Diskon Nataru & AI: Menata Ulang Cuan Pariwisata

Diskon Nataru, Rp250 M Hilang, Ekonomi Tetap Jalan

Operator bandara kehilangan potensi pendapatan sekitar Rp250 miliar hanya dalam satu periode Natal dan Tahun Baru (Nataru) karena diskon 50% airport tax. Angka ini disampaikan langsung oleh Direktur Utama PT Angkasa Pura Indonesia, Muhammad Rizal Pahlevi, pada 17/12/2025 di Bandara Soekarno-Hatta.

Dari sisi bisnis murni, angka itu jelas bukan kecil. Tapi manajemen menyebutnya sebagai “kontribusi konkret” untuk mendukung mobilitas masyarakat di puncak liburan. Diskon PJP2U, PJP4U, dan penurunan harga avtur di beberapa bandara membuat tiket pesawat domestik kelas ekonomi bisa turun sekitar 13–14% di periode 22/12/2025 hingga 10/01/2026, ditambah insentif PPN Ditanggung Pemerintah.

Ini menarik jika dilihat dari kacamata Hospitality 4.0 dan AI dalam industri pariwisata Indonesia. Satu sisi, kita melihat bisnis yang sangat bergantung pada momen dan diskon. Di sisi lain, sektor seperti perbankan mulai mengandalkan AI untuk membangun pendapatan yang lebih stabil dan prediktif. Pertanyaannya: bisakah pariwisata—termasuk bandara, maskapai, dan hotel—meniru cara berpikir itu?

Artikel ini membedah:

• kenapa diskon Nataru sering jadi “obat darurat” yang mahal,
• bagaimana AI bisa mengurangi pola “bakar cuan” musiman di pariwisata,
• pelajaran dari perbankan yang sudah lebih dulu memakai AI untuk mengelola risiko dan pendapatan.

Masalah Utama: Bisnis yang Terjebak Musim & Diskon

Kebijakan diskon tarif pesawat saat Nataru lahir dari kombinasi tekanan publik, kebutuhan mobilitas, dan arahan pemerintah. Secara makro, tujuannya bagus:

• mengurangi lonjakan harga tiket di akhir tahun,
• menjaga konektivitas nasional,
• menggerakkan ekonomi daerah wisata.

Dari sisi operator bandara dan maskapai, kenyataannya agak pahit: pendapatan turun, biaya operasional naik, dan semua dilakukan dalam waktu yang sangat singkat.

Kenapa pola ini berbahaya dalam jangka panjang?

Karena pelaku usaha bisa terjebak dalam pola “diskon atau diserbu komplain” setiap musim libur. Ada beberapa risiko:

1. Volatilitas pendapatan
   Tanpa prediksi yang presisi, pendapatan di periode puncak dan sepi bisa jomplang. Ini bikin sulit:

   • mengatur cashflow,
   • merencanakan investasi jangka panjang,
   • menjaga kualitas layanan.

2. Diskon tidak selalu tepat sasaran
   Tidak semua rute, tanggal, atau segmen penumpang sebenarnya butuh diskon besar. Tapi karena kebijakan sering bersifat massal, diskon kadang dinikmati juga oleh penumpang yang sebenarnya sanggup membayar penuh.

3. Efek domino ke ekosistem pariwisata
   Saat bandara dan maskapai mengorbankan pendapatan, mereka berharap volume penumpang naik dan menggerakkan hotel, restoran, dan destinasi wisata. Masalahnya, tanpa data dan analitik yang rapi, efek ini sering hanya diasumsikan, bukan diukur.

Di sinilah AI seharusnya mulai masuk, bukan sekadar sebagai teknologi keren, tapi sebagai cara berpikir baru di industri pariwisata.

Apa yang Bisa Dipelajari Pariwisata dari AI di Perbankan?

Perbankan Indonesia sudah cukup agresif memanfaatkan AI: dari scoring kredit, pendeteksian fraud, sampai personalisasi penawaran di mobile banking. Tujuannya sederhana:

mengurangi kerugian, menstabilkan pendapatan, dan meningkatkan nilai tiap nasabah.

Bandingkan dengan dunia bandara dan tiket pesawat yang masih sangat musiman dan sering mengandalkan kebijakan diskon besar.

1. Dari “Bakar Diskon” ke Manajemen Risiko Berbasis Data

Bank tidak menurunkan suku bunga kredit secara massal setiap Lebaran atau Nataru. Mereka memakai AI untuk:

• menilai risiko tiap individu,
• memberi bunga sesuai profil risiko,
• menghindari kredit macet yang bisa menggerus profit.

