49971 research outputs found
Sort by
Sistem Pengenalan Pelat Nomor Menggunakan Metode YOLOv8 Dan PaddleOCR Pada Sistem Parkir Pintar
No full textSistem parkir berbasis RFID di Fakultas Vokasi ITS memunculkan antrean karena proses validasi yang memerlukan kontak fisik dan seringnya gangguan pembacaan sensor. Penelitian ini mengembangkan sistem Automatic License Pelate Recognition (ALPR) yang lebih cepat dan praktis dengan memadukan YOLOv8 untuk pendeteksian pelat dan PaddleOCR untuk pembacaan karakter. Dataset berisi 4,035 citra pelat nomor didapatkan dari rekaman lapangan serta Roboflow Universe, lalu diperbanyak melalui augmentasi rotasi ±15° dan variasi kecerahan guna meningkatkan keragaman dan mencegah overfitting. Model YOLOv8 dilatih hingga 100 epoch pada resolusi 640×640 piksel, sedangkan PaddleOCR menggunakan SVTR untuk mengidentifikasi karakter. Evaluasi pada 153 karakter uji menunjukkan precision 98,69 %, recall 98,69 %, dan F1-score 98,69 %. Sistem juga diuji pada jarak 50–200 cm dan intensitas cahaya 2–948 lux, akurasi optimal tercapai di atas 182 lux, menurun drastis pada 2 lux sehingga dibutuhkan pencahayaan tambahan. Pada sistem barrier gate, mikrokontroler ESP32 menggerakkan servo RDS3235 untuk membuka (90°) dan menutup (0°) gate dengan akurat. Hasil ini membuktikan bahwa integrasi deteksi, pengenalan, validasi database, dan barrier gate dapat bekerja secara end-to-end dalam skenario lapangan. kombinasi YOLOv8 dan PaddleOCR memenuhi kebutuhan untuk akurasi yang tinggi, sehingga layak diterapkan sebagai solusi parkir pintar di kampus maupun lingkungan serupa.
================================================================================================================================
RFID‑based parking at the ITS Vocational Faculty suffers from long queues because it still requires physical contact for card validation and is prone to reader failures. To overcome these bottlenecks, this study builds a fully contact-less Automatic License Plate Recognition (ALPR) system that couples YOLOv8 for plate detection with PaddleOCR for character recognition. A dataset of 4,035 motorcycle‑plate images captured on campus and sourced from Roboflow Universe was augmented through ±15° rotations and brightness shifts to enrich variability and curb overfitting. YOLOv8 was trained for 100 epochs at 640 × 640 px, while PaddleOCR handled character inference with SVTR. On a 153‑character test set the system achieved 98.69 % precision, 98.69 % recall, and a 98.69 % F1‑score. Field trials across 50 – 200 cm stand‑off distances and illuminance levels of 2 – 948 lux revealed that accuracy remains optimal above 182 lux but degrades sharply at 2 lux, indicating the need for supplementary lighting in dim environments. An ESP32 microcontroller reliably actuated an RDS3235 servo to open (90°) and close (0°) the barrier gate, completing the end‑to‑end workflow of detection, recognition, database validation, and gate control. These results demonstrate that integrating YOLOv8 and PaddleOCR delivers the high accuracy required for practical smart‑parking deployments. The proposed ALPR‑based gate system eliminates physical contact, shortens validation time, and is well‑suited for campuses and similar facilities seeking to modernize their access control infrastructure
Rancang Bangun Sistem Deteksi Dan Klasifikasi Sampah Otomatis Menggunakan Convolutional Neural Network Untuk Pengenalan Sampah Organik, Anorganik, Dan B3
No full textPengelolaan sampah di lingkungan Departemen Teknik Elektro Otomasi (DTEO) masih menghadapi kendala, khususnya pada proses pemilahan sampah yang belum berjalan secara efisien. Kurangnya sistem otomatis yang mampu membedakan jenis sampah secara real-time menjadi salah satu faktor yang menghambat pengelolaan yang terstruktur. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi dan pemilahan sampah otomatis berbasis Convolutional Neural Network (CNN) dengan algoritma YOLOv8. Sistem ini dirancang untuk mengenali tiga kategori utama sampah, yaitu organik, anorganik, dan bahan berbahaya dan Beracun (B3), dari citra yang ditangkap oleh kamera. Model YOLOv8n dilatih menggunakan 1000 gambar yang terbagi ke dalam sepuluh kelas objek. Hasil klasifikasi digunakan untuk mengontrol servo motor melalui mikrokontroler ESP32 agar sampah diarahkan ke tempat pembuangan yang sesuai. Sistem juga dilengkapi sensor load cell untuk mengukur berat dan sensor ultrasonik untuk mengukur volume sampah. Seluruh data klasifikasi dan hasil pembacaan sensor ditampilkan secara real-time melalui OLED dan dashboard web berbasis MySQL. Pengujian menunjukkan bahwa model mampu mencapai precision sebesar 1,00, dengan nilai recall dan F1-score berkisar antara 0,80 hingga 0,95. Sensor load cell menunjukkan akurasi tinggi dengan error maksimal sebesar 0,20%, sedangkan sensor ultrasonik mencatatkan hasil deteksi volume tanpa error. Hasil ini menunjukkan bahwa sistem mampu melakukan klasifikasi dan pemilahan sampah secara otomatis, akurat, dan responsif, serta berpotensi diterapkan untuk mendukung pengelolaan sampah yang lebih efektif di lingkungan kampus.
