Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAK

Upaya pembangunan rel ganda Jakarta-Surabaya, membuka peluang bagi sistem

transportasi logistik dengan kereta api sebagai moda utamanya menjadi alternatif utamaangkutan barang. Peningkatan kinerja diperlukan untuk dapat bersaing dengan moda jalanraya yang selama ini mendominasi, untuk itu diperlukan pengukuran kinerja aktual sebagaiacuan pengembangan dan peningkatan kinerja selanjutnya. Tujuan dari penelitian ini adalahmengukur kinerja dari kereta api sebagai moda utama angkutan barang (dalam hal inikontainer) menggunakan indikator kinerja waktu yang ditunjang dengan persepsi penggunakereta api barang. Sistem utama yang menjadi fokusan dalam penelitian ini adalah sistemyang langsung berhubungan dengan aktifitas kereta api. Data primer diperoleh berdasarkansurvei lapangan terkait waktu pergerakan kontainer di Stasiun Sungai Lagoa, Jakarta danStasiun Kalimas,Surabaya. Data sekunder yang didapat adalah data terkait perjalanan keretaapi barang. Total waktu perjalanan kontainer dari Stasiun Sungai Lagoa, Jakarta ke StasiunKalimas,Surabaya membutuhkan waktu ±93 jam dengan 73% waktu dihabiskan kontainer diterminal. Persentase ketepatan waktu kereta yang rendah dan mengalami keterlambatankedatangan di Surabaya rata-rata 1,5 jam jam serta waktu tunggu kontainer yang mencapai±90% waktu total kontainer di terminal membuat waktu pengiriman kontainer Jakarta-Surabaya dengan kereta menjadi lama.

---

ABSTRACT

Double track rail that was already built from Jakarta to Surabaya creates the

opportunities of logistics transportation system by freight rail as the main alternativetransportation of goods. Improvement is required by the rail system to compete with the roadtransportation which have been dominant mode. It is necessary to measure the actualperformance to be a reference for performance improvement. The purpose of this study is tomeasure the freight rail performance as the main mode of freight transportation (i.e usingcontainer) by using time performance indicator and supported by user perception. The railsystem is the focus of this study. Primarly survey is conducted to estimate the duration of thecontainer movement, i.e duration time of the all activites of container in Sungai Lagoa Stationand Kalimas Station. The secondary survey is related to operational data of the rail system.Total travel time of container to be delivered from Sungai Lagoa Station, Jakarta to KalimasStation, Surabaya is ± 93 hours with 73% of total travel time spent in the station. Lowpunctuality percentage, arrival delay time of ±1.5 hours and ± 90% waiting time in thestation makes the travel time of freight rail system longer.

"

"Penelitian ini bertujuan untuk mengevaluasi jaringan sistem distribusi eksisting pupuk urea bersubsidi PT X, khususnya antara gudang distributor dan gudang pengecer. Pada penelitian ini dilakukan optimasi jaringan eksisting dengan menggunakan beberapa skenario untuk memperkuat analisa dengan didasarkan pada model minimum cost flow, dengan tujuan untuk meminimasi biaya transportasi di dalam jaringan. Berdasarkan optimasi dengan beberapa skenario didapat efisiensi biaya distribusi sebesar 61% s/d 89% terhadap eksisting. Apabila biaya satuan transportasi prediksi bias +20% maka efisiensi biaya distribusi menjadi 70% s/d 106% terhadap biaya eksisting, sedangkan apabila biaya satuan prediksi bias -20% maka efisiensi biaya distribusi menjadi 51% s/d 71% terhadap biaya eksisting. Berdasarkan hasil optimasi ini terlihat bahwa kondisi jaringan sistem distribusi eksisting masih dapat diperbaiki dengan melakukan restrukturisasi rayonisasi gudang pengecer.

---

This study aims to evaluate the distribution system of existing networks of subsidized urea fertilizer in PT X particularly between distributor warehouses and kiosk ones. In this study, the optimization of existing networks is carried out by using several skenarios to strengthen the analysis and it is based on minimum cost flow model which is aimed to minimize transportation costs of the networks. The optimization finds cost efficiency about 61% up to 89% of the existing costs. When the predicted unit cost is biased +20% thus the cost efficiency be 70% up to 106% of the existing costs. On the other hand, when the predicted unit cost is biased -20% thus the cost efficiency be 51% up to 71% of the existing costs. From the optimization is shown that the current system still could be improved by restructuring the clustering system of kiosks of the existing networks."

