Hasil Pencarian  ::  Simpan CSV :: Kembali

"Crowdsourced delivery merupakan suatu upaya dalam mengatasi masalah peningkatan kebutuhan jasa pengiriman barang akibat dari tren berbelanja online pada masyarakat yang meningkat secara signifikan. Crowdsourced delivery didefinisikan sebagai proses pengiriman barang yang melibatkan individu dengan latar belakang profesi bukan sebagai kurir untuk memenuhi kebutuhan last mile delivery. Diibaratkan kurir tersebut merupakan pekerja lepas (freelance) dari perusahaan pengiriman logistik. Last-mile delivery merupakan tahap akhir dari proses distribusi pengiriman barang dimana barang akhirnya sampai kepada pelanggan. Pada skripsi ini dilakukan perencanaan last-mile delivery dengan menggunakan integrasi crowdsourcing parsial, dimana permasalahan tersebut membutuhkan titik singgah sementara dalam proses pengiriman barang. Crowdsourcing parsial merupakan gabungan permasalahan two-echelon vehicle routing problem (2-EVRP) dan truck trailer routing problem (TTRP). Two-echelon vehicle routing problem adalah pencarian rute vehicle routing problem dengan dua tingkat jaringan distribusi. Tingkat jaringan distribusi pertama berupa rute perjalanan truk dan tingkat jaringan distribusi kedua berupa perjalanan kurir crowdsourced. Truck trailer routing problem merupakan variasi tambahan permasalahan 2-EVRP agar pelanggan dapat dilayani menggunakan truk dan juga kurir crowdsourced, jika hanya 2-EVRP saja maka pelanggan hanya dapat dilayani oleh crowd-worker. Pada permasalahan ini digunakan metode simulated annealing untuk mencari pendekatan terhadap solusi optimal rute pengiriman barang. Proses simulated annealing bekerja dengan mencari suatu posisi pada suatu temperatur tertentu untuk mereduksi rute yang tidak diperlukan dan memperbaiki solusi agar menjadi optimal. Dalam skripsi ini digunakan data sebanyak 63 titik koordinat lokasi, di mana terdiri dari 1 depot, 12 titik transfer, dan 50 pelanggan. Hasil terbaik dari beberapa kasus yang dijalankan yaitu untuk kasus 19 pelanggan dilayani truk dan 31 dilayani oleh crowd-worker, dapat menghemat biaya perjalanan sebesar 25,9748%.

---

Crowdsourced delivery is an effort to overcome the problem of increasing the need for goods delivery services due to the trend of online shopping in the community, which has increased significantly. Crowdsourced delivery is defined as the process of delivering goods that involve individuals with professional backgrounds not as couriers, to fulfill last-mile delivery needs. The courier is likened to a freelancer from a logistics delivery company. Last-mile delivery is the final stage of the distribution process where the goods finally arrive at the customer. In this thesis, last-mile delivery planning is carried out using partial crowdsourcing integration, where the problem requires a temporary stopover point in the process of delivering goods. Partial crowdsourcing combines the two-echelon vehicle routing problem (2-EVRP) and the truck trailer routing problem (TTRP). The two-echelon vehicle routing problem is a route-finding vehicle routing problem with two levels of distribution network. The first distribution network level is a truck route, and the second distribution network level is a crowdsourced courier. The truck trailer routing problem is an additional variation of the 2-EVRP problem to serve customers using crowdsourced trucks and couriers. If it is only 2-EVRP, then customers can only be served by crowd-workers. In this problem, the simulated annealing method is used to find an approach to the optimal solution of the shipping route. The simulated annealing process works by finding a position at a specific temperature to reduce unnecessary routes and improve the solution to become optimal. In this thesis, the data used are 63 coordinate location points, consisting of 1 depot, 12 transfer points, and 50 customers. The best results from several cases that were carried out were for cases where 19 customers were served by trucks and 31 were served by crowd-workers. It could save travel costs by 25.9748%."

"Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) merupakan masalah pencarian rute kendaraan untuk mengirim barang ke pelanggan melalui dua pusat distribusi yang berbeda, yaitu depot dan titik transfer. Pada eselon pertama, barang akan dikirimkan dari depot ke titik transfer atau langsung ke pelanggan dengan menggunakan truk. Sementara, pada eselon kedua, barang akan dikirim dengan menggunakan sistem crowdsourced delivery, yaitu dengan menggunakan jasa kurir pekerja lepas dengan jadwal yang fleksibel dan mengunakan transportasi pribadi. Kurir tersebut akan mengambil barang yang telah diantar oleh truk ke titik transfer dan selanjutnya meneruskan pengantaran ke pelanggan. Pada skripsi ini digunakan Metode Adaptive Large Neighborhood Search (ALNS) untuk menyelesaikan permasalahan tersebut dengan menggunakan perangkat lunak. Konsep dari metode ini adalah memperbaharui struktur lingkungan melalui destroy dan repair operator dengan menggunakan probabilitas bahwa suatu operator tententu dipilih disesuaikan kembali sesuai dengan kinerja selama iterasi sebelumnya. Solusi yang ingin dicapai adalah solusi dengan total biaya pengiriman yang minimum. Berdasarkan hasil percobaan, dengan menggunakan 50 pelanggan, 1 depot, 9 titik transfer, 20 pelanggan yang dilayani sistem crowdsourced delivery, dan 3000 iterasi, diperoleh bahwa Metode ALNS dapat digunakan untuk mengoptimalkan masalah Crowdsourced Delivery 2E-VRP TTRP dengan penghematan total biaya perjalanan sebesar 40,76%.

---

Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) is a problem where goods must be sent to customers through two different distribution centers, namely depot and transfer point. In the first echelon, the goods will be sent from the depot to the transfer points or directly to the customers by trucks. Meanwhile, in the second echelon, the goods will be sent using a crowdsourced delivery system, by using couriers that have flexible schedule and using their own transportations. The couriers will pick up the goods that have been delivered by the trucks to the transfer points and deliver it to the customers. In this final project, the Adaptive Large Neighborhood Search (ALNS) Method is used to solve the problem by using software. The concept of this method is to update the neighborhood structure through the destroy and repair operators by using the probability that a certain operator is selected to be readjusted according to performance during the previous iterations. The solution to be achieved is a solution with a minimum total delivery cost. Based on the experimental results, using 50 costumers, 1 depot, 9 transfer points, 20 costumers served by the crowdsourced delivery system, and 3000 iterations, it is found that the ALNS Method was be used to optimize the Crowdsourced Delivery 2E-VRP TTRP with a total travel cost savings of 40,76%."

"Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) merupakan masalah pencarian rute kendaraan untuk mengirim barang ke pelanggan melalui dua pusat distribusi yang berbeda, yaitu depot dan titik transfer. Pada eselon pertama, barang akan dikirimkan dari depot ke titik transfer atau langsung ke pelanggan dengan menggunakan truk. Sementara, pada eselon kedua, barang akan dikirim dengan menggunakan sistem crowdsourced delivery, yaitu dengan menggunakan jasa kurir pekerja lepas dengan jadwal yang fleksibel dan mengunakan transportasi pribadi. Kurir tersebut akan mengambil barang yang telah diantar oleh truk ke titik transfer dan selanjutnya meneruskan pengantaran ke pelanggan. Pada skripsi ini digunakan Metode Adaptive Large Neighborhood Search (ALNS) untuk menyelesaikan permasalahan tersebut dengan menggunakan perangkat lunak. Konsep dari metode ini adalah memperbaharui struktur lingkungan melalui destroy dan repair operator dengan menggunakan probabilitas bahwa suatu operator tententu dipilih disesuaikan kembali sesuai dengan kinerja selama iterasi sebelumnya. Solusi yang ingin dicapai adalah solusi dengan total biaya pengiriman yang minimum. Berdasarkan hasil percobaan, dengan menggunakan 50 pelanggan, 1 depot, 9 titik transfer, 20 pelanggan yang dilayani sistem crowdsourced delivery, dan 3000 iterasi, diperoleh bahwa Metode ALNS dapat digunakan untuk mengoptimalkan masalah Crowdsourced Delivery 2E-VRP TTRP dengan penghematan total biaya perjalanan sebesar 40,76%.