=================================================================================================================================
Waste management at the Department of Electrical Automation Engineering (DTEO) still faces several challenges, particularly in the sorting process, which has yet to operate efficiently. The lack of an automatic system capable of distinguishing waste types in real-time hinders structured waste handling. This study aims to develop an automatic waste classification and sorting system based on a Convolutional Neural Network (CNN) using the YOLOv8 algorithm. The system is designed to recognize three main categories of waste organic, inorganic, and hazardous and toxic materials (B3) from images captured by a camera. The YOLOv8n model was trained using 1,000 images divided into ten object classes. The classification results are used to control a servo motor via an ESP32 microcontroller, directing waste to the appropriate disposal bin. The system is also equipped with a load cell sensor to measure weight and an ultrasonic sensor to detect waste volume. All classification data and sensor readings are displayed in real-time via an OLED screen and a MySQL-based web dashboard. Testing showed that the model achieved a precision of 1.00, with recall and F1-score ranging from 0.80 to 0.95. The load cell sensor demonstrated high accuracy with a maximum error of 0.20%, while the ultrasonic sensor recorded volume measurements with zero error. These results indicate that the system can classify and sort waste automatically, accurately, and responsively, with the potential to support more effective waste management in campus environments
Rancang Bangun Prediksi Konsumsi Daya dan Estimasi Biaya pada Gedung Hutama Karya Tower Menggunakan Metode XGBoost
No full textGedung Hutama Karya Tower merupakan bangunan 17 lantai yang telah menerapkan Building Automation System (BAS) untuk mengotomatisasi pencatatan data dari kWh meter ABB B24 melalui sistem SCADA. Meskipun otomatisasi ini mampu meminimalkan kesalahan pencatatan manual, masih terdapat dua permasalahan utama, yaitu transparansi data yang belum optimal karena tenant tidak memiliki akses langsung ke informasi konsumsi listrik mereka, serta belum tersedianya alat bantu perencanaan anggaran yang dapat mendorong penggunaan energi secara lebih bijak. Sebagai solusi atas permasalahan tersebut, penelitian ini mengembangkan sistem prediksi konsumsi daya dan estimasi biaya listrik berbasis Jupyter Notebook dengan antarmuka Gradio. Data konsumsi listrik harian diekspor dari SCADA dalam format CSV, kemudian diolah menggunakan Python untuk memperoleh nilai konsumsi harian melalui perhitungan selisih kWh kumulatif. Dataset selanjutnya dibagi dengan rasio 80:20, di mana sebagian besar data digunakan untuk melatih model dan sisanya untuk menguji akurasi prediksi secara objektif. Nilai konsumsi harian yang telah diperoleh menjadi dasar pelatihan model prediksi menggunakan algoritma XGBoost dengan pendekatan sliding window tujuh hari berbasis autoregresi untuk memproyeksikan konsumsi pada bulan Mei 2025. Estimasi biaya listrik dihitung secara otomatis berdasarkan tarif yang berlaku. Evaluasi model prediksi dilakukan menggunakan tiga metrik utama, yaitu Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan Symmetric Mean Absolute Percentage Error (SMAPE). Hasil penelitian menunjukkan bahwa model XGBoost mampu memberikan performa prediksi yang cukup baik, dengan nilai rata-rata MAE sebesar 29,74 kWh, RMSE sebesar 40,60 kWh, dan SMAPE sebesar 29,17%. Akurasi prediksi cenderung lebih stabil pada tenant yang memiliki pola konsumsi listrik konsisten setiap bulannya. Seluruh hasil konsumsi aktual maupun prediksi divisualisasikan melalui dashboard interaktif berbasis Gradio, sehingga dapat diakses oleh tenant maupun pengelola gedung sebagai bentuk transparansi dan dukungan terhadap manajemen energi yang lebih bijak.
