Hasil Pencarian  ::  Simpan CSV :: Kembali

"Tingginya penggunaan kendaraan pribadi yang diakibatkan kurang memadainya layanan angkutan umum di Indonesia, merupakan salah satu faktor utama penyebab kemacetan. Salah satu cara untuk mengatasi permasalahan tersebut yaitu penggunaan sistem ridesharing. Sistem Ridesharing dapat mengurangi jumlah penggunaan kendaraan pribadi sehingga dapat mengurangi kemacetan. Masalah yang dihadapi pada sistem ridesharing ini adalah memasangkan (matching problem) antara pengemudi (driver) dengan penumpang (rider). Mean shift clustering akan digunakan sebagai langkah awal dalam mengoptimalkan matching problem pada ridesharing. Mean shift clustering merupakan salah satu metode pengelompokkan data spasial dengan cara menetapkan titik data ke kelompok secara iteratif dengan menggeser titik ke mode (mode adalah kepadatan tertinggi dari titik data di wilayah tersebut, dalam konteks mean-shift). Sehingga dengan clustering akan lebih mudah dan efektif dalam memasangkan pengemudi dan penumpang secara optimal. Setelah didapatkan hasil clustering, pasangan pengemudi dan penumpang akan dipasangkan berdasarkan fungsi objektif memaksimumkan banyaknya pasangan yang terjadi (match). Ide dasar dari fungsi objektif tersebut yaitu menemukan banyaknya jumlah pasangan maksimum yang dapat melakukan ridesharing. Dengan bantuan algoritma Hopcroft Karp dapat menemukan solusi jumlah maksimum banyaknya pasangan pada ridesharing.

---

The high use of private vehicles due to inadequate public transport services in Indonesia, is one of the main factors causing congestion. One of the solution that problem is the use of a ridesharing system. The ridesharing system can reduce the use of private vehicles so as to reduce congestion. The problem that happened with this ridesharing system is the matching problem between the driver and the passenger (rider). Mean shift clustering will be used in this paper as the first step in optimizing the matching problem in ridesharing. Mean shift clustering is a method of grouping spatial data by iteratively assigning data points to groups by shifting points to mode (mode is the highest density of data points in the region, in the context of mean-shift). So that with clustering it will be easier and more effective in pairing drivers and passengers optimally. After the clustering results are obtained, the driver and passenger will be paired based on the objective function of maximizing the number of pairs that occur (match). The basic idea of this objective function is to find the maximum number of match to do ridesharing. With the help of the Hopcroft Karp algorithm, can find a solution for the maximum number of match to do ridesharing."

"Ridesharing merupakan salah satu upaya untuk mengurangi masalah kemacetan akibat tingginya penggunaan kendaraan pribadi dengan okupansi yang rendah. Masalah yang dihadapi pada ridesharing adalah mendapatkan pasangan driver dan rider yang optimal, dimana jumlah partisipan yang terlibat sangat banyak dan harus dilakukan optimasi dalam waktu yang singkat. Pada skripsi ini akan digunakan DBSCAN clustering sebagai langkah awal untuk mengoptimalkan matching problem pada ridesharing dengan fungsi objektif memaksimumkan indeks dari total jarak proksimiti (Total Distance Proximity Index/ DP index) antara driver dan rider. Ide dasar dari DP Index ini yaitu “driver dan rider yang melakukan perjalanan bersama dengan jarak yang similar merupakan pasangan yang cocok bila lokasi asal dan tujuan mereka berada dalam letak yang berdekatan”. DBSCAN clustering merupakan salah satu metode clustering atau pengelompokkan data berdasarkan kerapatan suatu data. Pada tahap awal, DBSCAN clustering digunakan untuk mengelompokkan lokasi asal dan tujuan dari driver dan rider. Setelah didapatkan cluster, pasangan driver-rider akan dicocokkan berdasarkan bobot DP Index maksimum dengan algoritma Hungarian. Sehingga berdasarkan clustering tersebut, mampu mereduksi kombinasi pasangan driver-rider yang akan dioptimasi sehingga berpengaruh pada running time proses optimasi. Berdasarkan hasil, didapatkan proses dengan clustering 2 kali lebih cepat diselesaikan bila menggunakan proses tanpa clustering.

