DOI: https://doi.org/10.56578/ijtdi100110
تاريخ النشر: 2026-02-16
المؤلف: Erna Hikmawati وآخرون
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تتناول الدراسة التحديات المتعلقة بعدالة الأسعار والشفافية في قطاع النقل عبر الإنترنت المتنامي بسرعة في إندونيسيا، حيث غالبًا ما تتجاهل آليات التسعير الحالية العوامل الاجتماعية والاقتصادية والتشغيلية. لمواجهة هذه المشكلة، تقدم الدراسة نموذجًا هجينًا لاتخاذ القرار متعدد المعايير (MCDM) يجمع بين عملية التحليل الهرمي (AHP) لتحديد أوزان المعايير وطريقة الوزن الإضافي البسيط (SAW) لترتيب البدائل. يقيم النموذج أربعة معايير رئيسية: القدرة على تحمل الأجرة، ومتوسط وقت السفر، وحجم الأسطول، وملكية المركبات الخاصة. أظهرت دراسة حالة عبر خمس مدن رئيسية – جاكرتا، سورابايا، باليمبانغ، باندونغ، ومدان – أن جاكرتا حصلت على أعلى درجة تفضيل (0.8661)، حيث كانت مدة السفر والقدرة على تحمل الأجرة هما العاملان الأكثر أهمية في التأثير على عدالة الأجرة.
تشير النتائج إلى أن نموذج AHP-SAW يولد توصيات بأدنى أجرة تتماشى بشكل أفضل مع الظروف الاجتماعية والاقتصادية المحلية مقارنة بالأجور الحالية. وهذا يبرز ضرورة دمج كل من البيانات التشغيلية والاجتماعية والاقتصادية في تطوير سياسات أجرة أكثر عدلاً. تدعو الدراسة المنظمين إلى اعتماد هذا الإطار متعدد المعايير لتحديد أجور دنيا محلية تعكس الملف الاجتماعي والاقتصادي الفريد لكل مدينة، بدلاً من الاعتماد على أجور موحدة. يتم تشجيع الأبحاث المستقبلية لتوسيع التحليل ليشمل المدن المتوسطة الحجم ومعايير إضافية، مثل كثافة السكان وإمكانية الوصول إلى وسائل النقل العامة، مع الأخذ في الاعتبار دمج تقنيات التعلم الآلي لتعزيز دقة النموذج في مشهد النقل عبر الإنترنت الديناميكي.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للنقل في المجتمع الحديث، لا سيما في إندونيسيا، حيث زادت التحضر من تفاقم القضايا مثل الازدحام المروري، واستهلاك الوقود، وتلوث الهواء. تؤكد الورقة على أهمية أنظمة النقل العامة الفعالة، والتي تشمل أوضاعًا متنوعة مثل النقل السريع بالحافلات (BRT)، والتاكسي، وقطارات الركاب. ومع ذلك، تواجه إندونيسيا تحديات كبيرة تتعلق بتناسق التعريفات والشفافية، حيث تنشأ اختلافات في الأسعار من التنوع الجغرافي والاجتماعي والاقتصادي في البلاد. تعقد هذه الفجوة في آليات تحديد الأسعار الموحدة دخول مقدمي خدمات النقل الجدد وتخلق عدم اليقين للمستخدمين.
لقد حول ظهور خدمات النقل عبر الإنترنت، مثل Gojek وGrab، التنقل العام في إندونيسيا، حيث تقدم خيارات حجز ودفع مريحة. على الرغم من فوائد هذه الخدمات في تقليل الازدحام وتحسين الوصول، تظل سياسات الأجرة مشكلة. الإطار التنظيمي الحالي، الذي تحكمه لائحة وزير النقل رقم 12 لعام 2019، يحدد حدود الأجرة ولكنه يسمح بتفاوت كبير بناءً على ديناميكيات العرض والطلب، مما يؤدي إلى عدم رضا المستخدمين بسبب آليات التسعير غير الشفافة. تقترح هذه الدراسة نظام توصية يستخدم نموذجًا مشتركًا من عملية التحليل الهرمي (AHP) وطريقة الوزن الإضافي البسيط (SAW) لتحديد أجور عادلة للنقل عبر الإنترنت. من خلال تحليل عوامل متنوعة عبر عدة مدن إندونيسية، تهدف الدراسة إلى تعزيز شفافية الأجرة والمساهمة في تطوير سياسات نقل عادلة، تتماشى مع أهداف التنمية المستدامة (SDGs) التي تركز على تقليل عدم المساواة وتعزيز البيئات الحضرية المستدامة.