================================================================================================================================
Hutama Karya Tower is a 17 story building that has implemented a Building Automation System (BAS) to automate the recording of electricity usage from ABB B24 kWh meters via a SCADA system. Although this automation has minimized manual recording errors, two main issues remain, the lack of optimal data transparency, as tenants do not have direct access to their electricity consumption information, and the absence of budgeting tools that encourage wiser energy use. To address these challenges, this study develops a power consumption prediction and cost estimation system based on Jupyter Notebook with a Gradio interface. Daily electricity consumption data is exported from SCADA in CSV format and then processed using Python to obtain daily consumption values through the calculation of cumulative kWh differences. The dataset is split using an 80:20 ratio, with the majority of the data used to train the model and the remainder for objective prediction accuracy testing. The calculated daily consumption forms the basis for training the predictive model using the XGBoost algorithm, employing a seven-day sliding window autoregressive approach to forecast consumption for May 2025. Electricity cost estimates are generated automatically based on the applicable tariff. The predictive model is evaluated using three main metrics, Mean Absolute Error (MAE), Root Mean Square Error (RMSE), and Symmetric Mean Absolute Percentage Error (SMAPE). The results indicate that the XGBoost model provides fairly accurate predictions, with average MAE of 29,74 kWh, RMSE of 40,60 kWh, and SMAPE of 29,17%. Prediction accuracy tends to be more stable for tenants with consistent monthly electricity consumption patterns. All actual and predicted consumption results are visualized through an interactive dashboard powered by Gradio, enabling both tenants and building management to access the data as a means of promoting transparency and supporting more efficient energy management
Implementasi Sistem IoT untuk Monitoring Curah Hujan, Level Air, dan Remote Pintu Air dengan Protokol MQTT dan HTTP pada Pengelolaan Irigasi
No full textProyek Akhir dengan judul "Implementasi Sistem IoT untuk Monitoring Curah Hujan, Level Air, dan Remote Pintu Air dengan Protokol MQTT dan HTTP pada Pengelolaan Irigasi" berhasil memantau curah hujan dan level air, serta mengendalikan pintu air secara remote. Pengujian fungsionalitas sistem menunjukkan pengiriman data dari RUT ke AWS dan pengambilan data dari S3 Bucket menggunakan HTTP berjalan dengan baik. Pembacaan sensor curah hujan dan level air akurat, memungkinkan operator mengambil keputusan cepat dan tepat dalam menanggapi kondisi lapangan, seperti saat curah hujan tinggi (126 mm) pada 20 Juni 2025 yang menyebabkan kenaikan TMA signifikan, di mana operator berhasil menyesuaikan setpoint pintu air. Pengujian remote pintu air menunjukkan akurasi tinggi, dengan selisih antara setpoint dan posisi aktual aktuator berkisar antara 0,2 cm hingga 0,9 cm, dan performa lebih stabil pada rentang bukaan menengah hingga besar. Pengukuran Quality of Service (QoS) Protokol MQTT menunjukkan kinerja "Sangat Baik" atau "Baik" sesuai standar TIPHON, dengan nilai throughput tertinggi tercatat pada pukul 12:00 sebesar 1455 kbps, dan mengalami penurunan pada beberapa waktu seperti pukul 04:00 (312 kbps), 06:00 (427 kbps), 16:00 (430 kbps), dan 23:00 (388 kbps). Nilai packet loss berada di kisaran 0% hingga maksimal 0,35%, delay antara 5,099 ms hingga 15,985 ms, dan jitter antara 5,101 ms hingga 16,011 ms., membuktikan keandalan sistem dalam kondisi jaringan GSM di lokasi terpencil. Evaluasi sistem menunjukkan kemudahan penggunaan (88%), kecepatan respons (80%), kemudahan pengelolaan (90%), dan bantuan dalam pengambilan keputusan (88%), dan akurasi data sensor (76%). ======================================================================================================================================