---

Ridesharing is one of models that attempt to reduce congestion problems due to increased use of private vehicles with low occupancy. The problem related to ridesharing is to get an optimal pair of drivers and riders, while the number of participants involved is very large and optimization must be done in a short amount of time. In this thesis, DBSCAN clustering will be used as the first step to optimize the matching problem in ridesharing with the objective function of maximizing the total distance proximity index (DP index) between the driver and passengers. The basic idea of ​​this DP index is that driver and rider trips with similar distance will be good match if their origin and destinations are in close vicinity. DBSCAN clustering is one of the methods of clustering or grouping spatial data based on the density of a dataset. In the initial stage, the DBSCAN clustering method is used to cluster the origin and destination locations of the drivers and riders. After obtaining the cluster(s), the driver-rider pair will be matched based on the maximum DP Index with the Hungarian algorithm. Regarding to this clustering method, it can reduce the combination of driver-rider pairs that will be optimized so that it affects the running time of the optimization process. Based on experimental result, we can conclude that the process with clustering method can be completed 2 times faster than the process without clustering method."

"Demi meningkatkan okupansi atau dengan kata lain mengoptimumkan penggunaan kapasitas kendaraan pribadi, ridesharing hadir sebagai solusi akan hal ini. Ridesharing adalah sebuah model berkendara dengan prinsip berbagi tumpangan. Permasalahannya adalah bagaimana cara mengoptimumkan pencocokan antara pengemudi (driver) dan penumpang (rider) dengan jumlah partisipan (driver dan rider) yang besar dalam waktu optimasi yang singkat. Pada skripsi ini akan diterapkan metode Agglomerative Hierarchical Clustering (AHC) untuk mengoptimalkan matching antara driver dan rider dengan fungsi objektif yaitu memaksimumkan total penghematan jarak (Distance Savings / DS). DS adalah selisih total jarak yang ditempuh driver dan rider tanpa ridesharing dengan jarak yang ditempuh pasangan tersebut dengan ridesharing. Metode AHC adalah metode clustering dimana setiap titik data dijadikan sebagai satu cluster, kemudian secara berturut-turut menggabungkan cluster yang mempunyai kemiripan sehingga semua cluster tergabung menjadi satu cluster yang berisikan semua objek pada data. Data yang di-input berupa data koordinat lokasi keberangkatan dan kedatangan partisipan. Output dari metode AHC adalah sebuah dendogram yang menggambarkan iterasi pembentukan cluster. Berdasarkan hasil clustering tersebut diperoleh sebuah himpunan kombinasi driver-rider yang kemudian akan diperiksa kelayakannya untuk melakukan ridesharing. Dari himpunan kombinasi yang layak untuk melakukan ridesharing akan dipilih pasangan yang paling optimum untuk melakukan ridesharing dengan menggunakan algoritma Hungarian sehingga menghasilkan total distance savings maksimum. Berdasarkan hasil simulasi program pada data percobaan, diperoleh maksimum total DS sebesar 244.78 kilometer yang dihasilkan dari 13 kombinasi driver-rider. Penggunaan clustering mampu mereduksi 257 dari 400 kombinasi driver-rider yang akan diuji kelayakannya untuk melakukan ridesharing.

---

To increase the occupancy rate, ridesharing is an alternative solution. Ridesharing is a mode of transportation in which individual travelers share a vehicle for a trip. The problem is how to optimize the matching problem of drivers and riders with a large number of participants in a short optimization time. This thesis purposed Agglomerative Hierarchical Clustering (AHC) method to be applied in optimizing the matching between drivers and riders with an objective function maximizing the total distance savings (DS). DS is obtained from the difference in the total distance of individual trip with the distance of ridesharing trip. AHC method is a clustering method which each data point is made as one cluster, then successively combines clusters that have similarities until all clusters are merged into one cluster which containing all data points. The input data are the coordinates of the participants' departure and arrival location. The output of AHC is dendogram that illustrates the iteration of cluster formation. Based on clustering results, a set of driver-rider combination was obtained which were then examined for their eligibility to do ridesharing. Next, from the set of driver-rider combination which feasible to do ridesharing, we will determine driver-rider combination that generates maximum total DS by using Hungarian Algorithm. Based on simulation program results on experimental data, maximum total DS is 244.78 kilometers that was obtained from 13 driver-rider combinations. The use of clustering was able to reduce 257 out of 400 pair combinations that were tested for their feasibility to do ridesharing."

