Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pencarian dan penentuan rute optimal (satu atau sekelompok rute terbaik) dalam jaringan transportasi bukan merupakan masalah yang sederhana terutama yang menyangkut jaringan yang berskala besar dan kompleks. Secara manual penyelesaian masalah ini seringkali sulit dijalankan, sedangkan secara komputer biasanya membutuhkan waktu operasi yang sangat panjang. Menjadi tantangan bagi dunia teknik transportasi untuk mencari metode optimasi rute transportasi yang ampuh dan efisien, terutama metode yang berprospek bagi implementasi komputer berkinerja tinggi. Metode yang dapat menjawab tantangan tersebut adalah metode GTE, yaitu metode yang mampu menjadi model untuk dapat melengkapi pengembangan model pemilihan rute yang mengarah kepada model keseimbangan dengan pembebanan yang bersifat stokastik pada jaringan rute yang besar dan kompleks. Usaha yang dilakukan dalam studi ini adalah pengembangan model yang menjadi alternatif bagi model yang sudah ada, dan diharapkan model ini dapat dikembangkan lebih lanjut untuk keperluan tertentu (untuk penyelesaian kasus tertentu). Proses pengembangan model ini di bagi kepada penggunaan analisis jaringan secara rute (path) mulai dari tahap awal sampai akhir proses perhitungan. Permasalahan penentu sejumlah rute pilihan dalam jaringan yang besar dapat diatasi dengan melakukan pendekatan-pendekatan konsep reliabilitas dan probabilitas dari suatu distribusi normal. Model stokastik yang digunakan dalam penyelesaian keseimbangan jaringan adalah model logit dengan menggunakan fungsi multinomial logit path. Untuk melihat penggunaan yang lebih luas, model optimasi jaringan stokastik multinomial logit path assignment dikembangkan juga dengan menggunakan model angkutan umum dengan rute tetap dengan waktu yang memperhitungkan waktu transfer pada setiap lebih perhentiannya. Untuk melihat perbandingan perhitungan model tersebut dalam aplikasi model dengan beberapa contoh jaringan, baik jaringan yang sederhana rnaupun jaringan yang relatif cukup besar. Dan hasil perhitungan di peroleh kesimpulan bahwa walaupun secara komputasi model dengan algoritma GTE masih relatif lebih lambat dari model konvensional yang dalam hal ini model CCM dengan algoritma label correcting, tetapi secara jumlah iterasi relatif lebih kecil, lebih fleksibel dan lebih dapat merepresentasikan perilaku pengguna jalan secara realistis. Dan model ini lebih dapat digunakan pada model stokastik yang dalam perkembangannya dapat menjembatani pengembangan analis secara dinamis terhadap penyelesaian jaringan."

"Proyek Pembangunan Jembatan Kartanegara di Kota Tenggarong, Kabupaten Kutai Kartanegara telah selesai pada tanggal 31 Maret 2001 dan diresmikan pada tanggal 17 Agustus 2001. Waktu pelaksanaan proyek dari 1 Desember 1995 s/d 31 Maret 2001 (64 Bulan), pelaksanaan proyek mundur selama 28 bulan dari jadwal semula selama 36 bulan. Keterlambatan ini disebabkan terutama oleh krisis ekonomi yang terjadi mulai Bulan September 1997. Krisis ekonomi menyebabkan nilai mata uang USD menguat terhadap Rupiah sehingga Pemda Kabupaten Kutai Kartanegara dengan anggaran awal tidak mampu membeli suspension cable dari Wire Rope - Canada dengan kurs USD yang tinggi.Pada tahun anggaran 2000, proyek mendapat bantuan tambahan dana dari Pihak JBIC dan APBN untuk menyelesaikan proyek.BUMN Jasa Konstruksi (Kontraktor) yang mendapat kepercayaan untuk melaksanakan proyek tersebut belum menerapkan manajemen resiko yang sesuai standar yang baku. Penulisan ini menjabarkan penerapan manajemen resiko pada Proyek Jembatan Kartanegara dari data-data proyek yang bertujuan untuk mendapatkan tingkat efisiensi yang lebih baik.Disusun beberapa skenario waktu pelaksanaan proyek untuk mendapatkan optimasi waktu dan biaya pelaksanaan, sehingga akan didapatkan waktu pelaksanaan yang paling ideal, efisiensi yang optimal dan resiko yang paling berpengaruh. Analisa kuantitatif resiko menggunakan Expected Monetary Value (EMV) dengan disertai analisa regresi dengan program SPSS dapat menetapkan resiko-resiko yang berpengaruh tersebut.Dari analisa didapatkan bahwa waktu pelaksanaan yang ideal adalah selama 3.5 tahun dengan tingkat efisiensi 4.41% (terhadap Harga Borongan).Efisiensi sebelum diterapkan manajemen resiko sebesar 3.21% dan setelah dilaksanakan manajemen resiko sebesar 3.95%. Walaupun dalam pelaksanaan proyek, pengendalian proyek telah berjalan dengan baik, manajemen resiko sebaiknya dilaksanakan dan diterapkan disetiap proyek oleh Pihak Owner maupun Pihak Pelaksana (Kontraktor) untuk mendapatkan acuan yang baku dan diharapkan dapat menambah nilai positif (keuntungan) dalam pelaksanaan serta meningkatkan efisiensi dan efektivitas proyek.

