Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"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."

"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."

"Pemilihan portofolio adalah salah satu bidang penelitian yang menarik dan penting di bidang keuangan karena masa depan dan ketidak beraturan pasar keuangan yang tidak dapat diprediksi. Setiap investor berharap mendapatkan tingkat pengembalian yang tinggi untuk portofolio mereka dengan risiko sekecil mungkin dan hal ini sulit dicapai, sehingga investor mencoba menyeimbangkan kinerja dan risiko portofolio melalui diversifikasi. Tujuan penelitian ini adalah untuk menyelidiki strategi pemilihan portofolio melalui metode clustering dan Genetic Algorithm. Clustering digunakan untuk diversifikasi portofolio dengan membentuk sekelompok aset homogen berdasarkan karakteristik rasio keuangan mereka. Ada tujuh rasio keuangan yang akan digunakan, yaitu EPS, PER, PEG, ROE, DER, Current Ratio, dan Profit Margin. Dalam skripsi ini digunakan algoritma Density Based Clustering of Application with Noise sebagai metode clustering DBSCAN. Setelah fase clustering, Genetic Algorithm digunakan untuk membentuk portofolio optimum. Genetic Algorithm secara otomatis memilih portofolio dengan risiko dan pengembalian yang optimal berdasarkan hasil clustering dengan memutuskan aset dan bobot masing-masing yang akan dimasukkan dalam portofolio. Algoritma genetika didasarkan pada model Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO dan disebut metode Genetic Algorithm dengan kendala. Metode ini berhasil memberikan tingkat pengembalian dan Sharpe ratio yang lebih tinggi 25,35 dan 17,20 dibandingkan dengan indeks S P 500 pada periode waktu yang sama dengan tingkat pengembalian dan Sharpe ratio masing-masing 12,34 dan 2,7.

---

Portfolio selection is one of the interesting and important fields of research in finance because of the unpredictable future and randomness of the financial market. Every investor is hoping to get a high rate of return for their portfolio with as little risk as possible, which is hard to achieve, so investors try to balance the performance and risk of the portfolio through diversification. The motivation of this research is to investigate the portfolio selection strategies through clustering method and application of genetic algorithm. Clustering is used to diversify the portfolio by forming a homogenous cluster of assets with respect to their financial ratios characteristic. There are seven financial ratio characteristics that is used, they are EPS, PER, PEG, ROE, DER, Current Ratio and Profit Margin.

In this thesis, Density Based Clustering Algorithm with Application of Noise used as the clustering method DBSCAN. After the clustering phase, genetic algorithm used for portfolio selection. Genetic Algorithm automatically select the optimum risk and return portfolio based on the clustered asset by deciding which assets and their respective weights included in the portfolio. The genetic algorithm is based on the Mean Variance Cardinality Constrained Portofolio Optimization MVCCPO model and called a Constrained Genetic Algorithm. The method succesfully give a higher level of return 25,35 and Sharpe ratio 17,20 compared to S P 500 index in the same period of time 12.34 and 2.7 respectively."

"Indonesia adalah negara kepulauan terbesar di dunia yang membentuk satu negara, dengan lima pulau utama dan 30 kepulauan yang lebih kecil dengan total lebih dari 18.110 pulau dan pulau kecil, di mana sekitar 6.000 di antaranya berpenghuni. Oleh karena itu, Pelayaran melalui jalur laut merupakan moda transportasi utama antar pulau di Indonesia. Namun, hal ini menjadi tantangan tersendiri dalam mewujudkan konektivitas antar pulau, terutama di daerah terpencil dan tertinggal. Pelayaran Perintis adalah layanan pelayaran publik yang didanai oleh pemerintah dengan tujuan utama untuk mendukung perekonomian di daerah terpencil dan tertinggal. Namun pada saat tulisan ini dibuat, kinerja pelayaran perintis dinilai masih belum memadai atau belum efisien untuk mencapai tujuan tersebut. Hal ini ditandai dengan lamanya round voyage pelayaran rute tersebut, yang dapat mencapai hingga 14 hari, dan rendahnya frekuensi pelayaran pelayaran perintis dapat menghambat pembangunan ekonomi. Akibatnya, efisiensi rute pelayaran perintis harus dievaluasi kembali. Re-routing dan mengoptimasi rute pelayaran perintis merupakan salah satu cara untuk meningkatkan efisiensi rute pelayaran perintis. Penelitian ini direalisasikan dengan melakukan rerouting pelayaran perintis di wilayah Kepulauan Riau dengan terlebih dahulu melakukan clustering pelabuhan-pelabuhan menggunakan metode clustering DBSCAN (Density Based Spatial Clustering of Applications with Noise) dan optimalisasi dengan pendekatan metode penyelesaian TSP (Travelling Salesman Problem). Hasil yang diperoleh adalah terjadi penurunan rata-rata jarak tempuh pelayaran perintis sebesar 39,5% (dari 1.156,1 NM menjadi 699,5 NM) dan penurunan rata-rata lama durasi round voyage sebesar 66,9% (dari 12 hari menjadi 3,97 hari). Selain itu, terjadi penurunan ketimpangan antar rute yang terlihat dari nilai rentang jumlah pelabuhan, jarak tempuh, dan durasi round voyage pelayaran pada rute pelayaran perintis di Kepulauan Riau.