"Ridesharing adalah suatu model transportasi dimana seorang pengendara (driver) berbagi tumpangan dengan penumpang lain (rider) yang memiliki lokasi asal tujuan dan jadwal perjalanan yang hampir sama atau sama dengan driver. Masalah utama dalam ridesharing yaitu menentukan pasangan driver dan rider yang paling optimal untuk melakukan ridesharing. Sebagai proses awal untuk mencari pasangan tersebut, dalam penelitian ini digunakan metode Clustering Large Applications (CLARA) untuk melakukan clustering terhadap titik-titik koordinat origin dan destination dari masingmasing driver dan rider. Sesuai dengan cluster dari masing-masing titik lokasi, dibentuk himpunan yang mungkin untuk berpasangan. Selanjutnya, untuk driver dan rider yang berada dalam himpunan yang sama diperiksa kelayakan (feasibility) untuk berpasangan berdasarkan kendala waktu, sehingga dihasilkan himpunan pasangan driver dan rider yang feasible, !" . Pada proses optimasi, fungsi obyektif yang dipertimbangkan yaitu memaksimumkan total Adjusted Distance Proximity (ADP) Index. ADP Index merupakan indikasi terjadinya efisiensi berdasarkan jarak tempuh dari tiap pasangan dalam melakukan ridesharing. Sesuai dengan hasil ADP index, dibentuk suatu weighted bipartite graph yang menggambarkan keterhubungan pasangan dalam !" . Proses mendapatkan himpunan pasangan yang memaksimumkan fungsi objektif diselesaikan dengan algoritma Hungarian dalam menyelesaikan Maximum-Weighted Matching pada Bipartite Graph. Setelah seluruh proses dilakukan, dihasilkan himpunan pasangan yang akan melakukan ridesharing. Pada penelitian ini ditunjukkan bahwa dengan melakukan clustering, proses optimasi menjadi lebih efisien dengan adanya pereduksian pasangan yang diuji dari 400 pasangan menjadi 131 pasangan dan banyak pasangan dalam hasil optimasi dengan clustering sama dengan hasil optimasi tanpa clustering yaitu 13 pasangan.

---

Ridesharing is a model of transportation where the driver share the seat of their vehicle to the rider who has similar departure location and travel schedule with the driver. The main problem in ridesharing is the determination of the optimal pairs of drivers and riders who will conduct ridesharing. As an initial process to find these pairs, in this study the Clustering Large Applications (CLARA) method was used to cluster the coordinate points of origin and destination of each driver and rider. In accordance with the clusters of each location point, a set of possible matches is formed. Furthermore, for drivers and riders who are in the same set, the feasibility of matching is examined based on time constraints, so that a feasible set of driver and rider matches, !" is produced. In the optimization process, the objective function considered is to maximize the total Adjusted Distance Proximity (ADP) Index. The ADP Index is an indication of efficiency based on the distance traveled by each match in ridesharing. In accordance with the results of the ADP index, a weighted bipartite graph is formed which describes the connectedness of the pairs in !" . The process of getting the set of pairs that maximizes the objective function is solved by using the Hungarian algorithm to solve the Maximum-Weighted Matching on a Bipartite Graph. After the whole process is done, a set of pairs that will do ridesharing are generated. In this study it was shown that by clustering, the optimization process became more efficient with the reduction of the matches examined from 400 matches to 131 matches and the number of matches in the optimization results with clustering was the same as the optimization results without clustering, that is 13 matches."

"ABSTRAKSkripsi ini membahas tentang beberapa faktor yang dapat mempengaruhi pesan word-of-mouth melalui kode referal. Kode referal dipakai para pemasar untuk menaikan jumlah pengguna yang baru pertama kali dengan memberikan hadiah bagi pengguna pertama kali, dan biasanya kode referal dapat memberikan keuntungan bagi pemberi pesan maupun penerima pesan dan bagi pemasar karena dapat menaikan jumlah pelanggan. Penelitian ini mengambil studi kasus transportasi berbasis online yang baru-baru ini merupakan tren bisnis baru, yang sedang banyak melakukan promosi yang salah satunya ialah menggunakan kode promo referal untuk menaikan awareness konsumen terhadap jasa tersebut dan banyak orang menyebarkan kode referal tersebut dengan cara word-of-mouth. Dengan mengambil sampel penelitian dari 140 responden, data hasil penelitian diolah menggunakan Structural Equation Modelling. Hasil penelitian menyatakan bahwa perbedaan keahlian pengirim pesan, kekuatan pesan mempunya pengaruh positif terhadap pesan word-of-mouth menggunakan kode referal, sedangkan homophily dan brand equity mempunyai pengaruh negatif terhadap pesan word-of-mouth menggunakan kode referal. Sedangkan pesan word-of-mouth melalui kode referal berpengaruh positif terdahap keinginan untuk menggunakan transportasi berbasisi aplikasi online