---

Kartanegara Bridge Project in Tenggarong, Kutai Kartanegara Regency had been finished on March 31, 2001, and declared officially on August 176 2001. Project time schedule from December 1, 1995 until March 31, 200I (64 months), project completion was going down for 28 months from 36 months preliminary. Economical crisis start in September 1997 because it's late. Economical crisis cause USD exchange foreign stronger to IDR, so that Regional Government of Kutai Kartanegera Regency with their preliminary budget couldn't bought cable suspension from Wire Rope, Canada with the high rate of USD. On Financial Year 2000, the project gain supplementary loan from JBIC and APBN to complete the project.The state-owned companies on construction service sector that have belief to carry out this project have not implemented standard risk management yet on Kartanegara Bridge project. This pape describe implementation of risk management on Kartanegara Bridge Project from project data sources, and the destination is getting better level efficiency.Arrange some project time schedule scenarios to search time and optimal cost, so that we gain ideally time schedule, optimally efficiency and significant risk. Risk Quantitative Analysis using Expected Monetary Value, along with SPSS regression analysis to determine dominant risks in this project.Ideally time schedule is 3.5 years and efficiency 4.41% (to contract sum before tax), come from analysis.Efficiency before risk management implementation is 3.21% and after that 3.95%. Although, the project have good project control, it's risk management should be carried out and implemented in each projects either by project's Owner or contractors, to gain standard reference and also increase project's effectiveness and efficiency."

"Pengembangan dan pemeliharaan infrastruktur jalan selalu menjadi isu utama dalam perkembangan ekonomi negara-negara berkembang seperti juga Indonesia. Seperti diketahui dalam pengembangan berbagai sektor ekonomi, sektor transportasi menjadi pemicu (trigger) berbagai sektor lain. Sementara pada sisi yang lain penanganan dan peningkatan infrastruktur jalan memerlukan anggaran biaya yang tidak sedikit.Untuk memaksimalkan penggunaan anggaran terhadap penanganan infrastruktur jalan maka perlu dikembangkan Model Road Segment Budgeting yang bertujuan untuk mencari kombinasi langkah penanganan dan seluruh segmen yang ada pada jaringan jalan yang optimal dengan tetap memenuhi fungsi kendala anggaran biaya yang dialokasikan pada sektor jalan.Proses pemodelan menggunakan pendekatan linear programming. Masukan data pada proses perhitungan diambil dan hasil keluaran (output) tahap perencanaan jaringan jalan yang berupa AADT, lebar jalan, panjang jalan, nilai IRI, V/C ratio dan total alokasi anggaran untuk sektor jalan yang merupakan keluaran (output) tahap pembuatan kebijakan, disamping data-data lain yang diperoleh baik dari perangkat peraturan maupun asumsi-asumsi yang telah disesuaikan dengan kondisi eksisting.Perangkat lunak yang digunakan dalam proses perhitungan adalah SOLVER dan Microsoft Excell 6.0. Keluaran yang dihasilkan pada level ini adalah besar alokasi anggaran dan jenis penanganan untuk masing-masing segmen. Sebagai pembanding mengenai kondisi optimal, maka enam skenario yang telah ditetapkan pada level pembuatan kebijakan diiterasi untuk memperoleh gambaran mengenai perbedaan yang terjadi pada setiap langkah penanganan. Dan hasil perhitungan iterasi terhadap diperoleh hasil skenario kombinasi dengan pendekatan regional memberikan jumlah ruas dan panjang jalan yang tertangani paling banyak sementara untuk pendekatan sektoral maka skenario yang menghasilkan penanganan jumlah ruas terbanyak adalah skenario Invers Proporsional. Hasil perhitungan skenario Kombinasi dengan pendekatan Regional adalah lebih baik dibandingkan dengan skenario Invers proporsional dikarenakan pada skenario ini mengadopsi konsep keadilan dimana terjadi proses subsidi silang antara daerah kaya dan daerah miskin."