---

Indonesia is the world's biggest archipelago to constitute a single state, with five main islands and 30 smaller archipelagoes totaling over 18,110 islands and islets, of which approximately 6,000 are inhabited. Hence, Shipping through sea is the main mode of inter-island transport in Indonesia. However, this creates its own challenge in realizing inter-island connectivity, especially in remote and underdeveloped areas. Perintis shipping is a government-funded publicly available shipping service with a primary objective of supporting the economy in remote and underdeveloped areas. However, as of this writing, the performance of perintis shipping is still inadequate or inefficient to achieve this goal. This is characterized by the lengthy round voyage duration of the routes, which can reach up to 14 days, and the low frequency of perintis shipping voyages could hinder economic development. As a result, the efficiency of perintis shipping routes must be assessed. Re-routing the perintis shipping routes is one way to increase the efficiency of the perintis shipping routes. This research reroutes perintis shipping in the Riau Archipelago region by first clustering the ports using the DBSCAN (Density Based Spatial Clustering of Applications with Noise) clustering method and optimizing with the TSP (Travelling Salesman Problem) solving method approach. The results obtained were that there was a reduction in the average mileage of pioneer shipping routes by 39.5% (from 1,156.1 NM to 699.5 NM) and a reduction in the average length of round voyage routes by 66.9% (from 12 days to 3.97 days). In addition, there was a decrease in inequality between routes as seen from the value of the range of the number of ports, distance traveled, and round voyage duration on pioneer shipping routes in the Riau Archipelago."

"Density-Based Spatial Clustering of Application with Noise (DBSCAN) merupakan salah satu metode klastering berdasarkan kepadatan data yang menggunakan parameter radius jarak dari titik data tersebut dan jumlah minimal titik data untuk menghasilkan sebuah klaster. Traveling Salesman Problem (TSP) merupakan aplikasi dari optimasi yang menentukan sebuah rute yang diawali dan diakhiri di titik yang sama dengan hasil jarak paling minimum. Permasalahan konektivitas pelayaran perintis merupakan bagian yang sangat penting untuk menjaga agar daerah 3T (Terdepan, Terpencil, dan Tertinggal) terkoneksi. Wilayah Papua Barat memiliki moda transportasi yang terbatas dan Indeks Desa Membangun (IDM) yang paling rendah yaitu 0.5045 yang mengakibatkan tingginya angka desa 3T pada wilayah tersebut, untuk meningkatkan angka IDM di wilayah tersebut dibutuhkan moda transportasi yang dapat diakses secara rutin untuk merangsang perekonomian dan mobilitas penduduk. Penelitian ini bertujuan untuk mendapatkan rute pelayaran baru dengan meminimalkan jarak dan waktu tempuh. Dengan menggunakan DBSCAN dan TSP diperoleh 7 rute baru untuk 7 unit kapal perintis, dengan total jarak yaitu 3393 Nautical Miles dan rata-rata waktu pelayaran yaitu 3 hari, frekuensi kunjungan dapat dilakukan 4 kali dalam 12 hari pelayaran.

---

The Density-Based Spatial Clustering of Application with Noise (DBSCAN) is a clustering method based on data density that uses the radius parameter of the distance from the data point and the minimum number of data points to create a cluster. Traveling Salesman Problem (TSP) is an optimization application that determines a route that starts and ends at the same point with the minimum distance. The problem of pioneer ship connectivity is a very important for part of connecting the Isolated Places in Indonesia. The West Papua region is one of the regions in Indonesia that has limited transportation modes and the lowest Village Development Evaluation is 0.5045, Affecting the high number of underdeveloped villages in that region. Therefore, to increase the Village Development Evaluation number in West Papua, hence the underdeveloped villages can be accessed regularly to stimulate the economy and mobility. This research aims to obtain a new shipping route by minimizing the distance and travel time. By using DBSCAN and TSP, 7 new routes were obtained for 7 pioneer ships, with a total distance is 3393 Nautical Miles and an average voyage time are 3 days, the frequency of visits can be done 4 times in a 12-day cruise."

