Article Per Year (5 Year)
p-Index From 2020 - 2025
0.778
P-Index
This Author published in this journals
All Journal Dinamika Bahari: Journal of Maritime Dynamic Innovative: Journal Of Social Science Research Scientica: Jurnal Ilmiah Sains dan Teknologi Jurnal Riset & Teknologi Terapan Kemaritiman
Widyaningsih, Upik
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Energy Engineering Environmental Science Law, Crime, Criminology & Criminal Justice Mechanical Engineering Public Health Social Sciences Transportation Other

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
IDENTIFIKASI SISTEM PENANGANAN MUATAN DI KMP. TRISAKTI ELFINA TERHADAP KESELAMATAN DALAM PELAYARAN Wijaya, I Made Calvin Ari; Arleiny, Arleiny; Widyaningsih, Upik; Pribadi, Teguh
Scientica: Jurnal Ilmiah Sains dan Teknologi Vol. 2 No. 8 (2024): Scientica: Jurnal Ilmiah Sains dan Teknologi
Publisher : Komunitas Menulis dan Meneliti (Kolibi)

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Transportasi laut merupakan moda transportasi utama karena dapat menampung manusia dan barang dalam jumlah yang banyak. Ada beberapa hal yang menunjang keselamatan dalam berlayar di kapal penumpang salah satunya mengenai penanganan muatan. Untuk itu peneliti ingin mengidentifikasi tentang aspek kesesuaian prosedur dalam penanganan muatan di KMP. Trisakti Elfina sesuai dengan peraturan yang berlaku saat ini serta kendala apa saja yang mungkin dialami oleh crew kapal ketika menerapkan prosedur penanganan muatan. Jenis metode penelitian yang digunakan dalam penelitian ini adalah kualitatif. Analisis data dilakukan terhadap data primer yang meliputi wawancara dan observasi lapangan, serta data sekunder berupa dokumentasi yang berkaitan dengan sistem pemuatan kendaraan diatas kapal. Penelitian dilaksanakan selama 1 tahun 7 hari pada saat melaksanakan praktek laut di KMP. Trisakti Elfina dengan waktu penelitian pada 5 Agustus 2022 sampai 14 Agustus 2023. Hasil penelitian ini menunjukkan bahwa adanya ketidaksesuaian prosedur dalam penanganan muatan terkait dengan Peraturan Menteri Perhubungan Nomor 115 Tahun 2016 seperti muatan yang tidak di lashing, jarak kendaran yang terlalu sempit, muatan yang diletakkan melintang kapal serta supir dan penumpang yang berada di cardeck saat pelayaran yang berpotensi meningkatkan resiko kecelakaan. Hal itu dikarenakan kurangnya pemahaman dan kesadaran crew diatas kapal akan pentingnya penanganan muatan yang sesuai dengan regulasi yang berlaku. Terbatasnya peralatan bongkar muat juga menjadi kendala dalam penanganan muatan. Maka dari itu nahkoda dan perwira diatas kapal wajib bertanggung jawab kepada seluruh awak kapal dalam pelaksanaan penanganan muatan di atas kapal. Safety meeting terkait penanganan muatan perlu dilakukan guna mengevaluasi kinerja para crew diatas kapal dan mencari solusi atas kendala yang terjadi.
Controlling High Pressure Tank pada Proses Loading LPG di Kapal Nugraha, Alditio Aji; Suwondo, I'ie; Widyaningsih, Upik; Huda, Samsul
Innovative: Journal Of Social Science Research Vol. 5 No. 1 (2025): Innovative: Journal Of Social Science Research
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

High Pressure Tank merupakan suatu kejadian yang dapat terjadi pada proses loading LPG secara ship to ship (STS). Kejadian tersebut terjadi akibat pelaksanaan proses loading LPG yang belum sesuai dengan peraturan atau standart operational procedure (SOP). Oleh karena itu, pelaksanaan loading LPG secara ship to ship (STS) harus dipersiapkan secara matang dan pada waktu pelaksanaannya harus dilakukan sesuai dengan peraturan atau prosedur yang berlaku. Penelitian akan berfokus mengenai kejadian high pressure tank pada proses loading secara ship to ship (STS). Penelitian ini menggunakan metode deskriptif kualitatif untuk memahami dan menggambarkan secara mendalam bagaimana tindakan controlling ketika terjadi high pressure tank pada proses loading LPG secara ship to ship (STS). Penelitian ini menghasilkan dan mengolah data deskriptif, seperti transkip wawancara, catatan kejadian, dan dokumentasi berupa foto. Peneliti menggunakan berbagai teknik pengumpulan data kualitatif, seperti observasi, wawancara, dan analisis dokumen. Hasil penelitian menunjukkan bahwa pelaksanaan controlling high pressure tank pada proses loading LPG secara ship to ship (STS) kurang maksimal. Selain itu, pelaksanaan prosedur seperti safety toolbox meeting masih belum optimal dilakukan. Akibatnya, awak kapal kurang maksimal dalam melaksanakan pekerjaannya. Penerapan prosedur dan dokumen kapal sangat penting dalam proses loading LPG secara ship to ship (STS). Prosedur yang digunakan pada proses loading LPG secara ship to ship (STS) digunakan sebagai pedoman keselamatan bekerja bagi seluruh awak kapal
Optimalisasi Penentuan Rute Terbaik Pelayaran Berbasis Analisis Big Data untuk Efisiensi Bahan Bakar Kapal Laut Setiawan, Ariyono; Bin Abdul Hadi, Abdul Razak; Widyaningsih, Upik; Pamungkas, Anjar
Jurnal Riset & Teknologi Terapan Kemaritiman Vol. 3 No. 1 (2024)
Publisher : Departemen Teknik Sistem Perkapalan, Universitas Hasanuddin

