Model Klasterisasi Pelabuhan di Wilayah Maluku dan Sekitarnya

Ikhlas SA., M. Hanif (2023) Model Klasterisasi Pelabuhan di Wilayah Maluku dan Sekitarnya. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 04411840000015_Undergraduate_Thesis.pdf Restricted to Repository staff only until April 2025. Download (14MB) | Request a copy

Abstract

Dalam memantau pelabuhan di suatu kawasan seperti untuk keperluan pengembangan konektivitas, dapat menggunakan pendekatan pengelompokkan/segmentasi. Di Indonesia sudah terdapat sistem klasifikasi pelabuhan laut berupa hierarki pelabuhan utama, pengumpul, pengumpan regional, dan pengumpan lokal. Pengelompokan ini mengesampingkan karakteristik unik dari setiap pelabuhan, karena setiap pelabuhan memiliki karakteristik yang beragam, termasuk pelabuhan di wilayah Maluku dan Maluku Utara. Untuk mengisi celah tersebut, dapat digunakan pendekatan klasterisasi. Tugas Akhir ini bertujuan untuk meninjau keterkaitan antara potensi pengembangan konektivitas dengan operasional pelabuhan dengan metode klasterisasi berjenis K-Means Clustering. Sebelum melakukan proses klasterisasi, dilakukan analisis potensi peningkatan konektivitas (aksesibilitas) dengan menghitung tingkat nilai aksesibilitas geografis dan potensial pelabuhannya pada muatan peti kemas, kargo umum, curah, dan penumpang. Dari hasil analisis potensi peningkatan konektivitasnya didapatkan bahwa Pelabuhan Kaiwatu/Moa berpotensi untuk ditingkatkan pada muatan peti kemas dan kargo umum. Kemudian dilakukan proses klasterisasi dengan menggunakan data hasil analisis potensi peningkatan konektivitas beserta data dari indikator lain (total terdapat 12 indikator dan 25 atribut data) untuk mengetahui keterkaitan antara hasil analisis potensi pengembangan konektivitasnya dengan tinjauan operasionalnya. Hasil proses klasterisasinya terbagi menjadi 4 (empat) klaster, yakni, (i) Klaster I yang terdiri dari 11 pelabuhan yaitu Dobo, Tual, Saumlaki, Bula, Amahai, Daruba, Laiwui, Falabisahaya, Tobelo, Babang, dan Buli; (ii) Klaster II yang terdiri dari Pelabuhan Weda; (iii) Klaster III yang terdiri dari Pelabuhan Namlea dan Kaiwatu/Moa; serta (iv) Klaster IV yang terdiri dari Pelabuhan Ternate dan Ambon. Dari hasil rekapitulasi berdasarkan peringkat kinerja klaster dengan menggunakan 22 atribut, didapatkan bahwa Klaster I tidak unggul pada satupun atribut, Klaster II unggul pada 3 (tiga) atribut, Klaster III unggul pada 6 (enam) atribut dan Klaster IV unggul pada 13 atribut. Klaster III, dimana terdapat Pelabuhan Kaiwatu/Moa, memiliki potensi untuk meningkatkan konektivitas berdasarkan nilai potensial aksesibilitas yang tinggi, namun rendah pada aspek lainnya.

=============================================================================================================================

In monitoring ports located in an area for developing connectivity, a grouping/segmentation approach can be used. In Indonesia, there is already a seaport classification system in the form of a hierarchy of main ports, collectors, regional feeders and local feeders. This classification approach overrides the unique characteristics of each port, because each port has various characteristics, including ports in the Maluku and North Maluku regions. To fill this gap, a clustering approach can be used. This Final Project aims to evaluate the relationship between the potential for connectivity development and port operational using the K-Means Clustering method. Before conducting the clustering process, an analysis of the potential for developing connectivity (accessibility) is carried out by calculating the values level of geographical accessibility and port potential for container, general, bulk and passenger cargo. From the results of an analysis of the potential for connectivity development, it was found that the Port of Kaiwatu/Moa has the potential to be increased in container and general cargo. Then a clustering process is carried out using data from the analysis of the potential for connectivity development along with data from other indicators (a total of 12 indicators and 25 data attributes) to determine the correlation between the results of the analysis of the potential for connectivity development and port operational review. The results of the clustering process are divided into 4 (four) clusters namely, (i) Cluster I which consist of 11 ports: Dobo, Tual, Saumlaki, Bula, Amahai, Daruba, Laiwui, Falabisahaya, Tobelo, Babang, and Buli; (ii) Cluster II only has Weda Port; (iii) Cluster III consists of Port Namlea and Kaiwatu/Moa; as well as (iv) Cluster IV consists of the Ports of Ternate and Ambon. After doing cluster performance rankings using 22 attributes, it is found that in Cluster I all attributes equal behaviours, Cluster II excels on 3 (three) attributes, Cluster III excels on 6 (six) attributes and Cluster IV excels on 13 attributes. Cluster III, which there are Kaiwatu/Moa Ports, has the potential to improve its connectivity based on its high potential accessibility value, but are low in other aspects.

Item Type:	Thesis (Masters)
Additional Information:	RSKe 519.53 MHa m-1 2023
Uncontrolled Keywords:	Atribut, Indikator, Klaster, Klasterisasi, Konektivitas. Attributes, Clusters, Clustering, Connectivity, Indicators.
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis T Technology > TE Highway engineering. Roads and pavements > TE7 Transportation--Planning
Divisions:	Faculty of Marine Technology (MARTECH) > Marine Transportation Engineering > 21207-(S1) Undergraduate Thesis
Depositing User:	M. Hanif Ikhlas S.A.
Date Deposited:	15 Feb 2023 05:51
Last Modified:	18 Sep 2023 05:20
URI:	http://repository.its.ac.id/id/eprint/97411

Actions (login required)

View Item