"Jalan tol sebagai suatu jasa publik yaitu jasa transportasi jalan pada penentuan tarifnya selama ini selalu diupayakan memenuhi kepentingan semua pihak yang terlibat yaitu operator, pengguna dan regulator. Khususnya untuk kepentingan pengguna jalan tol yang menyangkut kemauan (willingness) membayar tarif tol yang dibatasi kemampuannya (ability) sampai saat ini masih diukur dengan sederhana (kira-kira) sehingga kadang menimbulkan perdebatan mengenai kepantasan besarnya tarif dari sisi kepentingan penggunanya. Untuk itu dirasakan perlu dibuat suatu cara atau pendekatan willingness to pay (WTP) tarif tol yaitu suatu tarif yang mau dan mampu dibayar penggunanya. Pengukuran WTP dilakukan berdasarkan data stated preference dan sebagai exercise dipakai objek jalan tol Serpong-Bintaro yang akan dioperasikan dalam waktu dekat. Adapun WTP direpresentasikan sebagai suatu probabilitas masuk tol berdasarkan utilitas jalan tol tersebut. Untuk melihat probabilitasnya digunakan model logic dan untuk utilitas jalan tol yang terdiri dari komponen biaya dan waktu digunakan estimasi maksimum likelihood dengan bantuan software alogit keluaran Hogue Consulting Group. Selanjutnya dilihat bagaimana hubungan WTP dengan penentuan tarif tol secara normatif berlaku yaitu berdasarkan selisih biaya operasi kendaraan di jalan non tol dengan tol ditambah dengan Nilai Waktu. Nilai waktu diperoleh juga berdasarkan utilitas sedangkan selisih biaya operasi kendaraan dimaksud merupakan data sekunder yang diperoleh operator jalan tol. "

"Karakteristik Jaringan Jalan ( Perilaku Jaringan Jalan ) adalah penjabaran dari pola pergerakan perjalanan pada sebuah jaringan jalan. Pola pergerakan perjalanan terefleksi dari pembebanan Matrik Asal Tujuan (MAT) pada jaringan jalan. Sebelum jaringan jalan tersebut dibebani, maka terjadi proses pemilihan rute terpendek yang akan dilakukan pelaku-pelaku perjalanan dengan persepsi-persepsi yang berbeda satu sama lain. Menentukan rute terpendek dengan cara manual tidaklah mudah, apalagi untuk jaringan yang besar dan komplek. Oleh karena itu dicoba dikembangkan aplikasi program komputer untuk mendapatkan solusi optimal terhadap permasalahan tersebut diatas. Dasar yang digunakan aplikasi program komputer tersebut adalah Model User Equilibrium (UE) yang merupakan pengembangan dari Model dan Algoritma Moore (1957) dan Model User Equilibrium (UE) yang merupakan pengembangan Model dan Algoritme GTE Sudarbo D. H., Sutanto Soehodo, Alvinsyah (1999).Penggunaaan kedua Algoritnia tersebut dalam pemilihan rute dan pembebanan di jaringan jalan di Kotamadaya Bogor didapat waktu komputasi algoritma GTE lebih lambat dari algoritma Moore walaupun dari jumlah iterasi yang terjadi, algoritma GTE lebih sedikit dari algoritma Moore. Untuk pola arus lalu lintas di jaringan, kedua algoritma menghasilkan pola arus yang relatif sama tercermin dari beban arus di masing-masing link relatif sama. Waktu perjalanan (travel time) untuk pembebanan bi-moda pada masing path / rute dihasilkan kedua algoritma Moore dan GTE relatif sama. Algoritma Genetik Taksonomi (GTE) dapat digunakan sebagai alternatif lain, sebagai algoritma pemilihan rute terpendek (shortest path) dengan pendekatan secara multi path (banyak rute) dalam pembebanan deterministik."