---

.Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) is a problem where goods must be sent to customers through two different distribution centers, namely depot and transfer point. In the first echelon, the goods will be sent from the depot to the transfer points or directly to the customers by trucks. Meanwhile, in the second echelon, the goods will be sent using a crowdsourced delivery system, by using couriers that have flexible schedule and using their own transportations. The couriers will pick up the goods that have been delivered by the trucks to the transfer points and deliver it to the customers. In this final project, the Adaptive Large Neighborhood Search (ALNS) Method is used to solve the problem by using software. The concept of this method is to update the neighborhood structure through the destroy and repair operators by using the probability that a certain operator is selected to be readjusted according to performance during the previous iterations. The solution to be achieved is a solution with a minimum total delivery cost. Based on the experimental results, using 50 costumers, 1 depot, 9 transfer points, 20 costumers served by the crowdsourced delivery system, and 3000 iterations, it is found that the ALNS Method was be used to optimize the Crowdsourced Delivery 2E-VRP TTRP with a total travel cost savings of 40,76%."

"Kegiatan berbelanja secara online di e-commerce akhir-akhir ini sedang ramai dilakukan karena dinilai lebih praktis dan tidak membuang banyak waktu. Hal ini berbanding lurus dengan banyaknya permintaan pengiriman yang harus dipenuhi oleh pihak last-mile delivery. Last-mile delivery adalah proses pengiriman langsung ke lokasi pelanggan. Pihak last-mile delivery harus melakukan pengiriman dengan biaya yang seminimal mungkin. Biaya perjalanan dapat semakin meningkat apabila terjadi pengiriman berulang yang disebabkan pelanggan tidak berada di rumah saat dilakukan pengiriman. Alternatif pengiriman roaming delivery dapat menjadi solusi dari permasalahan tersebut karena dapat mengurangi jarak dan waktu tempuh serta mengurangi emisi serta kemacetan. Vehicle Routing Problem with Roaming Delivery Locations adalah permasalahan permintaan transportasi dengan pelanggan dapat memiliki lebih dari satu lokasi pengiriman. Pada skripsi ini, digunakan metode Multiple Ant Colony System (MACS) untuk membentuk solusi yang optimal. Multiple Ant Colony System terinspirasi dari perilaku koloni semut dalam mencari sumber makanan. Dalam membentuk sebuah solusi, dibutuhkan data pelanggan berupa koordinat lokasi pengiriman serta time window masing-masing lokasi dan banyaknya permintaan pelanggan. Sebelum dibentuk solusi terbaik menggunakan MACS, dibutuhkan solusi awal yang akan dibentuk dengan menggunakan Nearest Neighbor Heuristic. Berdasarkan simulasi program yang dilakukan pada skripsi ini, dengan data yang digunakan sebanyak 30 pelanggan dengan masing-masing pelanggan memberikan dua lokasi pengiriman, didapatkan alternatif pengiriman roaming delivery memiliki biaya perjalanan yang lebih kecil dibandingkan home delivery yang merupakan pengiriman yang hanya dapat dilakukan ke rumah pelanggan, dengan selisih sebesar 46%.

