Melola Discovery

← Melola Discovery

Jurnal Tanpa peringkat SINTA

Optimalisasi Penentuan Rute Terbaik Pelayaran Berbasis Analisis Big Data untuk Efisiensi Bahan Bakar Kapal Laut

Jurnal Riset & Teknologi Terapan Kemaritiman · Vol. 3 No. 1 (2024) · hlm. 32–39

DOI
10.25042/jrt2k.062024.05
ISSN
2962-3359
Terbit
2024-06-25
Penerbit
Departemen Teknik Sistem Perkapalan, Universitas Hasanuddin
Bahasa
en

Abstrak

Penelitian ini bertujuan untuk mengoptimalkan rute pelayaran dengan menerapkan big data analytics guna meningkatkan efisiensi bahan bakar. Dengan memanfaatkan data real-time dan historis, studi ini mengidentifikasi rute paling efisien untuk meminimalkan konsumsi bahan bakar tanpa mengorbankan efektivitas operasional. Berbasis pada teori logistik maritim, analitik big data, dan efisiensi bahan bakar, penelitian ini menggabungkan model optimasi rute, prakiraan cuaca, serta analisis kinerja kapal untuk mendukung pengambilan keputusan navigasi. Selain itu, dampak regulasi IMO MARPOL Annex VI, khususnya EEDI dan SEEMP, turut dipertimbangkan dalam upaya optimalisasi efisiensi energi. Metode yang digunakan adalah pendekatan campuran, yang mengombinasikan analisis kuantitatif dari data AIS, laporan cuaca, serta catatan konsumsi bahan bakar dengan algoritma pembelajaran mesin untuk optimasi rute. Analisis korelasi Pearson mengevaluasi hubungan antara kecepatan, jarak, waktu tempuh, dan konsumsi bahan bakar. Studi kasus digunakan untuk memvalidasi model yang dikembangkan. Hasil penelitian menunjukkan bahwa konsumsi bahan bakar sangat dipengaruhi oleh kecepatan kapal, dengan kecepatan lebih tinggi meningkatkan konsumsi bahan bakar. Korelasi negatif ditemukan antara waktu tempuh dan konsumsi bahan bakar harian, menunjukkan bahwa pelayaran lebih lambat dapat meningkatkan efisiensi. Studi ini menekankan pentingnya pemrosesan data real-time dalam penyesuaian rute berdasarkan cuaca, kemacetan, dan efisiensi energi. Penelitian ini menawarkan pendekatan inovatif berbasis data dalam perencanaan rute, berbeda dari metode tradisional yang mengandalkan bagan statis dan pengalaman. Integrasi big data dalam logistik maritim dapat mengurangi emisi, menekan biaya, serta meningkatkan keberlanjutan operasional.

Kata kunci

Jaringan kolaborasi para penulis

8 penulis · 16 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Politeknik Pelayaran Surabaya
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Abdul Razak Bin Abdul HadiAfiliasi tidak diketahui1
Upik WidyaningsihAfiliasi tidak diketahui1
Anjar PamungkasAfiliasi tidak diketahui1
Deshinta Arrova DewiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jrt2k/oai, pertama di-harvest 2 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Optimalisasi Penentuan Rute Terbaik Pelayaran Berbasis Analisis Big Data untuk Efisiensi Bahan Bakar Kapal Laut</dc:title>
	<dc:creator xml:lang="en">Setiawan, Ariyono</dc:creator>
	<dc:creator xml:lang="en">Bin Abdul Hadi, Abdul Razak</dc:creator>
	<dc:creator xml:lang="en">Widyaningsih, Upik</dc:creator>
	<dc:creator xml:lang="en">Pamungkas, Anjar</dc:creator>
	<dc:subject xml:lang="en">Analisis Big Data</dc:subject>
	<dc:subject xml:lang="en">Optimasi Rute Maritim</dc:subject>
	<dc:subject xml:lang="en">Efisiensi Bahan Bakar</dc:subject>
	<dc:subject xml:lang="en">Logistik Pengiriman</dc:subject>
	<dc:subject xml:lang="en">IMO MARPOL Annex VI</dc:subject>
	<dc:subject xml:lang="en">Slow Steaming</dc:subject>
	<dc:subject xml:lang="en">Bahan Bakar Alternatif</dc:subject>
	<dc:description xml:lang="en">Penelitian ini bertujuan untuk mengoptimalkan rute pelayaran dengan menerapkan big data analytics guna meningkatkan efisiensi bahan bakar. Dengan memanfaatkan data real-time dan historis, studi ini mengidentifikasi rute paling efisien untuk meminimalkan konsumsi bahan bakar tanpa mengorbankan efektivitas operasional. Berbasis pada teori logistik maritim, analitik big data, dan efisiensi bahan bakar, penelitian ini menggabungkan model optimasi rute, prakiraan cuaca, serta analisis kinerja kapal untuk mendukung pengambilan keputusan navigasi. Selain itu, dampak regulasi IMO MARPOL Annex VI, khususnya EEDI dan SEEMP, turut dipertimbangkan dalam upaya optimalisasi efisiensi energi. Metode yang digunakan adalah pendekatan campuran, yang mengombinasikan analisis kuantitatif dari data AIS, laporan cuaca, serta catatan konsumsi bahan bakar dengan algoritma pembelajaran mesin untuk optimasi rute. Analisis korelasi Pearson mengevaluasi hubungan antara kecepatan, jarak, waktu tempuh, dan konsumsi bahan bakar. Studi kasus digunakan untuk memvalidasi model yang dikembangkan. Hasil penelitian menunjukkan bahwa konsumsi bahan bakar sangat dipengaruhi oleh kecepatan kapal, dengan kecepatan lebih tinggi meningkatkan konsumsi bahan bakar. Korelasi negatif ditemukan antara waktu tempuh dan konsumsi bahan bakar harian, menunjukkan bahwa pelayaran lebih lambat dapat meningkatkan efisiensi. Studi ini menekankan pentingnya pemrosesan data real-time dalam penyesuaian rute berdasarkan cuaca, kemacetan, dan efisiensi energi. Penelitian ini menawarkan pendekatan inovatif berbasis data dalam perencanaan rute, berbeda dari metode tradisional yang mengandalkan bagan statis dan pengalaman. Integrasi big data dalam logistik maritim dapat mengurangi emisi, menekan biaya, serta meningkatkan keberlanjutan operasional.</dc:description>
	<dc:publisher xml:lang="en">Departemen Teknik Sistem Perkapalan, Universitas Hasanuddin</dc:publisher>
	<dc:date>2024-06-25</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jrt2k/article/view/43242</dc:identifier>
	<dc:identifier>10.25042/jrt2k.062024.05</dc:identifier>
	<dc:source xml:lang="en">Jurnal Riset &amp; Teknologi Terapan Kemaritiman; Vol. 3 No. 1 (2024); 32-39</dc:source>
	<dc:source>2962-3359</dc:source>
	<dc:source>10.25042/jrt2k.062024</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jrt2k/article/view/43242/12737</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2025 Jurnal Riset &amp; Teknologi Terapan Kemaritiman</dc:rights>
</oai_dc:dc>