"ABSTRAK Penelitian ini bertujuan untuk mengembangkan suatu model matematis yang dapatmengkuantifikasi pengaruh tarif dan kualitas pelayanan (frekuensi, ketepatanwaktu penerbangan dalam hal ini adalah lama delay, serta jarak kursi) terhadapperpindahan penumpang dari maskapai yang menawarkan jadwal penerbangantinggi beralih ke maskapai dengan jadwal penerbangan rendah. Metode yangdigunakan adalah metode pengembangan model dengan menggunakan data hasilsurvey stated preference dan analisa binary logit. Hasil penelitian dapatdisimpulkan bahwa faktor yang paling berpengaruh terhadap perpindahanpenumpang dari maskapai dengan jadwal penerbangan tinggi beralih ke maskapaidengan jadwal penerbangan rendah yaitu ketepatan waktu penerbangan.

---

ABSTRACT The aim of this research is to develop a mathematical model that can be used toquantify the effect of price and service quality (i.e. frequency, on timeperformance-in this case means delay, and seat pitch) to the movement ofpassenger from airlines with high flight schedule frequency to airlines with lowflight schedule frequency. Model development makes use of stated preferencedata survey and binary logit analysis. The result of this research shows that the“on time performance” is the most influencing factor in the airline choice, (i.e.between airlines with high flight schedule frequency and airlines with low flightschedule frequency)."

"Cakupan pelayanan suatu fasilitas P&R merupakan gambaran mengenai seberapa jauh jarak seseorang dari titik asalnya masih mau menggunakan fasilitas tersebut. Tujuan dari penelitian ini adalah untuk membangun model empiris untuk mengestimasikan cakupan pelayanan fasilitas P&R. Model cakupan pelayanan dikembangkan dalam nilai breakeven distance (BED). Model yang dikembangkan meliputi origin BED. Model dikembangkan melalui kalibrasi terhadap variabel-variabel penting pada karakteristik perjalanan, sosial-ekonomi, parkir dan angkutan umum dengan menggunakan teknik regresi linear. Total jarak dan total waktu tempuh dari titik asal ke titik tujuan akhir dengan pola perjalanan P&R merupakan variabel yang memiliki pengaruh besar pada model yang dihasilkan. Variabel yang berpengaruh pada model terbaik adalah total waktu tempuh dari titik asal ke titik tujuan akhir dengan pola perjalanan menggunakan fasilitas P&R.

---

Catchment area of a P&R facility can explain how far the users are willing to travel from their origin to this facility. The purpose of this study is to develop an empirical model of the P&R facility’s catchment area. The (model) of catchment area is developed by the value of breakeven distance (BED). The developed model covers BED origin. The model was developed through calibration of important variables correlated with the characteristics of the trip, socioeconomic, parking and public transportation utilizing linear regression method. Total travel distance and travel time with P&R from the origin to the destination are variables that have a major influence from the resulted model. Variable that have the best affects is total travel time with P&R from the origin to the destination."

