Perpustakaan Digital ITB

Industri penerbangan adalah sektor transportasi yang berkembang pesat dan berperan penting dalam perekonomian global dengan menciptakan lapangan kerja dan mendukung sektor pariwisata serta manufaktur. Ketika pandemi COVID-19 melanda dunia, industri penerbangan terdampak berat karena terjadi penurunan signifikan atas jumlah penerbangan. Permintaan perjalanan udara dapat berfluktuasi, misalnya terjadinya peningkatan selama masa liburan dan terjadinya penurunan tajam selama krisis global. Kemampuan untuk menganalisis dan memprediksi pergerakan penerbangan sangat penting untuk menjaga efisiensi operasional dan kesiapan. Dalam Tugas Akhir ini, untuk memodelkan jumlah penumpang di suatu bandara, digunakan asumsi bahwa jumlah penumpang di bandara tersebut dipengaruhi oleh jumlah penumpang pada waktu-waktu sebelumnya di bandara tersebut dan di bandara sekitarnya. Model GSTAR dengan matriks bobot invers jarak dan minimum spanning tree diaplikasikan untuk memodelkan jumlah penumpang per bulan di 17 bandara di Australia, yaitu di bandara: Adelaide, Brisbane, Cairns, Canberra, Gold Coast, Hamilton Island, Hobart, Karratha, Launceston, Mackay, Melbourne, Perth, Rockhampton, Sunshine Coast, Sydney, dan Townsville. Pemodelan diawali dengan penyiapan data dalam format yang sesuai untuk analisis data; pembentukan matriks bobot invers jarak dan minimum spanning tree; identifikasi model; estimasi parameter dengan metode kuadrat terkecil; dan uji diagostik. Model yang sudah cocok digunakan untuk memprediksi jumlah penumpang di suatu bandara di suatu waktu tertentu. Untuk data yang digunakan sebagai studi kasus, dengan menggunakan matriks bobot invers jarak, diperoleh bahwa model GSTAR terbaik adalah GSTAR(3;4,2,4) dengan taksiran parameter yang dapat dilihat di Bab III Tugas Akhir ini. Apabila menggunakan matriks bobot minimum spanning tree, maka model terbaik yang diperoleh adalah GSTAR(3;4,2,3) dengan taksiran parameter yang juga dapat dapat dilihat di Bab III Tugas Akhir ini. Dengan menggunakan kriteria AIC, RMSE dan MAPE, dan dengan melihat pola residualnya, serta banyak parameter yang perlu diestimasi, dapat disimpulkan bahwa model GSTAR(3;4,2,3) dengan matriks minimum spanning tree lebih unggul dibandingkan model GSTAR(3;4,2,4) yang dihasilkan menggunakan matriks bobot invers jarak.