Penerapan Data Driven Decision Making dalam Perspektif Pemilik dan Operator Kapal
DOI:
https://doi.org/10.25170/cylinder.v10i2.6018Kata Kunci:
Industri maritim, Pengambilan keputusan, Manajemen kapalAbstrak
Peran penting industri maritim dalam ekonomi dunia sangat vital dan merupakan urat nadi dalam distribusi barang-barang komersial di seluruh dunia. Data Driven Decision Making (DDDM) di dunia maritim merupakan suatu hal yang berpotensi menjadi game changer dalam dunia maritim. Pemanfaatan data-data yang dieproleh dari sensor, tangkapan alat komunikasi dan sistem yang terintegrasi, operator dapat mengotimalkan fleet, mengefisiensikan bahan bakar dan optimalisasi skedul perawatan. Dari perspektif sebagai pemilik/operator kapal, keputusan-keputusan untuk penjadwalan, operasional, docking dan crew management merupakan prioritas untuk memastikan profit yang diperoleh perusahaan. Dengan praktek bisnis saat ini diperlukan eksplorasi keuntungan menggunakan DDDM dalam pengambilan keputusan bagi pemilik/operator kapal. Penggunaan Big Data dan pendekatan DDDM memberikan manfaat yaitu efisiensi biaya dan peningkatan kinerja perusahaan (fleet). Penggunaan data dan analisis data (data analytic) di sektor maritim meliputi berbagai cara dalam pegumpulan diantaranya Automatic Identification Systems (AIS) , data-data cuaca dan peralatan sensor di kapal. Implementasi DDDM mempunyai beberapa tantangan dari perspektif pemilik/operator armada kapal yaitu kualitas dan ketersediaan data, integrasi sistem, biaya implementasi yang tinggi, kepatuhan pada peraturan dan resistensi terhadap perubahan.
Referensi
E. Brynjolfsson, L. M. Hitt, , & H. Kim, Strength in numbers: How does data-driven decision-making affect firm performance? (SSRN Scholarly Paper ID 1819486.2011 doi : https://doi.org/10.2139/ssrn.1819486
Munim, Z. H., Dushenko, M., Jimenez, V. J., Shakil, M. H., & Imset, M. “Big data and artificial intelligence in the maritime industry: a bibliometric review and future research directions. Maritime Policy & Management, Vol 47(5), pages 577-597, 2020.
Durlik, I., et al. Navigating the Sea of Data: A Comprehensive Review on Data Analysis in Maritime IoT Applications. Applied Sciences, 13(17), 9742, 2023.
S. Aslam, H. Herodotou, E. Garro, A. Martínez-Romero, M. A. Burgos, A. Cassera, A., G. Papas, & M. P. Michaelides, IoT for the Maritime Industry: Challenges and Emerging Applications. Proceedings of the 18th Conference on Computer Science and Intelligence Systems, pages 855–858, 2023.
Á. Szukits, & P. Móricz,. Towards data-driven decision making: the role of analytical culture and centralization efforts. Review of Managerial Science, 18(10), pages 2849–2887, 2023.
T.Moi, A. Cibicik, T. Rølvåg, “Digital twin based condition monitoring of a knuckle boom crane: An experimental study”, Engineering Failure Analysis. Vol. 112, 2020, doi : https://doi.org/10.1016/j.engfailanal.2020.104517. ISSN 1350-6307
Steve Saxon, Benjamin Weber, Qiao Xie, and Apostolos Zampelas, “After a few boom years, the global shipping industry faces a potential downcycle—but increased digitization can help companies prepare for volatility”, McKinsey & Company, 2022 [Online] https://www.mckinsey.com/industries/trav
el-logistics-and-infrastructure/our-insights/how-to-transform-your-shipping-company
R. Buijsse, M. Willemsen, & C. Snijders, Data-Driven Decision-Making. In Data Science for Entrepreneurship pp. 239-277, 2023.
Unduhan
Diterbitkan
Cara Mengutip
Lisensi
Hak Cipta (c) 2024 Cylinder : Jurnal Ilmiah Teknik Mesin

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.