"Simpang adalah bagian yang komplek dari sistim jalan raya, pada umumnya simpang dikendalikan dengan menggunakan sinyal lampu lalulintas. Dengan adanya simpang akan terjadi antrian yang mengakibatkan terjadinya tundaan, pada perencanaan sistim jalan raya. Tundaan yang terjadi akan menjadi perhatian yang utama, karena tundaan akan mengakibatkan bertambahnya waktu perjalanan, bertambahnya biaya perjalanan dan terjadinya ketidak nyamanan perjalanan. Untuk merencanakan dan menghitung lamanya tundaan telah ditetapkan beberapa formulasi yang didasarkan pada prinsip-prinsip yang dikembangkan oleh Webster dan Akcelik, seperti pada Highway Capacity Manual (HCM), TRB Nasional Research Council Washington, D. C. 1994, Manual Kapasitas Jalan Indonesia (MKJI-1997). Pada karya tulis ini dilakukan penelitian terhadap tundaan yang terjadi pada simpang berdasarkan pengamatan langsung dari arus lalulintas dilapangan, lokasi pengamatan berada pada simpang jalan M.T. Haryono, jalan Gatot Subroto dengan jalan Pasar Minggu raya (simpang Pancoran) Jakarta Selatan. Dengan menggunakan prinsip-prinsip matematik statistik dirumuskan suatu persamaan sederhana untuk menghitung lamanya tundaan yang terjadi pada suatu simpang. Kondisi arus laulintas pada simpang yang diteliti dibagi menjadi dua, yaitu kondisi volume lalulintas tidak melebihi kapasitas simpang (arus tidak mencapai arus jenuh) dan kondisi volume lalulintas melebihi kapasitas simpang (Kondisi melebihi arus jenuh), maka didapatkan dua formulasi untuk menentukan lamanya tundaan sebagaimana dua kondisi diatas. Dari formulasi model yang didapat dari penelitian, tundaan merupakan fungsi dari volume lalulintas (fungsi derajat kejenuhan). Dilakukan perhitungan dan perbandingan lamanya tundaan yang terjadi dengan menggunakan model formulasi hasil penelitian dengan : 1. Untuk kondisi arus tidak mencapai arus jenuh dengan rumusan tundaan MKJI-1997, didapatkan hasil yang lebih besar. 2. Untuk kondisi arus melebihi arus jenuh dengan rumusan tundaan Bin Han, Transpn Res-A. vol. 30, No. 2 hal. 155-171, dan didapatkan hasil yang lebih besar. "

"Unit Terminal Peti Kemas Pelabuhan Tanjung Emas Semarang yang menyediakan fasilitas bongkar muat peti kemas selalu di tuntut untuk meningkatkan kinerja pelayanan. Mengingat semakin meningkatnya arus peti kemas dengan rata-rata antara 4 % sampai 55 % per tahun atau rata-rata 27 % per tahun. Permasalahan utama adalah bagaimana produktivitas dan utilitas fasilitas peralatan pada kondisi saat ini serta mengetahui kombinasi peralatan yang baik. Penulisan ini memerlukan penelitihan langsung dengan mengambil data primer, sekunder, dan kajian literatur. Sebagai alat analisis digunakan metode simulasi dan total biaya. Dalam melakukan peramalan arus peti kemas pada masa yang akan datang digunakan model regresi dengan beberapa variabel-variabel yang mempengaruhi. Sedang untuk melakukan analisa komposisi peralatan dan fasilitas menggunakan model simulasi dengan subsistem dermaga dan lapangan penumpukan. Untuk menganalisa total biaya menggunakan variabel biaya tambat, biaya peralatan, biaya fasilitas dan biaya pelayanan. Dari hasil simulasi dan analisa total biaya diketahui bahwa kombinasi Container Crane, Headtruck dan Rubber Tired Gantry sangat berpengaruh terhadap kemampuan dermaga. Kebutuhan lapangan penumpukan dan dermaga diketahui dapat dioptimalkan dengan analisa sensitifitas. Dengan merubah lama penumpukan dari 5 hari menjadi 4 hari mampu memperpanjang kemampuan lapangan penumpukan selama dua tahun. Dan dengan menekan waktu pelayanan di Container Crane sebesar 20 % dapat memperpanjang penggunaan dermaga selama dua tahun.

