Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK

Dionaea adalah honeypot yang memiliki tujuan utama mendapatkan salinan dari malware. Setelah mendapatkan salinannya, proses knowledge discovery dilakukan untuk mendapatkan informasi dari database Dionaea. Dua alasan utama penggunaan knowledge discovery adalah data terlalu banyak namun informasinya sedikit, dan untuk mengekstrak informasi yang berguna dan menafsirkannya. Proses knowledge discovery memiliki beberapa fase, yaitu pembersihan data, seleksi data, transformasi data, prekalkulasi, data mining, evaluasi pola, dan penyajian informasi. Proses data mining menggunakan variasi algoritma DBSCAN, yaitu multidensity DBSCAN. Analisis dibagi menjadi dua, yaitu analisis cluster dan dataset. Analisis cluster menjelaskan hubungan antara lokasi negara penyerang berdasarkan daerah Internet Registry-nya dan persentase deteksi malware berdasarkan beberapa vendor antivirus. Dari analisis dataset, didapatkan informasi bahwa malware yang paling sering digunakan penyerang atau tren malware, berjenis Downadup, yaitu sebesar 71.1%. Negara yang paling sering menyerang adalah Rusia dan beberapa negara Eropa. Sebagai pembanding, laporan tahunan yang dipublikasi Microsoft, ENISA, dan F-Secure pada akhir 2014 menunjukkan tren malware yang sama, yaitu berjenis Downadup.

---

ABSTRACT

The main purpose of implementation of Dionaea is to get copy of malwares. After that, knowledge discovery is applied to get information from Dionaea?s database. Two main reasons to use data mining method are data is too large but only contain few informations, and to extract useful informations and interpret them. Knowledge discovery process have several steps, they are data cleaning, data selection, data transformation, precalculation, data mining, pattern evaluation, and knowledge representation. Data mining process uses multidensity DBSCAN. There are two main sections of analysis, cluster analysis and dataset analysis. Cluster analysis show the relation between attackers? country location which is based on their Regional Internet Registry and malware detection rate from several antivirus vendor. Dataset analysis shows the most frequent country whose attacker is Conficker variant, 71.1% of all dataset is Conficker worm incident and the mode of attacker country is Russia and severals Europe countries. This outputs show similarity about threat landscape and malware in Asia, compared to annual report by Microsoft, Enisa, and F-Secure which was published at the end of 2014, which stated Downadup as most frequent malware.

Abstrak :

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).

Abstrak :
Pendeteksian topik merupakan suatu proses pengidentifikasian suatu tema sentral yang ada dalam kumpulan dokumen yang luas dan tidak terorganisir. Hal ini merupakan hal sederhana yang bisa dilakukan secara manual jika data yang ada hanya sedikit. Untuk data yang banyak dibutuhkan pengolahan yang tepat agar representasi topik dari setiap dokumen didapat dengan cepat dan akurat sehingga machine learning diperlukan. BERTopic adalah metode pemodelan topik yang memanfaatkan teknik clustering dengan menggunakan model pre-trained Bidirectional Encoder Representations from Transformers (BERT) untuk melakukan representasi teks dan Class based Term Frequency Invers Document Frequency (c-TF-IDF) untuk ekstraksi topik. Metode clustering yang digunakan pada penelitian ini adalah metode ­K-Means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN), dan Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). BERT dipilih sebagai metode representasi teks pada penelitian ini karena BERT merepresentasikan suatu kalimat berdasarkan sequence-of-word dan telah memperhatikan aspek kontekstual kata tersebut dalam kalimat. Hasil representasi teks merupakan vektor numerik dengan dimensi yang besar sehingga perlu dilakukan reduksi dimensi menggunakan Uniform Manifold Approximation and Projection (UMAP) sebelum clustering dilakukan. Model BERTopic dengan tiga metode clustering ini akan dianalisis kinerjanya berdasarkan matrik nilai coherence, diversity, dan quality score. Nilai quality score merupakan perkalian dari nilai coherence dengan nilai diversity. Hasil simulasi yang didapat adalah model BERTopic menggunakan metode clustering K-Means lebih unggul 2 dari 3 dataset untuk nilai quality score dari kedua metode clustering yang ada. ......Topic detection is the process of identifying a central theme in a large, unorganized collection of documents. This is a simple thing that can be done manually if there is only a small amount of data. For large amounts of data, proper processing is needed to represent the topic of each document quickly and accurately, so machine learning is required. BERTopic is a topic modeling method that utilizes clustering techniques by using pre-trained Bidirectional Encoder Representations from Transformers (BERT) models to perform text representation and Class based Term Frequency Inverse Document Frequency (c-TF-IDF) for topic extraction. The clustering methods used in this research are the K-Means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN), and Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). BERT was chosen as the text representation method in this research because BERT represents a sentence based on sequence-of-words and has considered the contextual aspects of the word in the sentence. The result of text representation is a numeric vector with large dimensions, so it is necessary to reduce the dimensions using Uniform Manifold Approximation and Projection (UMAP) before clustering is done. The BERTopic model with three clustering methods will be analyzed for performance based on the matrix of coherence, diversity, and quality score values. The quality score value is the multiplication of the coherence value with the diversity value. The simulation results obtained are the BERTopic model using K-Means clustering method is superior to 2 of the 3 datasets for the quality score value of the two existing clustering methods.

