Estimasi Biaya Jasa Pelayanan Kapal di Pelabuhan dengan Memanfaatkan Data Automatic Identification System (AIS)

Wiraguna, Djohan Samoedera (2024) Estimasi Biaya Jasa Pelayanan Kapal di Pelabuhan dengan Memanfaatkan Data Automatic Identification System (AIS). Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5019201061-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 April 2026. Download (4MB) | Request a copy

Abstract

Aspek transportasi laut menjadikan pelabuhan menjadi penopang dalam pintu gerbang kapal masuk ke suatu wilayah. Pelayanan jasa terhadap kapal-kapal yang tiba di pelabuhan harus dilakukan secara efektif, efisien, berorientasi teknologi digital, dan terhindar dari pungutan liar. Salah satu yang bisa dilakukan adalah pengawasan dalam biaya pelayanan jasa kapal. Perlu dilakukan tindakan yang bisa mengontrol arus transaksi biaya pelayanan kapal. Hal itu bisa dilakukan dengan penelitian terkait estimasi biaya jasa pelayanan kapal di pelabuhan dengan memanfaatkan data Automatic Identification System. Penelitian ini bertujuan untuk mengetahui model machine learning yang dapat menjustifikasi biaya di lapangan. Dalam menunjang penelitian ini, dilakukan dengan metode machine learning dengan algoritma Random Forest. Machine learning menggunakan pendekatan data historis sebagai data input untuk bisa membuat model prediksi dari data lain yang keluarannya memiliki label “STATE”. Algoritma ini menjadi algoritma yang mudah dipelajari dan memiliki tingkat akurasi yang cukup baik dibandingkan dengan algoritma lainnya. Keluaran setiap kapal akan dilakukan perumusan untuk menentukan biaya labuh, biaya pandu, biaya tunda, dan biaya tambat. Semua biaya tersebut menggunakan perumusan yang disusun oleh Pelindo dan KSOP. Hasil yang didapat akan dibandingkan dengan kebenaran data biaya sesungguhnya yang didapat dari LHGK dan Data Produksi kapal. Namun, biaya tambat tidak dapat dijustifikasi dengan akurasi yang baik karena data yang dibutuhkan tidak bisa didapatkan. Dari hasil justifikasi, didapat bahwa nilai eror perbandingan antara biaya estimasi dengan biaya eksisting memiliki keberagaman. Biaya labuh tidak memiliki nilai error, biaya pandu sebesar -0.435, biaya tunda sebesar -35.088, dan biaya tambat sebesar -0.505. Tanda negatif memiliki arti kecenderungan data yang lebih besar di biaya estimasi daripada biaya eksisting. Keempat hasil tersebut memiliki kekurangan dalam mendeteksi pola pergerakan kapal yang dinamis.
=================================================================================================================================
The aspect of sea transportation makes the port a pillar in the gateway of ships entering an area. Service for ships arriving at the port must be carried out effectively and efficiently, and digitally technology-oriented to avoid illegal levies. One thing that can be done is to supervise ship service costs. Measures need to be taken to control the flow of ship service cost transactions. This can be done with research on estimating the cost of ship services at the port using Automatic Identification System data. This research aims to discover machine learning models that can justify costs in the field. A machine learning method with the Random Forest algorithm was used to support this research. Machine learning uses a historical data approach as input data to create a prediction model from other data whose output has the label "STATE." This algorithm is easy to learn and has a pretty good accuracy rate compared to other algorithms. The output of each vessel will be formulated to determine the cost of anchorage, pilotage, towage, and berth costs. All of these costs use formulations compiled by Pelindo and KSOP. The results obtained will be compared with the truth of the actual cost data obtained from LHGK and ship Production Data. However, berth cost cannot be justified accurately because the required data cannot be obtained. The justification results show that the error value of the comparison between the estimated cost and the existing cost has diversity. Anchorage cost has no error value; pilotage cost is -0.435, towage cost is -35.088, and berth cost is -0.505. The negative sign means that the data trend is more significant in the estimated cost than the existing cost. The four results need to be improved in detecting dynamic ship movement patterns.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	AIS, Machine Learning, Ship Service, Random Forest, Terminal Teluk Lamong, Pelayanan Kapal
Subjects:	H Social Sciences > HA Statistics > HA31.7 Estimation H Social Sciences > HB Economic Theory > Economic forecasting--Mathematical models. H Social Sciences > HE Transportation and Communications > HE564.A1 Shipping Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. Q Science > QA Mathematics > QA9.58 Algorithms V Naval Science > V Naval Science (General) > V220 Naval ports, bases, reservations, docks, etc.
Divisions:	Faculty of Marine Technology (MARTECH) > Marine Engineering > 36202-(S1) Undergraduate Thesis
Depositing User:	Djohan Samoedera Wiraguna
Date Deposited:	19 Feb 2024 17:41
Last Modified:	19 Feb 2024 17:41
URI:	http://repository.its.ac.id/id/eprint/107571

Actions (login required)

View Item