"DKI Jakarta, sebagai kota metropolitan, masalah transportasi, khususnya angkutan umum, merupakan salah satu masalah yang memerlukan penanganan yang cukup serius. Tingginya arus migrasi akan menyebabkan semakin membengkaknya jumlah penduduk di Jakarta. Pada tahun 1998, tercatat bahwa DKI Jakarta dengan luas wilayah 650 km2 mempunyai jumlah penduduk sebesar 8.5 juta jiwa. Kondisi ini akan berdampak pula pada tingginya tingkat mobilitas kendaraan di Jakarta, yang pada akhirnya akan berakibat meningkatnya jumlah permintaan (demand) akan angkutan umum.Pemerintah Daerah DKI Jakarta Dinas LLAJ mencatat bahwa pada tahun 1998 jumlah kendaraan bermotor di DKI Jakarta berjumlah 3.867.562 unit, di mana hanya sekitar 2 % dari jumlah tersebut yang berupa angkutan umum. Di samping itu, tercatat pula bahwa jumlah perjalanan orang di Jakarta adalah 16 juta perjalanan orang perhari. Dari jumlah tersebut, 50.8 % di antaranya dilakukan dengan menggunakan kendaraan pribadi dan sisanya sebesar 49.2 % dilakukan dengan menggunakan angkutan umum. Jumlah angkutan umum, khususnya bus kota, yang masih sangat minim tersebut idealnya mampu memenuhi kebutuhan permintaan masyarakat tersebut, yang sebagian besar merupakan golongan ekonomi menengah ke bawah, dan mayoritas tidak mempunyai pilihan lain (captive) selain menggunakan angkutan umum. Akan tetapi pada kenyataannya, saat ini terjadi penurunan tingkat pelayanan dan kinerja angkutan umum bus kota. Hal ini terjadi karena pada saat ini jumlah angkutan umum tidak mampu mengimbangi tingkat permintaan atau tidak mampu mengangkut jumlah penumpang yang ada. Dalam angkutan umum ada tiga dimensi yang menentukan, yaitu dimensi evaluasi pelayanan, yang akan ditentukan oleh pengguna (user), dimensi kinerja pelayanan yang Iebih banyak ditinjau dari sisi operator angkutan umum, dan dimensi kebijakan pemerintah (regulator). Masyarakat, dalam hal ini bertindak sebagai pengguna, akan menentukan bagaimana permintaan muncul. Di lain pihak, operator akan menentukan bagaimana penawaran (supply) dapat diselenggarakan. Dimensi yang ketiga, yaitu regulator dalam ha! ini pemerintah, dituntut untuk dapat memadukan kepentingan dari 2 (dua) dimensi sebelumnya yang saling berinteraksi, dengan kebijakan-kebijakan dan peraturan-peraturan sehingga proses interaksi tersebut dapat berjalan dengan baik.Dari hasil analisis dengan menggunakan analisis korelasi kanonik terhadap variabel-variabel yang menentukan dalam setiap dimensi yang ada diperoleh hasil bahwa ada hubungan (korelasi) yang sangat kuat antara dimensi kinerja pelayanan dengan dimensi kebijakan. Hal ini berarti ada hubungan yang sangat kuat antara kebijakan pemerintah dengan kinerja pelayanan perusahaan angkutan umum. Bagi perusahaan angkutan umum (operator) untuk meningkatkan kinerja pelayanan sangat tergantung dari besarnya tarif angkutan umum yang ditetapkan pemerintah.Hasil analisis juga memperlihatkan bahwa hubungan antara dimensi kebijakan dan dimensi evaluasi pelayanan angkutan umum temyata juga sangat kuat. Tarif yang ditetapkan pemerintah berkaitan sangat erat dengan pendapatan kendaraan dan panjang rute. Besamya kredit lunak dan subsidi yang diterima oleh perusahaan angkutan umum akan mempengaruhi jumlah kendaraan yang beroperasi, sehingga memberikan kemudahan bagi konsumen untuk memperoleh angkutan yang dikehendaki. Jadi, pada sisi perusahaan angkutan umum yang penting adalah penetapan tarif yang sesuai dan pemberian kredit lunak yang dipermudah agar perusahaan dapat mengoperasikan angkutan dengan baik. Pada sisi konsumen pemakai jasa angkutan umum, pada dimensi evaluasi pelayanan mengisyaratkan perlunya pemberian subsidi agar kedua belah pihak merasakan keuntungan."