Abstrak :
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.

Abstrak :
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.

Abstrak :
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.

Abstrak :
Perkembangan teknologi memainkan peran penting dalam peningkatan jumlah pengguna e-commerce di Indonesia yang kemudian menyebabkan peningkatan signifikan dalam volume pengiriman paket. Namun, peningkatan ini juga menimbulkan masalah terkait emisi gas rumah kaca terutama pada tahap pengiriman terakhir yang sering melibatkan penggunaan kendaraan bermotor. Selain itu, terdapat pula kendala ketika tempat tujuan sulit dicapai dengan menggunaan kendaraan bermotor pada tahap pengiriman terakhir. Oleh karena itu, perlu dicari solusi yang tidak hanya mengurangi dampak lingkungan, namun juga dapat meningkatkan aksesibilitas pada tahap pengiriman terakhir. Penelitian ini mengintegrasikan penggunaan truk dan drone yang bertujuan untuk mengurangi emisi gas rumah kaca dan mengatasi kendala aksesibilitas dengan kemampuan drone. Metode yang digunakan melibatkan penerapan Constrained Density-Based Spatial Clustering of Applications with Noise (Constrained DBSCAN) untuk melakukan proses clustering terhadap data pelanggan dengan mempertimbangkan kendala jumlah drone yang tersedia dan daya jangkau drone serta penerapan Tabu Search untuk merancang rute pengiriman yang optimal dengan mempertimbangkan kendala time windows pada depot dan seluruh cluster. Implementasi kedua metode tersebut digunakan pada data 90 pelanggan. Constrained DBSCAN dapat mengurangi 63.16% jumlah cluster, mengurangi 69.61% total jarak tempuh rute, mengurangi 44.89% total waktu tempuh rute, dan penurunan 8.73% nilai fungsi objektif jika dibandingkan dengan yang diperoleh dari clustering secara intuitif. ......Technological advancements play a pivotal role in the surge of e-commerce users in Indonesia, subsequently resulting in a substantial increase in parcel delivery volumes. However, this upswing poses challenges related to greenhouse gas emissions, particularly in the last-mile delivery stage that frequently relies on motorized vehicles. Additionally, difficulties arise when the destination is hard to reach using motorized vehicles during the final delivery stage. Hence, a solution is imperative, one that not only mitigates environmental impacts but also enhances accessibility in the last-mile delivery stage. This research integrates the use of trucks and drones with the aim of reducing greenhouse gas emissions and overcoming accessibility constraints through drone capabilities. The methodology employed involves the application of Constrained DBSCAN for clustering customer data, considering constraints such as the available number of drones and drone range. Tabu Search is then implemented to design optimal delivery routes, taking into account time window constraints at depots and across all clusters. Both methods are applied to data representing 90 customers. The implementation of these approaches shows promise in addressing the challenges posed by the last-mile delivery stage, offering a balanced solution that not only reduces environmental impact but also enhances efficiency in the delivery process. Constrained DBSCAN can decrease 63.16% of the number of clusters, decrease 69.61% of the total route distance, decrease 44.89% of the total route time, and decrease 8.73% of the objective function value when compared to that derived from clustering with intuition.