النتائج
في هذا القسم، يتم تقديم نتائج طريقة الوزن الإضافي البسيط (SAW) المطبقة لتقييم المدن المختلفة بناءً على أربعة معايير – القدرة على تحمل أجرة النقل عبر الإنترنت (C1)، ووقت السفر (C2)، وعدد الأساطيل عبر الإنترنت (C3)، وعدد المركبات الخاصة (C4). ظهرت جاكرتا كأعلى مدينة مرتبة بقيمة تفضيل تبلغ 0.8661، وذلك بفضل قدرتها التنافسية على تحمل الأجرة، وأسرع وقت سفر، وأعلى توفر للأسطول. تلتها سورابايا وباليمبانغ في المركزين الثاني والثالث، بقيم تفضيل تبلغ 0.7772 و0.7230 على التوالي، بينما احتلت باندونغ ومدان المركزين الرابع والخامس، بقيم تبلغ 0.7012 و0.6409. أكدت التحليلات أن C1 وC2 كانا العاملين الأكثر تأثيرًا في تحديد تصنيفات المدن، مما يبرز أوزانهما الكبيرة التي تبلغ 0.4216 و0.3348.
بالإضافة إلى ذلك، قدمت الدراسة توصيات بأدنى أجور لكل مدينة بناءً على قيم تفضيلها، مع اعتبار الأجرة الدنيا الفعلية لجاكرتا كمرجع. أظهرت النتائج أن جميع الأجور الموصى بها للمدن الأخرى كانت أقل من أجرة جاكرتا، مما يعكس أدائها النسبي. أكدت تحليل مرجعي باستخدام طريقة TOPSIS تصنيفات AHP-SAW، على الرغم من أنها كشفت عن تباين أكبر في الدرجات، خاصة بالنسبة لجاكرتا. وهذا يشير إلى أنه بينما أكدت TOPSIS ترتيب الأداء، قدم نموذج AHP-SAW تقييمًا أكثر دقة وإنصافًا، مما يجعله أكثر ملاءمة لصياغة السياسات المتعلقة بمعايير الأجرة الدنيا. بشكل عام، تظهر النتائج قابلية التكيف والتطبيق العملي لنموذج AHP-SAW في توليد توصيات الأجرة عبر سياقات حضرية مختلفة.
المناقشة
ت outlines قسم المناقشة في الورقة البحثية تطوير نظام توصية بالأجرة لخدمات النقل عبر الإنترنت، مع التأكيد على الحاجة إلى نهج شامل يدمج كل من العوامل الداخلية والخارجية التي تؤثر على تحديد الأجرة. يحدد نظامين رئيسيين للتسعير – التسعير الثابت والتسعير الديناميكي – مع تسليط الضوء على قضايا الشفافية واللامساواة المحتملة المرتبطة بالتسعير الديناميكي، خاصة بالنسبة للمستخدمين ذوي الدخل المنخفض. تجادل الورقة بضرورة تطبيق طريقة اتخاذ القرار متعددة المعايير (MCDM)، وتحديدًا الجمع بين عملية التحليل الهرمي (AHP) وطريقة الوزن الإضافي البسيط (SAW)، لتعزيز توصيات الأجرة من خلال مراعاة العوامل الاجتماعية والاقتصادية، والظروف التشغيلية، وخصائص المجتمع.
يسمح إطار MCDM بتقييم منهجي لمعايير متنوعة، مثل الحد الأدنى للأجور الإقليمية، ووقت السفر، وتوافر الأسطول، وملكية المركبات الخاصة، والتي تعتبر حاسمة لتحديد هياكل الأجرة العادلة والقابلة للتكيف. تؤكد الدراسة على أهمية استخدام مصادر بيانات قوية وعملية اتخاذ قرار منظمة لضمان أن توصيات الأجرة ليست فقط فعالة من الناحية التشغيلية ولكن أيضًا عادلة وتعكس الاحتياجات المتنوعة للمستخدمين عبر مناطق مختلفة في إندونيسيا. من خلال معالجة الفجوات الحالية في أدبيات تقييم الأجرة، تقترح هذه الدراسة نموذجًا أكثر شمولية يهدف إلى تحسين عدالة واستدامة أنظمة أجرة النقل عبر الإنترنت.
DOI: https://doi.org/10.56578/ijtdi100110
Publication Date: 2026-02-16
Author(s): Erna Hikmawati et al.
Primary Topic: Multi-Criteria Decision Making
Overview
The research addresses the challenges of fare fairness and transparency in Indonesia’s rapidly growing online transportation sector, where existing pricing mechanisms often overlook socio-economic and operational factors. To tackle this issue, the study introduces a hybrid multi-criteria decision-making (MCDM) model that combines the analytic hierarchy process (AHP) for determining criterion weights and the simple additive weighting (SAW) method for ranking alternatives. The model evaluates four key criteria: fare affordability, average travel time, fleet size, and private vehicle ownership. A case study across five major cities—Jakarta, Surabaya, Palembang, Bandung, and Medan—revealed that Jakarta had the highest preference score (0.8661), with travel time and fare affordability being the most significant factors influencing fare equity.