---

Nowadays, online shopping in e-commerce caught more attention than offline shopping because considered more practical and does not waste much time. This has led to increasing the demand for shipments made by last-mile delivery. Last-mile delivery is the final step of the delivery process, the delivery made by sending directly to the customer's house. The package must be delivered using the least-costed routes. Missed deliveries caused by customers are not at home while the deliveries made, can increase the total travel cost. There is an alternative of deliveries that can overcome this problem, i.e., roaming delivery. Roaming delivery can be a solution to these problems because it can reduce distance and travel time as well as reduce emissions and congestion. Vehicle routing problem with roaming delivery location is the variant of vehicle routing problem which each customer can have more than one delivery locations. This thesis proposed multiple ant colony system methods to find the optimum solution of vehicle routing problems with roaming delivery locations. Multiple Ant Colony System is a method inspired by the foraging behavior of colonies of ants. The input of this method is a set of customers' data, i.e., locations' coordinates, time window of each location, and the number of demands. Multiple Ant Colony System requires an initial solution constructed by the nearest neighbor heuristic which is then optimized by reducing the number of vehicles and total travel time. Based on the simulation that use 30 customers where each of the customers gives 2 different locations, the total cost of roaming delivery is cheaper than home delivery up to 46%."

"Perkembangan e-commerce di Indonesia mengalami peningkatan yang sangat signifikan sehingga volume permintaan pelanggan akan pengiriman barang menjadi sangat besar. Hal tersebut menyebabkan efisiensi pengiriman barang dari pusat distribusi terdekat ke tujuan akhir (last mile delivery) menjadi tantangan bagi berbagai platform e-commerce. Salah satu solusi untuk meningkatkan efisiensi last mile delivery, yaitu Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL). VRPRDL merupakan masalah optimasi penentuan rute kendaraan dalam pendistribusian barang ke sejumlah pelanggan yang memiliki lebih dari satu lokasi pengiriman. Pengiriman barang dapat dilakukan ke lokasi rumah pelanggan atau lokasi cadangan (roaming delivery). Metode Iterated Local Search (ILS) akan digunakan untuk menyelesaikan permasalah tersebut. Percobaan pada skripsi ini menggunakan 30 pelanggan dengan setiap pelanggan memiliki 2 lokasi pengiriman, yaitu lokasi rumah pelanggan dan lokasi cadangan. Hasil percobaan menunjukkan bahwa metode ILS dapat memperbaiki hasil himpunan rute pada solusi awal dengan meminimumkan total waktu perjalanan sekitar 32.28% untuk home delivery, 32.8% untuk roaming delivery, dan dapat mengurangi kendaraan yang beroperasi. Selain itu, hasil percobaan juga menunjukkan bahwa roaming delivery dapat menjadi salah satu alternatif pengiriman yang efektif dengan mengurangi biaya pengiriman sekitar 16.37% serta waktu tempuh dan jumlah kendaraan yang digunakan lebih kecil dibanding home delivery.

---

The development of e-commerce in Indonesia has experienced a very significant increase so that the volume of customer demand for shipping goods is very large. This makes the efficiency of delivering goods from the nearest distribution center to the final destination (last mile delivery) a challenge for various e-commerce platforms. One solution to improve last mile delivery efficiency is the Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL). VRPRDL is an optimization problem for determining vehicle routes in the distribution of goods to customers who have more than one delivery location. Delivery of goods can be done to the customer's home location or a backup location (roaming delivery). The Iterated Local Search (ILS) method will be used to solve the problem. The experiment in this thesis uses 30 customers with each customer having 2 delivery locations, namely the customer's home location and the backup location. The experimental results show that the ILS method can improve the results of the route set in the initial solution by minimizing the total travel time of around 32.28% for home delivery, 32.8% for roaming delivery and can reduce operating vehicles. In addition, the experimental results also show that roaming delivery can be an effective delivery alternative by reducing shipping costs by around 16.37%, reduce the travel time and number of vehicles used is smaller than home delivery."