This final project, titled " Implementation of an IoT System for Rainfall Monitoring, Water Level, and Remote Water Gate Control with MQTT and HTTP Protocols for Irrigation Management," successfully monitored rainfall and water levels, and remotely controlled water gates. System functionality testing showed that data transmission from the Remote Unit Terminal (RUT) to AWS and data retrieval from an S3 Bucket using HTTP worked well. Readings from the rainfall and water level sensors were accurate, enabling operators to make quick and precise decisions in response to field conditions. For instance, during high rainfall (126 mm) on June 20, 2025, which caused a significant increase in water level, operators successfully adjusted the sluice gate setpoint. Remote sluice gate control testing demonstrated high accuracy, with differences between the setpoint and the actuator's actual position ranging from 0.2 cm to 0.9 cm, and more stable performance at medium to large opening ranges. Quality of Service (QoS) measurements for the MQTT protocol showed "Very Good" or "Good" performance according to TIPHON standards, with the highest throughput recorded at 12:00 PM at 1455 kbps. Throughput decreased at certain times, such as 4:00 AM (312 kbps), 6:00 AM (427 kbps), 4:00 PM (430 kbps), and 11:00 PM (388 kbps). Packet loss ranged from 0% to a maximum of 0.35%, delay between 5.099 ms and 15.985 ms, and jitter between 5.101 ms and 16.011 ms, proving the system's reliability in GSM network conditions in remote locations. System evaluation indicated ease of use (88%), response speed (80%), ease of management (90%), assistance in decision-making (88%), and sensor data accuracy (76%)
Model Penilaian dan Peningkatan Ketahanan Infrastruktur Pelabuhan Berbasis Risiko Bencana Alam
No full textPelabuhan saat ini belum memiliki kerangka kerja penilaian yang sistematis dan terstandar untuk mengevaluasi kondisi fisik infrastruktur serta potensi risiko bencana alam, khususnya terkait kejadian cuaca ekstrem. Ketahanan infrastruktur pelabuhan menjadi aspek krusial dalam manajemen mutu dan mitigasi risiko proyek, sehingga diperlukan model penilaian yang mampu mengukur kondisi fisik secara objektif, menganalisis potensi risiko secara komprehensif, serta merumuskan strategi mitigasi ketahanan yang efektif. Penelitian ini mengembangkan kerangka kerja untuk menilai ketahanan infrastruktur pelabuhan dengan menggabungkan tiga pendekatan utama: pertama, model kondisi fisik infrastruktur untuk menilai kualitas dan kelayakan pelabuhan; kedua, model risiko yang memperhitungkan berbagai faktor bahaya alam; dan ketiga, model evaluasi yang menetapkan kriteria ketahanan serta strategi penanganannya. Responden penelitian adalah para ahli strategis seperti konsultan teknik, pejabat Dinas Pekerjaan Umum, akademisi, dan perencana wilayah yang dipilih berdasarkan keahlian dan pengalaman mereka di bidang pelabuhan. Data dikumpulkan secara sistematis melalui wawancara terstruktur, kuesioner, survei lapangan, dan sumber ilmiah seperti jurnal dan buku untuk menjamin validitas dan keandalan hasil analisis. Hasil penelitian ini berupa pengembangan model yang membantu menilai seberapa kuat dan tahan infrastruktur pelabuhan terhadap bahaya bencana alam. Dari hasil penelitian, ditemukan bahwa bagian paling rentan adalah struktur bangunan dan sistem drainase, terutama terhadap hujan deras yang bisa menyebabkan kerusakan serius. Model yang dibuat bukan hanya memberikan gambaran risiko secara jelas, tetapi juga menjadi alat yang bermanfaat untuk menentukan prioritas perbaikan dan langkah-langkah mitigasi yang tepat. Dengan demikian, model ini sangat berguna bagi pengelola pelabuhan agar dapat merencanakan dan menjalankan tindakan yang efektif untuk menjaga kelangsungan operasional pelabuhan walaupun menghadapi ancaman bencana.