Abstrak :
Banyaknya pulau di Indonesia dibutuhkan moda transportasi untuk meningkatkan konektivitas antar pulau khususnya di wilayah 3T. Saat ini pelayaran perintis menjadi moda transportasi yang tugaskan oleh pemerintah untuk melayani daerah 3T. Namun rute pelayaran perintis saat ini belum optimal dan tidak merata sehingga perlu dilakukan optimasi. Optimasi adalah merupakan aktivitas yang bertujuan untuk mendapatkan hasil terbaik nilai paling maksimal atau minimal bedasarkan fungsi dan tujuan yang ingin dicapai, dan tetap memenuhi fungsi kendala yang berlaku. Optimasi sendiri merupakan metode yang cukup penting untuk keberlanjutan akses transportasi laut khususnya pelayaran perintis di Kepulauan Maluku. Seluruh pelabuhan yang dilayani oleh pelayaran perintis diklasterkan menggunakan metode clustering Density-Based Spatial Clustering of Application with Noise (DBSCAN). Penelitian ini bertujuan untuk memberikan rekomendasi kebijakan untuk optimasi rute pelayaran perintis. Terdapat 7 klaster yang terbentuk untuk menyesuaikan ketersediaan kapal perintis yang berjumlah 7 kapal. Setiap klaster masing-masing dilakukan optimasi menggunakan Travelling Salesman Problem (TSP). hasil optimasi jauh lebih optimal dengan total jarak tempuh di tujuh klaster yang terbentuk sebesar 3101 NM dibandingkan dengan rute existing sebesar 6730 penurunan sebesar 53.92%. ...... The number of islands in Indonesia requires a mode of transportation to improve inter-island connectivity, especially in the 3T region. Currently pioneer shipping is a mode of transportation assigned by the government to serve the 3T area. However, the current perintis shipping route is not optimal and uneven, so optimization needs to be done. Optimization is an activity that aims to get the best results with the maximum or minimum value based on the function and objectives to be achieved, and still fulfill the function of the applicable constraints. Optimization itself is a method that is quite important for the sustainability of sea transportation access, especially perintis shipping in the Maluku Islands. All ports served by pioneer shipping are clustered using the Density-Based Spatial Clustering of Application with Noise (DBSCAN) clustering method. This study aims to provide policy recommendations for the optimization of pioneer shipping routes. There are 7 clusters formed to match the availability of 7 pioneer ships. Each cluster is optimized using the Traveling Salesman Problem (TSP). optimization results are much more optimal with the total distance traveled in the seven clusters formed of 3101 NM compared to the existing route of 6730, a decrease of 53.92%.

Abstrak :
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.

Abstrak :
Guna mempersiapkan kebutuhan yang terencana dan tidak terencana di masa depan, perlu adanya investasi sejak dini. Dalam berinvestasi, seorang investor dihadapkan pada permasalahan dalam menentukan jumlah aset yang optimal dan proporsi modal pada masing-masing aset dalam menyusun portofolio investasinya. Masalah ini adalah masalah pengoptimalan portofolio. Dalam menyusun portofolio perlu dilakukan diversifikasi yaitu menggabungkan aset dengan karakteristik yang berbeda untuk mengurangi risiko investasi. Clustering dapat digunakan sebagai strategi diversifikasi. Tujuan dari penelitian ini adalah untuk mengetahui strategi diversifikasi aset dalam portofolio dengan metode clustering Density Based Spatial Clustering of Applications with Noise (DBSCAN) dan memilih aset serta menentukan proporsi modal yang optimal pada setiap portofolio aset penyusun portofolio dengan Multi- objektif algoritma metaheurysitic Co-variance. Berbasis Artificial Bee Colony (M-CABC). DBSCAN adalah algoritma clustering berbasis kepadatan cluster yang dirancang untuk membentuk cluster dan menemukan noise dalam data. Algoritma M-CABC merupakan pengembangan dari algoritma Artificial Bee Colony (ABC) dengan menambahkan konsep statistic covariance untuk mempercepat konvergensi. Aset yang digunakan dalam penelitian ini adalah saham. Kami menggunakan lima data portfolio saham dengan persentase saham yang memiliki mean return negatif untuk setiap data yang berbeda. Implementasi dilakukan dalam tiga kasus metode yang berbeda: optimalisasi portofolio saham tanpa DBSCAN, optimalisasi portofolio saham dengan DBSCAN tanpa noise, dan optimalisasi portofolio saham dengan DBSCAN dengan noise. Hasilnya adalah besarnya persentase saham yang memiliki mean return pada data negatif berpengaruh terhadap pemilihan metode yang digunakan untuk memperoleh portofolio dengan risiko terkecil. ......In order to prepare for planned and unplanned needs in the future, it is necessary to invest from an early age. In investing, an investor is faced with problems in determining the optimal amount of assets and the proportion of capital in each asset in compiling his investment portfolio. This issue is a portfolio optimization problem. In compiling a portfolio, it is necessary to diversify, namely combining assets with different characteristics to reduce investment risk. Clustering can be used as a diversification strategy. The purpose of this study is to determine the diversification strategy of assets in portfolios with the Density Based Spatial Clustering of Applications with Noise (DBSCAN) clustering method and to select assets and determine the optimal proportion of capital in each portfolio compiler portfolio assets with the Multi-objective Co-variance metaheurysitic algorithm. . Based on Artificial Bee Colony (M-CABC). DBSCAN is a cluster density based clustering algorithm designed to form clusters and find noise in data. The M-CABC algorithm is a development of the Artificial Bee Colony (ABC) algorithm by adding the concept of statistical covariance to accelerate convergence. The assets used in this study are stocks. We use five stock portfolio data with the percentage of stocks that have a negative mean return for each of the different data. The implementation is carried out in three cases with different methods: optimization of stock portfolios without DBSCAN, optimizing stock portfolios with DBSCAN without noise, and optimizing stock portfolios with DBSCAN with noise. The result is the large percentage of stocks that have a mean return on negative data that affects the choice of the method used to obtain the portfolio with the smallest risk.