Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Sebagai Negara kepulauan, pemerintah Indonesia memberikan subsidi dan public service obligation (PSO) kepada kapal Tol Laut, Pelni dan Perintis untuk mendistribusikan barang ke pulau-pulau kecil. Ketiga jenis kapal tersebut secara independen mengelola waktu dan jaringan masing-masing. Akibatnya jaringan distribusi menjadi tidak efisien dan belum dapat secara maksimal menekan biaya angkut serta biaya subsidi-PSO. Penelitian ini bertujuan untuk mengembangkan dan menerapkan model bi-level dalam integrasi jaringan transportasi laut pada sistem distribusi barang di wilayah yang berciri kepulauan. Model upper level bertujuan meminimalkan jumlah kapal yang dioperasikan, sedangkan model lower level bertujuan menentukan rute yang memaksimalkan profit dalam distribusi barang yang melibatkan kapal Tol Laut, Pelni dan Perintis. Penggunaan genetik algoritma (GA) dalam pemecahan masalah dengan bentuk jaringan milk run time windows (MRTW) mampu mengakomodir variabel uncertainty berupa fluktuasi muatan dan tinggi gelombang yang belum dilakukan oleh penelitian sebelumnya. Hasil validasi model dengan tes empiris pada kasus di Indonesia menunjukkan bahwa model dapat memberikan nilai optimal dalam menyelesaikan masalah integrasi jaringan. Analisis sensitivitas menunjukkan bahwa jumlah kapal yang beroperasi, penerapan sistem cluster dan intervensi variabel uncertainty dalam penentuan rute kapal berpengaruh terhadap profit kotor. Penerapan sistem cluster mampu meningkatkan profit sebesar 36,5% dibandingkan tanpa clustering. Pengaturan rute kapal yang diintegrasikan secara real time dengan mempertimbangkan variabel fluktuasi muatan dan tinggi gelombang, memiliki konsekuensi bahwa profit kotor yang diterima mengalami penurunan sekitar 11,8% dibandingkan tanpa mempertimbangkan tinggi gelombang. Namun ada jaminan bahwa semua muatan akan terdistribusi sehingga masalah kelangkaan barang di wilayah terpencil, terluar dan perbatasan Indonesia mampu diatasi.

---

As an archipelagic country, Indonesian government gives subsidy and public service obligation (PSO) to Sea Tollway, Pelni and Pioneer vessels to distribute freights to small islands. These three types of vessel are independently managing their own time and network. As the result, the distribution network becomes inefficient and not optimal in suppressing transport cost and subsidy-PSO cost. The aim of this research is to develop and implement bi-level model in sea transport network integration on freight distribution system on archipelagic territory. Upper level model is intended to minimalize the number of operated vessels, while lower level model is intended to determine the route that maximize the profit in freight distribution that involves Sea Tollway, Pelni and Pioneer vessels. The application of genetic algorithm (GA) in problem solving on milk run time windows (MRTW) network can accommodate the uncertainty variable, namely cargo fluctuation and wave height that has not been done by previous research. The result of model validation with empirical test on the case in Indonesia shows that the model can gives optimal value in solving the network integration problem. The sensitivity analysis shows that the number of operating vessels, implementation of cluster system and the uncertainty variable intervention on the determination of vessel route affect the gross profit. The application of the cluster system can increasing profits by 36.5% compared without clustering. The management of vessel route should be integrated in real time by factoring the cargo fluctuation and wave height variable, with consequence that the received gross profit is decreasing by 11,8% when compared to the condition without the wave height consideration. However  there is a guarantee that all cargo will be distributed so that the problem of scarcity of goods in remote area, outermost and Indonesian borders can be solved.

"

"Program pemeliharaan jalan merupakan persyaratan penting agar kinerja jalan tetap stabil. Life Cycle Cost Analysis (LCCA) adalah salah satu metode dalam proses manajemen perkerasan. LCCA digunakan untuk mendukung pengambil keputusan sebagai alat analisis jaringan jalan. Banyak agen transportasi telah menggunakan pendekatan LCCA deterministik maupun probabilistik. Pembuat keputusan menggunakan metode probabilistik untuk mengevaluasi risiko investasi menggunakan variabel input, asumsi, atau estimasi yang tidak pasti. Karena banyaknya input data ambigu dan tidak pasti diperlukan penggunaan aplikasi komputasi lunak/soft computing untuk mengatasinya. Disertasi ini bertujuan mengembangkan sistem informasi preventif jalan dengan inferensi (SIP_JADI) menggunakan teknik soft computing. Diawali dengan pengembangan soft computing berbasis artificial neural network (ANN) yang digunakan untuk pemodelan prediksi hambatan/kerusakan jalan yang kemudian dilanjutkan dengan algoritma berbasis logika fuzzy yang menghadirkan LCCA pemeliharaan preventif perkerasan dengan mempertimbangkan biaya pengguna. Algoritma dengan sistem logika fuzzy berbasis aturan di mana pengguna dapat mendefinisikan aturan untuk mencerminkan kebijakan dan strategi agensi. Penurunan kecepatan akibat dari hambatan baik dari kerusakan jalan maupun adanya zona kerja menjadi input penting yang berpengaruh terhadap biaya pengguna/user cost. Semakin lama penundaan perbaikan kerusakan jalan, akan semakin menambah biaya yang dikeluarkan oleh pengguna. Hasil yang cukup signifikan pada studi kasus yang ditinjau yaitu di jalan tol Jakarta outer ring road seksi S (JORR-S) dengan pengamatan selama 3 (tiga) tahun di tengah masa pemeliharaan menunjukkan kinerja perkerasan meningkat dari indeks present serviceability index (PSI) dengan nilai 2,8 meningkat menjadi 3,2. Dengan meningkatnya indeks kinerja perkerasan meningkat pula umur layanan jalan.

---

Road maintenance program is an important requirement for improving road performance and its stability. Life Cycle Cost Analysis (LCCA) is one of the methods adopted in pavement management process. It is a decision-making support tool employed for road network analysis. Furthermore, many transportation agencies have utilized deterministic and probabilistic LCCA approaches. The probabilistic methods are employed by decision makers to evaluate investment risks, using uncertain input variables, assumptions or estimates. Due to the ambiguity and uncertainty of the number of data input, a soft computing application is required. This study discusses the development of a road preventive information system with inference (SIP_JADI), using soft computing techniques. In addition, it is initiated with the development of artificial neural network (ANN)-based soft computing technique used for modeling road obstacles/damage predictions. Fuzzy logic-based algorithms present LCCA for pavement preventive maintenance by considering user costs. Algorithms with fuzzy logic systems are rule-based where users can define rules to reflect agency policies and strategies. The reduction in speed limit due to obstacles from road damages and presence of work zones is an important input that affects user costs. Therefore, the longer the delay in repairing road damages, the higher the costs incurred by users. This study was conducted on the Jakarta outer ring road section S (JORR-S) with observations for three years during maintenance period. The results showed that pavement performance improved from the present serviceability index (PSI) with a value of 2.8 to 3.2. Furthermore, as the pavement performance index increases, the life of the road service also increases. "

"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%."