=================================================================================================================================
Currently ports lack a systematic and standardized assessment framework to evaluate the physical condition of infrastructure and the potential risk of natural disasters, especially related to extreme weather events. The resilience of port infrastructure is a critical aspect in quality management and project risk mitigation, thus requiring an assessment model capable of objectively measuring physical conditions, comprehensively analyzing risk potential, and formulating effective resilience mitigation strategies. This study develops a framework to assess the resilience of port infrastructure by integrating three main approaches: first, a physical condition model to evaluate the quality and feasibility of the port; second, a risk model that considers various natural hazard factors; and third, an evaluation model which establishes resilience criteria and corresponding management strategies. The research respondents consisted of strategic experts such as engineering consultants, public works officials, academics, and regional planners selected based on their expertise and experience in the port sector. Data were systematically collected through structured interviews, questionnaires, field surveys, and scientific sources such as journals and books to ensure the validity and reliability of the analysis results. The outcome of this research is the development of a model that assists in assessing the strength and resilience of port infrastructure against natural disaster hazards. The study identified the most vulnerable elements as building structures and drainage systems, particularly concerning heavy rainfall that can cause serious damage. The developed model not only clearly illustrates the risks but also serves as a practical tool for prioritizing repairs and implementing appropriate mitigation measures. Therefore, this model is highly valuable for port managers to plan and execute effective actions that ensure the continuity of port operations despite disaster threats
Efficiency and Performance Evaluation of Magnetohydrodynamic Propulsion System Based on Laboratory Scale
No full textThis study presents an experimental evaluation of a laboratory-scale magnetohydrodynamic (MHD) propulsion system, which operates based on the Lorentz force principle—generated by the interaction between an electric current and a perpendicular magnetic field in an electrically conductive fluid such as seawater. This contactless propulsion method eliminates moving parts, offering potential advantages in terms of reliability and stealth, but faces significant challenges in terms of efficiency and scalability.
Performance analysis based on measured data shows that the MHD thruster reaches a maximum speed of 0.462 m/s at an input power of 85.68 W, with a peak efficiency of 0.14%. Beyond this point, increasing the input power results in a sharp drop in speed and efficiency—to 0.03% at 189 W—indicating system saturation and dominant energy losses. The total resistance is primarily due to the external circuit (7 Ω), while the thruster's internal resistance is minimal, highlighting the inefficiency of power delivery to the active region. Key factors limiting performance include high ohmic losses, electrolysis at the electrodes, low fluid conductivity, non-uniform magnetic fields, and hydrodynamic drag. The nonlinear response and narrow optimal operating range underscore the challenges in scaling MHD propulsion for practical use. While this model successfully demonstrates the fundamental concept, the very low efficiency confirms that the current laboratory system remains an experimental tool, not a viable propulsion solution. Improvements in electrode design, magnetic field strength, and system integration are critical to advancing MHD technology toward real world application
Analisis Volatilitas Harga Crude Palm Oil (CPO) Dan Faktor - Faktor Yang Mempengaruhinya Di Provinsi Kalimantan: Suatu Permodelan Menggunakan Regresi Data Panel
No full textIndustri kelapa sawit merupakan sektor strategis yang memainkan peranan vital dalam perekonomian Indonesia, berkontribusi signifikan terhadap Produk Domestik Bruto (PDB) dan pendapatan ekspor. Namun, pasar CPO sering kali dihadapkan pada fluktuasi harga yang tinggi, menciptakan ketidakpastian bagi para pelaku industri dan petani. Penelitian ini dirancang untuk menganalisis secara mendalam pola dan tingkat volatilitas harga CPO di lima provinsi sentra produksi di Kalimantan (Kalimantan Barat, Kalimantan Tengah, Kalimantan Selatan, Kaliman-tan Timur, dan Kalimantan Utara) selama periode 2020 hingga 2023. Lebih lanjut, studi ini mengidentifikasi pengaruh variabel-variabel makroekonomi, yaitu kurs Rupiah terhadap Dolar AS dan inflasi, serta variabel-variabel fundamental industri, seperti volume produksi CPO provinsi dan harga Tandan Buah Segar (TBS) terhadap pergerakan harga CPO. Dengan menggunakan pendekatan ekonometrika regresi data panel, model yang dibangun diuji me-lalui serangkaian uji formal, termasuk Uji Chow, Uji Hausman, dan Uji Lagrange Multiplier, yang pada akhirnya mengarah pada pemilihan model Random Effect Model (REM) sebagai model estimasi terbaik. Hasil penelitian menunjukkan bahwa model memiliki daya penjelas yang sangat kuat, dibuktikan dengan nilai koefisien determinasi (R2) sebesar 86,77%. Analisis parsial mengungkapkan bahwa harga TBS memiliki pengaruh positif yang sangat kuat dan sig-nifikan terhadap harga CPO, menjadikannya faktor penentu utama. Sementara itu, variabel inflasi juga memberikan pengaruh positif yang signifikan, sedangkan produksi CPO provinsi berpengaruh negatif secara signifikan. Di sisi lain, temuan penting menunjukkan bahwa varia-bel kurs Rupiah tidak memiliki pengaruh yang signifikan secara statistik terhadap harga CPO dalam periode yang diteliti. Temuan ini memberikan wawasan strategis bagi para pemangku kepentingan untuk merumuskan kebijakan yang efektif dan strategi manajemen risiko yang lebih tepat dalam menghadapi dinamika pasar CPO.
