesis is to find the new customer classification of Garuda Indonesia passengers. Because customer classification results connected directly to the airline`s pricing distribution, so this thesis will also try to optimize the revenue by implementing the new customer classification into pricing distribution. Short haul international route chosen because it became cash cow of the airline. Customer classification will be done using K-Means clustering algorithm based on trip features defined. The result of the customer classification then will be mapped to the pricing distribution. To find the best pricing distribution, this thesis will use the Willingness to Pay estimation analysis. The recommended pricing distribution showing positive impact to the revenues by increasing 11.48% higher than before using the recommended pricing distribution.

---

Meningkatnya persaingan dalam industri penerbangan, terutama pada penerbangan internasional, mendorong perusahaan penerbangan untuk lebih kompetitif. Persaingan mengakibatkan turunnya harga tiket sementara biaya produksi cenderung terus meningkat. Untuk mempertahankan daya saing, maskapai penerbangan harus menawarkan produk yang tepat, pada waktu yang tepat, dan dengan harga yang tepat. Untuk melakukan itu semua, maskapai harus memahami karakteristik penumpangnya. Klasifikasi penumpang yang sekarang digunakan di Garuda Indonesia sudah tidak sesuai lagi karena pilihan yang lebih kompleks dan heterogen yang dibuat oleh penumpang. Tujuan dari tesis ini adalah untuk menemukan klasifikasi penumpang yang baru untuk Garuda Indonesia. Karena hasil klasifikasi penumpang terhubung langsung pada distribusi harga tiket, maka tesis ini juga akan berusaha untuk mengoptimalkan pendapatan dengan menerapkan klasifikasi penumpang yang baru ke dalam distribusi harga tiket. Rute internasional jarak pendek dipilih karena menjadi ladang uang bagi maskapai penerbangan. Klasifikasi penumpang akan dilakukan dengan menggunakan algoritma K-Means Clustering berdasarkan fitur perjalanan yang telah ditentukan. Hasil klasifikasi penumpang kemudian akan dipetakan ke dalam distribusi harga tiket. Untuk menemukan distribusi harga tiket terbaik, tesis ini akan menggunakan analisis estimasi Willingness to Pay. Distribusi harga yang direkomendasikan menunjukkan dampak yang positif dengan peningkatan pendapatan sebesar 11,4"