---

Containers Terminal Unit of Tanjung Emas harbor Semarang preparing container loading and unloading facilities is always required to improve their services. Mind full of the flow containers is 4 % until 55 % a years or average 27 % every year. The main problem is how we can raise the predictabilities and utility of facilities equipment that we have now. And then, how known a good combination of equipment. On this research besides we take the primary data and the secondary data and we also were doing literature study. The instrument of analysis we used is the simulation method and analyze minimum cost method.

To forecast the container flow for the next years we use the regression method with any variable influence. And then, to analyze of composition the equipment and facilities we use the simulation method with dock and stack yard as a subsystem. To analyze the total cost uses the equipment cost, the facilities cost, the tie cost and the service cost.

From the output of the simulation and total cost will be known that the combinations of Container Crane, Head truck, and Rubber Tired Gantry to dock ability. Whit sensitivities analyze will be known that the necessary stack yard and dock could optimized. Become different time stacking from 5 to 4 days be able lengthen the stack yard ability until two years. Then, with push down time service at Container Crane until 20 °to be able lengthen the duck ability until two years."

"Beginning with the Airline Deregulation Act of 1978 in US, followed by the European Union in 1997, airlines have been constructing route networks of their own choosing rather than operating ones implicitly chosen for them by civil aviation authority. These changes have had profound effects on many aspects of airline operation, particularly fares, service, quality, and safety. But, most importantly, airlines have altered their route structures by developing hub-and-spoke networks, and this has affected all of these aspects. This structure is likely to flourish around the world as a consequence of airline liberalization and the growing trend toward privatization of this industry.In a hub-and-spoke network, centrally located service facilities serve as the hubs. Flows from a set of outlying nonhub nodes arrive at hubs and, after regrouping, all leave the hub facilities bound either to other hubs or to their ultimate destinations. Thus, the flows from the same origin with different destinations are consolidated on the route to a hub facility and the flows with different origins but the same destination on the route out of a hub facility. The centralization and broader scope of operations let the system take advantage of economies of scale.This paper proposes a framework to optimize the flight network using hub-and-spoke system. This problem consists of the determination of hub number, hub location and route assignment in order to minimize the overall transportation cost. The model is solved using genetic algorithm approach. Two networking strategies are considered:1. Strict hubbing, in which a spoke is assigned to exactly one hub and all flows to/from spoke are channeled trough the same hub and 2. Nonstrict hubbing, in which a spoke can be assigned to more than one hub under certain condition. Different values of airport fixed costs are also implemented. Variations of these strategies are evaluated along with various parameters of air transport production using data on air passenger flows between top 30 Indonesian airports in 2000.The result shows that the adoption of hub-and-spoke network increase the overall system performance with increasing load factor, frequency, coverage area, revenue passenger kilometer, available seat kilometer and more efficient utilization of aircraft. Moreover, Nonstrict hubbing strategy offers smaller total system cost, more routes and more nonstop flights."