=====================================================================================================================================
The palm oil industry is a strategic sector that plays a vital role in the Indonesian economy, contributing significantly to the Gross Domestic Product (GDP) and export revenues. However, the CPO market is often faced with high price fluctuations, creating uncertainty for industry players and farmers. This study is designed to conduct an in-depth analysis of the patterns and levels of CPO price volatility in five major production provinces in Kalimantan (West Kalimantan, Central Kalimantan, South Kalimantan, East Kalimantan, and North Kalimantan) during the period from 2020 to 2023. Furthermore, this study identifies the influence of macroeconomic variables, namely the exchange rate of the Rupiah against the US Dollar and inflation, as well as fundamental industry variables, such as provincial CPO production volume and Fresh Fruit Bunch (FFB) prices, on CPO price movements. Using an econometric panel data regression approach, the constructed model was tested through a series of formal tests, including the Chow Test, Hausman Test, and Lagrange Multiplier Test, ultimately leading to the selection of the Random Effect Model (REM) as the best estimation model. The research results indicate that the model has a very strong explanatory power, as evidenced by a coefficient of determination (R²) value of 86.77%. Partial analysis reveals that the price of fresh fruit bunches (FFB) has a very strong and significant positive effect on the price of CPO, making it the main determining factor. Meanwhile, the inflation variable also has a significant positive effect, while provincial CPO production has a significant negative effect. On the other hand, important findings indicate that the Rupiah exchange rate variable does not have a statistically significant impact on CPO prices during the period studied. These findings provide strategic insights for stakeholders to formulate effective policies and more appropriate risk management strategies in addressing the dynamics of the CPO market
Kebijakan Subsidi Transportasi Laut Studi Kasus Layanan PT. PELNI KM. Kelud Rute Tg. Priok - Batam - Tg. Balai Karimun - Belawan
No full textPenelitian ini bertujuan untuk mengevaluasi efektivitas kebijakan subsidi angkutan laut penumpang kelas ekonomi dengan studi kasus pada kapal KM. Kelud rute Tanjung Priok – Batam – Tanjung Balai Karimun – Belawan. Permasalahan yang dikaji mencakup kebutuhan untuk menentukan besaran subsidi yang ideal berdasarkan kemampuan membayar (Ability to Pay/ATP) dan kesediaan membayar (Willingness to Pay/WTP) pengguna jasa, serta mengevaluasi efektivitas layanan kapal dalam mendukung kebijakan subsidi angkutan laut. Kajian ini juga menilai apakah pelayanan yang diberikan sudah sesuai dengan ekspektasi penumpang. Metodologi penelitian yang digunakan adalah pendekatan kuantitatif dengan analisis biaya operasional kapal, perhitungan ATP dan WTP berdasarkan survei terhadap 173 responden, serta analisis kepuasan pelanggan menggunakan uji chi-square dan regresi logistik. Analisis sensitivitas digunakan untuk melihat dampak variasi load factor terhadap kebutuhan subsidi Public Service Obligation (PSO). Hasil penelitian menunjukkan bahwa rata-rata tarif dasar (Required Freight Rate) mencapai Rp. 603.881,00, sedangkan tarif eksisting hanya Rp. 321.917,00, menyebabkan kebutuhan subsidi sebesar Rp. 281.964,00 per penumpang. Rata-rata ATP sebesar Rp. 363.485,00 dan WTP sebesar Rp. 320.934,00 menunjukkan bahwa secara ekonomi penumpang mampu membayar lebih dari tarif saat ini, namun kemauan membayar mereka lebih rendah. Pada kondisi ekstrem dengan load factor 100% dan efisiensi optimal, tarif dasar mendekati ATP sehingga subsidi PSO dapat ditekan, dengan nilai terendah mencapai Rp 59.232 per penumpang. Analisis regresi menunjukkan bahwa kepuasan penumpang dengan variabel fasilitas kapal, jaminan keselamatan, dan keamanan berpengaruh signifikan. Rekomendasi kebijakan termasuk penyesuaian tarif berdasarkan ATP dan peningkatan layanan kapal seperti penyediaan air minum gratis dan fasilitas tambahan lainnya. Penelitian ini memberikan dasar pertimbangan untuk kebijakan subsidi yang lebih tepat sasaran dan berkelanjutan.