"Pertumbuhan e-commerce membuat semakin banyak orang berbelanja secara online, hal tersebut mengakibatkan meningkatnya aktivitas pengiriman barang. Dalam proses pengiriman barang terdapat istilah last mile delivery. Last mile delivery adalah tahap terakhir dari proses pengiriman barang, dimana barang dikirim ke tujuan akhir pelanggan. Pada last mile delivery biasanya barang pesanan pelanggan akan dikirim ke rumah pelanggan, atau biasa disebut sebagai home delivery. Tetapi home delivery memiliki beberapa kelemahan yang mungkin akan terjadi, salah satunya yaitu apabila pengiriman barang dilakukan saat pelanggan tidak ada di rumah maka akan menyebabkan terjadinya pengulangan pengiriman akibat pengiriman yang terlewat. Salah satu solusi untuk mengatasi kelemahan dari home delivery yaitu dengan melakukan pengiriman barang ke lokasi lain yang dikunjungi oleh pelanggan (roaming delivery). Untuk menyelesaikan permasalahan tersebut akan dimodelkan dalam bentuk VRPRDL. VRPRDL adalah varian dari VRP dan merupakan model optimasi dimana setiap pelanggan memiliki lebih dari satu lokasi pengiriman dalam rencana perjalanan, dan masing-masing lokasi memiliki time windows, sehingga pengiriman barang dilakukan dengan menyesuaikan time windows yang dimiliki oleh setiap lokasi. Pada tugas akhir ini digunakan metode Simulated Annealing (SA) untuk menyelesaikan VRPRDL. Penentuan solusi awal dalam metode SA pada tugas akhir ini dilakukan dengan menggunakan metode Nearest Neighbor (NN). Implementasi program untuk contoh kasus dengan data 1 depot dan 30 pelanggan dimana masing-masing pelanggan memiliki dua lokasi pengiriman memperlihatkan bahwa penggunaan roaming delivery dapat menghemat total biaya sebesar 51,31% dibandingkan home delivery.

---

The growth of e-commerce has made people more interested to shop online which resulted in increased activity of sending goods. In the process of sending goods there is the term last mile delivery. Last mile delivery is the last stage of the delivery process of goods, where goods are delivered to the customer's final destination. At last mile deliveries typically customer order items will be delivered to the customer's home, or commonly referred to as home deliveries. But home delivery has several possible drawbacks, one of which is that if delivery of goods is made while the customer is not at home, it will lead to a repeat of deliveries due to missed deliveries. One solution to address the weakness of home delivery is to make delivery of goods to other locations visited by customers (roaming deliveries). To resolve the issue will be modeled in the form of VRPRDL. VRPRDL is a variant of VRP and is an optimization model whereby each customer has more than one delivery location in the travel plan, and each location has time windows. so the delivery of goods is done by adjusting the time windows owned by each location. In this final task a Simulated Annealing (SA) method is used to complete VRPRDL. Determination of the initial solution in the SA method in this final task is performed by using the Nearest Neighbor (NN) method. The implementation of the program for example cases with data of 1 depot and 30 customers where each customer has two delivery locations shows that using roaming delivery can save a total cost of 51,31% compared to home delivery."

"Perkembangan e-commerce dari tahun ke tahun semakin meningkat seiring dengan adanya perubahan perilaku belanja daring. Hal ini mengakibatkan kegiatan Last Mile Delivery (LMD) meningkat. LMD merupakan perjalanan terakhir dari proses pengantaran barang. Seiring dengan meningkatnya kegiatan LMD dan banyaknya pilihan layanan LMD yang tersedia di Indonesia dengan karakteristik layanan yang berbeda-beda, maka diperlukan kajian untuk mengevaluasi berbagai sistem layanan LMD. Tujuan dari penelitian ini adalah untuk menganalisis pilihan pelanggan terhadap berbagai sistem layanan LMD berdasarkan faktor-faktor yang mempengaruhi pilihan. Penelitian dilakukan dengan penyebaran kuesioner. Hasil kuesioner berupa urutan faktor kepentingan responden dalam memilih layanan LMD selanjutnya diolah dengan menggunakan metode Analytical Hierarchy Process (AHP). Hasil penelitian menunjukkan bahwa faktor biaya pengiriman merupakan faktor yang paling mempengaruhi pelanggan dalam menentukan pilihan layanan LMD dengan bobot sebesar 61,2%, selanjutnya faktor durasi pengiriman dengan bobot 27,8%, dan faktor eksternalitas dengan bobot 11%. Dengan meninjau dari tiga faktor tersebut, layanan Lazy Delivery merupakan jenis layanan LMD yang paling dipilih oleh pelanggan dengan bobot 43,09%, diikuti dengan layanan Fast Delivery 1 dengan bobot 19%, Fast Delivery 2 dengan bobot 15,2%, dan Super Fast Delivery dengan bobot 11,77%. Hasil penelitian ini dapat dijadikan pertimbangan perancangan sistem LMD kedepannya bagi para pemangku kepentingan penyedia layanan LMD.