Pariwisata bisa meniru pola ini dengan revenue management berbasis AI:

• Memetakan rute mana yang benar-benar sensitif harga,
• Menentukan berapa persen diskon optimal agar volume naik tanpa menghilangkan terlalu banyak pendapatan,
• Menyusun skenario: jika diskon 10%, 20%, 50%, apa dampak pada load factor, pendapatan bandara, dan spending wisatawan di destinasi.

Alih-alih satu kebijakan diskon 50% yang menghilangkan Rp250 miliar, AI bisa membantu mencari kombinasi:

• diskon lebih kecil di rute yang demand-nya kuat,
• diskon lebih besar di rute yang sepi tapi strategis,
• promosi yang diarahkan ke segmen pelanggan tertentu, bukan semua orang.

2. Dari Tarif Flat ke Personalisasi Harga & Paket

Bank menggunakan AI untuk mengirim penawaran personal: limit kartu kredit, KTA, hingga promo merchant yang terasa “kok pas banget ya?”. Itu bukan kebetulan, tapi hasil analisis pola transaksi.

Dalam Hospitality 4.0, bandara, maskapai, dan hotel bisa melakukan hal serupa:

• Menawarkan harga tiket atau bundling hotel berbeda untuk keluarga, solo traveler, atau pelancong bisnis,
• Memberi diskon khusus ke pelanggan yang historinya selalu pesan jauh hari (early bird), bukan yang last-minute,
• Menggabungkan promo tiket pesawat + hotel + aktivitas lokal dalam satu paket personal.

Dengan cara ini, diskon tidak lagi “tumpah ruah” ke semua orang. Pendapatan bisa lebih stabil, dan margin tidak terlalu dikorbankan.

Peran AI di Bandara & Pariwisata: Dari Prediksi hingga Eksekusi

Kalau diturunkan ke level operasional, ada beberapa area konkret di mana AI bisa mengurangi ketergantungan pada diskon besar-besaran dan memperbaiki kualitas keputusan saat Nataru.

1. Prediksi Permintaan Penerbangan & Wisatawan

AI unggul dalam membaca pola musiman, tren libur sekolah, kebijakan cuti bersama, bahkan sentimen publik di media sosial. Model prediktif bisa menjawab pertanyaan-pertanyaan penting:

• Berapa proyeksi penumpang domestik dan internasional per hari selama 22/12–10/01?
• Di rute mana kursi akan cepat habis, dan mana yang berisiko kosong?
• Kota wisata mana yang akan jadi “primadona” musim ini?

Dengan prediksi yang tajam, operator bandara, maskapai, dan hotel bisa:

• mengatur kapasitas (slot, frekuensi penerbangan, jumlah kamar yang dibuka),
• menentukan tarif dinamis yang tidak perlu ekstrem diskonnya,
• menyiapkan SDM di puncak keramaian dengan lebih presisi.

2. Simulasi Dampak Kebijakan Diskon

Sebelum mengumumkan diskon 50% airport tax, seharusnya ada simulasi multi-skenario:

• Jika diskon 20% → berapa tambahan penumpang yang realistis?
• Jika 50% → apakah volume benar-benar naik cukup untuk menutup sebagian kerugian?
• Bagaimana dampaknya ke okupansi hotel dan belanja wisatawan di daerah tujuan?

AI bisa digunakan untuk membuat model simulasi seperti halnya bank mensimulasikan stress test kredit:

“Kalau ekonomi turun sekian persen, berapa kredit yang berpotensi macet?”

Dalam pariwisata:

“Kalau diskon tiket 30%, berapa tambahan penumpang, berapa tambahan belanja di ekosistem destinasi?”

Kebijakan akhirnya tetap bisa politis atau sosial, tapi minimal berbasis data, bukan hanya intuisi.

3. Chatbot Multibahasa & Pengelolaan Permintaan

Saat Nataru, customer service bandara, maskapai, dan hotel biasanya penuh dengan:

• pertanyaan soal jadwal,
• perubahan penerbangan,
• info diskon,
• keluhan delay.

Chatbot AI multibahasa (Indonesia, Inggris, Mandarin, dll.) bisa:

• menjawab pertanyaan standar 24/7,
• mengurangi beban call center,
• mengarahkan penumpang ke opsi penerbangan atau paket wisata yang masih tersedia,
• bahkan menawarkan upgrade atau add-on (bagasi, lounge, asuransi perjalanan) secara otomatis.

Setiap interaksi chatbot juga menghasilkan data preferensi pelanggan yang bisa dipakai untuk perencanaan promo Nataru tahun berikutnya.