====================================================================================================================================
This study aims to evaluate the effectiveness of public subsidy policies for economy-class sea passenger transport, using the KM Kelud vessel on the Tanjung Priok – Batam – Tanjung Balai Karimun – Belawan route as a case study. The issues examined include the need to determine the ideal subsidy amount based on passengers’ Ability to Pay (ATP) and Willingness to Pay (WTP), as well as to assess the effectiveness of the vessel’s service in supporting the maritime transport subsidy policy. The study also evaluates whether the service provided meets passenger expectations. The research employs a quantitative approach, including analysis of vessel operational costs, ATP and WTP calculations based on surveys of 173 respondents, and customer satisfaction analysis using chi-square tests and logistic regression. Sensitivity analysis is applied to assess the impact of load factor variations on Public Service Obligation (PSO) subsidy requirements. The results show that the average Required Freight Rate (RFR) is Rp. 603,881.00, while the current fare is only Rp. 321,917.00, resulting in a subsidy need of Rp. 281,964.00 per passenger. The average ATP is Rp. 363,485.00 and WTP is Rp. 320,934.00, indicating that passengers are economically able to pay more than the current fare, although their willingness to pay is lower. Under extreme conditions with 100% load factor and optimal efficiency, the base fare approaches the ATP, allowing the PSO subsidy to be reduced to as low as Rp. 59.232,00 per passenger. Logistic regression analysis reveals that passenger satisfaction is significantly influenced by onboard facilities, safety assurance, and security. Policy recommendations include fare adjustments based on ATP and service improvements such as free drinking water and additional amenities. This study provides a basis for developing more targeted and sustainable subsidy policies
Studi Pendahuluan Penerapan Biofouling Management Plan Terhadap Kapal yang Bersandar di Indonesia
No full textInvasive Aquatic Species (IAS) merupakan ancaman bagi ekosistem laut global karena dapat menyebabkan penurunan biodiversitas, gangguan ekologi, dan kerugian ekonomi yang besar. Salah satu jalur utama penyebaran IAS adalah biofouling, yaitu penempelan organisme laut pada lambung kapal. Selain itu, biofouling meningkatkan hambatan kapal yang berimplikasi pada konsumsi bahan bakar yang lebih tinggi dan peningkatan emisi karbon. Menanggapi hal ini, IMO menerbitkan resolusi MEPC.378(80) yang mendorong penerapan Biofouling Management Plan (BMP). Namun, Indonesia sebagai negara maritim belum memiliki sistem pengelolaan yang terstruktur sehingga penelitian ini bertujuan untuk menganalisis kesiapan regulasi Indonesia dalam mendukung implementasi BMP, mengevaluasi risiko kapal terhadap biofouling berbasis IAS, menentukan spesifikasi peralatan inspeksi dan pembersihan, serta menghitung estimasi tarif dari layanan tersebut.
Metode statutory analysis digunakan untuk menganalisis hukum terkait biofouling yang berlaku di Indonesia dan luar negeri. Hasil dari analisis menunjukkan bahwa regulasi di Indonesia belum mengatur secara spesifik terkait biofouling, dan peraturan yang ada lebih mengarah pada penggunaan pelapisan cat antifouling. Sedangkan penilaian dilakukan melalui pendekatan analisis risiko berdasarkan bioregion spesies, rute, kecepatan, dan waktu tinggal kapal di pelabuhan. Dari hasil penelitian didapatkan 62 spesies terindikasi memiliki potensi risiko. Selain itu, 78 kapal internasional yang bersandar di Pelabuhan Tanjung Perak pada tahun 2024 diduga membawa IAS melalui biofouling. Salah satu peralatan yang diperlukan untuk mengatasi hal tersebut adalah peralatan inspeksi dan pembersihan. Dalam proses tersebut Remotely Operated Vehicles (ROV) yang dioperasikan di area dermaga bersamaan dengan bongkar muat digunakan. ROV untuk inspeksi dan pembersihan memiliki spesifikasi dan sistem pendukung yang berbeda, khususnya pada kemampuan pembersihan dan sistem filtrasi limbah.
Hasil penelitian menunjukkan tarif inspeksi yang disarankan adalah Rp7.978,25/m² dengan Break Event Point pada tahun ke-3. Sementara itu, tarif pembersihan sebesar Rp24.355,96 per m², dengan BEP pada tahun ke-2. Tarif tersebut masih berada di bawah tarif yang berlaku secara internasional, namun tetap memberikan tingkat pengembalian investasi yang ekonomis dan menguntungkan.