---

The development of e-commerce from year to year is increasing in line with changes in the behavior of customers who dare to shop. This has also increased Last Mile Delivery (LMD) activities. LMD is the last journey of a process of delivering goods. Along with LMD activities and the many choices of LMDs available in Indonesia with different service characteristics, it is necessary to study various LMD service systems. The purpose of this study is to analyze the customer's choice of various LMD service systems based on the factors that influence the choice (delivery duration, delivery cost, and externalities). The research was conducted by collecting respondent data using a survey questionnaire from 35 respondents who had made bold shopping and lived in Jabodetabek. The results of the questionnaire in the form of a sequence of respondents' interest factors in choosing LMD services were then processed using the Analytical Hierarchy Process (AHP) method. The results showed that the shipping cost factor is a factor that influences customers in determining the choice of LMD services with a weight of 61.2%, followed by a delivery duration factor with a weight of 27.8%, and an externality factor with a weight of 11%. By reviewing these three factors, Lazy Delivery service is the most preferred type of LMD service by customers with a weight of 43.09%, followed by Fast Delivery 1 with a weight of 19%, Fast Delivery 2 with a weight of 15.2%, and Super Fast Shipping with a weight of 11.77%. The results of the study can be used as considerations for future LMD system design for stakeholders of LMD service providers."

"Last mile delivery merupakan proses yang dilakukan oleh pihak logistik untuk mengirim dan mengantarkan paket ke penerima. Lokasi hub yang optimal dapat mengurangi biaya transportasi karena secara langsung mempengaruhi arus barang. Tujuan penentuan lokasi hub yang cocok adalah untuk membentuk arus sambungan pengiriman barang yang efisien sehingga barang dapat didistribusikan secepat mungkin ke penerima akhir barang. Dalam penelitian ini penulis menggunakan studi kasus pada sebuah perusahaan ekspedisi di Indonesia untuk coverage area Depok dan menggunakan metode Facility Location Problem untuk mengetahui lokasi dan jumlah hub yang paling tepat untuk mengcover seluruh area dengan mempertimbangkan coverage area dan biaya bangunan hub yang dipilih. Hasil optimasi mampu memberikan solusi pilihan gudang dengan biaya sewa gudang yang lebih murah dan biaya transportasi yang lebih murah di spesifikasi jumlah gudang yang lebih banyak. Sebagai contoh skenario jangkauan 10 Km, menyediakan jumlah gudang sebanyak 4 gudang dengan titik pengantaran terjauh sebesar 9,3 Km memiliki total biaya sebesar Rp 6.500.363.150 atau 12% lebih rendah biaya dibanding kondisi existing.

---

Last mile delivery is a process carried out by logistics parties to send and deliver packages to recipients. Optimal hub locations can lead to reduced transportation costs as they directly affect the flow of goods. The purpose of determining a suitable location for the hub is to establish an efficient flow of goods delivery connections so that goods can be distributed as quickly as possible to the final recipient of the goods. In this study, the author uses a case study in an expedition company in Indonesia for the Depok area coverage and uses the Facility Location Problem method to find out the most appropriate location and number of hubs to cover the entire area by considering the coverage area and cost of the selected hub building. The optimization results are able to provide a warehouse choice solution with cheaper warehouse rental costs and cheaper transportation costs in specifications for a larger number of warehouses. As an example of a 10 Km coverage scenario, providing 4 warehouses with the furthest delivery point of 9.3 Km has a total cost of IDR 6,500,363,150 or 12% lower cost than the existing condition."