Menghubungkan Bandara, Hotel, dan Bank: Ekosistem Cuan Berbasis AI

Satu hal yang sering terlupakan: industri pariwisata dan perbankan saling terkait kuat. Hampir semua transaksi perjalanan—tiket, hotel, restoran—melibatkan bank atau fintech.

Kalau bandara dan hotel bisa memanfaatkan AI, dan bank juga sudah memakai AI, seharusnya yang terbentuk adalah ekosistem cerdas, bukan silo masing-masing.

Contoh skenario praktis

Bayangkan kerja sama ini:

• Bank memakai AI untuk mengidentifikasi nasabah yang berpotensi melakukan perjalanan Nataru (dari pola transaksi tiket tahun lalu, belanja travel, dll.).
• Maskapai dan hotel memakai AI untuk menentukan kuota kursi dan kamar yang bisa didiskon tanpa mengganggu target pendapatan.
• Bandara memakai AI untuk memprediksi lonjakan penumpang per jam dan menyiapkan fasilitas (check-in counter, security, boarding gate) agar tidak terlalu ramai.

Lalu dibuat kampanye:

• Promo kartu kredit / debit dengan cicilan tiket + hotel,
• Diskon terbatas berdasarkan segmen nasabah dan rute tertentu,
• Penawaran personal lewat aplikasi mobile banking, bukan spanduk massal.

Hasil yang diincar:

• Pendapatan bandara dan maskapai tidak rontok karena diskon tak terarah,
• Hotel menikmati okupansi yang lebih merata, bukan hanya penuh di 3–4 hari puncak,
• Bank mendapat peningkatan transaksi yang sehat dan terukur,
• Wisatawan dapat harga wajar tanpa harus menunggu “diskon gila-gilaan”.

Dari Diskon Reaktif ke Strategi Data: Langkah Nyata yang Bisa Dilakukan

Kalau Anda berada di salah satu sisi ekosistem ini—bandara, maskapai, hotel, OTA, atau bank—ada beberapa langkah realistis untuk masuk ke era AI dalam pariwisata Indonesia:

1. Rapikan & satukan data dulu

AI tanpa data rapi itu seperti pilot tanpa radar.

• Kumpulkan data historis: harga tiket, load factor, okupansi kamar, tanggal libur, promosi sebelumnya.
• Satukan data dari berbagai sumber: website, aplikasi, call center, media sosial.
• Standarkan format dan buat dashboard yang bisa diakses lintas divisi (revenue, marketing, operasional).

2. Mulai dari use case kecil tapi berdampak

Tidak perlu langsung membangun sistem AI raksasa. Beberapa use case sederhana yang biasanya cepat terasa hasilnya:

• Prediksi okupansi kamar hotel per minggu dan per periode liburan,
• Dynamic pricing dasar: tarif berbeda per hari dan segmen,
• Chatbot FAQ untuk pertanyaan tiket dan kebijakan bagasi,
• Segmentasi pelanggan: keluarga, pelancong bisnis, backpacker.

3. Gandeng mitra teknologi & lembaga keuangan

Perbankan di Indonesia sudah banyak yang punya tim data science dan AI. Bekerja sama dengan mereka membuka peluang:

• skema pembayaran yang fleksibel (paylater, cicilan),
• promosi yang lebih tepat sasaran,
• akses ke insight perilaku belanja nasabah.

Ini jauh lebih sehat dibanding sekadar mengumumkan diskon besar tiap akhir tahun, lalu menahan napas melihat laporan keuangan.

Penutup: Nataru 2025 Jadi Alarm, Bukan Sekadar Seremoni

Diskon tarif pesawat Nataru 2025/2026 yang membuat operator bandara kehilangan sekitar Rp250 miliar adalah sinyal keras:

model bisnis pariwisata yang terlalu bergantung pada musim dan diskon sudah waktunya di-upgrade.

Di seri “AI dalam Industri Pariwisata Indonesia: Hospitality 4.0”, benang merahnya selalu sama:

• Data dan AI bukan cuma buat efisiensi, tapi buat menata ulang cara industri menghasilkan cuan.
• Apa yang sudah dilakukan bank—menggunakan AI untuk memprediksi risiko dan menstabilkan pendapatan—bisa diadaptasi oleh bandara, maskapai, dan hotel.

Pertanyaannya sekarang: apakah Nataru tahun depan masih akan diwarnai diskon darurat dan kehilangan pendapatan besar-besaran, atau mulai digantikan oleh strategi berbasis data dan AI yang lebih tenang, terukur, dan menguntungkan semua pihak—dari operator bandara sampai traveler yang cuma ingin liburan tanpa drama harga?