"

Indonesia merupakan negara kepulauan yang memiliki pulau – pulau kecil yang tersebar dari Sabang hingga Merauke. Hal ini menjadi tantangan untuk meningkatkan konektivitas antar pulau nya, terutama di beberapa wilayah terpencil dan masih tertinggal. Beberapa wilayah ini sangat membutuhkan akses transportasi yang layak khususnya transportasi laut untuk menopang perekonomiannya. Maka dari itu, pelayaran perintis yang merupakan jasa pelayaran yang didanai oleh APBN dalam rangka membantu daerah – daerah yang membutuhkan askes transportasi laut, pelayaran ini juga bertujuan untuk mendukung perkembangan perekonomian di beberapa daerah terpencil Indonesia. Rute pelayaran saat ini masih belum efektif, terutama rute pelayaran perintis di Pelabuhan Bitung, Kepulauan Sulawesi Utara ditunjukkan dengan waktu pelayaran keliling selama 22 hari. Dengan waktu selama itu, intensitas kapal untuk mengunjungi setiap daerah menjadi lebih sedikit. Pada penelitian ini, beberapa faktor yang mempengaruhi konektivitas antar pulau akan dioptimasi, dengan cara mengurangi jarak tempuh pelayaran untuk mengurangi pengeluaran anggaran APBN, dan mengurangi waktu pelayaran keliling yang bertujuan untuk meningkatkan intensitas kunjungan ke setiap daerah terpencil. Proses optimasi untuk mendukung kedua hal itu dilakukan dengan metode DBSCAN (Density Based Spatial Clustering of Application with Noise) dan TSP (Traveling Salesman Problem). Hasil akhir dari penelitian ini adalah berupa rekomendasi rute baru untuk Pelabuhan Bitung (R-35 dan R-36).

---

Indonesia is an archipelagic country that has small islands spread from Sabang to Merauke. This is a challenge to improve inter-island connectivity, especially in some remote and underdeveloped areas. Some of these areas really need access to proper transportation, especially sea transportation to support their economy. Therefore, Perintis Shipping routes which is a shipping service funded by the State Budget in order to help areas that need access to sea transportation, this cruise also aims to support economic development in several remote areas of Indonesia. Current shipping routes are still ineffective, especially the Perintis Shipping routes at Bitung Port, North Sulawesi Archipelago with a circumnavigation time of 22 days. With that long, the intensity of ships to visit each area becomes less. In this study, several factors affecting inter-island connectivity will be optimized, by reducing shipping distances to reduce spending on the state budget, and reducing circumnavigation time which aims to increase the intensity of visits to each remote area. The optimization process to support both of these is carried out using the DBSCAN (Density Based Spatial Clustering of Application with Noise) and TSP (Traveling Salesman Problem) methods. The final result of this research is a new route recommendation for Bitung Port (R-35 and R-36).

"

"Indonesia sebagai negara kepulauan memiliki lebih dari 17 ribu pulau. Hal ini menyebabkan adanya tantangan tersendri untuk mewujudkan konektivitas antar pulaunya, terutama pada daerah terpencil dan tertinggal. Pelayaran perintis merupakan pelayaran yang disubsidi oleh pemerintah Indonesia dengan tujuan utama meningkatkan perekonomian di daerah terpencil dan tertinggal. Namun saat ini, kinerja pelayaran perintis masih belum optimal untuk mencapai tujuan tersebut. Hal tersebut ditandai dengan lamanya round voyage suatu trayek yang dapat mencapai 14 hari serta rendahnya capaian target voyage pelayaran perintis. Oleh karena itu, perlu adanya evaluasi serta efisiensi rute pelayaran perintis. Salah satu yang dapat dilakukan untuk meningkatkan efisiensi rute pelayaran perintis adalah dengan melakukan re-routing trayek pelayaran perintis. Penelitian ini melakukan re-routing pelayaran perintis di wilayah NTT-Maluku Barat Daya dengan pertama melakukan clustering menggunakan DBSCAN (Density-Based Spatial Clustering of Applications with Noise) serta optimasi dengan pendekatan TSP (Travelling Salesman Problem). Hasil yang didapatkan adalah terdapat pengurangan dari rata-rata jarak tempuh trayek pelayaran perintis sebesar 55% (dari 1276 NM menjadi 569,3 NM) serta pengurangan angka rata-rata lama round voyage trayek sebesar 74% (dari 13,3 hari menjadi 3,5 hari). Selain itu, terjadi penurunan ketimpangan antar trayeknya yang dilihat dari nilai jangkauan (range) dari jumlah pelabuhan, jarak tempuh, serta lama round voyage pada trayek pelayaran perintis di wilayah NTT-Maluku Barat Daya.