"Makalah proyek akhir ini menganalisis pengaruh crowdsourcing (selanjutnya disebut urun daya) dan representasi terhadap kredibilitas infomasi museum di Indonesia. Tujuan penelitian ini adalah mengidentifikasi pengaruh urun daya terhadap kredibilitas, mengidentifikasi pengaruh representasi terhadap kredibilitas, mengidentifikasi pengaruh urun daya dan representasi terhadap kredibilitas. Metode penelitian ini adalah survei dengan menggunakan kuesioner untuk pengumpulan data. Data penelitian dianalisis dengan SPSS 26. Jumlah responden sebanyak 65 pengelola museum yaitu kepala museum, kurator, dan humas (media sosial). Berdasarkan hasil penelitian dapat disimpulkan bahwa terdapat pengaruh positif dan signifikan antara urun daya dengan kredibilitas pada museum di Indonesia, terdapat pengaruh secara signifikan representasi terhadap kredibilitas, urun daya dan representasi secara simultan berpengaruh signifikan terhadap kredibilitas. Kesimpulan penelitian ini adalah 3 variabel yang telah ditentukan semuanya secara langsung dan tidak langsung berpengaruh signifikan antara variabel satu dengan yang lainnya. Dapat dipastikan bahwa urun daya dan representasi koleksi mempengaruhi kredibilitas informasi koleksi museum di Indonesia. Penelitian ini menyarankan agar museum yang telah menerapkan konsep urun daya dapat merancang platform urun daya untuk meningkatkan sosialisasi online sehingga partisipasi serta kontribusi orang banyak (crowd) untuk proyek urun daya warisan dokumenter akan stabil dan meningkat. Kedua adalah dengan mengoptimalkan keterampilan teknis pengelola museum, memungkinkan museum dengan keterbatasan dana untuk menggunakan media sosial guna menekan biaya. Ketiga adalah koefisein determinasi dari urun daya dan representasi secara simultan terhadap kredibilitas sebesar 0,475 masih tergolong rendah, sehingga perlu ditingkatkan dengan penambahan variabel.

---

This final project paper analyzes the effect of crowdsourcing and representation on the kredibilitas of museum information in Indonesia. The purpose of this study is to identify the effect of urun daya on kredibilitas, identify the effect of representativeness on kredibilitas, identify the effect of urun daya and representativeness on kredibilitas. This research method is a survey using a questionnaire for data collection. Research data were analyzed using SPSS 26. The number of respondents was 65 museum managers, namely museum heads, curators, and public relations (social media). Based on the results of the study it can be concluded that there is a positive and significant influence between urun daya and kredibilitas in museums in Indonesia, there is a significant influence of representativeness on kredibilitas, urun daya and representativeness simultaneously have a significant effect on kredibilitas. The conclusion of this study is that the 3 variables that have been determined directly and indirectly have a significant effect between one variable and another. It is certain that crowdsourcing and collection representation affect the kredibilitas of information on museum collections in Indonesia. This research suggests that museums that have implemented the concept of crowdsourcing can design crowdsourcing platforms to increase online socialization so that the participation and contribution of the crowd to crowdsourced documentary heritage projects will be stable and increase. The second is by optimizing the technical skills of museum managers, enabling museums with limited funds to use social media to reduce costs. Third, the coefficient of determination of urun daya and representativeness simultaneously on kredibilitas of 0,475 is still relatively low, so it needs to be increased by adding variables."