---

ABSTRACTThis study examines the factors that can enhancing the influenced word-of-mouth messages by the referral promo code. Usually, referral code is used by marketers to increase the number of users for the new customers to give a reward for first-time users, it can be beneficial for the message sender and receiver. From the marketers perspective, it can increase the number of subscribers. This study takes transportation online basis as a case study which can be fact as a new business trends. One of promotion activation that the business usually do during introduction new product is using the referral promo code to gain the awareness of consumers so that people spread the referral code by word-of-mouth. By acquiring sample of 140 respondents, the data were analyzed by using Structural Equation Modelling. The research results show the expertise differential of the sender and receiver message and the strength of the message factors has a positive influence on enhancing word-of-mouth message by using the referral code, however, homophily and brand equity factors have negative influence on enhancing word-of-mouth message by using referral code. Meanwhile, the message of word-of-mouth by referral code has positive effect in people's willingness to use the transportation online basis"

"Loyalitas pelanggan adalah komitmen untuk melakukan pembelian kembali suatu barang atau jasa yang menjadikan pelanggan tersebut tidak mudah beralih ke kompetitor. Perusahaan dapat meningkatkan loyalitas pelanggan dengan menerapkan loyalty program. Penelitian ini bertujuan untuk menganalisis loyalitas pelanggan pada Go-Jek di Jabodetabek studi pada loyalty program Go-Jek Indonesia. Penelitian ini menggunakan pendekatan kuantitatif, jenis penelitian deskriptif, metode survey dengan menyebarkan kuesioner ke 150 responden dengan teknik purposive sampling. Hasil penelitian menunjukkan bahwa loyalitas pelanggan Go-Jek di Jabodetabek termasuk tinggi. Lebih khusus lagi, hasil dari penelitian ini juga menunjukkan bahwa dari ketiga kategori responden yang sebelumnya dibagi berdasarkan keterlibatannya dalam loyalty program Go-Jek Indonesia, kategori responden yang terdiri dari pengguna layanan Go-Jek yang terlibat dalam loyalty program menunjukkan loyalitas yang lebih tinggi dibandingkan pengguna layanan Go-Jek lainnya.

---

Customer loyalty is a commitment to re purchase a product service and resist to switch to another product or brand. A firm can increase customer loyalty by implementing loyalty program. This research was conducted with the aim to analyse customer loyalty at Go Jek in Jabodetabek focusing on loyalty program by Go Jek Indonesia. This study was conducted using quantitative research approach with descriptive type of research and survey method by collecting questionnaires from 150 respondents with purposive sampling.

The result shows that customer loyalty at Go Jek in Jabodetabek is high. More specific, this research finds that among the three categories of respondents divided by involvement in Go Jek rsquo s loyalty program, the category of respondents which consist of respondent who had involved in Go Jek rsquo s loyalty program shows higher loyalty than the other categories of respondents."