---

Indonesia, as an archipelagic country, has more than 17,000 islands. This causes challenges in realizing inter-island connectivity, especially in remote and underdeveloped areas. Pelayaran Perintis is a shipping program that the Indonesian government subsidizes to improve the economy in remote and underdeveloped areas. However, the performance of Pelayaran Perintis is still not optimal for achieving this goal. This is indicated by the length of the round voyage of a route that can reach 14 days and the low achievement of the Pelayaran Perintis voyage target. Therefore, there is a need for evaluation and efficiency of Pelayaran Perintis routes. One thing that can be done to increase the efficiency of Pelayaran Perintis routes is by re-routing Pelayaran Perintis routes. This study re-routes Pelayaran Perintis in the NTT-Maluku Southwest region by first clustering using DBSCAN (Density-Based Spatial Clustering of Applications with Noise) and optimization with the TSP (Travelling Salesman Problem) approach. The results obtained are a reduction in the average mileage for Pelayaran Perintis routes by 55% (from 1276 NM to 569.3 NM) and a reduction in the average length of round voyage routes by 74% (from 13.3 days to 3, 5 days). In addition, there has been a decrease in inequality between routes, which can be seen from the range value of the number of ports, distance traveled, and round voyage length on Pelayaran Perintis routes in the NTT-Southwest Maluku region."

"Banyaknya pulau di Indonesia menyebabkan adanya tantangan untuk menjaga konektivitas antar pulaunya, mendorong untuk dibutuhkannya moda transportasi agar meningkatkan konektivitas antar pulau khususnya di wilayah 3T. Di masa ini pelayaran perintis menjadi moda transportasi yang ditugaskan oleh pemerintah guna melayani daerah 3T. Namun, pada penerapannya pelayaran perintis masih dinilai kurang optimal sehingga perlu dilakukannya optimasi. Optimasi merupakan aktifitas yang bertujuan untuk mendapatkan nilai maksimal atau minimal berdasarkan fungsi dan tujuan yang ingin dicapai, dengan tetap memenuhi fungsi kendala yang berlaku. Optimasi dinilai penting untuk keberlanjutan akses transportasi laut khususnya pelayaran perintis di Sulawesi Selatan-Nusa Tenggara. Seluruh Pelabuhan yang dilayani trayek pelayaran perintis diklasterkan menggunakan metode Density Based Spatial Clustering of Applications with Noise (DBSCAN). Penelitian ini ditujukan untuk memberikan rekomendasi untuk optimasi rute pelayaran perintis. Terdapat 3 klaster yang terbentuk untuk menyesuaikan ketersediaan kapal perintis yang berjumlah 3 kapal. Masing-masing klaster dilakukan optimasi menggunakan Travelling Salesman Problem (TSP). Hasil optimasi didapatkan lebih optimal dengan total jarak tempuh rata-rata di ketiga klaster yang terbentuk sebesar 630 NM dibandingkan dengan rute eksisting sebesar 1211 NM dengan penurunan sebesar 48%

---

The large number of islands in Indonesia poses a challenge to maintain connectivity between islands, encouraging the need for modes of transportation to increase inter-island connectivity, especially in the 3T region. At this time perintis shipping became a mode of transportation assigned by the government to serve the 3T areas. However, in its implementation, perintis shipping is still considered less than optimal, so optimization is needed. Optimization is an activity that aims to get the maximum or minimum value based on the function and goals to be achieved, while still meeting the applicable constraints. Optimization is considered important for the sustainability of access to sea transportation, especially perintis shipping in South Sulawesi-Nusa Tenggara. All ports served by perintis shipping routes are clustered using the Density Based Spatial Clustering of Applications with Noise (DBSCAN) method. This research is intended to provide recommendations for optimizing perintis shipping routes. There are 3 clusters formed to adjust the availability of perintis ships, which total 3 ships. Each cluster is optimized using the Traveling Salesman Problem (TSP). Optimization results obtained are more optimal with the total average mileage in the three clusters formed of 630 NM compared to the existing route of 1211 NM with a decrease of 48%."