======================================================================================================================================
Invasive Aquatic Species (IAS) pose a serious threat to global marine ecosystems by causing biodiversity loss, ecological disruption, and significant economic damage. One of the main pathways for IAS spread is biofouling, the attachment of marine organisms to ship hulls. Biofouling also increases vessel drag, leading to higher fuel consumption and elevated carbon emissions. In response, the International Maritime Organization (IMO) issued Resolution MEPC.378(80), encouraging the implementation of a Biofouling Management Plan (BMP). However, as a maritime nation, Indonesia does not yet have a structured management system in place. This study aims to analyze the readiness of Indonesia’s regulatory framework to support BMP implementation, assess vessel risks related to IAS based biofouling, determine the required specifications for inspection and cleaning equipment, and estimate the service tariffs for such operations.
The statutory analysis method is used to analyze the biofouling-related laws in force in Indonesia and abroad. The analysis results show that regulations in Indonesia have not specifically addressed biofouling, and existing regulations are more focused on the use of antifouling coatings. Meanwhile, the assessment is conducted through a risk analysis approach based on species bioregions, ship routes, speed, and port stay duration. The study identified 62 species with potential biofouling related risks, and 78 international ships that called at Tanjung Perak Port in 2024 are suspected of carrying IAS via biofouling. To address this issue, inspection and cleaning operations utilizing Remotely Operated Vehicles (ROVs) are proposed. These ROVs are designed to operate alongside cargo handling activities at berth, and are equipped with different specifications and support systems, particularly in terms of cleaning capacity and waste filtration mechanisms.
The results suggest a recommended inspection tariff of IDR 7,978.25 per m² with a break even point (BEP) in the third year, and a cleaning tariff of IDR 24,355.96 per m² with a BEP in the second year. These tariffs remain below international benchmarks while still ensuring an economically viable and profitable return on investment
Deteksi Emosi dalam Meningkatkan Efektivitas Studi Pengguna pada Virtual Reality untuk Edukasi Keperawatan Demensia
No full textPenelitian ini berfokus pada pengembangan dan penerapan sistem deteksi emosi sebagai bagian terintegrasi yang menganalisis pengalaman pengguna selama penggunaan gim edukatif berbasis Virtual Reality (VR) bernama ASA, yang dirancang untuk pembelajaran keperawatan demensia. Studi ini menekankan pada aspek teknis dari pengukuran emosi pengguna menggunakan kombinasi metode Exemplar Generative Adversarial Network (EXE-GAN) dan Google Vision API untuk mendeteksi ekspresi wajah, meskipun sebagian wajah tertutup oleh perangkat VR.
Sistem deteksi emosi ini digunakan untuk menangkap dinamika emosi peserta selama berinteraksi dalam skenario perawatan simulasi, guna memberikan wawasan tambahan terhadap dampak emosional yang muncul dalam proses belajar. Data pengalaman pengguna dikumpulkan melalui survei pasca-uji (post-test) dan dibandingkan dengan hasil deteksi emosi untuk mengevaluasi potensi korelasi antara persepsi pengguna dan respons emosional selama penggunaan VR.
Hasil uji menunjukkan bahwa penggunaan EXE-GAN sebelum tahap analisis oleh Google Vision API mampu meningkatkan akurasi deteksi emosi. Kombinasi ini menghasilkan nilai korelasi Spearman yang lebih tinggi serta penurunan nilai p-value dibandingkan dengan penggunaan Google Vision API saja. Temuan ini mendukung integrasi deteksi emosi berbasis AI sebagai pendekatan adaptif dalam mengevaluasi efektivitas pengalaman belajar berbasis VR untuk edukasi keperawatan demensia.
======================================================================================================================================
This study focuses on the development and implementation of an emotion detection system as an integrated component to analyze user experiences during the use of a Virtual Reality (VR)-based educational game called ASA, designed for dementia care training. The study emphasizes the technical aspects of measuring user emotions by employing a combination of Exemplar Generative Adversarial Network (EXE-GAN) and the Google Vision API to detect facial expressions, even when parts of the face are obscured by a VR headset.
The emotion detection system is used to capture the emotional dynamics of participants while interacting within simulated caregiving scenarios, providing additional insights into the emotional impact of the learning process. User experience data was collected through post-session surveys and compared with emotion detection results to evaluate the potential correlation between user perceptions and emotional responses during VR usage.
Test results show that using EXE-GAN before analysis with the Google Vision API improves the accuracy of emotion detection. This combination yields stronger Spearman correlation values and lower p-values compared to using Google Vision API alone. These findings support the integration of AI-based emotion detection as an adaptive approach in evaluating the effectiveness of VR-based learning experiences for dementia care education