"Pengiriman barang merupakan salah satu kegiatan umum masyarakat yang semakin sering dilakukan akibat peningkatan pengguna sarana belanja dalam jaringan (daring). Peningkatan kegiatan belanja daring mengakibatkan permintaan terhadap jasa pengiriman barang juga mengalami peningkatan. Hal ini juga berdampak pada meningkatnya masalah pengiriman barang terkait masalah lingkungan seperti meningkatnya polusi udara dan juga efisiensi pengiriman barang. Oleh karena itu, dibutuhkan suatu solusi untuk mengatasi masalah lingkungan serta menambah efisiensi pengiriman barang di tahap terakhirnya. Penelitian ini berfokus pada tahap last-mile delivery, yaitu tahap barang dikirimkan dari depot terakhir ke lokasi pelanggan dengan memanfaatkan penggunaan truk pengiriman dan digabung dengan drone. Kombinasi truk dan drone dipandang sebagai solusi yang inovatif. Drone yang menggantikan pengiriman dengan kendaraan bermotor tidak menghasilkan polusi yang biasanya dihasilkan oleh kendaraan berbahan bakar minyak bumi. Kemacetan juga dapat dihindari oleh drone sehingga waktu pengiriman bisa dipersingkat. Drone dapat dengan mudah melakukan pengiriman ke tempat-tempat yang tidak bisa dijangkau oleh kendaraan pengirim barang seperti truk. Dibalik semua kelebihannya, drone memiliki beberapa kendala yaitu harganya yang mahal sehingga menimbulkan keterbatasan kesediaan drone dan juga keterbatasan jangkauan terbangnya. Metode clustering diperkenalkan untuk mengatasi batasan tersebut. Pada penelitian ini digunakan metode Hierarchical Agglomerative Clustering (HAC) dengan mempertimbangkan jumlah drone yang tersedia dan jangkauan terbang maksimum dari drone. Hasil pengelompokkan kemudian digunakan untuk mencari rute optimal dengan metode Tabu Search (TS). Kedua metode ini diimplementasikan pada data simulasi sebanyak 90 pelanggan. Biaya pengiriman yang terdiri dari biaya operasional drone, biaya operasional truk, biaya penggunaan drone serta biaya penggunaan truk akan diminimalkan. Hasil berupa biaya pengiriman, jarak tempuh serta waktu tempuh yang diperoleh dibandingkan dengan hasil dari clustering data berdasarkan jarak tanpa memaksimalkan penggunaan drone serta memperhatikan batasannya. Implementasi HAC dan TS memberikan hasil pengurangan waktu sekitar 45%, pengurangan jarak sekitar 70% dan pengurangan biaya pengiriman sekitar 9%.

---

Goods delivery is a common activity in the society, and it’s becoming more frequent with the existence of online shopping. The surge in online shopping has led to a heightened demand for delivery services. This increase in demand impacts environmental concerns such as escalating air pollution and the efficiency of parcel delivery. Consequently, there’s a need for a solution to address environmental issues and enhance the efficiency of last-mile delivery. This research focuses on the last-mile delivery stage, specifically the movement of goods from the final depot to the customer’s location, utilizing a combination of delivery trucks and drones. The integration of trucks and drones is seen as an innovative solution. Drones, replacing motor vehicles in delivery, reduce pollution typically generated by fossil fuel-powered vehicles. Additionally, drones can evade traffic congestion, shortening delivery times, and easily access locations inaccessible to trucks. However, despite their advantages, drones have constraints, including high costs leading to limited availability and flight range limitations. Clustering methods are introduced to address these constraints. This study employs the Hierarchical Agglomerative Clustering (HAC) method, considering the available number of drones and their maximum flight range. The resulting clusters are then utilized to determine the optimal routes using the Tabu Search (TS) method. Both of this method is implemented on a simulation data of 90 customers. Delivery cost that includes drone operational cost, truck operational cost, drone cost, and truck cost is minimized. The result (delivery cost, distance traveled, and duration) are compared to clustering based on distance only without maximized drones available or consider its constraints. The implementation of HAC and TS provides a reduction in time of around 45%, a distance reduction of about 70%, and a shipping cost reduction of about 9%."