The findings suggest that the AHP-SAW model generates minimum fare recommendations that better align with local socio-economic conditions compared to current fares. This highlights the necessity of integrating both operational and socio-economic data in developing fairer fare policies. The study advocates for regulators to adopt this multi-criteria framework to establish localized minimum fares that reflect each city’s unique socio-economic profile, rather than relying on uniform zonal fares. Future research is encouraged to expand the analysis to include mid-sized cities and additional criteria, such as population density and public transportation accessibility, while considering the integration of machine learning techniques to enhance model accuracy in the dynamic online transportation landscape.
Introduction
The introduction of this research paper highlights the critical role of transportation in modern society, particularly in Indonesia, where urbanization has exacerbated issues like traffic congestion, fuel consumption, and air pollution. The paper emphasizes the importance of effective public transportation systems, which include various modes such as bus rapid transit (BRT), taxis, and commuter trains. However, Indonesia faces significant challenges related to tariff consistency and transparency, with fare discrepancies arising from the country’s diverse geographical and socio-economic landscape. This lack of standardized fare-setting mechanisms complicates the entry of new transportation providers and creates uncertainty for users.
The emergence of online transportation services, such as Gojek and Grab, has transformed public mobility in Indonesia, offering convenient booking and payment options. Despite the benefits of these services in reducing congestion and improving access, fare policies remain problematic. The current regulatory framework, governed by Minister of Transportation Regulation Number 12 of 2019, sets fare limits but allows for significant variability based on supply-demand dynamics, leading to user dissatisfaction due to opaque pricing mechanisms. This study proposes a recommender system utilizing a combined multi-criteria analytic hierarchy process (AHP) and simple additive weighting (SAW) model to establish fair fares for online transportation. By analyzing various factors across multiple Indonesian cities, the research aims to enhance fare transparency and contribute to the development of equitable transportation policies, aligning with the Sustainable Development Goals (SDGs) focused on reducing inequality and promoting sustainable urban environments.
Results
In this section, the results of the Simple Additive Weighting (SAW) method applied to evaluate various cities based on four criteria—online transport fare affordability (C1), travel time (C2), number of online fleets (C3), and number of private vehicles (C4)—are presented. Jakarta emerged as the top-ranked city with a preference value of 0.8661, attributed to its competitive fare affordability, fastest travel time, and highest fleet availability. Surabaya and Palembang followed in second and third place, respectively, with preference values of 0.7772 and 0.7230, while Bandung and Medan ranked fourth and fifth, with values of 0.7012 and 0.6409. The analysis confirmed that C1 and C2 were the most influential factors in determining city rankings, highlighting their significant weights of 0.4216 and 0.3348.
Additionally, the study provided recommended minimum fares for each city based on their preference values, with Jakarta’s actual minimum fare serving as a reference. The results indicated that all other cities’ recommended fares were lower than Jakarta’s, reflecting their relative performance. A benchmark analysis using the TOPSIS method corroborated the AHP-SAW rankings, although it revealed greater score polarization, particularly for Jakarta. This suggests that while TOPSIS confirmed the order of performance, the AHP-SAW model offered a more nuanced and equitable assessment, making it more suitable for policy formulation regarding minimum fare standards. Overall, the findings demonstrate the adaptability and practical application of the AHP-SAW model in generating fare recommendations across different urban contexts.
Discussion
The discussion section of the research paper outlines the development of a fare recommendation system for online transportation services, emphasizing the need for a comprehensive approach that integrates both internal and external factors influencing fare determination. It identifies two primary pricing schemes—fixed and dynamic pricing—highlighting the transparency issues and potential inequities associated with dynamic pricing, particularly for low-income users. The paper argues for the application of a multi-criteria decision-making (MCDM) method, specifically the combination of Analytic Hierarchy Process (AHP) and Simple Additive Weighting (SAW), to enhance fare recommendations by considering socio-economic factors, operational conditions, and community characteristics.
The MCDM framework allows for a systematic evaluation of various criteria, such as regional minimum wage, travel time, fleet availability, and private vehicle ownership, which are crucial for determining fair and adaptive fare structures. The study emphasizes the importance of using robust data sources and a structured decision-making process to ensure that fare recommendations are not only operationally efficient but also equitable and reflective of the diverse needs of users across different regions in Indonesia. By addressing existing gaps in fare evaluation literature, this research proposes a more holistic model that aims to improve the fairness and sustainability of online transportation fare systems.