Perpustakaan Digital ITB

Dengan adanya perpindahan Ibu Kota Indonesia menuju Kalimantan Timur yang berada pada Nusantara, semua titik masuk Kalimantan Timur disekitar Nusantara diharapkan dapat menyokong pergerakan warganya agar tidak menghambat perkembangan kota dan juga transisi lokasi pemerintahan. Salah satu titik masuk ini berada pada Bandar Udara Sultan Aji Muhammad Sulaiman Sepinggan (SAMS), Balikpapan. Semenjak 2014 hingga 2019, Bandara ini mempunyai rata-rata penumpang berangkat per tahunnya sebanyak 4.252.829 penumpang. Arus penumpang sebanyak ini dapat menimbulkan masalah pada sirkulasi penumpang, yakni pada counter check-in, penumpukan antrian penumpang ini dapat berdampak pada jam oprasional maskapai serta biaya oprasional seperti jadwal penerbangan dan standby delay time. Pada tahun 2018 dan 2017, penumpang membludak pada hari libur keagamaan, namun pada 2019 penumpang Bandara SAMS Sepinggan mengalami penurunan sebesar 39% dikarenakan Bandara APT Pranoto Samarinda telah beroperasi. Berdasarkan fakta tersebut, kajian efektifitas area terminal check-in telah dianalisis oleh Abieza pada 2020 yang menyatakan kondisi eksisting sementara tidak memenuhi PM.38 tahun 2015 untuk sistem check-in konvensional, sedangkan untuk sistem self check-in juga tidak memenuhi SPM IATA Level of Service. Berlandaskan dari temuan ini, dan juga adanya rencana penambahan pergerakan penduduk sebesar 200.000 penduduk per quota ASN (PANRB, 2022), maka diperlukan solusi untuk memperbaiki sirkulasi penumpang pada area check-in. Dalam penelitian ini, pencarian solusi optimal akan menggunakan metode metaheuristik berupa particle swarm optimization, Hasil skenario optimal yang dihasilkan melalui Particle Swarm Optimization (PSO) akan diuji melalui simulasi menggunakan perangkat lunak PTV Vissim. PTV Vissim akan digunakan untuk mensimulasikan operasi check-in bandara dengan skenario optimal. Berdasarkan hasil analisis, skenario optimal dari PSO menghasilkan kombinasi berupa 16 counter check-in konvensional dan 2 mesin self check-in. Kemudian, skenario ini dimodelkan dan pada tahun eksisting 2023 menghasilkan waktu pelayanan per counter sebesar 2,5 menit dan per mesin self check-in sebesar 1,4 menit, sedangkan pada tahun rencana 2033 menghasilkan waktu pelayanan per counter sebesar 2,5 menit dan per mesin self check-in sebesar 2,1 menit dengan BCR sebesar 1,42.