"Layanan ride sourcing atau lebih dikenal sebagai layanan taksi online semakin populer sebagai pelengkap sarana angkutan umum bagi masyarakat. Hal ini menyebabkan pertumbuhan jumlah armada yang bergabung dalam perusahaan platform atau operator penyedia layanan taksi online juga kian membesar. Jika pertumbuhan jumlah armada ini tidak dibatasi, maka masalah kemacetan yang sudah ada di Kota Jakarta saat ini bisa tambah memburuk. Sementara dari segi operasional, layanan taksi online masih dikatakan belum efektif, hal ini bisa dilihat dari waktu tunggu penumpang yang masih cukup tinggi dan adanya sistem surge pricing, yaitu tarif pelayanan lebih tinggi dari tarif biasanya karena tingginya permintaan layanan kendaraan sedangkan ketersediaan kendaraan sedikit. Untuk mengatasi permasalahan meningkatnya jumlah armada taksi online dan juga masalah operasional pada layanan taksi online, penelitian ini bertujuan mengembangkan skema sharing platform untuk mengoptimalkan penggunaan layanan ride splitting pada layanan taksi online. Layanan ride splitting merupakan layanan ride sourcingdimana satu pengemudi (kendaraan) dapat melayani minimal dua pesanan customer sekaligus dalam satu kali perjalanan. Jumlah penumpang dalam satu pesanan customer bisa lebih dari satu orang, akan tetapi semua penumpang dalam satu pesanan customer tersebut mempunyai lokasi asal dan tujuan yang sama. Sementara itu, skema sharing platform atau resource sharing pada layanan ride sourcing adalah suatu skema dimana customer yang memesan layanan kendaraan dari platform A dapat dilayani oleh kendaraan dari platform B, begitu juga sebaliknya, dengan profit sharing yang telah ditentukan sebelumnya. Model optimasi penggunaan layananan ride splitting dengan menerapkan skema sharing platform yang dikembangkan menggunakan bentuk New Modified Maximum Weighted Bipartite Matching, sedangkan metode penyelesaiannya menggunakan Greedy Heuristic Method. Fungsi tujuan dari model optimasi tersebut yaitu memaksimumkan nilai bobot yang merupakan rasio antara profit yang diperoleh operator dan pengemudi dengan konversi nilai uang dari waktu tunggu penumpang. Nilai bobot yang maksimum disini berarti memaksimumkan profit sekaligus meminimumkan waktu tunggu penumpang. Untuk menguji model optimasi yang dikembangkan dilakukan simulasi dengan mempertimbangkan beberapa scenario. Skenario tersebut terkait dengan nilai faktor profit sharing , tarif perjalanan yang dikenakan operator per customer, serta kondisi lalu lintas berupa kecepatan tempuh perjalanan. Berdasarkan hasil simulasi diperoleh bahwa layanan ride splitting yang menerapkan skema sharing platform dengan memperoleh hasil yang lebih baik bila dibandingkan dengan layanan tanpa skema. Nilai 95% artinya operator kendaraan awal yang dipesan oleh customermemperoleh profit sharing sebesar 5% dari operator kendaraan yang ditugaskan melayani customer dengan adanya sharing platform. Hasil yang lebih baik pada simulasi tersebut ditunjukkan dengan perolehan nilai bobot yang lebih besar sekitar 4,5% - 25,3 %, total profit dari operator dan pengemudi yang lebih besar sekitar 15,91% – 48,9%, waktu tunggu dari customer yang lebih kecil sekitar 1,9% - 13,7% dan jumlah pasangan ride splitting yang lebih besar sekitar 8,57%- 12,85%.

---

Ride sourcing services, or more famously known as online taxi services, is getting more popular as a complement of public transportation for the community. This has caused the growth in the number of fleet joining the platform company or the online taxi company to also increase. If the growth in the number of fleet is not regulated, the traffic issues currently already existing in Jakarta can get even worse. On the other hand, from the operational point of view, online taxi services is deemed as not yet effective; which can be seen from the long waiting time for the passengers and the surge pricing system that occurs when the demand for the vehicle is higher than the number of vehicles available.

To solve issues of the increasing number of online taxi fleet and also the operational issues in the online taxi services, this study aims to develop a sharing platform scheme to optimize the use of ride splitting service in online taxi services. Ride splitting services is a ride sourcing service where one vehicle can serve at least two request customers at one trip. The number of passengers per customer can be more than of one person, but all the passengers in one request customer have the same origin and destination. On the other hand, sharing platform scheme or resource sharing in ride sourcing services is a scheme where a customer ordering vehicle service from platform A can be served by vehicle from platform B, and the other way around, with a predetermined profit sharing applied.

The optimized model of ride splitting service usage by applying sharing platform scheme is developed using the New Modified Maximum Weighted Bipartite Matching form, while the solving method is using Greedy Heuristic Method. The objective function of the optimized model is to maximize the weighted value which is the ratio between profit earned by the operator and money conversion of the passenger’s waiting time. Maximum weighted value means maximizing the profit and minimizing the waiting time.

To test the optimized model developed, we do a simulation which takes into consideration several different scenarios. Those scenarios are related to factor values of profit sharing , travel rate difference charged by the operator per customer, and paying attention to the existing traffic condition. The simulation shows that ride splitting services applying sharing platform scheme with 95% gets better results than services without scheme. The value of 95% means initial operator requested by the customer gets 5% of profit sharing from the operator whose vehicle is actually serving the customer with sharing platform. The better results from the simulation are the higher weighted value of 4.5% - 25.3%, higher total profit of the operator and drivers of 15.91%-48.9%, and shorter customer waiting time of 1.9%-13.7% and bigger number of matchs of 8.57%-12.85%."