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25042/jrt2k.062024.05

Abstract

Penelitian ini bertujuan untuk mengoptimalkan rute pelayaran dengan menerapkan big data analytics guna meningkatkan efisiensi bahan bakar. Dengan memanfaatkan data real-time dan historis, studi ini mengidentifikasi rute paling efisien untuk meminimalkan konsumsi bahan bakar tanpa mengorbankan efektivitas operasional. Berbasis pada teori logistik maritim, analitik big data, dan efisiensi bahan bakar, penelitian ini menggabungkan model optimasi rute, prakiraan cuaca, serta analisis kinerja kapal untuk mendukung pengambilan keputusan navigasi. Selain itu, dampak regulasi IMO MARPOL Annex VI, khususnya EEDI dan SEEMP, turut dipertimbangkan dalam upaya optimalisasi efisiensi energi. Metode yang digunakan adalah pendekatan campuran, yang mengombinasikan analisis kuantitatif dari data AIS, laporan cuaca, serta catatan konsumsi bahan bakar dengan algoritma pembelajaran mesin untuk optimasi rute. Analisis korelasi Pearson mengevaluasi hubungan antara kecepatan, jarak, waktu tempuh, dan konsumsi bahan bakar. Studi kasus digunakan untuk memvalidasi model yang dikembangkan. Hasil penelitian menunjukkan bahwa konsumsi bahan bakar sangat dipengaruhi oleh kecepatan kapal, dengan kecepatan lebih tinggi meningkatkan konsumsi bahan bakar. Korelasi negatif ditemukan antara waktu tempuh dan konsumsi bahan bakar harian, menunjukkan bahwa pelayaran lebih lambat dapat meningkatkan efisiensi. Studi ini menekankan pentingnya pemrosesan data real-time dalam penyesuaian rute berdasarkan cuaca, kemacetan, dan efisiensi energi. Penelitian ini menawarkan pendekatan inovatif berbasis data dalam perencanaan rute, berbeda dari metode tradisional yang mengandalkan bagan statis dan pengalaman. Integrasi big data dalam logistik maritim dapat mengurangi emisi, menekan biaya, serta meningkatkan keberlanjutan operasional.
Integrating Machine Learning and Internet of Things for Predictive Maintenance Enhancing Operational Efficiency and Maritime Digitalization Setiawan, Ariyono; Handoko, Wisnu; Onn, Choo Wou; Widyaningsih, Upik
Dinamika Bahari Vol 6 No 2 (2025): October 2025 Edition
Publisher : Politeknik Ilmu Pelayaran Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46484/db.v6i2.1031

Abstract

This study explores the implementation of Machine Learning (ML) and the Internet of Things (IoT) in predictive maintenance to enhance the operational efficiency of ships. The primary goal is to evaluate the effectiveness of these technologies in reducing maintenance costs, minimizing unexpected machinery failures, and improving fuel efficiency. The research is based on previous studies on AI-driven predictive maintenance and IoT-based real-time monitoring. It builds upon the work of Kim & Park (2021) and Li et al. (2019), who demonstrated the advantages of deep learning and IoT in improving maritime asset management. A comparative analysis was conducted using multiple ML algorithms, including Random Forest, Support Vector Machine (SVM), K-Means Clustering, and Long Short-Term Memory (LSTM). Data from IoT-enabled sensors on ship machinery were used to evaluate model accuracy, downtime reduction, and cost efficiency improvements. LSTM outperformed other models with an accuracy of 89.1%. Predictive maintenance reduced downtime by 30%, extended machinery lifespan by 20%, and decreased operational costs by 15%. Challenges include IoT infrastructure limitations, data security concerns, and the need for extensive historical data. This study highlights the necessity for shipping companies to invest in IoT infrastructure, cybersecurity measures, and workforce training to optimize predictive maintenance. The research contributes to maritime digitalization by demonstrating how ML and IoT integration can transform maintenance strategies, leading to a more efficient and cost-effective shipping industry.
Co-Authors Arleiny, Arleiny Bin Abdul Hadi, Abdul Razak Handoko, Wisnu Nugraha, Alditio Aji Onn, Choo Wou Pamungkas, Anjar Samsul Huda Setiawan, Ariyono Suwondo, I'ie Teguh Pribadi Wijaya, I Made Calvin Ari