"Angkutan umum sering dijadikan penyebab masalah kemacetan di kota -kota besar di Indonesia tidak terkecuali Depok. Salah satu penyebabnya adalah terlalu banyaknya armada angkutan umum (supply) yang beroperasi yang tidak sesuai dengan jumlah penumpang (demand) yang ada. Jumlah penumpang angkutan umum sangat bervariasi pada waktu-waktu tertentu menyebabkan jumlah armada yang dibutuhkan juga bervariasi. Kebijakan penentuan jumlah armada yang digunakan saat ini mengasumsikan bahwa kebutuhan armada per periode waktu adalah tetap sehingga sering ditemui pada jam sibuk banyak angkutan umum mempunyai load factor tinggi sedangkan pada jam tidak sibuk load factor menjadi rendah karena terlalu banyak armada yang beroperasi. Trayek angkutan umum yang baik harus dapat memenuhi kepentingan beberapa pihak terkait seperti penumpang (user), pengelola (operator) dan pemerintah (regulator).Makalah ini akan menjelaskan suatu metoda yang dapat mengoptimasi kebutuhan jumlah armada angkutan umum sesuai dengan permintaan yang bervariasi dan sekaligus memenuhi kepentingan penumpang, pengelola, dan pemerintah. Metoda optimasi yang akan digunakan adalah dengan merasionalisasi atau mengatur jumlah angkutan kota Depok D-02 yang beroperasi pada jam ? jam sibuk maupun tidak sibuk dengan optimasi load factor. Pengaturan jumlah angkutan kota tersebut dilakukan dengan 3 skenario optimasi, yaitu load factor desain 0,7 , load factor desain 0,8 dan load factor desain 0,9. Diharapkan dari ketiga skenario optimasi ini, load factor angkutan kota Depok D-02 menjadi optimal dengan tetap memperhatikan kepentingan pengguna.

---

Public transport is often to be blamed of the cause in traffic problem in a big city in Indonesia include Depok. One of the cause is the number of public transport (supply) that operated in road is exceeded and does not match with a number of passenger (demand) that using public transport. The number of public transport passenger is so varied in a certain time caused the number of public transport that needed is also varied. Recently, the policy to decide the number of public transport which needed is assumed that the need of armada per period time is constant so that in peak hour the load factor is high while in off peak the load factor is low because the number of fleet size in operation is exceeded. A good public transport?s route must be able to consider interest of several related roles, those are such as passengers as users, drivers as operators and government (DLLAJ) as a regulator.

This thesis will explain a method to optimize the number of fleet size which will be matched with the various number of passengers (demand) and at the same time it copes with the interest of passengers, drivers and government. Optimization method that will be used is rasionalization the number of fleet size that operated in peak hour and off peak by load factor optimization. The arrangement of number of public transport is done by three optimization scenario. Those are load factor design 0,7 , load factor design 0,8 and load factor design 0,9. By this optimization scenario, load factor of D-02 Depok fleet size becomes optimal and in the otherside it also pay attention to the user?s interest."

"Transportasi daerah perkotaan tidak pernah terlepas dari pengelolaan sistem angkutan umumnya. Didalam sistem angkutan umum dikenal adanya lima tahapan perencanaan ysng terdiri dari perencanaan rute (jaringan), perencanaan frekuensi kendaraan , perencanaan time tabling (jadwal angkutan umum) yang dipergunakan oleh (user), perencanaan Jadwal pemberangkatan armada dan perencanaan jadwal bagi pengemudi armada. Untuk mempermudah pemecahan masalah transportasi maka pada perencanaannya dibuat dalam bentuk model. Model untuk perencanaan transportasi sendiri dapat dibuat secara dinamik atau statik, dimana model statikjauh lebih sederhana dibandingkan model dinamik. Skripsi ini bertujuan untuk membuat model perencanaan rule untuk angkutan umum dengan simulasi dinamika sistem. Dengan model penetapan rute ini dapat diketahui rute mana yang paling layak untuk dioperasikan. Pada tahapan selanjutnya model ini disimulasikan dengan metode dinamika sistem, sehingga dapat diprediksi kelayakan rute untuk tahun-tahun mendatang. Pembuatan model perencanaan rute untuk angkutan umum didasarkan pada faktor-faktor yang mempengaruhi perencanaan rute, yaitu profit yang dihasilkan oleh tiap pilihan rute. Profit merupakan fungsi dari revenue yang dihasilkan dan total cost yang harus dikeluarkan untuk pembiayaan rule. Revenue sendiri sangat dipengaruhi oleh jumlah demand dan travel time sedangkan total cost dipengaruhi jarak tempuh dan teknologi yang dipergunakan. Salah satu kelebihan dari dinamika sistem adalah dapat memberikan feedback yang diperlukan dalam pembuatan suatu model. Feedback pada model penetapan rute terletak pada optimasi jumlah demand terhadap headway yang terjadi. Dari hasil simulasi didapatkan jumlah demand akan naik turun hingga mencapai suatu kondisi dimana jumlahnya konstan. Model perencanaan rute ini sendiri dibuat dengan memilih salah satu rute yang dioperasikan oleh operator sebagai bahan kajian akan layak atau tidaknya rute yang telah dioperasikan serta memberikan pertimbangan terhadap alternatif-alternatif pertimbangan terhadap rute-rute lain yang memiliki tujuan sama. Rute yang dipergunakan sebagai bahan kajian dan sumber data-data yang dipergunakan didalam simulasi ini adalah P-43 (trayek Depok - Lapangan Banteng). Dalam tahapan perancangan hasil pemodelan harus mendekati sistem yang sebenarnya, sehingga dari pemodelan ini tujuan utama penulisan berupa penggunaan pendekstan dinamika sistem dalam proses penetapan rute untuk angkutan umum dapat tercapai."