"ABSTRACTRidesharing dapat diartikan sebagai suatu sistem dimana pelaku perjalanan dapat berbagi kendaraan serta waktu perjalanan dengan pelaku perjalanan lain yang memiliki tujuan serta waktu perjalanan yang/hampir sama. Permasalahan ridesharing dengan kebijakan HOV Lanes/jalur HOV merupakan suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah penumpang dengan tiap penumpang dan kendaraan memiliki lokasi asal dan tujuan. Permasalahan ini diterapkan pada suatu graf lokasi yang memuat jalur HOV, yaitu jalur yang memiliki syarat jumlah minimum penumpang di dalam kendaraan. Solusi yang ingin dicapai adalah solusi dengan jarak, waktu, dan biaya perjalanan yang minimum. Tugas akhir ini membahas aplikasi metode insertion heuristic untuk mendapatkan solusi awal pada permasalahan ridesharing dengan kebijakan jalur HOV serta parallel tabu search untuk mengembangkan solusi awal dan mendapatkan rute yang optimal.

---

ABSTRACTRidesharing can be defined as a system where individual travelers can share their vehicle and travel cost with others that have similar destination and time schedule. Ridesharing problem with HOV Lanes is a problem of finding optimal route to serve costumer 39 s demand where each demand and vehicle consists origin and destination point. This problem is applied in a graph with HOV Lanes. HOV Lanes are restricted use freeways lanes reserved for vehicles with more than a predetermined number of occupants. The optimal solution is the one with minimum number of total distance, passenger 39 s ride time, and cost. In this final project, insertion heuristic is applied to obtain an initial solution and parallel tabu search algorithm is applied to improves the initial solution and obtain the optimal solutions."

"Gojek merupakan perusahaan berbasis teknologi yang hadir sebagai penyedia layanan transportasi bagi penggunanya. Selama 10 tahun, Gojek terus berinovasi dan berevolusi dengan mengembangkan aplikasinya hingga menjadi super app. Dalam memasarkan dan membentuk image Gojek sebagai super app, berbagai upaya dilakukan termasuk menerapkan strategi marketing public relations (MPR) pada kampanye Cerdikiawan. Makalah ini bertujuan untuk mengulas strategi dan tools marketing public relations yang digunakan dalam Kampanye Cerdikiawan. Hasil analisis menunjukan bahwa strategi MPR push, pull, dan pass diterapkan pada kampanye ini. Strategi push meliputi pemberian refferal code. Pada strategi pull kegiatan yang dilakukan meliputi perilisan video kreatif, penyelenggaraan Cerdikiawards dan Liga Cerdikiawan. Serta strategi pass dilakukan melalui kolaborasi dengan pihak eksternal seperti Pocari Sweat Run, PT Astra International, dan Rich Brian.

---

"

"Skripsi ini bertujuan untuk memahami karakteristik ruang yang dapat memicu terjadinya street harassment pada perempuan di lingkungan transportasi publik. Street harassment ini dipengaruhi oleh buruknya performa elemen fisik urban, sehingga menimbulkan rasa takut dan tidak aman pada perempuan. Fenomena ini dianalisis melalui kajian elemen fisik urban di stasiun Kereta Rel Listrik (KRL) di Jakarta, khususnya Stasiun Cawang dan Tebet. Elemen fisik dikaji menggunakan pendekatan Three-D (Designation, Definition, & Design) dalam Crime Prevention Through Environmental Design (CPTED) dengan kajian literatur, kuesioner, dan observasi. Hasil penelusuran menunjukkan bahwa elemen fisik yang tidak bekerja sesuai dengan perilaku dan kebiasaan manusia dapat membuat fungsi ruang menjadi ambigu, sehingga memicu terjadinya street harassment pada perempuan.

---

This thesis aims to understand the characteristics of spaces that can trigger street harassment against women in public transportation environments. This street harassment is influenced by the inadequate performance of urban physical elements, which creates feelings of fear and insecurity among women. This phenomenon is analyzed through a study of urban physical elements at commuterline (KRL) stations in Jakarta, specifically Cawang and Tebet Stations. The physical elements are examined using the Three-D approach (Designation, Definition, & Design) within the framework of Crime Prevention Through Environmental Design (CPTED) through literature review, questionnaires, and observations. The findings indicate that physical elements that do not align with human behavior and habits can cause the functions of spaces to become ambiguous, thus triggering street harassment against women."