"Di dalam mengoperasikan angkutan umum/bus tidak jarang operator dihadapkan kepada permasalahan tidak seimbangnya demand (permintaan perjalanan) pada titik-titik perhentian sepanjang rute yang harus dilayaninya. Di lain pihak untuk memenuhi tuntutan atas pelayanan yang baik operator dihadapkan kepada permasalahan mahalnya biaya pengadaan armada.Dengan latar belakang tersebut, karya tulis ini mencoba mengembangkan suatu model matematis penjadwalan angkutan umum yang optimal dengan mengakomodasi kepentingan pengguna dan operator melalui pendekatan zona layanan.Untuk mengakomodasi kepentingan pengguna, model ini memiliki fungsi objektif memaksimumkan jumlah penumpang yang terangkut bus, sedangkan kepentingan operator adalah meminimasi jumlah armada yang dicapai dengan meningkatkan utilitas setiap bus. Tujuan ini didekati dengan mencari total waktu perjalanan (total travel time) yang paling minimum di mana semakin singkat perjalanan bus maka akan semakin besar kemungkinan bus tersebut dapat ditugaskan untuk melakukan perjalanan berikutnya. Didalam sistem zona, tujuan tersebut dicapai dengan membagi rute menjadi dua zona layanan dengan menetapkan perhentian tertentu sebagai titik transfer sedemikian rupa sehingga total travel time dari seluruh bus yang dioperasikan minimal.Solusi optimasi model menggunakan algoritma Newton sehingga didapatkan waktu keberangkatan bus dari setiap terminal (terminal A dan B). Selanjutnya dari waktu keberangkatan yang telah diperoleh, disusun rangkaian perjalanan dan ditentukan jumlah kebutuhan bus (fleet size) yang diperlukan, serta dihitung total travel time dari seluruh bus yang dioperasikan.Contoh kasus diberikan pada akhir pembahasan dari karya tulis ini yang merupakan aplikasi dari pengembangan model ini. Berdasarkan permintaan perjalanan yang ada pada rute dua arah dengan 6 (enam) perhentian, menghasilkan perhentian 4 sebagai perhentian yang paling optimal sebagai titik transfer dengan jumlah bus yang dibutuhkan sebanyak 4 (empat) buah dan total travel time seluruh bus sebesar 148.9017."

"Perubahan sistem pemerintahan dan hubungan antara pusat dan daerah dengan diberlakukannya UU No.22/1999 dan UU No.25/1999 membawa impikasi bagi kelangsungan semua sektor, termasuk sektor transportasi. Salah satu isu yang kemudian menjadi perhatian pada sektor transportasi adalah isu mengenai pembangunan dan penanganan infrastruktur jalan. Seiring dengan diberlakukannya sistem desentralisasi maka masalah pendanaan infrastruktur merupakan wujud kemandirian dari daerah didalam melakukan penanganan terhadap infrastruktur yang terdapat diwilayahnya masing-masing. Seperti diketahui penanganan dan pembangunan ini memerlukan anggaran yang tidak sedikit jumlahnya, sementara krisis ekonomi yang masih dihadapi Indonesia menyebabkan jumlah dana yang tersedia semakin terbatas. Berdasar kondisi ini maka diperlukan langkah-langkah kebijakan di sektor jalan yang secara tepat guna dapat memberikan dampak optimal baik bagi perkembangan sektor jalan maupun sektor lainnya.Untuk dapat menghasilkan kebijakan tersebut maka perlu dikembangkan model kebijakan yang mengadopsi berbagai Variabel yang menentukan dampak pengalokasian anggaran sektor jalan terhadap pertumbuhan ekonomi secara keseluruhan. Beberapa variabel yang berpengaruh adalah komposisi sektor, tingkat pertumbuhan ekonomi, inflasi dan proporsi anggaran untuk sektor jalan. Model sendiri dikembangkan dengan tujuan untuk diperoleh kebijakan yang memberikan dampak paling optimal yaitu pertumbuhan ekonomi.Proses pengembangan model dilakukan dengan menggunakan bantuan perangkat lunak POWERSIM dan Microsoft Excell 6.0. Pemilihan perangkat lunak POWERSIM dilakukan untuk mengetahui perubahan yang terjadi dalam satu rentang waktu untuk setiap kebijakan yang diambil. Untuk keperluan analisis kebijakan maka dikembangkan 6 (enam) scenario yaitu scenario proporsional (regional), invers proporsional (regional), kombinasi (regional), proporsional (sektoral), invers proporsional (sektoral), dan kombinasi (sektoral). Keenam skenario ini kemudian disimulasikan untuk kemudian diperoleh perbandingan hasil untuk masing-masing skenario.Skenario terbaik dari proses simulasi adalah skenario kombinasi (regional) walaupun pada dasarnya skenario yang memberikan dampak pertumbuhan ekonomi tertinggi adalah scenario invers proporsional (regional). Pertimbangan pemilihan skenario kombinasi sebagai skenario terbaik adalah karena skenario invers proporsional sulit untuk dilaksanakan karena daerah yang kaya tidak akan memberikan seluruh sumber dayanya kepada daerah miskin, didamping skenario kombinasi mengadopsi sistem subsidi silang antara daerah kaya dengan daerah miskin.DAFTAR PUSTAKA : 11"