"Angkutan umum sering dijadikan penyebab masalah kemacetan di kota -kota besar di Indonesia tidak terkecuali Depok. Salah satu penyebabnya adalah terlalu banyaknya armada angkutan umum (supply) yang beroperasi yang tidak sesuai dengan jumlah penumpang (demand) yang ada. Jumlah penumpang angkutan umum sangat bervariasi pada waktu-waktu tertentu menyebabkan jumlah armada yang dibutuhkan juga bervariasi. Kebijakan penentuan jumlah armada yang digunakan saat ini mengasumsikan bahwa kebutuhan armada per periode waktu adalah tetap sehingga sering ditemui pada jam sibuk banyak angkutan umum mempunyai load factor tinggi sedangkan pada jam tidak sibuk load factor menjadi rendah karena terlalu banyak armada yang beroperasi. Trayek angkutan umum yang baik harus dapat memenuhi kepentingan beberapa pihak terkait seperti penumpang (user), pengelola (operator) dan pemerintah (regulator).Makalah ini akan menjelaskan suatu metoda yang dapat mengoptimasi kebutuhan jumlah armada angkutan umum sesuai dengan permintaan yang bervariasi dan sekaligus memenuhi kepentingan penumpang, pengelola, dan pemerintah. Metoda optimasi yang akan digunakan adalah dengan merasionalisasi atau mengatur jumlah angkutan kota Depok D-02 yang beroperasi pada jam - jam sibuk maupun tidak sibuk dengan optimasi load factor. Pengaturan jumlah angkutan kota tersebut dilakukan dengan 3 skenario optimasi, yaitu load factor desain 0,7 , load factor desain 0,8 dan load factor desain 0,9. Diharapkan dari ketiga skenario optimasi ini, load factor angkutan kota Depok D-02 menjadi optimal dengan tetap memperhatikan kepentingan pengguna.

---

Public transport is often to be blamed of the cause in traffic problem in a big city in Indonesia include Depok. One of the cause is the number of public transport (supply) that operated in road is exceeded and does not match with a number of passenger (demand) that using public transport. The number of public transport passenger is so varied in a certain time caused the number of public transport that needed is also varied. Recently, the policy to decide the number of public transport which needed is assumed that the need of armada per period time is constant so that in peak hour the load factor is high while in off peak the load factor is low because the number of fleet size in operation is exceeded. A good public transport's route must be able to consider interest of several related roles, those are such as passengers as users, drivers as operators and government (DLLAJ) as a regulator.

This thesis will explain a method to optimize the number of fleet size which will be matched with the various number of passengers (demand) and at the same time it copes with the interest of passengers, drivers and government. Optimization method that will be used is rasionalization the number of fleet size that operated in peak hour and off peak by load factor optimization. The arrangement of number of public transport is done by three optimization scenario. Those are load factor design 0,7 , load factor design 0,8 and load factor design 0,9. By this optimization scenario, load factor of D-02 Depok fleet size becomes optimal and in the otherside it also pay attention to the user's interest."

