Claim Missing Document
Check
Articles

Found 4 Documents
Search

OPTIMASI MODEL PENUGASAN BERDASARKAN PERAMALAN LAYANAN KAPAL TUNDA DI PELABUHAN TANJUNG PERAK MENGGUNAKAN METODE BACKPROPAGATION Masruroh Kusman, Umi; Hamid, Abdulloh; Candra Rini Novitasari, Dian; Dianita Utami, Wika; Ariyanto Wijaya, Indra
Jurnal Mnemonic Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v6i1.6008

Abstract

Indonesia merupakan negara kepulauan terbesar di dunia. Pemanfaatan laut yang optimal berpotensi meningkatkan perekonomian negara. Pelabuhan Tanjung Perak adalah pelabuhan terbesar dan tersibuk kedua di Indonesia. Efisiensi penggunaan kapal tunda berpengaruh signifikan terhadap operasional pelabuhan. Penelitian ini mengusulkan metode backpropagation untuk melakukan peramalan permintaan pelayanan kapal tunda, kemudian hasil peramalan dimasukkan ke dalam model penugasan untuk mengetahui optimalisasi penggunaan kapal tunda berdasarkan tingkat kesibukan kapal tunda, waktu tunggu layanan, dan jumlah antrian. Data yang digunakan dalam penelitian ini adalah data sekunder, yaitu data permintaan pelayanan kapal tunda pada bulan Januari 2019 – Mei 2022 yang dibedakan menjadi tiga, yaitu permintaan kapal kecil, sedang, dan besar. Hasil peramalan menggunakan metode backpropagation menghasilkan nilai MAPE sangat baik dibawah 10%. permintaan pelayanan terbanyak oleh kapal kecil dan besar terjadi pada bulan Juni dengan masing-masing sebanyak 2215 dan 51 permintaan, kemudian untuk kapal sedang permintaan terbanyak terjadi pada bulan Januari dengan jumlah permintaan mencapai 451. Sedangkan, permintaan terkecil pada kapal kecil terjadi pada bulan Februari dan September dengan jumlah permintaan 2141, kemudian permintaan terkecil dari kapal sedang terjadi pada bulan Juli dengan permintaan sebanyak 421, dan permintaan terkecil pada kapal besar terjadi pada bulan Januari dengan jumlah permintaan sebanyak 47. Hasil penugasan pada kapal tunda mencapai tingkat optimal dengan mengoperasikan 13 kapal tunda setiap harinya.
ANALISIS PREDIKSI JUMLAH PENDUDUK DI KOTA PASURUAN MENGGUNAKAN METODE ARIMA Mardiyah, Ilmiatul; Dianita Utami, Wika; Rini Novitasari, Dian Candra; Hafiyusholeh, Moh.; Sulistiyawati, Dewi
BAREKENG: Jurnal Ilmu Matematika dan Terapan Vol 15 No 3 (2021): BAREKENG: Jurnal Ilmu Matematika dan Terapan
Publisher : PATTIMURA UNIVERSITY

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (553.131 KB) | DOI: 10.30598/barekengvol15iss3pp525-534

Abstract

Laju pertumbuhan penduduk di Kota Pasuruan pada tahun 2019 sebesar 0.68% dengan jumlah penduduk 200.422 jiwa. Tingginya pertumbuhan penduduk dapat mempengaruhi kepadatan penduduk. Penelitian ini bertujuan untuk memprediksi pertumbuhan penduduk Kota Pasuruan menggunakan metode ARIMA (Autoregressive Integrated Moving Average). Metode ARIMA adalah cara prediksi data deret waktu yang memiliki tiga model, yaitu AR (Autoregressive), MA (Moving Average), ARMA (Autoregressive Moving Average). Metode ini memiliki parameter (p,d,q) dapat diketahuidari plot ACF dan PACF untuk memastikan model yang akan digunakan untuk prediksi. Dalam penelitian ini data yang digunakan merupakan data penduduk Kota Pasuruan tahun 1983 sampai tahun 2019 sejumlah 37 data. Dari data tersebut didapatkan ARIMA model (1,1,1) dengan jumlah penduduk Kota Pasuruan pada tahun 2020 adalah 203.221 jiwa, didapatkan nilai MSE 10542507.06 dan MAPE 1.52%.
Penerapan K-Means Clustering untuk Analisis Kondisi Lalu Lintas di Jalan Ir. H. Soekarno Surabaya Istiqomah, Nurul; Dianita Utami, Wika; Yuliati, Dian
Jurnal Keselamatan Transportasi Jalan (Indonesian Journal of Road Safety) Vol. 12 No. 2 (2025): JURNAL KESELAMATAN TRANSPORTASI JALAN (INDONESIAN JOURNAL OF ROAD SAFETY)
Publisher : Pusat Penelitian dan Pengabdian Masyarakat (P3M)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46447/ktj.v12i2.725

Abstract

Growth in the number of vehicles, especially in urban areas, has a significant impact on traffic density, especially during peak hours, so an approach is needed to group traffic conditions based on the volume of all types of vehicles and the degree of saturation using the K-Means Clustering algorithm. The data used are the volume of all types of vehicles and the degree of saturation obtained from the Surabaya City Transportation Agency. The clustering results show that there are 4 clusters of different traffic characteristics, such as the volume of 2-wheeled vehicles during heavy traffic conditions of more than 4700 vehicles with a degree of saturation of more than 0.45. Evaluation using the silhouette coefficient produces a value of 0.63, which means the quality of the cluster is in a medium structure. This study shows that the clustering method is effective in understanding traffic conditions, although additional features can be done to optimize the quality of the cluster.
Penerapan K-Means Clustering untuk Analisis Kondisi Lalu Lintas di Jalan Ir. H. Soekarno Surabaya Istiqomah, Nurul; Dianita Utami, Wika; Yuliati, Dian
Jurnal Keselamatan Transportasi Jalan (Indonesian Journal of Road Safety) Vol. 12 No. 2 (2025): JURNAL KESELAMATAN TRANSPORTASI JALAN (INDONESIAN JOURNAL OF ROAD SAFETY)
Publisher : Pusat Penelitian dan Pengabdian Masyarakat (P3M)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46447/ktj.v12i2.725

Abstract

Growth in the number of vehicles, especially in urban areas, has a significant impact on traffic density, especially during peak hours, so an approach is needed to group traffic conditions based on the volume of all types of vehicles and the degree of saturation using the K-Means Clustering algorithm. The data used are the volume of all types of vehicles and the degree of saturation obtained from the Surabaya City Transportation Agency. The clustering results show that there are 4 clusters of different traffic characteristics, such as the volume of 2-wheeled vehicles during heavy traffic conditions of more than 4700 vehicles with a degree of saturation of more than 0.45. Evaluation using the silhouette coefficient produces a value of 0.63, which means the quality of the cluster is in a medium structure. This study shows that the clustering method is effective in understanding traffic conditions, although additional features can be done to optimize the quality of the cluster.