"Kampus Unika Atmajaya Jakarta merupakan satu - satunya Universitas di Jakarta yang terletak diwilayah perkotaan. Saat ini kampus tersebut dihadapkan pada masalah penyediaan fasilitas ruang parkir. Salah satu diantaranya adalah kesulitan untuk pengadaan fasilitas ruang parkir yang sesuai dengan tingkat permintaan yang sebenarnya. Efisiensi penyediaan ruang parkir dapat dicapai jika tingkat penyediaan fasilitas parkir sesuai dengan tingkat permintaan yang ada. Penelitian ini dilakukan untuk mengetahui karakteristik parkir, tingkat keterkaitan kebutuhan parkir dan variabel - variabel apa saja yang menentukan dalam pembentukan model penyediaan fasilitas parkir yang optimal, bagaimana model kebutuhan parkir pada area kampus diwilayah perkotaan. Untuk mengetahui karakteristik parkir diperlukan data primer dan data sekunder. Data primer diperoleh dengan pengamatan langsung dilapangan meliputi : data kendaraan parkir, jumlah pengunjung dan inventarisasi parkir. Data primer diperoleh dengan cara melakukan survey cordon counts selama satu minggu (6 hari), mulai jam 08.00 hingga 17.00 dan satu hari terpisah untuk melakukan survey license plate untuk mendapatkan angka durasi parkirnya. Data sekunder diperoleh dari bagian akademik , bagian rumah tangga, dan bagian pemeliharaan Universitas Katolik Atmajaya, yaitu berupa data akademis mahasiswa dan data parameter lainnya. Pemodelan kebutuhan parkir dilakukan dengan memakai metoda analisis regresi berganda, dan dipisah antara pemodelan kebutuhan parkir untuk mobil dan sepeda motor. Variabel bebas yang ditinjau meliputi data jumlah mahasiswa yang mengikuti kelas perkuliahan (X1), data staff pengajar dan karyawan (X2), serta data kelas perkuliahan yang ada dalam satu hari (X3). Sedangkan variabel terikatnya adalah berupa data rata - rata akumulasi parkir mobil ataupun sepeda motor. Standar kebutuhan parkir diperoleh dengan perbandingan antara kebutuhan parkir kendaraan dengan parameter yang ada dalam kampus. Dari hasil hubungan kebutuhan parkir dengan variabel yang disebutkan tadi, didapat hubungan yang memberikan tingkat akurasi terbaik serta memenuhi syarat pengujian statistik. Hubungan kebutuhan parkir untuk mobil didapat persamaan regresi y = 123,055 + 2,038 x1 - 0,059 x2 + 0,698 x3 dengan koefisien determinasi (R2) = 0,794 sedangkan hubungan kebutuhan parkir untuk sepeda motor didapat persamaan regresi y = 58,066 + 0,392 x1 + 4,451 x2 + 0,623 x3 dengan koefisien determinasi (R2) = 0,787. kedua permodelan tersebut cukup memenuhi kuota persamaan regresi (signifikan).

---

Catholic University of Atmajaya, Jakarta nowaday faced with parking supply problems. One of the problems is the difficulty in providing sufficient parking spaces based on actual demand. Efficiency of parking supply can be achieved if parking supply meets actual demand. This research is conducted in order to know parking characteristic, the degree of relationship between parking demand and parameters of urban campus as independent variables, to develop parking demand model and to analyse parking demand standard for urban campus. Primary and secondary data are required in order to know parking characteristics. Primary data were obtained from direct observation on site which includes : parking vehicles data and parking inventory. Primary data were obtained from six days cordon count survey between 08.00 am to 05.00 pm, and one day separated for license plate survey in order to know the parking duration. Secondary data (i.e. parameters of urban campus) were obtained from the University's Academic and Technical office. Parking demand models were developed by using multiple regression methods. Independent variables included in this study are : summary data of students were coming to class (X1) and both lectures and staff data (X2) also the usage of classrooms as well (X3) in one day observation. The dependent variables are average parking accumulation for car and motor cycle. Parking demand standard were calculated based on regression analysis of parking demand parameters. The results of multiple regression analysis from the relations of all variables that mentioned above, was indicated by the regression formula for car's parking demand : y = 123,055 + 2,038 x1 - 0,059 x2 + 0,698 x3 with coefficient of determinant (R2) = 0,794. in the other way, the regression formula for motor cycle's parking demand : regresi y = 58,066 + 0,392 x1 + 4,451 x2 + 0,623 x3 with coefficient of determinant (R2) = 0,787. Both formulations of parking demand models are required to predict the future's demand."